随着经济的发展,私家车的数量越来越多,各种社会场所的地下停车场越来越普及。但是大型的地下停车场往往存在着地形复杂、线路不清晰、空余车位难找、反向寻车难等问题,这些都严重影响着用户的使用体验和停车场的使用效率。地面停车场一般都有比较成熟的定位导航系统,并且大都是结合GPS实现的,然而在室内复杂的环境中,无法接收到足够有效的GPS信号,GPS技术无法使用。现有的主流室内定位技术如超声波、红外、蓝牙、WI-FI、ZigBee等各有不足之处。本文针对地下停车场特殊的环境,利用LoRa在抗干扰、低功耗、低成本方面的优势,设计了一种基于LoRa的地下停车场车辆定位系统。在地下停车场环境中,无线电信号在传播过程中易受环境干扰,RSSI值存在较大波动性,本文提出了一种高斯-限幅滤波的方法对RSSI进行预处理,相比使用单一滤波法处理,该方法处理效果更好;建立了基于BP神经网络的RSSI测距模型,与传统的对数距离损耗模型相比,避免了参数的估算,减小了误差的累积;针对地下停车场特殊通信环境,对TOA测距模型中NLOS时延模型进行分析,将限幅滤波与卡尔曼滤波相结合对突发性NLOS时延进行滤除,通过参数拟合的方法对规律性的NLOS时延和节点模块处理误差进行抑制;分析了RSSI技术和TOA技术的测距特性,提出了近端基于RSSI测距、较远端基于TOA测距的测距方法;在测距的基础上,使用加权质心定位算法计算标签节点的坐标,提高了系统的适应性和定位精度。本文对定位系统进行了硬件设计和软件设计。硬件设计部分包括:最小系统模块、输入输出模块和无线射频模块。软件部分完成了定位算法、锚节点和标签节点功能程序的编写。在实际环境中进行测试,验证了系统的可行性。