|
作者：Ian Beavers，ADI公司 減少邊緣節點(diǎn)的洞察時(shí)間可在獲得數據之后盡快做出關(guān)鍵決定。而理論上處理能力和通信數據均不受限制，則可將所有全帶寬邊緣節點(diǎn)檢測信息發(fā)送至遠端的云計算服務(wù)器。此外，還可以進(jìn)行大量運算，以挖掘做出明智決策所需的寶貴細節信息。然而，電池電量、通信帶寬和計算周期密集型算法的局限使得我們的設想只是一種概念，而無(wú)法成為實(shí)際方案。 在這個(gè)包含多個(gè)部分的工業(yè)物聯(lián)網(wǎng)系列文章中，我們將分解和研究大型物聯(lián)網(wǎng)框架中邊緣節點(diǎn)解讀的基本方面：檢測、測量、解讀和連接數據，同時(shí)還將考慮功率管理和安全性。邊緣節點(diǎn)所需的數據集可能只是一個(gè)離散的完整寬帶信息子集。同樣，數據可以根據要求進(jìn)行傳輸。高效的超低功耗(ULP)處理也是實(shí)施任何邊緣節點(diǎn)方案的一個(gè)關(guān)鍵。 智能分區模式轉變 工業(yè)物聯(lián)網(wǎng)及其前身（機對機(M2M)通信）的先鋒時(shí)代在很大程度上是由云平臺這一主要應用推動(dòng)因素的作用定義的。智能系統的洞察力以往都只是依賴(lài)于云級能力。實(shí)際的邊緣傳感器裝置一直以來(lái)都相對簡(jiǎn)單。然而，由于邊緣節點(diǎn)的低功耗計算能力比云計算能力的發(fā)展更迅速，這個(gè)前提目前正在動(dòng)搖。1 邊緣節點(diǎn)如今具有檢測、測量、解讀和連接數據的能力。 智能分區模式正從連接傳感器模型向智能設備模型轉變，從而提供更多的可用架構選項，并允許組織部署工業(yè)物聯(lián)網(wǎng)，以獨特的方式改進(jìn)其實(shí)體資產(chǎn)和流程。邊緣計算分析（亦稱(chēng)為智能邊緣或解讀）推動(dòng)著(zhù)這一轉變。大規模的工業(yè)物聯(lián)網(wǎng)部署依賴(lài)于一系列安全、高效節能并且易于管理的多樣化智能節點(diǎn)。 邊緣分析 最優(yōu)質(zhì)的傳感數據仍可邊緣化，且無(wú)需細心留意邊緣節點(diǎn)分析中應用的要求。邊緣傳感器裝置可能會(huì )受到能源、帶寬或原始計算能力的約束。這些約束條件將影響到能夠將IP堆棧刪減為最小閃存或RAM的協(xié)議選擇。這使得編寫(xiě)程序充滿(mǎn)挑戰性，并且可能需要犧牲一些IP性能。 邊緣處理可以是一個(gè)分析過(guò)程，除了將數據發(fā)送至遠端服務(wù)器以進(jìn)行云級分析，它還可以作為一種方法，用于分析接近其來(lái)源的數據。在數據鏈中盡早地進(jìn)行實(shí)時(shí)分析邊緣處理可減少下游有效負載，并縮短延遲。如果初始數據處理可以在邊緣節點(diǎn)進(jìn)行，那么就可以簡(jiǎn)化所需的數據格式、通信帶寬以及最終聚集在云端網(wǎng)關(guān)。通過(guò)緊耦合連接至傳感器的時(shí)間敏感型反饋回路可提供即時(shí)處理，從而為更有價(jià)值的明智決策作準備。2 然而，這要求提前了解清楚需要獲得哪些有價(jià)值的具體信息，才能從檢測和測量數據中得到預期結果。此外，由于空間隔離或應用差異，也可能因邊緣節點(diǎn)的不同而不同。事件報警、觸發(fā)信號和中斷檢測可以忽略大部分數據，只傳輸需要的數據。 時(shí)間折舊 貨幣的時(shí)間價(jià)值是一種概念，即現在的一美元比未來(lái)某一時(shí)候的一美元更有價(jià)值。類(lèi)似地，數據也存在時(shí)間常數。數據的時(shí)間價(jià)值是指在這個(gè)幾分之一秒檢測到的數據與從現在起一周、一天或甚至一個(gè)小時(shí)之后檢測到的數據不同。此類(lèi)任務(wù)關(guān)鍵型物聯(lián)網(wǎng)范例有熱沖擊檢測、氣體泄漏檢測或需要采取立即行動(dòng)的災難性機械故障檢測。時(shí)間敏感型數據價(jià)值在解讀之時(shí)開(kāi)始衰減。有效解讀數據和采取行動(dòng)的延遲越長(cháng)，決策的價(jià)值將越低。