但隨著(zhù)連接到云端的傳感器數量日益增加，對網(wǎng)絡(luò )帶寬、云端儲存和數據處理的系統要求也迅速提高；位于邊緣的智能處理可以減少發(fā)送到中央服務(wù)器的數據量，增加傳感器本身的決策量。這可以在提升系統可靠性的同時(shí)，減少決策延遲和網(wǎng)絡(luò )成本；人們最不愿意看到的，應該就是當服務(wù)器停止工作，傳感器會(huì )無(wú)法檢測物體和做出決策。

 

邊緣智能和連接

 

毫米波（mmWave）傳感器通過(guò)兩種方式實(shí)現邊緣智能。首先毫米波可提供距離、速度和角度等獨特的數據集，同時(shí)具有反射不同目標的能力，這使傳感器能夠探測所需范圍內不同物體的特征。例如速度數據可使傳感器看到微多普勒效應（micro-Doppler）──來(lái)自微小運動(dòng)的調變效應──其包含目標物件的典型特征，例如自行車(chē)車(chē)輪的旋轉輻條、行人搖擺的手臂或者動(dòng)物奔跑的四肢；系統可以使用該數據來(lái)分類(lèi)和識別傳感器視野中的各種物件類(lèi)型。

 

減少錯誤檢測

 

其次，毫米波傳感器通過(guò)芯片上處理實(shí)現邊緣智能；內含微控制器和數字信號處理器（DSP）的傳感器能夠執行初級雷達處理（low-level radar processing），以及特征檢測和分類(lèi)。

 

圖1：用于長(cháng)距離室外入侵探測器的芯片上過(guò)濾范例

 

圖1顯示了在一項安防應用中，使用芯片上智能算法在50公尺室外入侵探測器的一項實(shí)驗結果。入侵探測器用于確定是否有人進(jìn)入受保護區域，例如貨運場(chǎng)、停車(chē)場(chǎng)或后院。一些仰賴(lài)光學(xué)或紅外線(xiàn)感測的探測器，可能會(huì )檢測到附近樹(shù)木和灌木的錯誤運動(dòng)。而毫米波傳感器使用處理和算法來(lái)濾除和防止錯誤的檢測，僅在人體運動(dòng)時(shí)觸發(fā)探測器。安防攝影機和可視門(mén)鈴（video doorbells）可以通過(guò)聯(lián)網(wǎng)服務(wù)器處理圖像信息，執行相同的錯誤檢測過(guò)濾；但這些基于服務(wù)器的系統所提供的功能通常需要使用者付費，毫米波技術(shù)則可實(shí)現在傳感器本身進(jìn)行決策，無(wú)需聯(lián)網(wǎng)服務(wù)器。

 

圖2顯示了使用毫米波技術(shù)的入侵探測；毫米波傳感器分析場(chǎng)景中物件的速度，過(guò)濾出移動(dòng)背景中的運動(dòng)，僅追蹤人物。

 

圖2：來(lái)自室外入侵應用的動(dòng)畫(huà)點(diǎn)云，黑點(diǎn)表示移動(dòng)的物件，包括人、樹(shù)木、灌木；該算法將人顯示為綠色，同時(shí)過(guò)濾掉其它移動(dòng)物件

 

圖3顯示了行走的人和擺頭風(fēng)扇的微多普勒特征差異；一旦識別出區分兩個(gè)物件的正確特征，分類(lèi)器就會(huì )在設備上即時(shí)進(jìn)行區分。

 

 

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顯示了芯片上處理如何使毫米波傳感器根據其特征即時(shí)識別目標并進(jìn)行分類(lèi)；這些特征可以是根據尺寸、反射率、微多普勒效應或是其它特征，并且可以幫助識別典型的行為，以辨別不同的移動(dòng)物件。例如分類(lèi)功能可在室內或室外保全應用中識別人和動(dòng)物，在家庭自動(dòng)化系統中區分兒童和成人，或確定人在限制區域內是跑步還是行走。

 

圖4：使用毫米波傳感器執行分類(lèi)的范例：中間圖上所有移動(dòng)目標都分配了一個(gè)軌道，其中的每個(gè)彩色區域代表一個(gè)人

 

邊緣處理和智能可以成為強大的工具，有助于提高物聯(lián)網(wǎng)傳感器、網(wǎng)絡(luò )的品質(zhì)和穩健性。具有整合處理功能的毫米波傳感器，能夠在邊緣實(shí)現智能，通過(guò)對物件進(jìn)行過(guò)濾和分類(lèi)，更智能地識別場(chǎng)景中發(fā)生的事情并即時(shí)做出決策，從而解決錯誤檢測問(wèn)題。

 

來(lái)源：德州儀器