在物聯網領域，微機電系統（MEMS）傳感器是眾多設備的支柱，例如智能手機、可穿戴設備、機器人和無人機。然而，僅僅將設備進行感知與連接是不足以實現物聯網美好愿景的。

事實是，物聯網只有以用戶為中心才能取得成功：即物聯網方案需更具實用性，能夠解決現實生活中的日常問題，使生活更便捷。此外，物聯網設備需要在越來越多的復雜環境中進行無處不在的數據感知，這就使得傳感器供應商面臨著更多的挑戰。下面從傳感器供應商的角度來討論這些挑戰以及克服這些挑戰的一些解決方案。

物聯網中智能傳感器的三重挑戰

將現今的智能傳感器模塊和初代傳感器模塊的某些集成處理能力模塊比較后，小編將智能傳感器面臨的挑戰歸結為三重：

技術

當前傳感器技術在應用是還有諸多問題需要解決。比如說有些物理限制對工程師也構成了挑戰：模塊的體積不可能無止盡的縮小，但市場對低功耗和高性能的需求卻增加。供應商也被迫需要在這些系統中嵌入越來越多的AI功能以滿足用戶需求，為實現這一目標，需要跨多個產品平臺，這無疑增加了傳統傳感器企業的技術投入負擔。

物聯網行業的碎片化

在傳感器市場，MEMS傳感器大部分收入來自智能手機市場，每年銷售超過10億部智能手機，而每部智能手機至少包含一個MEMS傳感器。智能手機零件制造商設定了設備的規格，類似于博世等供應商就相應地定義了他們的MEMS傳感器的型號。

物聯網領域是不同的，它是是競爭技術平臺的高度分散的結構。每個技術平臺對傳感器，微控制器和執行器的傳感器子系統的要求都不相同。因此，博世等供應商需要創建集成硬件和軟件的跨平臺解決方案，并提供特定于應用程序的軟件。通過利用軟件和應用程序專有技術，供應商可以幫助客戶解決特定問題，而無需為每個應用程序定制硬件解決方案。

物聯網系統的復雜性

物聯網系統本身就很復雜，OEM廠商僅供應組件已經不能夠滿足供應商的需求了，還需要特定的解決方案或參考設計。

一些領先的供應商通過集成智能傳感器解決方案滿足這些要求，通過將越來越多的系統處理能力集成到單個模塊化設備中，從而大大降低了解決方案的復雜性。由于沒有一家公司能夠提供全方位的完整解決方案，供應商還必須與第三方密切合作并形成合作伙伴關系。

物聯網傳感器信息層次結構

物聯網信息結構由多個層次組成, 一般的應用程序, 是按以下順序排列:

傳感器信息層次結構

原始數據

運動檢測

活動監測

情境感知

意向預測

雖然原始數據可以被過濾、補償和校正，但在大多數情況下，用戶可以用這些數據來做什么卻有明確的限制。在隨后的層次上，通過識別模式和應用算法，數據可以被解釋為提供運動檢測信息。

在現代普通計算環境中，一個設備與其他設備的交互、適應環境噪聲和光條件、網絡狀態等設備的情境感知能力要求較高。這就有了更復雜的任務，例如基于時間和行為模式加權評估來進行預測決策。

在這一點，將傳感器系統處理數據的方法與人腦的功能相關聯來理解。人類大腦有兩個主要系統來處理數據：認知和邊緣。認知水平對應云計算，云計算具備高處理能力和大內存，但會出現信息延遲。相反，邊緣系統是原始的、反應性的和反射性的，這對應于傳感器系統中的局部處理，即邊緣計算。

描述認知系統和邊緣系統之間的差異，與人類大腦對感官數據的處理相關

在物聯網系統中，傳感器信息層次確定測量數據重要與否很重要。如果數據是不可執行的，那它基本上是沒用的。

直觀地說，受歡迎的傳感器是以簡單有效的方法來確定有用的信息。傳感器系統必須智能地確定哪些數據值得傳輸到云，從而有效地利用可用帶寬和功率。最好本地傳感器處理能夠自動丟棄大部分這些多余的數據，從而節省寶貴的系統驅動程序容量。

