邊緣智能第1部分：邊緣節(jié)點

工業(yè)物聯(lián)網(wǎng)（IoT）涵蓋了正在進行的廣泛轉型，這將使互聯(lián)機器的普遍傳感不僅成為競爭優(yōu)勢，而且成為一項必不可少的基礎服務。工業(yè)物聯(lián)網(wǎng)從邊緣節(jié)點開始，邊緣節(jié)點是感興趣的傳感和測量入口點。這是物理世界與計算數(shù)據(jù)分析交互的地方。互聯(lián)的工業(yè)機器可以感知用于做出關鍵決策的各種信息。此邊緣傳感器可能遠離存儲歷史分析的云服務器。它必須通過將邊緣數(shù)據(jù)聚合到互聯(lián)網(wǎng)中的網(wǎng)關進行連接。理想情況下，邊緣傳感器節(jié)點在較小的標稱外形尺寸內(nèi)不顯眼，可輕松部署在空間受限的環(huán)境中。

感知、測量、解釋、連接

在由多部分組成的工業(yè)物聯(lián)網(wǎng)系列的第一部分中，我們將在更大的物聯(lián)網(wǎng)框架內(nèi)分解和探索邊緣節(jié)點感知和測量功能的基本方面：傳感、測量、解釋和連接數(shù)據(jù)，并額外考慮電源管理和安全性。每個部分都提出了一系列獨特的挑戰(zhàn)。邊緣節(jié)點的智能分區(qū)是成功實施的關鍵。在某些情況下，超低功耗（ULP）是最重要的性能指標。當傳感器在關鍵事件期間從睡眠模式喚醒時，絕大多數(shù)潛在數(shù)據(jù)可能會被過濾。

圖1.邊緣節(jié)點設備提供智能來感知、測量、解釋和連接到云的互聯(lián)網(wǎng)網(wǎng)關。數(shù)據(jù)可以在傳輸之前使用某種形式的分析進行預處理，以實現(xiàn)更深入的數(shù)據(jù)挖掘智能。

傳感器構成了工業(yè)物聯(lián)網(wǎng)電子生態(tài)系統(tǒng)的前端邊緣。測量將感測信息轉換為有意義的信息，例如壓力、位移或旋轉的可量化值。在解釋階段，邊緣分析和處理將測量數(shù)據(jù)轉換為可操作的事件。1只有最有價值的信息才能從節(jié)點連接到云中，以進行預測或歷史處理。在整個信號鏈中，可以根據(jù)初始可接受性限制來拒絕或濾除數(shù)據(jù)。理想情況下，傳感器節(jié)點應僅發(fā)送絕對必要的信息，并在關鍵數(shù)據(jù)可用后立即做出關鍵決策。

邊緣節(jié)點必須通過有線或無線傳感器節(jié)點 （WSN） 連接到外部網(wǎng)絡。數(shù)據(jù)完整性仍然是信號鏈這一模塊的關鍵。如果通信不一致、丟失或損壞，最佳感測和測量數(shù)據(jù)幾乎沒有價值。無法選擇通過通信丟失數(shù)據(jù)。電氣嘈雜的工業(yè)環(huán)境可能非常惡劣和無情，特別是對于存在高金屬含量的射頻通信。因此，在系統(tǒng)架構設計過程中，必須預先考慮魯棒的通信協(xié)議。

ULP 系統(tǒng)的電源管理從穩(wěn)壓器組件選擇開始，以實現(xiàn)最高效率。但是，由于邊緣節(jié)點也可能以快速占空比喚醒和休眠，因此上電和關斷時間也不容忽視。外部觸發(fā)或喚醒命令有助于快速提醒邊緣節(jié)點開始檢測和測量數(shù)據(jù)。

數(shù)據(jù)安全也必須是工業(yè)物聯(lián)網(wǎng)系統(tǒng)的考慮因素。邊緣內(nèi)的數(shù)據(jù)保護不僅需要安全，而且對網(wǎng)絡網(wǎng)關的訪問也必須受到保護，免受惡意攻擊。不得允許欺騙邊緣節(jié)點以獲取惡意活動的網(wǎng)絡訪問權限。

智能始于邊緣

邊緣有大量的傳感解決方案，可能不僅僅是單個分立器件。邊緣可以是多個并發(fā)各種不相關的數(shù)據(jù)采集。溫度、聲音、振動、壓力、濕度、運動、污染物、音頻和視頻只是可以通過網(wǎng)關感知、處理并發(fā)送到云以進行進一步歷史和預測分析的一些變量。

