物聯網（IoT）推動建築和家庭係統中更多設備和傳感器連接網絡：根據Gartner統計，在2017年物聯網覆蓋的設備數量已達80億。

 

但隨著連接到雲的傳感器數量日益增加，對網絡帶寬、遠yuan程cheng存cun儲chu和he數shu據ju處chu理li的de係xi統tong要yao求qiu也ye迅xun速su提ti高gao。邊bian緣yuan處chu的de智zhi能neng處chu理li可ke以yi減jian少shao發fa送song到dao中zhong央yang服fu務wu器qi的de數shu據ju量liang，增zeng加jia傳chuan感gan器qi本ben身shen的de決jue策ce量liang。這zhe可ke以yi在zai提ti升sheng係xi統tong可ke靠kao性xing的de同tong時shi，減jian少shao決jue策ce延yan遲chi和he網wang絡luo成cheng本ben；如果服務器關閉，您最不願意看到的就是傳感器無法檢測物體和做出決策！

 

邊緣智能和連接

 

毫米波（mmWave）傳感器以兩種方式實現邊緣智能。首先，毫米波可提供距離、suduhejiaodudengdutedeshujuxinxi，tongshijuyoufanshebutongmubiaodenengli，zheshichuanganqinenggoujiancetancefanweineibutongwutidetedingtezheng。liru，sudushujukeshichuanganqikandaoweiduopulexiaoying - 來自微小運動的調製效應 - 其(qi)包(bao)含(han)目(mu)標(biao)對(dui)象(xiang)的(de)典(dian)型(xing)特(te)征(zheng)，例(li)如(ru)自(zi)行(xing)車(che)車(che)輪(lun)的(de)旋(xuan)轉(zhuan)輻(fu)條(tiao)，行(xing)走(zou)的(de)人(ren)搖(yao)擺(bai)的(de)手(shou)臂(bi)，或(huo)者(zhe)動(dong)物(wu)奔(ben)跑(pao)的(de)四(si)肢(zhi)。係(xi)統(tong)可(ke)以(yi)使(shi)用(yong)該(gai)數(shu)據(ju)來(lai)分(fen)類(lei)和(he)識(shi)別(bie)傳(chuan)感(gan)器(qi)視(shi)場(chang)角(jiao)中(zhong)的(de)對(dui)象(xiang)類(lei)型(xing)。

 

減少錯誤檢測

 

其次，毫米波傳感器通過片上處理實現邊緣智能。包含微控製器和數字信號處理器（DSP）的傳感器能夠執行初級雷達處理，以及特征檢測和分類。

 

圖1顯示了安全應用中50米室外入侵探測器使用片上智能的一項實驗結果。入侵探測器用於確定人員是否已進入受保護區域，例如貨運場、停ting車che場chang或huo後hou院yuan。一yi些xie依yi賴lai光guang學xue或huo紅hong外wai傳chuan感gan的de傳chuan感gan器qi可ke能neng會hui檢jian測ce到dao附fu近jin樹shu木mu和he灌guan木mu的de錯cuo誤wu運yun動dong。而er毫hao米mi波bo傳chuan感gan器qi使shi用yong處chu理li和he算suan法fa來lai濾lv除chu和he防fang止zhi錯cuo誤wu檢jian測ce，僅jin在zai人ren體ti運yun動dong時shi觸chu發fa探tan測ce器qi。安an全quan攝she像xiang頭tou和he可ke視shi門men鈴ling可ke以yi通tong過guo連lian接jie網wang絡luo服fu務wu器qi處chu理li圖tu像xiang

，執zhi行xing相xiang同tong的de錯cuo誤wu檢jian測ce過guo濾lv。這zhe些xie基ji於yu服fu務wu器qi的de係xi統tong所suo提ti供gong的de功gong能neng通tong常chang需xu要yao用yong戶hu付fu費fei，而er毫hao米mi波bo技ji術shu可ke實shi現xian在zai傳chuan感gan器qi本ben身shen進jin行xing決jue策ce無wu需xu聯lian網wang服fu務wu器qi。

 

圖1：用於長距離室外入侵探測器的片上過濾示例

 

圖2顯示了使用毫米波技術的入侵檢測
；毫米波傳感器分析場景中對象的速度，過濾掉移動背景中的運動
，僅跟蹤人物。 

 

圖2：來自室外入侵應用的動畫點雲。黑點表示移動的對象，包括人、樹木、灌木。該算法將人顯示為綠色，同時過濾掉其他移動對象

 

圖3顯示了行走的人和擺頭風扇的微多普勒特征的差異。一旦識別出分離兩個對象的正確特征
，分類器就會在設備上實時進行區分。

 

圖3：兩張圖顯示了行走的人和擺頭風扇隨時間推移的微多普勒信息

 

圖4顯示了片上處理如何使毫米波傳感器根據其特征實時識別和分類目標。這些特征或是基於尺寸、反射率、微wei多duo普pu勒le效xiao應ying或huo是shi其qi他ta特te征zheng，並bing且qie可ke以yi幫bang助zhu識shi別bie典dian型xing的de行xing為wei以yi辨bian別bie不bu同tong的de移yi動dong對dui象xiang。例li如ru
，分fen類lei功gong能neng可ke用yong於yu在zai室shi內nei或huo室shi外wai安an全quan應ying用yong中zhong識shi別bie人ren和he動dong物wu，在zai家jia庭ting自zi動dong化hua係xi統tong中zhong區qu分fen兒er童tong和he成cheng人ren，或huo確que定ding人ren在zai限xian製zhi區qu域yu內nei是shi跑pao步bu還hai是shi行xing走zou。

 

圖4：使用毫米波傳感器執行分類的示例：中間圖上所有移動目標都分配了一個軌道，彩色區域表示人

 

邊緣處理和智能可以成為強大的工具，有助於提高物聯網傳感器
、網(wang)絡(luo)的(de)質(zhi)量(liang)和(he)穩(wen)健(jian)性(xing)。具(ju)有(you)集(ji)成(cheng)處(chu)理(li)功(gong)能(neng)的(de)毫(hao)米(mi)波(bo)傳(chuan)感(gan)器(qi)，能(neng)夠(gou)在(zai)邊(bian)緣(yuan)實(shi)現(xian)智(zhi)能(neng)
，通(tong)過(guo)對(dui)對(dui)象(xiang)進(jin)行(xing)過(guo)濾(lv)和(he)分(fen)類(lei)
，更(geng)智(zhi)能(neng)地(di)識(shi)別(bie)場(chang)景(jing)中(zhong)發(fa)生(sheng)的(de)事(shi)情(qing)並(bing)實(shi)時(shi)做(zuo)出(chu)決(jue)策(ce)，從(cong)而(er)解(jie)決(jue)錯(cuo)誤(wu)檢(jian)測(ce)問(wen)題(ti)。

 

來源：EETOP TI社區