文 | 沈韩杨

上下求索，只为真知

　　减少边缘节点洞察的时间，可以在数据可用时立即做出关键决策。通过理论上无限的处理能力和通信数据，可以将所有边缘节点感测到的信息的全部带宽发送到云中的远程计算站。

　　可以进行大量计算以挖掘正在寻求做出明智决策的宝贵细节。但是，电池电量，通信带宽和计算周期密集算法的局限性使该方案只是一个概念，而不是实际的实现。

　　在这个由多个部分组成的工业物联网系列中，我们将分解并探索更大的物联网框架中边缘节点解释的基本方面：传感，测量，解释和连接数据，另外还要考虑电源管理和安全性。来自边缘节点的所需数据集可能仅需要是全宽带信息的离散子集。类似地，仅在请求时数据才可用于传输。节能超低功耗（ULP）处理也应该是任何边缘节点实施的关键方面。

　　一、智能分区范式转换

　　工业物联网及其前身机器对机器（M2M）通信的开拓者时代，很大程度上是由云平台作为主要应用程序支持者的角色来定义的。历史上，智能系统仅依靠云级别的功能来获得洞察力。实际的边缘传感器设备相对来说并不复杂。但是，随着边缘节点的低功耗计算功能以比云计算更快的速度发展，当前的旧前提已被动摇。Edge节点现在提供了感知，测量，解释和连接的功能。

　　正在从连接的传感器模型到智能设备模型进行智能分区范例转换。这提供了更多可用的架构选择，并允许组织部署工业物联网以独特的方式增强其物理资产和流程。边缘计算分析（也称为边缘智能或解释）正在推动这一转变。大规模工业物联网部署依赖于安全，高效节能且易于管理的各种智能节点的可用性。

　　二、边缘分析

　　无需仔细关注边缘节点分析中应用程序的需求，仍可以将最高质量的感知数据边缘化。边缘传感器设备可能受到能量，带宽或原始计算能力的约束。这些限制会传播到协议选择中，从而可以将IP堆栈缩减到最少的闪存或RAM。这可能会给编程带来挑战，并且可能会牺牲一些IP利益。

　　除了将数据发送到远程服务器进行云级分析之外，边缘处理还可以作为一种分析命题，作为一种分析靠近其源的数据的方法。尽早在信号链中移动实时分析边缘处理可减少下游的有效负载负担并缩短等待时间。如果可以通过其他方式在边缘节点进行初始数据处理，则这将简化所需的数据格式，通信带宽以及最终在云网关处的聚合。通过紧密耦合到传感器的对时间敏感的反馈回路可以提供立即处理，从而提供更有价值的明智决策。

　　但是，这需要事先了解从感测和测量的数据中可以期待哪些特定信息有价值的情报。由于空间分隔或应用程序差异，它在边缘节点之间也可能有所不同。事件警报，触发器和中断检测可以忽略大多数数据，仅传输必需的数据。

　　三、时间折旧

　　金钱的时间价值是这样的想法，即今天的一美元在将来的某个时候价值超过一美元。类似地，有一个数据时间常数。数据的时间值意味着从现在开始的一周，一天甚至一小时之内，您在这一小数秒内感测到的数据都不会那么重要。出色的关键任务物联网示例??包括热浪涌检测，气体泄漏检测或检测需要立即采取行动的灾难性机械故障。对时间敏感的数据值衰减始于解释点。有效解释数据并采取措施的延迟时间越长，决策的价值就越小。为了解决工业物联网中的时间折旧难题，我们必须在信号链中获得更深入的见解。

　　可以使用边缘传感器节点内的处理算法来过滤，抽取，调整和细化采样数据，直至最小所需子集。这首先需要定义感兴趣的狭窄数据。可调带宽，采样率和动态范围有助于在一开始就在硬件的模拟域中建立此基线。通过使用所需的模拟设置，传感器将仅针对所需的信息，并为质量解释数据提供较短的时间常数。

　　边缘的数字后处理可以进一步集中关注的数据。边缘传感器处数据的频率分析可以在信息离开节点之前就信号内容做出早期决策。执行快速傅立叶变换（FFT），有限脉冲响应（FIR）滤波以及使用智能抽取的方法是一些高阶计算块，它们会缩小采样数据的范围。在某些情况下，在大幅减少数据的全部带宽之后，仅需要将通过或失败信息的增量面包屑从边缘传感器节点发送出去。

　　在图1中，我们可以看到，如果没有前端模拟滤波器或数字后处理滤波器，则抽取为8的简单信号（左）将混叠新的不想要的信号（中心）以将频率折叠到新的所需信号频带（右）。 ）。使用数字信号处理器（DSP）或微控制器单元（MCU）进行数字后处理，使用半带FIR低通滤波器作为抽取的伴侣，将通过过滤干扰混叠信号来帮助防止此问题。

