邊緣智能第2部分：縮短獲得洞察的時間

縮短邊緣節點獲得見解的時間可以在數據可用后立即做出關鍵決策。憑借理論上無限的處理能力和通信數據，來自所有邊緣節點感知信息的全部帶寬可以發送到云中的遠程計算站?？梢赃M行大量計算來挖掘有價值的細節，以做出明智的決策。但是，電池電量、通信帶寬和計算周期密集型算法的限制使得該方案只是一個概念，而不是實際實現。

在這個由多部分組成的工業物聯網系列中，我們將在更大的物聯網框架內分解和探索邊緣節點解釋的基本方面：傳感、測量、解釋和連接數據，并額外考慮電源管理和安全性。來自邊緣節點的所需數據集可能只需要是完整寬帶信息的離散子集。同樣，數據可能僅在請求時提供傳輸。高能效超低功耗（ULP）處理也應該是任何邊緣節點實施的關鍵方面。

智能分區范式轉變

工業物聯網及其前身機器對機器（M2M）通信的先驅時代在很大程度上是由云平臺作為主要應用推動者的角色定義的。智能系統歷來僅依靠云級別功能來獲得洞察力。實際的邊緣傳感器設備相對不復雜。然而，隨著邊緣節點的低功耗計算能力以比云更快的速度發展，這個舊前提目前正在被撼動。邊緣節點現在提供檢測、測量、解釋和連接的功能。

從連接的傳感器模型到智能設備模型的智能分區范式正在轉變。這提供了更多可用的架構選擇，并允許部署工業物聯網的組織以獨特的方式增強其物理資產和流程。邊緣計算分析，也稱為邊緣智能或解釋，正在推動這一轉變。大規模工業物聯網部署依賴于安全、高能效且易于管理的各種智能節點的可用性。

邊緣分析

如果不仔細關注邊緣節點分析中的應用程序要求，最高質量的感測數據仍然可以被邊緣化。邊緣傳感器設備可能受到能量、帶寬或原始計算能力的限制。這些約束會傳播到協議選擇，這些協議選擇可以將 IP 堆棧減少到最小的閃存或 RAM。這可能會使編程具有挑戰性，并且可能會犧牲一些知識產權利益。

邊緣處理可以是一種分析主張，作為一種分析靠近其源的數據的方法，以及將其發送到遠程服務器進行云級分析。在信號鏈中盡早移動實時分析邊緣處理可減少下游的有效載荷負擔并縮短延遲。如果初始數據處理可以在邊緣節點完成，這將簡化所需的數據格式、通信帶寬以及云網關的最終聚合。通過與傳感器緊密耦合的時間敏感反饋回路可以提供即時處理，從而提供更有價值的明智決策。

然而，這需要預先了解從感測和測量數據中期望哪些特定信息是有價值的。由于空間分離或應用程序差異，它也可能因邊緣節點而異。事件警報、觸發器和中斷檢測可以忽略大部分數據，只傳輸必要的數據。

時間折舊

貨幣的時間價值是今天一美元在未來某個時候比一美元更值錢的想法。類似地，數據有一個時間常數。數據的時間值意味著你在這幾秒內感知到的數據在一周、一天甚至一小時內不會那么重要。出色的關鍵任務物聯網示例包括熱浪涌檢測、氣體泄漏檢測或需要立即采取行動的災難性機械故障檢測。時間敏感數據值衰減從解釋點開始。有效解釋數據和采取行動的延遲時間越長，決策的價值就越低。為了解決工業物聯網中的時間折舊之謎，我們必須進一步了解信號鏈。

邊緣傳感器節點內的處理算法可用于過濾、篩選、調諧和細化采樣數據，使其精確到所需的最小子集。這需要首先定義感興趣的窄數據?？烧{帶寬、采樣速率和動態范圍有助于在開始時在硬件的模擬域中建立此基線。通過使用所需的模擬設置，傳感器將僅針對所需的信息，并為高質量的解釋數據提供更短的時間常數。

邊緣的數字后處理可以進一步聚焦感興趣的數據。邊緣傳感器上對數據進行頻率分析可以在信息離開節點之前對信號內容做出早期決策。執行快速傅里葉變換 （FFT）、有限脈沖響應 （FIR） 濾波和使用智能抽取是一些縮小采樣數據范圍的高階計算模塊。在某些情況下，在大幅降低數據的全部帶寬后，只需要從邊緣傳感器節點傳輸出通過或失敗信息的增量痕跡導航。

在圖1中，我們可以看到，在沒有前端模擬濾波器或數字后處理濾波器的情況下，抽取8的簡單信號（左）將混疊新的無用信號（中）以頻率折疊到新的所需信號頻段（右）。數字后處理使用數字信號處理器（DSP）或微控制器單元（MCU），使用半帶FIR低通濾波器作為抽取的配套，將通過濾除干擾混疊信號來幫助防止此問題。