物聯網系統驅動程序

在物聯網傳感器應用中，我們可以識別出影響系統和組件設計的幾個關鍵系統驅動程序：

低功耗

低功耗在小型或便攜式設備中是至關重要的。這里，感測元件配對的自主傳感器處理器是用于邊緣處理，從而削減數據傳輸到云的資源成本。

低延遲

在我們需要以最小延遲傳輸大量數據的情況下，低延遲非常重要。例如，在虛擬現實（VR）中，需要以實時速度發送圖像以便跟上用戶頭部的動態運動。

數據采樣率高

快速系統活動學習應用可能需要高數據采樣率。例如，在振動機械的預測性維護中，傳感器必須以足夠高的速率進行采樣，以捕獲導致設備故障的所有相關數據。

易于集成

每個場所的易于集成的情況區別都很大，OEM對于他們準備投入多少時間和工程資源來解釋傳感器數據的期望往往非常不同。為了簡化傳感器與其應用程序的集成，許多公司需要越來越智能的傳感器，這些傳感器通過供應商提供的軟件解決方案提供嵌入傳感器內部的一定程度的數據處理。例如，在機器人技術中，OEM將專注于機器人本身的運動，而不是處理原始傳感器數據。

邊緣計算

邊緣計算類似于上述邊緣系統。有時我們需要邊緣處理性能，而且這通常與低功耗和易于集成的先決條件相輔相成。

存儲

由于傳感器模塊中的內存成本要高得多，因此云存儲提供了本地存儲和處理的可行替代方案。問題是，一方面，我們不想傳輸大量不必要的數據，但另一方面，我們受到傳感器物理存儲容量的限制。因此，我們必須實現傳感器智能，并確保傳感器丟棄大部分不必要的數據，并防止內存容量濫用。

影響和約束物聯網系統和組件設計的六要素（圖片來源：Bosch Sensortec）

應用案例

為了印證上述幾點，我們來看幾個例子。首先，諸如計步器之類的可穿戴應用需要始終開啟，并且電池需要盡可能小。這里的關鍵因素是低功耗，這可以通過將記步器計數功能直接集成在傳感器本身內來實現。除非絕對必要，否則不會喚醒可穿戴設備的主處理器，從而節省電池電量。

為了進一步節省電力資源，可穿戴設備不會將所有步數數據傳輸到主機，這使其成為邊緣計算應用的典型示例，功耗是首要考慮因。

另一個例子是快速原型制作的趨勢，即使在大型企業中用于市場驗證用例也越來越普遍。 快速原型設計通常在諸如Arduino，Raspberry Pi等類似開源系統的開發平臺上執行，其中包括傳感器的組件被組合以驗證概念。

為了最大程度地簡化集成，這種類型的應用程序需要傳感器供應商提供相對復雜的軟件。 OEM也需要在傳感器知識有限的情況下探索系統設計，所以開發時間需要盡可能的縮短。 如Arduino和Raspberry Pi等開發平臺提供的傳感器就大大簡化了集成。

結語

一個成功的物聯網應用，需要與傳感器供應商合作。這樣的合作伙伴應該提供廣泛的高性能傳感器產品組合，并為物聯網應用提供合適的解決方案。 同樣重要的是質量、本地支持以及與第三方的強大合作伙伴關系，他們可以提供參考設計和系統級的專業知識。

物聯網需要深入了解大量應用以及滿足關鍵傳感器和處理要求的能力，如低功耗、易于集成，數據速率、延遲等。只有了解這些不同因素之間的相互關系，開發者才能設計出面向快速增長的物聯網市場的創新和成功產品，使用戶的生活更加便捷，從而加速萬物互聯時代的到來。