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、yuanchengcunchuheshujuchulidexitongyaoqiuyexunsutigao。bianyuanchudezhinengchulikeyijianshaofasongdaozhongyangfuwuqideshujuliang
，zengjiachuanganqibenshendejueceliang。zhekeyizaitishengxitongkekaoxingdetongshi，jianshaojueceyanchihewangluochengben；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、速su度du和he角jiao度du等deng獨du特te的de數shu據ju信xin息xi
，同tong時shi具ju有you反fan射she不bu同tong目mu標biao的de能neng力li，這zhe使shi傳chuan感gan器qi能neng夠gou檢jian測ce探tan測ce範fan圍wei內nei不bu同tong物wu體ti的de特te定ding特te征zheng。例li如ru，速su度du數shu據ju可ke使shi傳chuan感gan器qi看kan到dao微wei多duo普pu勒le效xiao應ying - 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、weiduopulexiaoyinghuoshiqitatezheng，bingqiekeyibangzhushibiedianxingdexingweiyibianbiebutongdeyidongduixiang。liru，fenleigongnengkeyongyuzaishineihuoshiwaianquanyingyongzhongshibierenhedongwu，zaijiatingzidonghuaxitongzhongqufenertonghechengren，huoquedingrenzaixianzhiquyuneishipaobuhaishixingzou。

 

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、wangluodezhilianghewenjianxing。juyoujichengchuligongnengdehaomibochuanganqi
，nenggouzaibianyuanshixianzhineng
，tongguoduiduixiangjinxingguolvhefenlei
，gengzhinengdishibiechangjingzhongfashengdeshiqingbingshishizuochujuece
，congerjiejuecuowujiancewenti。

 

來源：EETOP TI社區