物聯(lián)網(wǎng)（IoT）推動(dòng)建筑和家庭系統(tǒng)中更多設(shè)備和傳感器連接網(wǎng)絡(luò)：根據(jù)Gartner統(tǒng)計(jì)，在2017年物聯(lián)網(wǎng)覆蓋的設(shè)備數(shù)量已達(dá)80億。

 

但隨著連接到云的傳感器數(shù)量日益增加，對網(wǎng)絡(luò)帶寬、遠(yuǎn)程存儲(chǔ)和數(shù)據(jù)處理的系統(tǒng)要求也迅速提高。邊緣處的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。這可以在提升系統(tǒng)可靠性的同時(shí)，減少?zèng)Q策延遲和網(wǎng)絡(luò)成本；如果服務(wù)器關(guān)閉，您最不愿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(shí)現(xiàn)邊緣智能。首先，毫米波可提供距離、速度和角度等獨(dú)特的數(shù)據(jù)信息，同時(shí)具有反射不同目標(biāo)的能力，這使傳感器能夠檢測探測范圍內(nèi)不同物體的特定特征。例如，速度數(shù)據(jù)可使傳感器看到微多普勒效應(yīng) - 來自微小運(yùn)動(dòng)的調(diào)制效應(yīng) - 其包含目標(biāo)對象的典型特征，例如自行車車輪的旋轉(zhuǎn)輻條，行走的人搖擺的手臂，或者動(dòng)物奔跑的四肢。系統(tǒng)可以使用該數(shù)據(jù)來分類和識別傳感器視場角中的對象類型。

 

減少錯(cuò)誤檢測

 

其次，毫米波傳感器通過片上處理實(shí)現(xiàn)邊緣智能。包含微控制器和數(shù)字信號處理器（DSP）的傳感器能夠執(zhí)行初級雷達(dá)處理，以及特征檢測和分類。

 

圖1顯示了安全應(yīng)用中50米室外入侵探測器使用片上智能的一項(xiàng)實(shí)驗(yàn)結(jié)果。入侵探測器用于確定人員是否已進(jìn)入受保護(hù)區(qū)域，例如貨運(yùn)場、停車場或后院。一些依賴光學(xué)或紅外傳感的傳感器可能會(huì)檢測到附近樹木和灌木的錯(cuò)誤運(yùn)動(dòng)。而毫米波傳感器使用處理和算法來濾除和防止錯(cuò)誤檢測，僅在人體運(yùn)動(dòng)時(shí)觸發(fā)探測器。安全攝像頭和可視門鈴可以通過連接網(wǎng)絡(luò)服務(wù)器處理圖像，執(zhí)行相同的錯(cuò)誤檢測過濾。這些基于服務(wù)器的系統(tǒng)所提供的功能通常需要用戶付費(fèi)，而毫米波技術(shù)可實(shí)現(xiàn)在傳感器本身進(jìn)行決策無需聯(lián)網(wǎng)服務(wù)器。

 

圖1：用于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(shù)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(dòng)背景中的運(yùn)動(dòng)，僅跟蹤人物。 

 

圖2：來自室外入侵應(yīng)用的動(dòng)畫點(diǎn)云。黑點(diǎn)表示移動(dòng)的對象，包括人、樹木、灌木。該算法將人顯示為綠色，同時(shí)過濾掉其他移動(dòng)對象

 

圖3顯示了行走的人和擺頭風(fēng)扇的微多普勒特征的差異。一旦識別出分離兩個(gè)對象的正確特征，分類器就會(huì)在設(shè)備上實(shí)時(shí)進(jìn)行區(qū)分。

 

圖3：兩張圖顯示了行走的人和擺頭風(fēng)扇隨時(shí)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(jù)其特征實(shí)時(shí)識別和分類目標(biāo)。這些特征或是基于尺寸、反射率、微多普勒效應(yīng)或是其他特征，并且可以幫助識別典型的行為以辨別不同的移動(dòng)對象。例如，分類功能可用于在室內(nèi)或室外安全應(yīng)用中識別人和動(dòng)物，在家庭自動(dòng)化系統(tǒng)中區(qū)分兒童和成人，或確定人在限制區(qū)域內(nèi)是跑步還是行走。

 

圖4：使用毫米波傳感器執(zhí)行分類的示例：中間圖上所有移動(dòng)目標(biāo)都分配了一個(gè)軌道，彩色區(qū)域表示人

 

邊緣處理和智能可以成為強(qiáng)大的工具，有助于提高物聯(lián)網(wǎng)傳感器、網(wǎng)絡(luò)的質(zhì)量和穩(wěn)健性。具有集成處理功能的毫米波傳感器，能夠在邊緣實(shí)現(xiàn)智能，通過對對象進(jìn)行過濾和分類，更智能地識別場景中發(fā)生的事情并實(shí)時(shí)做出決策，從而解決錯(cuò)誤檢測問題。

 

來源：EETOP TI社區(qū)