更智能的傳感器

在物聯(lián)網(wǎng)時(shí)代，傳感架構(gòu)的分布式特性與設(shè)備聯(lián)網(wǎng)集成需求，正推動(dòng)傳感系統(tǒng)向智能化方向演進(jìn)。系統(tǒng)內(nèi)傳感器通常使用模擬或數(shù)字串行接口將數(shù)據(jù)發(fā)送到主機(jī)微控制器或微處理器。

數(shù)據(jù)預(yù)處理或過濾操作都在主機(jī)上完成。物聯(lián)網(wǎng)設(shè)備為接入無線/有線網(wǎng)絡(luò)，通常會(huì)內(nèi)置微控制器來管理網(wǎng)絡(luò)訪問。該處理核心可提供額外算力，用于處理安全傳輸、數(shù)據(jù)預(yù)處理及過濾功能，使物聯(lián)網(wǎng)兼容傳感器升級(jí)為智能傳感器。

智能房間應(yīng)用程序的高級(jí)架構(gòu)

物聯(lián)網(wǎng)應(yīng)用中，數(shù)據(jù)過濾功能在可用帶寬或能源受限時(shí)具有顯著優(yōu)勢(shì)。盡管本地處理需消耗一定能源，但通過限制數(shù)據(jù)傳輸量，通常比無線傳輸所有采樣數(shù)據(jù)更具優(yōu)勢(shì)。過濾的另一個(gè)好處是可以降低網(wǎng)絡(luò)負(fù)載，在網(wǎng)狀網(wǎng)絡(luò)拓?fù)渲芯哂酗@著價(jià)值。對(duì)于采用 LPWAN 連接的傳感器，數(shù)據(jù)傳輸成本同樣直接影響智能傳感器預(yù)處理程度的選擇。

數(shù)據(jù)過濾機(jī)制存在多種實(shí)現(xiàn)方式。常見技術(shù)之一是利用閾值評(píng)估所接收數(shù)據(jù)的變化幅度。所有遠(yuǎn)程系統(tǒng)會(huì)緩存最后接收的數(shù)值，默認(rèn)數(shù)據(jù)保持不變，只有在輸入值突破閾值范圍或與緩存值存在差異時(shí)，才會(huì)觸發(fā)數(shù)據(jù)更新發(fā)送操作。

過濾功能可區(qū)分需立即處理的變化和僅需更新模型但無需實(shí)時(shí)傳輸?shù)淖兓?。?shí)現(xiàn)方式包括使用另一組閾值或本地?cái)?shù)據(jù)模型判斷輸入是否超出范圍。無需實(shí)時(shí)轉(zhuǎn)發(fā)的更新可暫存于緩沖區(qū)，隨后與后續(xù)測(cè)量數(shù)據(jù)一起打包發(fā)送。

采用線性預(yù)測(cè)碼等壓縮技術(shù)可進(jìn)一步提升網(wǎng)絡(luò)帶寬利用率。待傳輸數(shù)據(jù)的變化值通常較為接近，線性預(yù)測(cè)碼利用此特性可降低單次采樣所需的比特?cái)?shù)。

2D 和 3D 傳感器處理的數(shù)據(jù)量遠(yuǎn)不止溫度或壓力等一維測(cè)量數(shù)據(jù)，數(shù)據(jù)管理復(fù)雜度更

高。以安防攝像頭為例，其內(nèi)部可能集成基礎(chǔ) AI 模型或算法，用于逐幀檢測(cè)畫面變化。部分微小變化可能被忽略。檢測(cè)到較大變化時(shí)，如人員或車輛進(jìn)入監(jiān)控區(qū)域，系統(tǒng)會(huì)自動(dòng)篩選畫面關(guān)鍵區(qū)域傳輸至遠(yuǎn)端平臺(tái)。通過壓縮技術(shù)及選擇性傳輸需要關(guān)注的區(qū)域（而非全幀傳輸），可顯著降低網(wǎng)絡(luò)帶寬占用。

