在我们的家庭、车辆、工厂、办公楼、公共场所和智能城市基础设施中部署的数十亿物联网设备正在推动对大规模跟踪和定位服务的需求。在当今的物联网连接时代，以的精度确定无数事物的位置，例如智能仪表、医疗可穿戴设备、运输集装箱和工业机器人，是必不可少的。端到端定位服务的物联网用例范围广泛且任务关键，从物流和运输到制造和能源。
    今天的定位服务通常依赖于导航卫星系统 (GNSS)，有时还辅以 Wi-Fi、蓝牙、Cell-ID 和增强型 Cell-ID，以及其他基于蜂窝的技术。然而，为了充分利用物联网跟踪和定位服务的巨大潜力，我们需要一个更好的解决方案，以降低实现准确定位所需的硬件和软件的成本和复杂性，同时限度地减少从设备到云端传输的数据量，以减轻安全性风险。
    基于位置的服务的传统方法在某些场景中有很大的局限性。例如，GNSS 通常只能在户外工作，Wi-Fi 通常不可靠或不可用，Cell-ID 和增强型 Cell-ID 以及其他基于蜂窝的服务部署起来可能很复杂且成本很高。需要部分或全部这些解决方案来提供准确定位。
    例如，典型的无线物联网设备可能使用 LTE 调制解调器获取数据，使用定位服务 (GPS) 传感器获取室外位置，使用 Wi-Fi 或蓝牙连接获取室内位置。由此导致的多种无线设备和技术的复杂性需要专用硬件并推高功耗，这与物联网旨在实现的目标相矛盾：设计简单、超低功耗、小巧的外形和极低的成本。
    更好的方法是通过使用 4G LTE 和 5G 基于设备的定位完全依赖蜂窝网络本身来消除这种硬件和软件的复杂性。
    基于设备的定位不依赖云、GPS、Wi-Fi 或蓝牙
    基于 LTE/5G 设备的定位依赖于管理基于云的定位的相同基本原则，但由于终用户设备确定位置，因此该技术不依赖于云，几乎消除了与设备相关的延迟和安全/隐私问题- 到云连接。传输到网络/从网络传输的数据量也大大减少，从而节省了大量电力并降低了终用户的数据使用成本。无需 GPS、Wi-Fi 或蓝牙连接，因为基于设备的定位使用现有的 LTE 信号，这减少了材料清单、系统成本、设备尺寸和功耗，同时延长了电池寿命（见图 1）。

    PHY无线图1

    图 1：基于设备的定位技术（例如 hellaPHY）消除了组件，降低了成本和尺寸并延长了电池寿命。
    例如，PHY Wireless 的一种名为 hellaPHY 的基于设备的定位技术使用 3GPP 第 9 版中标准化的位置特定信号。这种基于标准的技术被称为定位参考信号 (PRS)，旨在提供尽可能高的精度水平和覆盖同时减少干扰。这些地面信号的信号强度通常比基于卫星的 GPS 信号高 50 dB。
    无线运营商可以不频繁地广播 PRS 信号，以限度地利用其数据和其他服务的频谱。这些信号通常用于满足增强型 911 (E911) 服务的 FCC 要求。人们普遍认为，如果 PRS 信号的频率显着增加，超过用于 E911 等宽带用例的极低密度，则低带宽物联网设备可以提供良好的精度。
    基于设备的定位技术仅需要非常有限的 PRS 信号带宽（大约 0.625%）即可实现接近 GPS 的性能。由于该解决方案是由网络运营商启用和提供的服务，基于设备的定位使他们能够充分利用位置信息的潜力并从其网络资产中获取更多价值。运营商不是简单地将 PRS 用于 E911 等应用，而是可以应对需要极低功耗和高定位精度的大量且不断增长的商业机会。
    虽然 GNSS 可能比基于设备的定位具有更高的准确性，但这一优势通常没有实际意义，因为只有与其他定位技术结合才能实现准确的室内覆盖。此外，并非每个场景都需要别的定位精度，因此 LTE-M 技术的 50 米精度通常足以满足许多用例。随着无线行业向 5G 过渡以及小型基站的激增，特别是在私人无线部署中，基于设备的定位解决方案已被证明可以实现到一米的定位精度。
    基于设备的定位基于避免与网络交互可以节省功率的前提，因此通过将决策转移到网络边缘并让低功耗边缘处理器自主做出决策，设备可以决定什么需要立即传输，什么需要传输。数据可以存储和转发。
    通过限度地减少网络和云交互，这种方法可以实现大规模物联网扩展，所需数据比其他蜂窝定位技术少 300 倍。这种方法还为可能需要地理围栏或面包屑导航的广泛应用程序打开了大门，这将是基于云的技术无法实现的。
    怎么运行的
    基于设备的定位系统由多种功能组成，如图 2 所示。网络运营商的基站历书 (BSA) 数据库包含定义网络布局的小区参数，数据库中的每个小区都具有的小区标识符（ ECGI)，包括小区发射点的经纬度、物理小区索引、天线信息、发射功率等参数。云辅助服务器与 BSA 数据库交互，以根据与终用户设备的服务小区的接近程度为终用户设备提供运营商 BSA 的一个小子集。

