更智能的傳感器

在物聯(lián)網(wǎng)時代，傳感架構(gòu)的分布式特性與設(shè)備聯(lián)網(wǎng)集成需求，正推動傳感系統(tǒng)向智能化方向演進。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)送到主機微控制器或微處理器。

數(shù)據(jù)預處理或過濾操作都在主機上完成。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)預處理及過濾功能，使物聯(lián)網(wǎng)兼容傳感器升級為智能傳感器。

智能房間應用程序的高級架構(gòu)

物聯(lián)網(wǎng)應用中，數(shù)據(jù)過濾功能在可用帶寬或能源受限時具有顯著優(yōu)勢。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。過濾的另一個好處是可以降低網(wǎng)絡(luò)負載，在網(wǎng)狀網(wǎng)絡(luò)拓撲中具有顯著價值。對于采用 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處理程度的選擇。

數(shù)據(jù)過濾機制存在多種實現(xiàn)方式。常見技術(shù)之一是利用閾值評估所接收數(shù)據(jù)的變化幅度。所有遠程系統(tǒng)會緩存最后接收的數(shù)值，默認數(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，才會觸發(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時傳輸?shù)淖兓?。實現(xiàn)方式包括使用另一組閾值或本地數(shù)據(jù)模型判斷輸入是否超出范圍。無需實時轉(zhuǎn)發(fā)的更新可暫存于緩沖區(qū)，隨后與后續(xù)測量數(shù)據(jù)一起打包發(fā)送。

采用線性預測碼等壓縮技術(shù)可進一步提升網(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，線性預測碼利用此特性可降低單次采樣所需的比特數(shù)。

2D 和 3D 傳感器處理的數(shù)據(jù)量遠不止溫度或壓力等一維測量數(shù)據(jù)，數(shù)據(jù)管理復雜度更高。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，用于逐幀檢測畫面變化。部分微小變化可能被忽略。檢測到較大變化時，如人員或車輛進入監(jiān)控區(qū)域，系統(tǒng)會自動篩選畫面關(guān)鍵區(qū)域傳輸至遠端平臺。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端系統(tǒng)，并根據(jù)不同系統(tǒng)需求動態(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求確定哪個遠程節(jié)點將接收對應數(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)實時轉(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)給訂閱對應數(shù)據(jù)源的其他系統(tǒng)。

智能傳感器另一優(yōu)勢在于支持安全通信，并可結(jié)合簡化安裝功能。當前趨勢表明，智能傳感器正普遍采用預置數(shù)字證書與私鑰(存儲于加密存儲器)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，可以使用這些憑證，通過標準的公鑰加密技術(shù)與服務(wù)器建立安全連接。

傳感器利用存儲的憑證可識別合法服務(wù)器，同時也能方便服務(wù)器驗證傳感器的有效性。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)將識別并拒絕訪問克隆或偽造的設(shè)備。由于基于云的身份驗證系統(tǒng)可以根據(jù)安全憑證單獨識別網(wǎng)絡(luò)中的每個設(shè)備，因此集成這些功能可以大大簡化安裝流程。安裝人員無需手動編程設(shè)備 ID 和其他信息，因為大多數(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))，模塊甚至可以自動確定位置。如不具備，安裝人員或遠程操作員可以在傳感器啟動并運行后，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)庫中。

安全智能傳感器在建立連接并通過驗證后，可通過加密數(shù)據(jù)包有效載荷進一步增強信息保護。對稱式密碼算法(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，為不同用戶分配獨立密鑰，確保遠端設(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。

傳感器融合實現(xiàn)系統(tǒng)智能化升級

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)價值遠超各部分數(shù)據(jù)之和。網(wǎng)絡(luò)連接擴展了數(shù)據(jù)采集范圍，進而使多種傳感器模態(tài)得以融合，共同驅(qū)動數(shù)據(jù)模型或算法運行。通過整合不同類型的測量數(shù)據(jù)，系統(tǒng)能更精準地判斷輸入信號是否因硬件故障或污垢阻塞而產(chǎn)生誤差。通過剔除單個讀數(shù)中的誤差，模型將支持做出更優(yōu)的決策。

應用傳感器融合算法實現(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)已廣泛應用于移動設(shè)備，如手機內(nèi)置的傳感器中樞通過整合陀螺儀與加速度計數(shù)據(jù)，顯著提升了步態(tài)分析、導航等應用的質(zhì)量。不同的傳感器可以相互補償。陀螺儀的主要誤差來源為漂移現(xiàn)象。融合加速度計數(shù)據(jù)，可有效補償陀螺儀的飄移誤差，而陀螺儀又能幫助克服加速度計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動及滾轉(zhuǎn)、俯仰、偏航等旋轉(zhuǎn)變化。

當前部分先進汽車系統(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，聲學與振動傳感器結(jié)合使用，顯著提升電機和其他機械設(shè)備損傷檢測系統(tǒng)的準確性。飛行時間 (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)。

當前存在多種有效傳感器融合技術(shù)。運動感知系統(tǒng)常用的卡爾曼濾波器，會對低不確定性讀數(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)一坐標模型。該濾波器分為預測與更新兩階段。預測階段基于系統(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測值進行比較，輸入值與預測值越接近，誤差概率就越低。匹配度不高則會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景)時，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)。

概率化方法進一步衍生出基于機器學習的先進傳感器融合技術(shù)。機器學習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)合激光雷達儀器呈現(xiàn)的 2D 圖像、視頻及 3D 點云數(shù)據(jù)。通過結(jié)合多通道卷積層與池化層的深度學習流水線，可構(gòu)建支持多模態(tài)數(shù)據(jù)統(tǒng)一訓練的模型框架。

傳感器融合的關(guān)鍵環(huán)節(jié)之一是，通過預處理確保數(shù)據(jù)元素對齊。當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，接收系統(tǒng)需對齊并填充數(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)流的時間戳匹配，以確保采樣時間一致。此類功能可由網(wǎng)關(guān)模塊或終端系統(tǒng)實現(xiàn)，前提是這些系統(tǒng)已預先編程，具備對所接收數(shù)據(jù)的解析能力。

結(jié)語

電子工程師面臨諸多抉擇，不僅源于傳感技術(shù)的演進，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)中多源數(shù)據(jù)，系統(tǒng)對環(huán)境變化的感知能力將顯著提升。理解傳感器間的交互機制及其數(shù)據(jù)處理與安全能力，將助力工程師在產(chǎn)品設(shè)計及設(shè)備集成過程中做出更明智的選擇。