LoRaWAN has garnered tremendous attention owing to the low power consumption of end nodes, long range, high resistance to multipath, low cost, and use of license-free sub-GHz bands. Consequently, LoRaWAN is gradually replacing Wi-Fi and Bluetooth in sundry IoT applications including utility metering, smart cities, and localization. Localization, in particular, has already witnessed a surge of alternatives to Global Navigation Satellite System (GNSS), based on Wi-Fi, Bluetooth, Ultra Wide Band, 5G, etc. in indoor and low power domains due to the poor indoor coverage and high power consumption of GNSS. With the need for localization only shooting up with dense IoT deployments, LoRaWAN is seen as a promising solution in this context. Indeed, many attempts employing various techniques such as Time of Arrival (ToA), Time Difference of Arrival (TDoA), and Received Signal Strength Index (RSSI) have been made to achieve localization using LoRaWAN. However, a significant drawback in this scenario is the lack of extensive data on path loss and signal propagation modeling, particularly in Indian cityscapes. Another demerit is the use of GNSS at some stage primarily for time synchronization of gateways. In this work, we attempt to nullify these two disadvantages of LoRaWAN based localization. The first part of this work presents experimental data of LoRaWAN transmissions inside a typical city building to study signal propagation and path loss. The latter part proposes a standalone GNSS-free localization approach using LoRaWAN that is achieved by applying a collaborative, TDoA-based methodology. An additional stationary node is introduced into the network to allow the synchronization of gateways without GNSS. Finally, the distribution of localization error in a triangle of gateways and the effect of timing resolution, time-on-air, and duty cycle constraints on it are investigated.


翻译:由于终端节点耗电量低、距离长、对多路网阻力高、成本低和使用无许可证的低GHz波段,LORAWAN逐渐取代了日光IOT应用中的Wi-Fi和蓝牙,包括公用计量、智能城市和本地化。特别是,定位已经见证了基于Wi-Fi、蓝牙、超广频、5G等的内电和低电域替代全球导航卫星系统(GNSS)的激增,由于室内覆盖差和高电能消耗全球导航卫星系统(GNSS)高,因此,LORAWAN正在逐步取代光线网和蓝牙,在此背景下,LORAWANA 逐渐被视作一个很有希望的解决办法。许多尝试都使用了各种技术,例如“抵达时间”(ToA),“抵达时间差异”(TDoA)和“接收信号增强指数(RSSI)”,已经利用LORANWAN系统(RSI)的免费方法实现本地化。然而,这一设想中的一项重大倒退是缺乏在路径损失和信号传递阶段使用LOLUMLA(LA)系统(主要用于印度城市内部的升级)的系统(RA)的升级数据流流流流流数据,这是我们目前工作流流流数据流数据流数据流数据流数据流数据,这是我们城市中的一项最终的系统(R)的升级数据。

0
下载
关闭预览

相关内容

iOS 8 提供的应用间和应用跟系统的功能交互特性。
  • Today (iOS and OS X): widgets for the Today view of Notification Center
  • Share (iOS and OS X): post content to web services or share content with others
  • Actions (iOS and OS X): app extensions to view or manipulate inside another app
  • Photo Editing (iOS): edit a photo or video in Apple's Photos app with extensions from a third-party apps
  • Finder Sync (OS X): remote file storage in the Finder with support for Finder content annotation
  • Storage Provider (iOS): an interface between files inside an app and other apps on a user's device
  • Custom Keyboard (iOS): system-wide alternative keyboards

Source: iOS 8 Extensions: Apple’s Plan for a Powerful App Ecosystem
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
视频目标检测:Flow-based
极市平台
22+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
【泡泡一分钟】基于3D激光雷达地图的立体相机定位
泡泡机器人SLAM
4+阅读 · 2019年1月14日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
VIP会员
相关VIP内容
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
LibRec 精选:AutoML for Contextual Bandits
LibRec智能推荐
7+阅读 · 2019年9月19日
CCF推荐 | 国际会议信息6条
Call4Papers
9+阅读 · 2019年8月13日
视频目标检测:Flow-based
极市平台
22+阅读 · 2019年5月27日
CCF推荐 | 国际会议信息10条
Call4Papers
8+阅读 · 2019年5月27日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | CCF推荐期刊专刊信息5条
Call4Papers
3+阅读 · 2019年4月10日
【泡泡一分钟】基于3D激光雷达地图的立体相机定位
泡泡机器人SLAM
4+阅读 · 2019年1月14日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
【推荐】YOLO实时目标检测(6fps)
机器学习研究会
20+阅读 · 2017年11月5日
Top
微信扫码咨询专知VIP会员