圖1.混疊可以在沒有前端濾波器或數字后處理的情況下發生。

邊緣節點洞察處理 — 智能工廠

領先的工業物聯網應用是工廠機器狀態監測解決方案。該解決方案的目的是在故障發生之前識別和預測機器性能問題。在邊緣傳感器節點，多軸高動態范圍加速度計監測工業機器上不同位置的振動位移。原始數據可以被濾波和抽取，以便在微控制器單元內進行頻域解釋?？梢蕴幚砼c已知性能限制進行比較的 FFT，以針對下游的通過、失敗和警告警報進行測試。FFT內的處理增益可以通過FIR濾波來實現，以消除目標帶寬之外的寬帶噪聲。

邊緣節點處理是機器狀態監控的重要組成部分。采樣數據的完整帶寬可能會為無線網關的聚合提供重大瓶頸?？紤]到一臺機器可能有許多傳感器，并且可能同時監控數百臺機器。微控制器單元內的濾波和智能決策為無線收發器提供低帶寬輸出，而無需在云端進行密集的濾波器處理。

圖2顯示了用于機器狀態監測的信號鏈，其中加速度計傳感器測量位移振動特征。通過在邊緣傳感器節點進行后處理，可以在FFT計算之前對采樣數據進行濾波和抽取，從而在感興趣的窄帶寬內進行頻率分析。

圖2.用于振動監測的典型信號鏈。

在FFT計算過程中，類似于實時示波器，在FFT完成之前，處理可能會對新的時域活動視而不見。第二個線程中的備用時域路徑也可用于防止數據分析中的空白。

如果精確知道目標的機械特征頻率，則可以規劃微控制器單元內ADC和FFT大小的采樣速率，使最大能量落在單個直方圖箱的寬度范圍內。這將防止信號功率泄漏到多個箱中，從而降低幅度測量的精度。

圖3提供了一個FFT示例，其中在邊緣節點MCU內為多個觀察到的機械組件解釋特定的預定區域。在所需綠色區域內達到峰值的箱能量表示運行令人滿意，而黃色和紅色區域分別表示警告和嚴重警報。較低的數據速率報警或觸發痕跡導航不會傳輸全部傳感器帶寬，而是可以提醒系統感興趣區域內的偏移事件。

圖3.FFT倉能量可用于觸發警報。

動態范圍、符號和精度

邊緣分析的計算能力有多種選擇。處理算法有多種選擇，從提供有限控制的簡單 MCU、作為復雜片上系統 （SoC） 的更復雜的 MCU，到強大的多核數字信號處理。處理內核大小、單核或雙核操作、指令性 RAM 緩存大小以及固定與浮點需求是典型的技術考慮因素。通常，在節點上可用的功率預算和應用程序的計算要求之間進行權衡。

對于數字信號處理，兩個類別指定用于存儲和操作傳感器節點數據的數字表示的符號格式：定點和浮點。不動點是指數字在小數點之后（有時在小數點之前）用固定位數表示的方式。使用此方法的 DSP 使用至少 16 位和 216 種可能的位模式處理整數，例如正整數和負整數。相比之下，浮點數使用具有至少 232 種可能模式的有理數。3使用浮點計算方法的DSP可以處理比定點更廣泛的值范圍，并且能夠表示非常大或很小的數字。

浮點處理確?？梢员硎靖蟮臄底謩討B范圍。如果要計算大量傳感器節點數據，而確切的范圍在檢測之前可能未知，這一點很重要。此外，由于每個新計算都需要數學計算，因此舍入或截斷是固有的結果。這會在數據中產生量化誤差或數字信號噪聲。量化誤差是理想模擬值與其數字表示（最接近的舍入值）之間的差值。這些值之間的量化差距越大，數字噪聲就越明顯。當精度和精度對解釋的傳感器數據很重要時，浮點處理比定點處理產生更高的精度。

性能

固件設計人員應以最高效率實現計算應用，因為操作執行的速度至關重要。因此，描述數據解釋的處理要求以確定是否需要定點計算或浮點計算才能實現最大效率非常重要。

可以對定點處理器進行編程以執行浮點任務，反之亦然。但是，這是非常低效的，并且會影響處理性能和功耗。定點處理器在針對不需要密集計算算法的大批量通用應用進行優化的地方大放異彩。相反，浮點處理器可以利用專門的算法來簡化開發和更高的整體精度。

雖然性能不高，但處理器中支持的 GPIO 引腳數量可以提供輔助選擇標準。直接支持目標傳感器的正確控制接口，例如 SPI、I2C、SPORT 和 UART 可降低系統設計復雜性。內核處理時鐘速度、每次執行的位數、可用于處理的嵌入式指令 RAM 數量以及內存接口速度都將影響邊緣節點的處理能力。實時時鐘有助于為數據添加時間戳，并允許跨多個平臺調整處理。