毫不夸張地說，傳感器是工業(yè)物聯(lián)網(wǎng)的支柱。2但更準確地說，它們是提取見解的中樞神經(jīng)系統(tǒng)。邊緣節(jié)點感知和測量技術是感興趣數(shù)據(jù)的發(fā)源地。如果在解決方案鏈的這個階段忠實地記錄了錯誤或不正確的數(shù)據(jù)，那么云中再多的后處理也無法收回丟失的價值。

關鍵任務系統(tǒng)，如醫(yī)療保健和工廠停機監(jiān)控，具有高風險的結果，需要質量數(shù)據(jù)測量的強大完整性。數(shù)據(jù)質量至關重要。誤報或遺漏可能代價高昂、耗時且可能危及生命。代價高昂的錯誤最終會導致計劃外維護、勞動力使用效率低下或不得不完全禁用物聯(lián)網(wǎng)系統(tǒng)。智能始于邊緣節(jié)點，避免使用古老的格言仍然適用 - 垃圾輸入，垃圾輸出。

圖2.許多邊緣節(jié)點輸出（有線和無線）可以自主連接到網(wǎng)關節(jié)點，以便在傳輸?shù)皆品掌髦斑M行聚合。

隨著對大量數(shù)據(jù)的訪問，責任重大

在沒有邊緣節(jié)點智能的傳統(tǒng)信號鏈解決方案中，數(shù)據(jù)仍然是數(shù)據(jù)。一個不智能的節(jié)點永遠不會幫助產(chǎn)生智慧和知識來做出可操作的決策。1可能存在大量對感興趣的系統(tǒng)性能沒有影響的原始、低質量數(shù)據(jù)。3轉換所有這些數(shù)據(jù)并將其發(fā)送到最終的云存儲目的地可能會耗電且?guī)捗芗?/p>

相比之下，智能智能分區(qū)邊緣節(jié)點感知和測量將數(shù)據(jù)轉化為可操作的信息。智能節(jié)點可降低整體功耗、降低延遲并減少帶寬浪費。4這使得從具有長延遲的反應式物聯(lián)網(wǎng)轉變?yōu)閷崟r和預測物聯(lián)網(wǎng)模型成為可能。基本的模擬信號鏈電路設計理念仍然適用于物聯(lián)網(wǎng)。對于復雜的系統(tǒng)，通常需要深厚的應用專業(yè)知識來解釋處理后的數(shù)據(jù)。

優(yōu)化的智能分區(qū)使云價值最大化

只有最重要的測量信息需要通過網(wǎng)關發(fā)送到云端進行最終處理。在某些情況下，大多數(shù)數(shù)據(jù)完全不重要。5但是，對于需要本地實時決策的時間關鍵型系統(tǒng)數(shù)據(jù)，應該在通過遠程訪問在遠處聚合之前很久就采取行動。相比之下，利用歷史價值和預測模型來影響長期見解的信息是云處理的理想應用程序。將數(shù)據(jù)存檔到海量數(shù)據(jù)庫中以進行追溯處理和決策，充分利用了強大的云處理和存儲的優(yōu)勢。6

圖3.邊緣節(jié)點的智能分區(qū)解決了以前無法解決的新挑戰(zhàn)。信號鏈中更精簡的處理和智能可實現(xiàn)更高效的整體物聯(lián)網(wǎng)解決方案。

通過實時決策生活在邊緣

物聯(lián)網(wǎng)傳感器主要是模擬的.特定的工業(yè)應用要求將決定邊緣節(jié)點前端所需的傳感器的動態(tài)范圍和帶寬。在信號轉換為數(shù)字表示并在邊緣外傳輸之前，信號鏈的前端將位于模擬域內(nèi)。如果選擇不當，模擬信號鏈中的每個組件都有可能限制邊緣節(jié)點的整體性能。動態(tài)范圍將是目標滿量程傳感器相對于本底噪聲或下一個最高無用信號之間的增量。

由于物聯(lián)網(wǎng)傳感器通常同時尋找已知和未知的活動， 模擬濾波器并不總是有意義的.數(shù)字濾波在信號采樣后執(zhí)行。除非在傳感器前端使用模擬濾波器，否則基波或其他雜散信號的諧波可以折疊到感測信息中，并與目標信號競爭功率。因此，在設計階段規(guī)劃時域和頻域中的意外感測信號將防止測量數(shù)據(jù)中出現(xiàn)不需要的偽影。

檢測信息通常由信號鏈中的下一個ADC測量。如果物聯(lián)網(wǎng)邊緣節(jié)點是使用分立元件設計的，則應注意選擇不會降低傳感器動態(tài)范圍的測量ADC。嵌入式ADC的輸入滿量程范圍通常與傳感器輸出幅度匹配良好。理想情況下，傳感器輸出應消耗幾乎整個ADC輸入范圍（1 dB以內(nèi)），而不會使ADC飽和并在范圍限值處削波。但是，放大器級也可用于增益或衰減傳感器輸出信號，以最大化ADC自身的動態(tài)范圍。ADC滿量程輸入、采樣速率、位分辨率、輸入帶寬和噪聲密度都將影響邊緣節(jié)點的信號測量性能。