另外，傳感器也可配置為適配多種遠(yuǎn)端系統(tǒng)，并根據(jù)不同系統(tǒng)需求動(dòng)態(tài)調(diào)整傳輸策略。部分智能傳感器內(nèi)置支持常見的工業(yè)協(xié)議（例如 Modbus）以及物聯(lián)網(wǎng)協(xié)議（例如 CoAP 或 MQTT）。此類傳感器通過傳入的請(qǐng)求確定哪個(gè)遠(yuǎn)程節(jié)點(diǎn)將接收對(duì)應(yīng)數(shù)據(jù)格式。如網(wǎng)絡(luò)帶寬需求或傳感器功能要求采用單一協(xié)議，可通過網(wǎng)關(guān)實(shí)時(shí)轉(zhuǎn)換協(xié)議，例如將 Modbus 數(shù)據(jù)包轉(zhuǎn)發(fā)至鄰近 PLC，將 CoAP 或 MQTT 數(shù)據(jù)包分發(fā)給訂閱對(duì)應(yīng)數(shù)據(jù)源的其他系統(tǒng)。

智能傳感器另一優(yōu)勢(shì)在于支持安全通信，并可結(jié)合簡(jiǎn)化安裝功能。當(dāng)前趨勢(shì)表明，智能傳感器正普遍采用預(yù)置數(shù)字證書與私鑰（存儲(chǔ)于加密存儲(chǔ)器）的出廠配置方式。部分網(wǎng)絡(luò)協(xié)議（例如 LoRaWAN）已將這些功能內(nèi)置于系統(tǒng)中。傳感器連接到網(wǎng)絡(luò)時(shí)，可以使用這些憑證，通過標(biāo)準(zhǔn)的公鑰加密技術(shù)與服務(wù)器建立安全連接。

傳感器利用存儲(chǔ)的憑證可識(shí)別合法服務(wù)器，同時(shí)也能方便服務(wù)器驗(yàn)證傳感器的有效性。只有在建立連接后，傳感器才能獲得網(wǎng)絡(luò)完全訪問權(quán)限。系統(tǒng)將識(shí)別并拒絕訪問克隆或偽造的設(shè)備。由于基于云的身份驗(yàn)證系統(tǒng)可以根據(jù)安全憑證單獨(dú)識(shí)別網(wǎng)絡(luò)中的每個(gè)設(shè)備，因此集成這些功能可以大大簡(jiǎn)化安裝流程。安裝人員無需手動(dòng)編程設(shè)備 ID 和其他信息，因?yàn)榇蠖鄶?shù)必要信息已在制造期間編碼。如果傳感器內(nèi)置定位硬件（如 GPS 或類似系統(tǒng)），模塊甚至可以自動(dòng)確定位置。如不具備，安裝人員或遠(yuǎn)程操作員可以在傳感器啟動(dòng)并運(yùn)行后，將位置和其他元數(shù)據(jù)添加到設(shè)備和服務(wù)器數(shù)據(jù)庫(kù)中。

安全智能傳感器在建立連接并通過驗(yàn)證后，可通過加密數(shù)據(jù)包有效載荷進(jìn)一步增強(qiáng)信息保護(hù)。對(duì)稱式密碼算法（如 AES256）因處理開銷低于公鑰系統(tǒng)，常用于有效載荷加密。但根據(jù)系統(tǒng)架構(gòu)和傳感器模塊性能，公鑰加密可能更適用。智能傳感器可采用差異化加密策略，為不同用戶分配獨(dú)立密鑰，確保遠(yuǎn)端設(shè)備僅能解密其權(quán)限范圍內(nèi)的數(shù)據(jù)。然而，系統(tǒng)架構(gòu)可能決定由邊緣網(wǎng)關(guān)或云服務(wù)器來處理這類安全控制，且存在多種組合方案。

傳感器融合實(shí)現(xiàn)系統(tǒng)智能化升級(jí)

物聯(lián)網(wǎng)的核心理念之一是，眾多不同傳感器的數(shù)據(jù)價(jià)值遠(yuǎn)超各部分?jǐn)?shù)據(jù)之和。網(wǎng)絡(luò)連接擴(kuò)展了數(shù)據(jù)采集范圍，進(jìn)而使多種傳感器模態(tài)得以融合，共同驅(qū)動(dòng)數(shù)據(jù)模型或算法運(yùn)行。通過整合不同類型的測(cè)量數(shù)據(jù)，系統(tǒng)能更精準(zhǔn)地判斷輸入信號(hào)是否因硬件故障或污垢阻塞而產(chǎn)生誤差。通過剔除單個(gè)讀數(shù)中的誤差，模型將支持做出更優(yōu)的決策。