處理計算能力通常在MIPS或MMAC中定義。MIPS是一秒鐘內可以執行的百萬條指令數。MMAC 是每秒可執行的單精度浮點或定點乘法累加 32 位運算的數量，以百萬為單位。對于 16 位和 8 位操作，MMAC 性能值分別提高了 2× 倍和 4×。3

安全

雖然工業物聯網的完全安全性涵蓋每個系統、傳輸和數據點訪問，但微控制器和 DSP 提供內部安全功能。高級加密標準 （AES） 提供了一種在有線鏈路（如 UART/SPI 或無線鏈路）上添加安全性的方法。在無線射頻通信的情況下，AES加密是在通過邊緣節點無線電進行有效載荷傳輸之前執行的。接收節點相應地執行反向解密。電子代碼塊 （ECB） 或密碼塊鏈 （CBC） 是 AES 的典型模式。4通常首選 128 位或更大的安全密鑰。真隨機數生成器用作處理器內安全計算的一部分。這些方案的細節將在以后的工業物聯網文章中更詳細地描述，以獲得更全面的安全方法。

單核或雙核

原始處理能力將始終是需求。高效的原始處理能力甚至更好。多核MCU和DSP可以為算法提供額外的計算能力，這些算法特別受益于密集并行處理。但是，經常處理不同數據的需求也在增加。這催生了一類多核微控制器，它們將兩個或多個具有特定但不同功能優勢的內核結合在一起。通常稱為異構或非對稱多核設備，它們通常具有兩個配置文件截然不同的內核。

非對稱MCU的一個例子可以同時采用ARM Cortex-M3和Cortex-M0，它們使用處理器間通信協議進行通信。這使得 M3 能夠專注于繁重的數字信號處理任務，而 M0 則實現了應用中強度較低的控制方面。??5該概念允許將更簡單的任務卸載到較小的內核上。分區最大化了更強大的 M3 內核的處理帶寬，用于計算密集型處理，這實際上是協同處理的核心。內核間通信使用共享 SRAM，一個處理器引發中斷供另一個處理器檢查。當接收處理器引發中斷作為響應時，將確認此警報。

異構多核MCU的另一個好處是克服嵌入式閃存的速度限制。通過在兩個小內核之間以非對稱方式劃分任務，可以訪問內核的全部性能，同時仍利用低成本嵌入式內存。實施嵌入式閃存的成本通常決定了MCU的成本，因此可以有效地消除瓶頸。在可用功率預算內平衡處理器需求可能是工業物聯網邊緣傳感器節點設計的關鍵部分。5

力量平衡

許多工業物聯網邊緣傳感器節點必須能夠使用相同的小型電池運行多年，即使可以收集能量也是如此。ULP操作將是這些節點的關鍵參數，并且必須選擇能夠最小化節點實際電流消耗的組件。6

許多最適合工業物聯網的MCU都基于ARM系列Cortex-M嵌入式處理器，這些處理器面向低功耗MCU和傳感器應用。7從針對高能效簡單應用優化的 Cortex-M0+ 到適用于需要浮點和 DSP 操作的復雜高性能應用的 Cortex-M4，不一而足?？梢允褂酶叩奶幚韮群?，但代價是低功耗。

ARM CPU 在代碼大小、性能和效率方面提供了一個起點。但是，當涉及到MCU在活動或深度睡眠模式下的實際電流消耗時，許多超低功耗功能完全取決于MCU供應商。有源電流消耗會受到工藝技術選擇、緩存和處理器整體架構的嚴重影響。MCU 休眠電流和 CPU 休眠時可用的外設功能主要受 MCU 設計和架構的影響。

EEMBC是一個行業聯盟，通過幫助系統設計人員了解其系統的性能和能源特性，開發基準測試，幫助他們選擇最佳處理器。The ULPMark?-每個設備報告的 CP 分數是計算出的單數品質因數。該套件中每個單獨基準測試的分數允許設計人員對基準進行加權和匯總，以滿足特定的應用要求。8

傳感器邊緣節點的功率預算將與其處理能力直接相關。如果功率預算與邊緣節點分析的處理需求不一致，則可能需要進行權衡。性能效率會影響傳感器邊緣節點的電源效率。微控制器的典型功耗指標是指定每MHz計算使用的有功電流量。例如，對于基于 ARM Cortex-M3 的 MCU，電流可能達到每 MHz 數十 μA。

占空比

邊緣傳感器節點的功耗最小化通?；趦蓚€因素：節點在活動時消耗多少電流，以及它必須保持活動狀態才能檢測、測量和解釋的頻率。該占空比將根據節點中使用的傳感器和處理器的類型以及算法的要求而變化。