前端放大器可以嵌入到節(jié)點測量中，也可以作為分立元件添加到ADC之前。放大器的增益、帶寬和噪聲也可以增強邊緣節(jié)點的性能。

信號鏈中傳感器之后的測量ADC通常是兩種采樣架構類型之一：奈奎斯特速率或連續(xù)時間Σ-Δ（CTSD），后者在嵌入式ADC中更為普遍。奈奎斯特速率ADC的標稱平坦本底噪聲等于采樣速率頻率的一半，或fs/2.CTSD使用帶有陷波通帶的過采樣率，將噪聲推到目標帶寬之外，以增加動態(tài)范圍。測量 ADC 架構 及其 解決 率 是 了解 邊緣 節(jié)點 的 模擬 帶 寬 和 動態(tài) 范圍 的 關鍵。

圖4.如果物聯(lián)網(wǎng)傳感器上沒有前端模擬濾波器，奈奎斯特速率ADC會將高階頻率折疊到1圣奈奎斯特區(qū)回到感興趣的帶寬。相比之下，具有過采樣調制時鐘的CTSD ADC架構使用噪聲整形，在目標頻帶內(nèi)實現(xiàn)高動態(tài)范圍。CTSD對信號混疊不太敏感，因為它提供了固有的濾波。

例如，在頻域中，每單位帶寬1 Hz的噪聲密度將取決于ADC的SNR以及噪聲在ADC采樣頻譜中的分布寬度。在奈奎斯特速率ADC中，噪聲頻譜密度（每1 Hz帶寬）= 0 dB – ADC信噪比（SNR） – 10 × log（fs/2） 其中 fs/2是采樣速率除以ADC的兩個或單個奈奎斯特區(qū)。理想的SNR可以計算為SNR = 6.02 × N + 1.76 dB，其中N是ADC位數(shù)。然而，ADC的實際SNR包括晶體管和半導體處理的非理想性，包括電噪聲和晶體管級元件缺陷。這些非線性會使SNR性能降低到理想值以下，因此請查看ADC數(shù)據(jù)手冊，了解感興趣的SNR性能。

邊緣節(jié)點的動態(tài)范圍將由傳感器的動態(tài)范圍、信號的放大（如果需要）和ADC滿量程動態(tài)范圍組成。如果滿量程傳感器輸出信號未達到ADC滿量程范圍輸入的1 dB以內(nèi)，則ADC動態(tài)范圍的某些部分將閑置。相反，來自傳感器的超量程ADC輸入會使采樣信號失真。放大器帶寬、增益和噪聲也將是邊緣節(jié)點動態(tài)范圍考慮因素的一部分。傳感器、放大器和ADC的電噪聲之和將是每個均方根分量的平方根。7

圖5.傳感器信號輸出幅度與ADC的輸入滿量程不匹配，動態(tài)范圍丟失的示例（藍色）。需要一個放大器來最大化傳感器的動態(tài)范圍，同時防止ADC飽和（紅色）。信號匹配必須考慮整個邊緣節(jié)點信號鏈的帶寬、動態(tài)范圍和噪聲。

智能工廠

在工業(yè)物聯(lián)網(wǎng)中，一個重要的應用是機器振動狀態(tài)監(jiān)測。新的或傳統(tǒng)的機器設備可以安裝有關鍵的機械部件，如旋轉軸或齒輪，安裝有高動態(tài)范圍的MEMS加速度計。8這些多軸傳感器實時對機械的振動位移進行采樣。可以測量、處理振動特征，并將其與理想的機器輪廓進行比較。9在工廠中，對這些信息的分析有助于提高效率，減少生產(chǎn)線停機情況，并可以提前預測機械故障。在極端情況下，機械部件迅速惡化的機器可能會立即關閉，否則會導致進一步的損壞。

圖6.雖然例行的機器維護可以定期執(zhí)行，但通常不能通過有關機器狀況的智能來完成。10通過分析特定機器操作的振動性能，可以在邊緣節(jié)點發(fā)出預測故障點和維護里程碑警報。

通過啟用邊緣節(jié)點分析，可以大大減少決策時間延遲。圖7中可以看到一個例子，其中超過MEMS傳感器警告閾值限制并立即發(fā)送警報。如果事件極端到足以被視為關鍵事件，則可以授權節(jié)點自動禁用違規(guī)設備，以防止時間敏感的災難性機械故障。

