1.一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，包括以下步骤：S1、利用TOF测距技术测量用户终端UE与至少3个网关GW之间的距离，得到测距值；

S2、利用高斯分布函数模型优化测距值，得到优化的测距值[dT]；

S3、建立离线指纹定位，获取无线访问点AP信号强度和位置坐标，根据AP信号强度和位置坐标建立AP信号强度与位置之间的对应关系数据库，完成离线指纹定位；

S4、建立在线指纹定位，将UE与其最邻近的至少4个AP点的RSSI值进行加权融合，得到加权后的信号强度RU＇，根据GW与UE最邻近的4个AP点之间的距离[dAP-GW]，将RU＇转换为距离值，计算出UE距离第一网关GW1、第二网关GW2和第三网关GW3的距离值[dR]；

S5、利用[dR]对[dT]进行修正融合，得到修正后的距离值数组[dC]；

S6、利用三点定位算法，将[dC]转化为UE第一组位置；将RU＇与位置指纹库AP信号强度、位置信息进行融合对比，得到UE第二组位置；

S7、对得到的UE第一组位置和UE第二组位置进行加权融合，得到最佳位置信息。

2.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，用户终端UE与网关GW之间的距离的计算方式包括：d＝c*Tf

其中，d表示用户终端UE和网关GW之间的距离，c表示电磁波传播速度，Tf表示信号在用户终端、网关之间的单向飞行时间，Tt表示用户终端UE发出数据信号和接收到网关GW应答信号的时间间隔，Tr表示GW收到用户终端UE的数据信号和发出应答信号的时间间隔。

3.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，利用高斯分布函数模型优化测距值包括：通过高斯分布函数模型选取系统中发生在高概率区的测量值，取其统计平均值，记为数组[dT]。

4.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，利用[dR]对[dT]进行修正融合的计算方式包括：[dC]＝β[dT]+(1-β)[dR]

其中，[dC]表示修正后的距离值数组，[dT]表示优化的测距值，β为加权因子，β在不同的距离段取值有差异，[dR]表示UE距离GW1,GW2,GW3的距离值。

5.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，所述三点定位算法的计算方式包括：其中，(x，y)表示UE的坐标，(x1，y1),(x2，y2),(x3，y3)分别是GW1,GW2,GW3的坐标，dC1表示UE与GW1的距离，dC2表示UE与GW2的距离，dC3表示UE与GW3的距离。

6.根据权利要求1所述的一种基于TOF和位置指纹融合的LoRa定位方法，其特征在于，所述对得到的UE第一组位置和UE第二组位置进行加权融合，得到最佳位置信息，包括：L＝αLC+(1-α)LF

其中，LF为位置指纹得到的最优值，LC为TOF测距方法得到的最优值，α为加权因子，α在不同的距离段取值有差异。