智能传感器将为物联网（IoT）带来怎样的改变？

据麦姆斯咨询介绍，物联网（简称：IoT）的目标是通过世界上事物相连接，从而让消费者的生活更加简单，让消费者更加“兴奋”。但这种物联网的愿景该如何实现呢？在物联网的世界里，微机电系统（MEMS）传感器是用户与围绕在我们身边的众多设备之间的人机交互“顶梁柱”，诸如智能手机、可穿戴设备、机器人和无人机。然而，使设备能够感知并且联网，根本不足以实现物联网的宏伟承诺。事实却是，物联网只有以用户为中心才能取得成功，即解决现实生活中的挑战，提高易用性，让生活变得更简单。此外，在越来越复杂的环境中，各种设备上无处不在的传感器，给传感器供应商带来了明确的收益且日益增长的挑战。下面以传感器供应商的角度讨论这些挑战并提出可能的解决方案。物联网中智能传感器面临的三方面挑战如今的智能传感器模组包含与原始传感器集成的某些处理能力，它可以归结为三个关键的挑战：I. 第一个挑战是技术本身。供应商被迫利用其核心的MEMS和系统知识来实现几乎不可能的目标。对工程师来说，存在物理上的约束，一方面封装尺寸不能一直缩小，另一方面对低功率及高性能的要求不断增加。供应商也被迫将越来越多的智能和意识嵌入此类系统中。为实现这一目标，技术需要跨多个产品平台来使用。II. 第二个挑战来自于该行业的严重碎片化。如今，MEMS传感器获得的大部分收入来自智能手机领域。每年售出的智能手机超过10亿部，并且每个智能手机都装有多个MEMS传感器。同时，智能手机的OEM制造商设置了规范，而诸如Bosch Sensortec等供应商也相应地定义了其MEMS传感器规格指标。但物联网世界则截然不同，其特点是竞争激烈的技术平台呈现高度分散的结构。传感器、微控制器和执行器的传感器子系统的需求在物联网领域有很大差异。因此，像Bosch Sensortec这样的供应商需要创建集成硬件和软件的跨平台解决方案，并提供专用软件。通过利用软件和专家应用技术，供应商可帮助其客户解决特定问题，而不需要为个人应用一一定制个性化硬件解决方案。III. 最后一个挑战是几何复杂性加剧。物联网系统本质上是复杂的，而OEM制造商通常需要一站式解决方案或参考设计。总之，仅仅提供组件是不能满足需求的。以市场为导向的供应商满足这些要求，采用集成智能传感器解决方案，通过将越来越多的系统处理能力整合到单个模组设备中，从而大大降低其复杂性。由于没有一家公司能够提供一个全方位的完整解决方案，因此供应商也必须紧密合作，并与第三方建立伙伴关系，例如创建参考设计。物联网传感器信息的层次结构物联网信息结构由几个层次组成，对于一个典型应用来说，可按以下顺序排列信息有用性：传感器信息的层次结构：1. 原始数据2. 运动检测3. 活动监测4. 情境感知5. 目的预测尽管原始数据可能会被筛选、补偿和修正，但大多数情况下，用户使用它可以做什么是有明确的限制。在下一层级中，通过识别模式和应用算法，来解析数据，以提供运动检测信息。然后，通过增加其它传感器功能，比如通过气压测量来测量海拔高度，就会上升到第三层级，来分配推断出的活动监测信息。现代无处不在的计算环境情景感知设备包括：添加更多的元素，如与其他设备的交互、适应环境噪声、光照条件、网络状态等。最终，这将导致更复杂的任务，例如基于环境与过去行为模式的加权评估做出预测决策。在这一点上，将传感系统处理数据与人脑功能相关联会变得非常有趣。人类大脑处理数据有两个基础系统：认知和边缘。一方面，认知层对应于云计算，即使拥有高处理能力和大容量内存，也会出现延迟和潜伏期。另一方面，边缘系统是原始的、反应性的和反射性的，对应于传感系统中的局部处理，即边缘计算。