圖7.采樣機器振動數(shù)據(jù)的時域表示，其中比較器閾值可以確定感測和測量數(shù)據(jù)是否在邊緣之外傳輸?？梢员３州^低的功耗狀態(tài)以過濾大部分信息，直到通過閾值交叉事件實現(xiàn)數(shù)據(jù)優(yōu)勢。

或者，可以調用觸發(fā)信號以使另一個檢測和測量節(jié)點（例如輔助機器組件上的節(jié)點）開始根據(jù) 1圣事件。這減少了來自邊緣節(jié)點的采樣數(shù)據(jù)的總數(shù)據(jù)集。為了從標稱值確定任何振動異常，前端節(jié)點必須設計具有檢測所需的性能。檢測和測量電路的動態(tài)范圍、采樣速率和輸入帶寬應足以識別任何偏移事件。

智慧城市

另一種工業(yè)物聯(lián)網(wǎng)邊緣節(jié)點應用是具有嵌入式視頻分析功能的智能城市工業(yè)相機。智慧城市定義了城市使命，即將無數(shù)的信息和通信點整合到一個有凝聚力的系統(tǒng)中，以實現(xiàn)對城市資產(chǎn)的管理。一個常見的應用是提供停車位空置警報和占用檢測。在調試時，每臺攝像機都有一個預定的視野。可以在分析中定義和使用邊界邊緣檢測，以識別各種對象及其運動。不僅可以分析歷史物體運動，而且由于物體軌跡，還可以使用數(shù)字信號處理（DSP）算法在邊緣計算預測路徑。

圖8.使用邊緣節(jié)點視頻分析，可以在低功耗系統(tǒng)中確定對象類型檢測、軌跡和邊界交叉，而無需將全帶寬視頻數(shù)據(jù)發(fā)送到云端進行分析。只需要傳達具有痕跡導航對象坐標和類型的時間戳。

與頻率濾波類似，終端處理通常不需要視頻分析幀的全帶寬。通常，當不用于安全目的時，只需要完整視頻幀的一小部分。從一幀到另一幀的大部分視覺數(shù)據(jù)都是靜態(tài)的，固定安裝的相機上。可以過濾靜態(tài)數(shù)據(jù)。在某些情況下，只需要分析邊界交叉計數(shù)或感興趣對象的移動坐標?？s減的子集可以作為痕跡導航坐標傳送到信號鏈中的下一個網(wǎng)關。

邊緣節(jié)點視頻分析可以提供許多過濾解釋，以區(qū)分對象類型 - 汽車、卡車、自行車、人類、動物等。這種抽取減少了數(shù)據(jù)帶寬和計算能力，否則云服務器需要這些數(shù)據(jù)帶寬和計算能力來分析下游發(fā)送的全幀速率視頻數(shù)據(jù)。

室內(nèi)攝像頭應用可以識別越過入口邊界的人數(shù)，并調整房間的照明、加熱或冷卻。為了在極端照明條件或其他具有挑戰(zhàn)性的照明（如雨）下保持視覺效果，可能需要在戶外相機中使用高動態(tài)范圍相機。典型的 8 位或 10 位/像素成像傳感器可能無法在所有檢測場景中提供與照明無關的足夠亮度動態(tài)范圍。與以 240 Hz 刷新率觀看快動作運動相比，可以使用較慢的幀速率來監(jiān)控工業(yè)分析相機上的活動。

圖9.在邊緣節(jié)點采用DSP對象檢測算法的高動態(tài)范圍成像器即使在低光照條件下也可以確定運動和邊界入侵。此示例使用視覺對比度來定義室內(nèi)工廠/辦公室（左）和室外停車場（右）的邊緣檢測。

平臺級解決方案

ADT7420是一款4 mm×4 mm數(shù)字溫度傳感器，具有突破性的性能，內(nèi)置一個分辨率為0.0078°C的內(nèi)部16位ADC，功耗僅為210 μA。ADXL362是一款超低功耗3軸MEMS加速度計，在運動觸發(fā)喚醒模式下，以100 Hz采樣速率僅消耗2 μA電流。它不使用功率占空比，而是在所有數(shù)據(jù)速率下采用全帶寬架構，防止輸入信號混疊。ADIS16229是一款雙軸、18 g數(shù)字MEMS振動傳感器，內(nèi)置RF收發(fā)器。它還提供具有 512 點數(shù)字 FFT 功能的板載頻域信號處理。

支持DSP的Blackfin低功耗成像平臺（BLIP）11允許基于成熟的數(shù)字信號處理工具對工業(yè)視覺設計進行快速原型設計。優(yōu)化的軟件交付成果庫為設備制造商提供了開箱即用的運動傳感、人數(shù)統(tǒng)計和車輛檢測解決方案。

審核編輯：郭婷