毫米波傳感器實(shí)現邊緣智能

物聯(lián)網(wǎng)（IoT）推動(dòng)建筑和家庭系統中更多設備和傳感器連接網(wǎng)絡(luò )：根據Gartner的估計，在2017年物聯(lián)網(wǎng)覆蓋的設備數量已達80億。

但隨著(zhù)連接到云的傳感器數量日益增加，對網(wǎng)絡(luò )帶寬、遠程存儲和數據處理的系統要求也迅速提高。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；如果服務(wù)器關(guān)閉，您最不愿意看到的就是傳感器無(wú)法檢測物體和做出決策！

邊緣智能和連接

毫米波（mmWave）傳感器以?xún)煞N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信息，同時(shí)具有反射不同目標的能力，這使傳感器能夠檢測探測范圍內不同物體的特定特征。例如，速度數據可使傳感器看到微多普勒效應 - 來(lái)自微小運動(dòng)的調制效應 - 其包含目標對象的典型特征，例如自行車(chē)車(chē)輪的旋轉輻條，行走的人搖擺的手臂，或者動(dòng)物奔跑的四肢。系統可以使用該數據來(lái)分類(lèi)和識別傳感器視場(chǎng)角中的對象類(lèi)型。

減少錯誤檢測

其次，毫米波傳感器通過(guò)片上處理實(shí)現邊緣智能。包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，以及特征檢測和分類(lèi)。

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(shí)驗結果。入侵探測器用于確定人員是否已進(jìn)入受保護區域，例如貨運場(chǎng)、停車(chē)場(chǎng)或后院。一些依賴(lài)光學(xué)或紅外傳感的傳感器可能會(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)濾除和防止錯誤檢測，僅在人體運動(dòng)時(shí)觸發(fā)探測器。安全攝像頭和可視門(mén)鈴可以通過(guò)連接網(wǎng)絡(luò )服務(wù)器處理圖像，執行相同的錯誤檢測過(guò)濾。這些基于服務(wù)器的系統所提供的功能通常需要用戶(hù)付費，而毫米波技術(shù)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 1：用于長(cháng)距離室外入侵探測器的片上過(guò)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(chǎng)景中對象的速度，過(guò)濾掉移動(dòng)背景中的運動(dòng)，僅跟蹤人物。

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)的對象，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(lèi)器就會(huì )在設備上實(shí)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顯示了片上處理如何使毫米波傳感器根據其特征實(shí)時(shí)識別和分類(lèi)目標。這些特征或是基于尺寸、反射率、微多普勒效應或是其他特征，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(lèi)功能可用于在室內或室外安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)的示例：中間圖上所有移動(dòng)目標都分配了一個(gè)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，有助于提高物聯(lián)網(wǎng)傳感器、網(wǎng)絡(luò )的質(zhì)量和穩健性。具有集成處理功能的毫米波傳感器，能夠在邊緣實(shí)現智能，通過(guò)對對象進(jìn)行過(guò)濾和分類(lèi)，更智能地識別場(chǎng)景中發(fā)生的事情并實(shí)時(shí)做出決策，從而解決錯誤檢測問(wèn)題。

- Keegan Garcia是TI的營(yíng)銷(xiāo)經(jīng)理，負責推進(jìn)毫米波傳感器在智能基礎設施和工廠(chǎng)中實(shí)現新應用。他擁有TI多核DSP處理器的硬件應用經(jīng)驗，曾對DDR3、SerDes和PLL等高速接口提供支持。