　　图1.如果没有前端过滤器或数字后处理，混叠就可能发生。

　　四、处理边缘节点见解：智能工厂

　　领先的工业物联网应用是用于工厂机器状态监控的解决方案。该解决方案的目的是在故障发生之前识别并预测机器性能问题。在边缘传感器节点处，多轴高动态范围加速度计监视工业机器上各个位置的振动位移。可以对原始数据进行过滤和抽取，以在微控制器单元中进行频域解释。可以将与已知性能限制进行比较的FFT进行处理，以对下游的通过，失败和警告警报进行测试。FFT中的处理增益可以通过FIR滤波来实现，以消除原本不在目标带宽范围内的宽带噪声。

　　边缘节点处理是机器状态监视中的重要组成部分。采样数据的全带宽可能为无线网关上的聚合提供明显的瓶颈。考虑到一台机器可能有许多传感器，并且可能同时监视数百台机器。微控制器单元内的过滤和智能决策可向无线收发器提供低带宽输出，而无需在云端进行密集的过滤处理。

　　图2显示了用于机器状态监视的信号链，其中加速度传感器测量位移振动信号。通过在边缘传感器节点处进行后处理，可以通过在FFT计算之前对采样数据进行滤波和抽取来在狭窄的目标带宽内进行频率分析。

　　图2.振动监测的典型信号链。

　　在FFT计算过程中，类似于实时示波器，该处理可能对新的时域活动视而不见，直到FFT完成。第二个线程中的备用时域路径也可以用来防止数据分析中的间隙。

　　如果精确地了解了感兴趣的机械特征频率，则可以计划微控制器单元内ADC的采样率和FFT大小，以使最大能量落在单个直方图bin的宽度内。这将防止信号功率跨多个仓泄漏，从而降低了幅度测量的精度。

　　图3. FFT bin能量可用于触发警报。

　　图3提供了一个FFT的示例，其中针对多个观察到的机械组件在边缘节点MCU中解释了特定的预定区域。在所需的绿色区域内达到峰值的垃圾箱能量表示运行良好，而黄色和红色区域分别表示警告和严重警报。代替传输完整的传感器带宽，较低的数据速率警报或触发痕迹可以向系统警告有关区域内的偏移事件。

　　五、动态范围，符号和精度

　　边缘分析的计算能力有多种选择。处理算法有很多选项，从提供有限控制的简单MCU，到复杂的MCU（片上系统）（SoC），再到功能强大的多核数字信号处理。典型的技术考虑因素是处理内核大小，单核或双核操作，指令RAM缓存大小以及固定与浮点需求。通常，节点上可用的功率预算与应用程序的计算需求之间需要进行权衡。

　　对于数字信号处理，有两种类别指定用于存储和操作传感器节点数据的数字表示形式的符号格式：固定点和浮点。定点是指用小数点后（有时在小数点前）用固定的数字表示数字的方式。使用这种方法的DSP使用至少16位和216种可能的位模式来处理整数，例如正整数和负整数。相比之下，浮点使用有理数，最少有232种可能的模式。3使用浮点计算方法的DSP可以处理比定点更大的值范围，并且能够表示非常大或很小的数字。

　　浮点处理确保可以表示更大的数字动态范围。如果要计算大量传感器节点数据集，而在感测之前可能无法确定确切范围的话，这一点很重要。另外，由于每个新的计算都需要数学计算，因此舍入或截断是固有的结果。这会在数据内产生量化误差或数字信号噪声。量化误差是理想模拟值与其数字表示形式之间的差，即最接近的四舍五入值。这些值之间的量化间隔越大，数字噪声将越明显。当精度和精度对于解释的传感器数据很重要时，浮点处理比定点处理具有更高的精度。

　　六、性能

　　固件设计人员应以最高效率实施计算应用程序，因为执行操作的速度至关重要。因此，重要的是勾勒出数据解释的处理要求，以确定是否需要定点或浮点计算以实现最大效率。

　　可以对定点处理器进行编程以执行浮点任务，反之亦然。但是，这效率极低，并且会影响处理性能和功能。定点处理器在不需要大量计算算法的大批量通用应用中进行了优化。相反，浮点处理器可以利用专用算法来简化开发并提高整体精度。