    PHY无线图2

    图 2：基于设备的定位系统的定位系统架构。
    可以使用单个微型 BSA 获得多个位置定位，一旦数据，设备就需要与网络进行少的额外交互。主机调制解调器为板载 hellaPHY 软件提供全面计算设备位置所需的信息。为了限度地延长电池寿命，PRS 捕获是在 3GPP 低功耗扩展不连续接收 (eDRX) 空闲模式或省电模式 (PSM) 期间执行的。
    该软件确定来自微型 BSA 的单元以执行测量以获得定位精度，并使用到达时间 (TOA) 和过滤算法执行参考信号时间差 (RSTD) 测量。hellaPHY LOC 包含针对具有挑战性的多路径蜂窝环境量身定制的位置估计算法，这些算法处理 TOA 测量和各种质量指标以得出用户位置的估计值。这些组件紧密耦合以快速有效地推导准确的位置估计。
    为了说明这个过程，图 3 比较了低功耗广域网 (LPWAN) 物联网应用的三种定位解决方案。左边是辅助 GPS 方法（设备 A），中间是基于云的蜂窝方法（设备 B），右边是基于设备的定位解决方案（设备 C）。本分析中的每个设备都采用 LTE-M 基带在蜂窝网络上实现数据连接。LTE-M 低功耗特性包括 PSM 和 RRC 空闲不连续接收 (DRX)。该分析假定 PSM 名义上消耗 0.01 mA 电流，而 RRC 空闲 DRX 消耗 2 mA 电流。当连接到以 RRC 连接模式交换数据的 LTE 网络时，假定 LTE-M 调制解调器消耗 150 毫安电流。
    图 3：研究了三种设备。
    设备 A 对卫星传输进行测量，设备 B 和 C 对地面 LTE 蜂窝信号进行测量，同时还使用每 160 毫秒传输的 1 毫秒 PRS。3GPP 规范允许更高密度的 PRS，但假设移动网络运营商正在部署低密度 PRS 以优先考虑数据容量。
    设备 A 使用 GPS 接收器在设备上执行位置估计，GPS 接收器针对的时间测量、位置计算更新和过滤进行了优化。算法之间的这种紧密耦合导致准确的位置精度。设备 B 在设备上执行测量并将这些测量上传到云端
    执行位置估计的服务器。
    这种方法存在一些基本问题。例如，将位置测量值上传到云端会消耗电量，从而缩短电池寿命，并且将设备上的位置测量值与云端的位置计算分开会降低性能。，将数百万甚至数十亿台设备的位置信息存储在云端会招致黑客入侵。
    设备 C 解决方案通过使用基于设备的定位克服了设备 B 的问题。测量、位置计算和过滤之间的相互作用有效地提高了定位精度。就预期的定位精度而言，A-GPS 仍然是室外位置的黄金标准，在这些位置设备可以清楚地看到天空（例如，卫星），精度约为 5 m。但如前所述，室内覆盖范围有限且通常不可用。
    设备 B 的室内外定位精度预计超过 100 米，虽然不如室外 A-GPS 准确，但仍可用于许多物联网应用，并具有室内覆盖的优势。根据网络运营商对 LTE-M 上的 hellaPHY 进行比较的试验结果，设备 C 的性能将优于设备 B，精度为 50 米。设备 C 还具有支持室内和室外覆盖的优势，并且在更长的电池寿命方面具有显着优势。
    结论
    尽管通过蜂窝网络进行定位的历史可以追溯到三十多年前，但它通常用于满足 911 应用程序的监管要求。然而，物联网和工业 4.0 的出现对准确性、低延迟、可用性、可靠性、安全性和许多其他因素提出了广泛的性能要求。
    实现定位的传统解决方案需要使用 GNSS、Wi-Fi，甚至蓝牙信标。这些多种技术导致更高水平的网络复杂性、系统成本和功耗，而微型电池供电的 IoT 设备无法轻松应对这些问题。解决方案是通过仅利用 5G 网络中用于 LTE 网络通信的信号来实现基于设备的定位，从而消除设计复杂性。
    图 4：基于设备的定位极大地延长了地理围栏和面包屑应用程序的电池寿命。
    完全在设备上执行定位消耗少的直流电源以延长电池寿命（图 4），并利用主机设备固有的高安全级别，同时提供依赖 LTE/5G 信号的所有定位技术的精度。基于 hellaPHY 设备的定位解决方案的能效是 GNSS 的 60 倍。
    基于设备的定位软件还需要比其他方法少得多的内存，可扩展到任何类型的物联网设备，并且频谱效率很高。由基于设备的定位提供支持的定位服务不仅可以满足当前物联网用例的需求，还可以使下一代 LTE/5G 连接设备提供更高的定位精度。