如果不考慮MCU電流消耗，大部分活動狀態將在邊緣傳感器節點內消耗大量功率，并將電池供電應用的使用壽命縮短至僅數小時或數天。

圖4.邊緣傳感器節點 MCU 內的大部分活動狀態可能會消耗多余的功率。

通過對節點內的組件進行占空比，確保它們僅在嚴格需要時才處于活動狀態，從而實現了顯著的節能。MCU很少完全關閉。它必須專門針對低功耗操作進行架構設計，以使MCU能夠完全控制邊緣傳感器節點，同時消耗盡可能少的能量。最小化MCU電流消耗就是要使MCU盡可能頻繁地休眠，同時仍允許它在需要時執行關鍵任務。

將MCU保持在低功耗休眠模式下，使其處于大部分非活動狀態，僅在短時間內處于活動狀態，可以將邊緣節點的電池壽命延長至多年。

圖5.使MCU保持大部分非活動狀態，以實現最佳功耗降低。

工業物聯網中的許多邊緣節點傳感解決方案可能不需要處理連續不間斷的數據流。使用中斷事件閾值忽略已知越界條件的數據會降低處理能力。為了節省功率和帶寬，可以提前知道可預測的導通占空比。此外，基于感測信息狀態的可變占空比可以觸發有功或降低功率狀態。

微控制器或DSP的響應時間和功耗（包括開啟和關閉）可能是低帶寬應用的重要設計考慮因素。例如，在建筑物內不活動期間，來自溫度和光傳感器的數據傳輸可能會顯著減少。這允許傳感器節點的休眠時間更長，信息傳輸更少。

為了提供快速反應，許多微控制器除了完全激活外，還提供各種低功耗操作狀態，例如睡眠、靈活、休眠和完全掉電。每種模式都會在不需要時關斷各種內部計算模塊以提高電源效率，通常會將電流要求改變幾個數量級。這種功率優勢的代價是，過渡到完全活動將有一些最短的有限響應時間。在稱為靈活模式的混合配置中，計算內核處于睡眠模式，而外設接口保持活動狀態。休眠模式可以提供SRAM數據保留，并可選擇仍允許實時時鐘保持活動狀態。

圖6中詳細的MCU功耗與時序關系圖顯示了每種低功耗MCU模式、轉換時間和占空比的影響。當MCU處于非活動狀態時，使用低功耗狀態是保持在低功耗傳感器節點預算范圍內的關鍵。9

圖6.詳細的MCU功耗與時序圖。

傳感器融合

先進的模擬微控制器提供完整的混合信號計算解決方案。帶有嵌入式精密模數轉換器 （ADC） 的前端模擬多路復用器可實現更先進的傳感器融合方法。在數字處理之前，可以將多個傳感器輸入發送到單個微控制器。板載數模轉換器（DAC）和微控制器對附近其他設備的反饋可實現快速反饋回路。其他嵌入式電路模塊（如比較器、帶隙基準電壓源、溫度傳感器和鎖相環）為多傳感器邊緣節點提供了額外的算法靈活性。10

圖7.可以在單個模擬微控制器中處理多個傳感器信號。

來自多個傳感器的模擬信號可以發送到單個精密模擬微控制器。微控制器內的算法可以智能地將信息組合在一個稱為傳感器融合的過程中。

這種類型的邊緣節點處理的一個示例是在室外污染監視器中。在此類應用中，來自多個輸入的數據（包括氣體、溫度、濕度和顆粒傳感器）在單個處理器中融合和分析。根據這些信息，可以進行處理，以基于僅在本地傳感器節點上已知的校準和補償生成污染數據。然后，可以將這些校準數據發送到云端進行歷史分析。在某些情況下，可能需要獨特的一次性調試來配置每個傳感器節點的特定環境偏移。9

ADI公司投資了ULP平臺，該平臺在傳感器、處理器和高能效模式下的強大功能集方面進行了重大創新。最近發布的ADuMC3027和ADuMC3029系列微控制器具有26 MHz ARM Cortex-M3內核的性能，工作電流規格在活動模式下小于38 μA/MHz，在待機模式下小于750 nA。這種高效的電源本地處理能力降低了整體系統功耗，同時大大減少了通過網絡發送數據進行分析的需求。9

ADI公司提供各種MCU和DSP引擎，可幫助智能捕獲和處理發往云的物聯網數據。ADuCM36x系列提供集成雙通道?-Δ型ADC的ARM Cortex-M3處理內核。ADI公司的SHARC數字信號處理器系列為許多動態范圍至關重要的應用提供實時浮點處理性能。?4

下一代 Cortex-M33 處理器基于 ARMv8-M 架構，具有經過驗證的 ARM TrustZone?使用處理器內置的硬件幫助保護受信任的應用程序和數據的技術。隨著世界變得越來越互聯，保護每個節點對于擴大物聯網采用的增長至關重要。

審核編輯：郭婷