　　虽然性能不高，但处理器内受支持的GPIO引脚的数量可以提供辅助选择标准。直接为感兴趣的传感器（如SPI，I2C，SPORT和UART）提供正确的控制接口，可降低系统设计的复杂性。核心处理时钟速度，每次执行的位数，可用于处理的嵌入式指令RAM的数量以及存储器接口速度都会影响边缘节点处理的能力。实时时钟有助于为数据打时间戳，并允许跨多个平台进行处理对齐。

　　处理计算能力通常在MIPS或MMAC中定义。MIPS是一秒钟内可以执行的百万条指令的数量。MMAC是每秒可以执行数百万次的单精度浮点或定点乘法累加32位运算的数量。对于16位和8位操作，MMAC性能值分别增加2倍和4倍。

　　七、安全

　　工业IoT的全面安全性涵盖了每个系统，传输和数据点访问，而微控制器和DSP提供了内部安全性功能。高级加密标准（AES）提供了一种在有线链路（例如UART / SPI）或无线链路上增加安全性的方法。在无线RF通信的情况下，在通过边缘节点无线电进行有效负载传输之前执行AES加密。接收节点相应地执行逆解密。电子代码块（ECB）或密码块链接（CBC）是AES的典型模式。通常首选128位或更大的安全密钥。真实随机数生成器用作处理器内安全性计算的一部分。这些方案的细节将在以后的工业物联网文章中更详细地描述，以提供更全面的安全性方法。

　　八、单核或双核

　　始终需要原始处理能力。高效的原始处理能力甚至更好。多核MCU和DSP可以为特别受益于密集并行处理的算法提供额外的计算能力。但是，经常处理不同数据的需求也在增加。这就产生了一类多核微控制器，该微核将具有特定但功能不同的两个或多个内核结合在一起。通常被称为异构或非对称多核设备，它们通常具有两个内核，它们的轮廓非常不同。

　　非对称MCU的示例可能同时具有ARM Cortex-M3和Cortex-M0，它们使用处理器间通信协议进行通信。这使M3可以专注于繁重的数字信号处理任务，而M0则实现了应用程序的低强度控制方面。该概念允许将较简单的任务转移到较小的内核上。分区可最大化功能更强大的M3内核的处理带宽，以进行计算密集型处理，这实际上是协处理的核心。内核间通信使用共享的SRAM，其中一个处理器产生一个中断，另一个中断进行检查。当接收处理器发出响应中断时，将确认此警报。

　　异构多核MCU的另一个好处是可以克服嵌入式闪存的速度限制。通过以非对称方式在两个小内核之间划分任务，可以在仍利用低成本嵌入式内存的同时访问内核的全部性能。实施嵌入式闪存的成本通常决定了MCU的成本，因此可以有效地消除瓶颈。在可用功率预算内平衡处理器需求可能是工业物联网边缘传感器节点设计的关键部分。

　　九、力量的均衡

　　即使有可能进行能量收集，许多工业物联网边缘传感器节点也必须能够使用同一块小型电池运行数年。ULP操作将是这些节点的关键参数，必须选择组件以最大程度地减少节点的实际电流消耗。

　　许多最适合工业物联网的MCU均基于Cortex-M嵌入式处理器的ARM系列，其目标是低功耗MCU和传感器应用。这些范围从为节能高效的简单应用而优化的Cortex-M0 +到为需要浮点和DSP操作的复杂高性能应用而优化的Cortex-M4。可以使用较高的处理内核，但要以低功耗为代价。

　　ARM CPU提供了代码大小，性能和效率方面的起点。但是，当谈到活动或深度睡眠模式下MCU的实际电流消耗时，许多超低功耗功能完全取决于MCU供应商。有功电流消耗会受到制程技术选择，缓存和处理器整体架构的严重影响。MCU休眠电流和CPU休眠时可用的外设功能主要受MCU的设计和架构影响。

　　EEMBC是一个行业联盟，旨在开发基准，以帮助系统设计人员通过帮助他们了解系统的性能和能源特性来选择最佳处理器。为每个设备报告的ULPMark?CP分数是计算得出的单项品质因数。该套件中每个单独基准的分数允许设计人员加权和汇总基准，以适应特定的应用程序要求。

　　传感器边缘节点的功率预算将直接与其处理能力相关。如果功率预算与边缘节点分析的处理需求不一致，则可能需要进行权衡。性能效率会影响传感器边缘节点的功率效率。微控制器的典型功耗指标是指定每MHz计算使用的有功电流量。例如，对于基于ARM Cortex-M3的MCU，电流可以为每MHz数十微安。

　　十、占空比

　　边缘传感器节点的功耗最小化通常基于两个因素：该节点处于活动状态时消耗多少电流，以及必须保持活动状态以进行感测，测量和解释的频率。该占空比将根据节点中使用的传感器和处理器的类型以及算法的要求而变化。