人类大脑的感知数据处理：认知与边缘系统的区别的相关描述（图片来源：[Krisdog]/ Depositphotos.com；Bosch Sensortec）谈及物联网话题，传感器的信息层级变得至关重要，它决定了哪些测量数据是重要的，哪些不是。如果数据不可操作，那么它基本无用，因此在大多数应用程序中，大量数据是多余的。与直觉相反，简单地加入等待识别有用信息的传感器通常会更有效，例如在计步应用中加入加速度计。我们的传感系统必须智能地决定哪些数据值得转存到云端，从而有效地利用可用的带宽和功率。对于本地传感器处理的关键是可以自动丢弃那些多余的数据，以节省宝贵的系统驱动能力。物联网系统的驱动在物联网传感器应用中，我们可识别影响系统和组件设计的几个关键系统驱动：• 低功耗：在某些应用中，低功耗是至关重要的，例如小型或便携设备。自动传感处理器与传感元器件匹配（“Sensor bot”）对边缘处理很有帮助，它可以决定何时传输到云端，从而降低数据传输的资源成本。• 低延迟：我们需要以最小延迟传输大量数据，因此低延迟是非常重要的。例如，虚拟现实（VR）图像中需要以实时速度发送，以跟上用户头部的动态变化。• 高数据采样率：对于快速系统的活动学习应用，可能需要高数据采样率。例如，在振动机械的预测维护中，传感器必须以足够高的速率采样，以便获取导致设备故障的所有相关数据。• 集成便捷性：差异很大，OEM制造商对其准备投资于解析传感器数据的时间和工程资源有不同的期望。为了简化传感器集成到其应用中，许多公司均需更加智能的传感器，这些传感器可提供嵌入其内部的数据处理，以匹配供应商提供的软件解决方案。例如，在机器人技术中，OEM制造商专注于机器人自身的运动，并不处理原始传感器数据。• 边缘计算：类似于上述的边缘系统。有时我们需要在边缘处理性能，这通常与低功耗和集成便捷性的先决条件息息相关。• 存储：由于传感器模组的内存成本非常高，因此云存储为本地存储及处理提供了一种可行的替代方案。也存在问题，一方面不希望传输大量不必要的数据，而另一方面却也受到传感器物理存储能力的限制。因此，我们必须实现传感器的智能化，并确保传感器放弃大多数不必要的数据，防止其内存容量被占用。

六种影响并制约物联网系统及组件设计的因素（图片来源：Bosch Sensortec）应用实例为说明以上几点，介绍几个例子。首先，如计步器等可穿戴应用，需要始终保持在线状态，电池则越小越好。其关键因素是低功耗，这可通过直接在传感器内部集成计步功能来实现。通过在必要环境下才唤醒可穿戴设备主处理器的方式，可节省电池电量。为进一步节省电力资源，可穿戴设备不能将所有计步数据传输于主机，此即为典型的边缘计算应用示例。由于功耗是最主要的考虑因素，如BHA250和 BHI160智能传感枢纽的超低功耗解决方案，就是一个理想的选择。另一个例子是快速样品设计的趋势，甚至在大型企业的用户案例市场验证中，这种趋势也越来越常见。快速样品设计通常在诸如Arduino、Raspberry Pi或其他类似的开源系统上执行，包括传感器在内的组件组合在一起来验证某个概念。为了最大程度地实现集成便捷性，这种类型的应用则需要由传感器供应商提供相对复杂的软件。开发时间则需尽可能缩短，而OEM制造商则需以有限的传感器知识开发系统设计。在许多如Arduino和Raspberry Pi的平台上都有传感器，极大地简化了其集成。结论对于成功的物联网应用来说，与一家能够理解高度复杂物联网环境的传感器供应商合作至关重要。这样的合作伙伴应可提供一系列高性能的传感器模组，并为用户的应用提出正确的解决方案。质量、本地支持及与第三方的紧密合作同样重要，第三方可提供参考设计和系统层级的专业意见。物联网需要对多种应用深入了解，并知道满足关键传感器和处理需求（如低功耗、易集成、数据速率和延迟等）的能力。只有通过理解这些不同因素之间的相互关系，才能设计出适应于快速发展物联网市场的创新及成功的产品，可让用户的生活更简单，并实现物联网的美好愿景。