物聯(lián)網(wǎng)(IoT)推動(dòng)更多的建筑和家庭系統(tǒng)中的設(shè)備和傳感器接入網(wǎng)絡(luò):據(jù)Gartner估計(jì),2017年物聯(lián)網(wǎng)覆蓋的設(shè)備數(shù)量已經(jīng)達(dá)到80億。
然而,隨著連接到云的傳感器數(shù)量的增加,系統(tǒng)對(duì)網(wǎng)絡(luò)帶寬、遠(yuǎn)程存儲(chǔ)和數(shù)據(jù)處理的要求也迅速增加。邊緣智能處理可以減少發(fā)送到中央服務(wù)器的數(shù)據(jù)量,增加傳感器本身的決策量。這樣可以提高系統(tǒng)的可靠性,降低決策延遲和網(wǎng)絡(luò)成本;如果服務(wù)器關(guān)閉了,你最不想看到的就是傳感器檢測(cè)不到物體,無法做出決策!
邊緣智能和連接
毫米波傳感器通過兩種方式實(shí)現(xiàn)邊緣智能。首先,毫米波可以提供距離、速度、角度等獨(dú)特的數(shù)據(jù)信息,并具有反射不同目標(biāo)的能力,使傳感器能夠檢測(cè)到探測(cè)范圍內(nèi)不同物體的具體特征。比如速度數(shù)據(jù)可以讓傳感器看到微-多普勒effect-來自微小運(yùn)動(dòng)的調(diào)制效應(yīng)-包含目標(biāo)物體的典型特征,比如自行車車輪的旋轉(zhuǎn)輻條,行走的人的擺臂,或者動(dòng)物奔跑的肢體。系統(tǒng)可以使用該數(shù)據(jù)來分類和識(shí)別傳感器視野中的對(duì)象類型。
減少錯(cuò)誤檢測(cè)
其次,毫米波傳感器通過片上處理實(shí)現(xiàn)邊緣智能。包括微控制器和數(shù)字信號(hào)處理器(DSPs)在內(nèi)的傳感器可以執(zhí)行主要的雷達(dá)處理,以及特征檢測(cè)和分類。
圖1顯示了在安全應(yīng)用中使用片上智能的50米室外入侵檢測(cè)器的實(shí)驗(yàn)結(jié)果。入侵探測(cè)器用于確定一個(gè)人是否已經(jīng)進(jìn)入進(jìn)入保護(hù)區(qū),如貨場(chǎng)、停車場(chǎng)或后院。一些依賴光學(xué)或紅外傳感器的傳感器可能會(huì)檢測(cè)到附近樹木和灌木的錯(cuò)誤移動(dòng)。而毫米波傳感器利用處理和算法濾除和防止誤檢,只有在人體運(yùn)動(dòng)時(shí)才觸發(fā)探測(cè)器。安全攝像頭和可視門鈴可以通過連接到網(wǎng)絡(luò)服務(wù)器來處理圖像,并執(zhí)行相同的錯(cuò)誤檢測(cè)和過濾。這些基于服務(wù)器的系統(tǒng)提供的功能通常需要用戶付費(fèi),而毫米波技術(shù)可以在沒有聯(lián)網(wǎng)服務(wù)器的情況下對(duì)傳感器本身做出決定。