應(yīng)用傳感器融合算法實(shí)現(xiàn)了傳感器讀數(shù)的協(xié)同整合。部分算法將采用廣泛兼容的傳感器格式。傳感器融合技術(shù)現(xiàn)已廣泛應(yīng)用于移動(dòng)設(shè)備，如手機(jī)內(nèi)置的傳感器中樞通過整合陀螺儀與加速度計(jì)數(shù)據(jù)，顯著提升了步態(tài)分析、導(dǎo)航等應(yīng)用的質(zhì)量。不同的傳感器可以相互補(bǔ)償。陀螺儀的主要誤差來源為漂移現(xiàn)象。融合加速度計(jì)數(shù)據(jù)，可有效補(bǔ)償陀螺儀的飄移誤差，而陀螺儀又能幫助克服加速度計(jì)易受傳感器噪聲影響的問題。經(jīng)傳感器中樞處理后的輸出數(shù)據(jù)，能更精確地表示線性運(yùn)動(dòng)及滾轉(zhuǎn)、俯仰、偏航等旋轉(zhuǎn)變化。

當(dāng)前部分先進(jìn)汽車系統(tǒng)的 360°全景影像正是通過多攝像頭數(shù)據(jù)融合生成的合成畫面。而其他系統(tǒng)則采用多種傳感器構(gòu)建系統(tǒng)模型，例如，聲學(xué)與振動(dòng)傳感器結(jié)合使用，顯著提升電機(jī)和其他機(jī)械設(shè)備損傷檢測(cè)系統(tǒng)的準(zhǔn)確性。飛行時(shí)間 (ToF) 攝像頭結(jié)合溫度、二氧化碳和其他環(huán)境傳感器，可用于輔助判斷房間或禮堂的空調(diào)是否需要調(diào)節(jié)。

當(dāng)前存在多種有效傳感器融合技術(shù)。運(yùn)動(dòng)感知系統(tǒng)常用的卡爾曼濾波器，會(huì)對(duì)低不確定性讀數(shù)賦予更高權(quán)重。濾波器狀態(tài)以矩陣集形式呈現(xiàn)，可將不同類型傳感器的讀數(shù)整合至統(tǒng)一坐標(biāo)模型。該濾波器分為預(yù)測(cè)與更新兩階段。預(yù)測(cè)階段基于系統(tǒng)歷史狀態(tài)推算下一狀態(tài)。更新階段將傳感器新采樣值與預(yù)測(cè)值進(jìn)行比較，輸入值與預(yù)測(cè)值越接近，誤差概率就越低。匹配度不高則會(huì)降低該傳感器新讀數(shù)權(quán)重。

盡管粒子濾波器的處理耗時(shí)高于卡爾曼濾波器，但在數(shù)據(jù)模型非線性程度較高（超出卡爾曼濾波器典型適用場(chǎng)景）時(shí)，其仍是一種高效解決方案。這類濾波器使用貝葉斯公式等技術(shù)，以概率方式融合輸入讀數(shù)。

概率化方法進(jìn)一步衍生出基于機(jī)器學(xué)習(xí)的先進(jìn)傳感器融合技術(shù)。機(jī)器學(xué)習(xí)尤其適用于需融合多維數(shù)據(jù)的系統(tǒng)，例如 ToF 攝像頭結(jié)合激光雷達(dá)儀器呈現(xiàn)的 2D 圖像、視頻及 3D 點(diǎn)云數(shù)據(jù)。通過結(jié)合多通道卷積層與池化層的深度學(xué)習(xí)流水線，可構(gòu)建支持多模態(tài)數(shù)據(jù)統(tǒng)一訓(xùn)練的模型框架。

傳感器融合的關(guān)鍵環(huán)節(jié)之一是，通過預(yù)處理確保數(shù)據(jù)元素對(duì)齊。當(dāng)部分傳感器僅間歇性發(fā)送數(shù)據(jù)變更，而其他傳感器持續(xù)傳輸時(shí)，接收系統(tǒng)需對(duì)齊并填充數(shù)據(jù)值，以確保模型獲得一致的更新值。例如，如果遠(yuǎn)程傳感器沒有發(fā)送狀態(tài)變化的指示，則可能需要向模型輸入重復(fù)的數(shù)據(jù)值。同樣，成組發(fā)送的更新需要與其他數(shù)據(jù)流的時(shí)間戳匹配，以確保采樣時(shí)間一致。此類功能可由網(wǎng)關(guān)模塊或終端系統(tǒng)實(shí)現(xiàn)，前提是這些系統(tǒng)已預(yù)先編程，具備對(duì)所接收數(shù)據(jù)的解析能力。

結(jié)語(yǔ)

電子工程師面臨諸多抉擇，不僅源于傳感技術(shù)的演進(jìn)，更因連接方案的多元化。通過接入覆蓋周邊環(huán)境的網(wǎng)絡(luò)