　　图4.边缘传感器节点MCU内处于最活跃状态会消耗过多功率。

　　如果不考虑MCU的电流消耗，则处于活动状态的状态将在边缘传感器节点内消耗大量功率，并将电池供电应用程序的寿命缩短至数小时或数天。

　　通过循环节点内的组件，确保仅在严格需要时才处于活动状态，可以显着节省能源。MCU很少完全关闭。它必须专门针对低能耗操作而设计，以使MCU能够在完全消耗尽可能少的能量的同时保持对边缘传感器节点的完全控制。最小化MCU电流消耗就是使MCU尽可能频繁地休眠，同时仍允许其在需要时执行关键任务。

　　图5.保持MCU处于非活动状态，以实现最佳的功耗降低。

　　将MCU保持在低功耗休眠模式下以保持大多数非活动状态（仅在短期工作期间处于活动状态）可以将边缘节点的电池寿命延长很多年。

　　工业物联网中的许多边缘节点传感解决方案可能不需要处理连续的不间断数据流。使用中断事件阈值从已知的越界条件中忽略数据会降低处理能力。为了节省功率和带宽，可以预先知道可预测的占空比。另外，基于感测信息状态的可变占空比可以触发有功或降低功率状态。

　　微控制器或DSP的响应时间和功耗（无论是开启还是关闭）都是低带宽应用的重要设计考虑因素。例如，在建筑物内不活动期间，可以显着减少来自温度和光传感器的数据传输。这样可以延长传感器节点的睡眠时间，并减少信息的传输。

　　为了提供快速反应，许多微控制器除了处于完全活动状态之外，还提供各种低功耗操作状态，例如睡眠，灵活，休眠和完全掉电。每种模式在不需要时会降低各种内部计算模块的电源效率，从而经常将电流要求改变几个数量级。权衡此权力的好处是，将有一些最小的有限响应时间才能过渡到完整活动。在称为flexi模式的混合配置中，计算核心处于睡眠模式，而外围接口保持活动状态。休眠模式可以提供SRAM数据保留功能，并且该选项还允许实时时钟保持活动状态。

　　图6.详细的MCU功耗与时序图。

　　图6中详细的MCU功耗与时序图显示了每种低功耗MCU模式，转换时间和占空比的影响。MCU不活动时使用低功耗状态是保持低功耗传感器节点预算的关键。

　　十一、传感器融合

　　先进的模拟微控制器提供了完整的混合信号计算解决方案。带有嵌入式精密模数转换器（ADC）的前端模拟多路复用器允许使用更高级的传感器融合方法。可以在进行数字处理之前将多个传感器输入发送到单个微控制器。板载数模转换器（DAC）和微控制器对附近其他设备的反馈允许快速反馈环路。其他嵌入式电路块，例如比较器，带隙基准，温度传感器和锁相环，为多传感器边缘节点提供了额外的算法灵活性。

　　图7.可以在单个模拟微控制器中处理多个传感器信号。

　　来自多个传感器的模拟信号可以发送到单个精密模拟微控制器。微控制器内的算法可以智能地将信息组合在一起，称为传感器融合。

　　这种类型的边缘节点处理的示例是在室外污染监测器中。在这样的应用中，来自多个输入的数据（包括气体，温度，湿度和微粒传感器）在单个处理器中融合和分析。根据该信息，可以进行处理以基于仅在本地传感器节点处已知的校准和补偿来生成污染指数。然后可以将校准后的数据发送到云中进行历史分析。在某些情况下，可能需要进行独特的一次性调试，才能针对每个传感器节点的特定环境偏移进行配置。

　　原文作者：Ian Beavers

　　参考文献

　　1 Michael Porter和James Heppelmann。“智能互联产品如何改变竞争。”哈佛商业评论，2014年11月。

　　2 Grainne Murphy和Colm Prendergast。“物联网中的精确计数。”ADI公司，2016年8月。

　　3鲍里斯·勒纳（Boris Lerner）。“定点与浮点数字信号处理。”EE Times，2007年2月。

　　4个数字信号处理器。ADI公司

　　5欧洲编辑。“多核微控制器驱动性能。”Digi-Key，2013年11月。

　　6 Oivind Loe。“评估现实世界的MCU能源效率。”嵌入式，2015年10月。

　　7 Amyas Phillips。工业物联网。

　　8IoT-Connect，EEMBC基准。EEMBC。

　　9米歇尔·法灵顿。自供电物联网系统的发展。IDTechEx，2016年4月。

　　10个精密模拟微控制器。ADI公司，2008年7月。