物聯(lián)網(wǎng)（IoT）推動智能建筑和家庭系統(tǒng)中更多設(shè)備與傳感器連接網(wǎng)絡(luò)：根據(jù)Gartner的估計，在2017年物聯(lián)網(wǎng)覆蓋的設(shè)備數(shù)量已達80億臺。

但隨著連接到云端的傳感器數(shù)量日益增加，對網(wǎng)絡(luò)帶寬、云端儲存和數(shù)據(jù)處理的系統(tǒng)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(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，減少決策延遲和網(wǎng)絡(luò)成本；人們最不愿意看到的，應(yīng)該就是當服務(wù)器停止工作，傳感器會無法檢測物體和做出決策。

邊緣智能和連接

毫米波（mmWave）傳感器通過兩種方式實現(xiàn)邊緣智能。首先毫米波可提供距離、速度和角度等獨特的數(shù)據(jù)集，同時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(nèi)不同物體的特征。例如速度數(shù)據(jù)可使傳感器看到微多普勒效應(yīng)（micro-Doppler）──來自微小運動的調(diào)變效應(yīng)──其包含目標物件的典型特征，例如自行車車輪的旋轉(zhuǎn)輻條、行人搖擺的手臂或者動物奔跑的四肢；系統(tǒng)可以使用該數(shù)據(jù)來分類和識別傳感器視野中的各種物件類型。

減少錯誤檢測

其次，毫米波傳感器通過芯片上處理實現(xiàn)邊緣智能；內(nèi)含微控制器和數(shù)字信號處理器（DSP）的傳感器能夠執(zhí)行初級雷達處理（low-level radar processing），以及特征檢測和分類。

圖1：用于長距離室外入侵探測器的芯片上過濾范例

圖1顯示了在一項安防應(yīng)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驗結(jié)果。入侵探測器用于確定是否有人進入受保護區(qū)域，例如貨運場、停車場或后院。一些仰賴光學(xué)或紅外線感測的探測器，可能會檢測到附近樹木和灌木的錯誤運動。而毫米波傳感器使用處理和算法來濾除和防止錯誤的檢測，僅在人體運動時觸發(fā)探測器。安防攝影機和可視門鈴（video doorbells）可以通過聯(lián)網(wǎng)服務(wù)器處理圖像信息，執(zhí)行相同的錯誤檢測過濾；但這些基于服務(wù)器的系統(tǒng)所提供的功能通常需要使用者付費，毫米波技術(shù)則可實現(xiàn)在傳感器本身進行決策，無需聯(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景中物件的速度，過濾出移動背景中的運動，僅追蹤人物。

圖2：來自室外入侵應(yīng)用的動畫點云，黑點表示移動的物件，包括人、樹木、灌木；該算法將人顯示為綠色，同時過濾掉其它移動物件

圖3顯示了行走的人和擺頭風扇的微多普勒特征差異；一旦識別出區(qū)分兩個物件的正確特征，分類器就會在設(shè)備上即時進行區(qū)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顯示了芯片上處理如何使毫米波傳感器根據(jù)其特征即時識別目標并進行分類；這些特征可以是根據(jù)尺寸、反射率、微多普勒效應(yīng)或是其它特征，并且可以幫助識別典型的行為，以辨別不同的移動物件。例如分類功能可在室內(nèi)或室外保全應(yīng)用中識別人和動物，在家庭自動化系統(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)行分類的范例：中間圖上所有移動目標都分配了一個軌道，其中的每個彩色區(qū)域代表一個人

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(wěn)健性。具有整合處理功能的毫米波傳感器，能夠在邊緣實現(xiàn)智能，通過對物件進行過濾和分類，更智能地識別場景中發(fā)生的事情并即時做出決策，從而解決錯誤檢測問題。