谢丫丫

mmWave传感器启用Edge Intelligence

0
阅读(173) 评论(0)

通过mmWave传感器在边缘进行智能处理可以减少发送到中央服务器的数据量,并增加传感器本身的决策制定。

物联网(IoT)是将更多设备和传感器连接到网络上的建筑和家庭系统的一个驱动因素:根据Gartner的估计,物联网在2017年达到了80亿台设备。

但随着越来越多的传感器连接到云,它们可以满足网络带宽,远程存储和数据处理的系统要求。边缘处的智能处理可以减少发送到中央服务器的数据量,并增加传感器本身的决策。这可以减少决策延迟和网络成本,同时提高系统可靠性 如果服务器关闭,你想要的最后一件事就是传感器检测物体并做出决定消失的能力!

边缘智能和连接
毫米波(mmWave)传感器以两种方式实现边缘智能。首先,mmWave的范围,速度,角度及其反射不同目标的能力的独特数据集使传感器能够检测视图中不同对象的特定特征。例如,速度数据允许传感器看到微多普勒 - 来自小运动的调制效果 - 其包含目标的特定特征,例如自行车车轮的旋转辐条,行走者的摇摆臂或匆匆动物的腿。系统可以使用此数据来分类和识别传感器视野中的对象类型。

虚假检测减少
第二,mmWave传感器通过片上处理实现边缘智能。包含微控制器和数字信号处理器(DSP ICfans)的传感器能够执行低级雷达处理,以及特征检测和分类。

图1显示了一个实验的结果在安全应用中使用50米室外入侵探测器的片上智能。入侵检测器确定一个人是否已进入受保护区域,例如运输场地,停车场或后院。一些依赖光学或红外传感的传感器可能会检测到附近树木和灌木的错误运动。另一方面,mmWave传感器使用处理和算法来滤除和防止错误检测,仅在人体运动时触发检测器。安全摄像头和可视门铃可以使用与网络服务器的连接来处理图像并执行相同的错误检测过滤。这些基于服务器的系统通常需要用户付费才能访问这些功能,而mmWave技术可以在传感器本身进行决策,而无需联网服务器。



图1:用于长距离室外入侵探测器的片上滤波示例。

图2显示了使用mmWave技术的入侵检测; mmWave传感器分析场景中物体的速度,过滤掉移动背景中的运动,并仅跟踪人物。



图2:来自室外入侵应用程序的动画点云。黑点表示移动的物体,包括人和树木/灌木。该算法为人分配绿色,同时过滤掉其他移动物体。

图3示出了行走者和振荡风扇的微多普勒特征的差异。一旦识别出正确的特征以分离出两个对象,分类器就会在设备上实时区分。



图3:两个图表显示了行走者和振荡风扇随时间变化的微多普勒信息。

图4显示了片上处理如何使mmWave传感器能够根据其功能实时识别和分类目标。这些特征可以基于尺寸,反射率,微多普勒或其他特征,并且可以帮助识别特定行为以辨别彼此移动的物体。例如,分类可用于识别人与室内或室外安全应用的动物,将儿童与成人分类用于家庭自动化系统,或确定人是否在限制区域内跑步或行走。



图4:使用mmWave传感器执行分类的示例。所有移动目标都在中间图上分配了一个轨道,彩色区域表示一个人。

边缘处理和智能可以成为强大的工具,有助于提高半导体物联网传感器和网络的质量和稳健性。mmWave传感器具有集成处理功能,可在边缘处实现智能,通过对对象进行过滤和分类,更智能地识别场景中发生的事情并在实时中做出决策,从而解决错误检测的独特感知问题。