為了解決工業(yè)物聯(lián)網(wǎng)的時(shí)間折舊問(wèn)題，我們必須進(jìn)一步深入了解信號鏈。 邊緣傳感器節點(diǎn)的處理算法可對抽樣數據進(jìn)行篩選、抽取、調諧和精處理，將其分解至最低要求的子集。這首先需要定義目標窄帶數據�？烧{帶寬、抽樣率和動(dòng)態(tài)范圍有助于一開(kāi)始就在硬件的模擬域中建立基準。通過(guò)使用所需的模擬設置，傳感器只會(huì )檢測需要的信息，并提供更短的時(shí)間常數以獲得高質(zhì)量的解讀數據。 邊緣處的數字后端處理濾波器可進(jìn)一步重點(diǎn)關(guān)注目標數據。邊緣傳感器處的數據頻率分析可在信息離開(kāi)節點(diǎn)之前，并及早判定信號內容。一些高階計算模塊執行快速傅里葉變換(FFT)、有限脈沖響應(FIR)濾波并使用智能抽取，可縮小抽樣數據的范圍。在一些情況下，在大幅度降低數據帶寬之后，只需要從邊緣傳感器節點(diǎn)處傳輸通過(guò)或未通過(guò)信息增量痕跡。 
圖1.在未使用前端濾波器或數字后端處理濾波器的情況下，可能會(huì )出現混疊。
圖2.振動(dòng)監控的典型信號鏈。 圖1中，我們可以看到在未使用前端模擬濾波器或數字后端處理濾波器的情況下，抽取8次（左側）的簡(jiǎn)單信號將混疊新的干擾信號（中間），從而使頻率折疊成期望的新信號頻帶（右側）。數字后端處理濾波器搭配數字信號處理器(DSP)或微控制器(MCU)，同時(shí)將半帶FIR低通濾波器與抽取濾波器一起使用，將能夠濾除混疊的干擾信號，從而有助于防止出現這一問(wèn)題。 邊緣節點(diǎn)處理洞察力——智能工廠(chǎng) 領(lǐng)先的工業(yè)物聯(lián)網(wǎng)應用解決方案適用于工廠(chǎng)機器狀態(tài)監控。該解決方案的目的是在發(fā)生故障之前識別和預測機器性能問(wèn)題。邊緣傳感器節點(diǎn)的多軸高動(dòng)態(tài)范圍加速度計用于監控工業(yè)機器上不同部位的振動(dòng)位移�？梢院Y選和抽取原始數據，在微控制器中進(jìn)行頻域解讀�？梢蕴幚砼c已知性能極限進(jìn)行比較的FFT，針對下游的通過(guò)、未通過(guò)和警示警報進(jìn)行測試。通過(guò)FIR濾波去除目標帶寬外的寬帶噪聲，可實(shí)現FFT內的處理增益。 邊緣節點(diǎn)處理是機器狀態(tài)監控的一個(gè)重要組成部分。抽樣數據的全帶寬是實(shí)現無(wú)線(xiàn)網(wǎng)關(guān)聚集的一個(gè)重要瓶頸。要考慮到，一臺機器可能配有許多傳感器，并且可能同時(shí)監控數百臺機器。微控制器中作出的濾波和智能決策向無(wú)線(xiàn)收發(fā)器提供一個(gè)低增益帶寬輸出，而無(wú)需在云端進(jìn)行密集型濾波處理。 圖2顯示了一個(gè)機器狀態(tài)監控的信號鏈，在這個(gè)信號鏈中加速度計傳感器用于測量位移振動(dòng)特征。利用邊緣傳感器節點(diǎn)處的后端處理濾波器，可通過(guò)在濾波和抽樣數據后進(jìn)行FFT運算，從而在目標窄帶寬中完成頻率分析。 在FFT計算過(guò)程中，與實(shí)時(shí)示波器一樣，處理濾波器可無(wú)視時(shí)域活動(dòng)，直至完成FFT。第二個(gè)線(xiàn)程中的另一種時(shí)域路徑可能還可用于防止出現數據分析差異。 如果能夠清楚目標機械特征頻率，則可設計微控制器中的ADC和FFT抽樣率，使最大能量適合單個(gè)直方圖倉的寬度。這將防止信號功率泄漏到多個(gè)倉中，從而降低幅度測量的精度。
圖3.FFT倉能源可用于觸發(fā)警報。 圖3為FFT的一個(gè)示例。在這個(gè)示例中，我們在邊緣節點(diǎn)MCU中對不只一個(gè)觀(guān)察的機械零件進(jìn)行特定的預定區解讀。在所需綠色區域中達到峰值的能量代表正常運轉，而黃色和紅色區域則分別表示警報和嚴重警報。更低的數據速率警報或觸發(fā)痕跡可能會(huì )在目標區域內向系統發(fā)出偏移事件報警，而不是傳全帶寬傳感器數據。 動(dòng)態(tài)范圍、標記和精度 邊緣分析的計算功率有幾個(gè)選項。許多選項可用于處理算法，從一個(gè)提供有限控制性能的簡(jiǎn)單MCU到更加復雜的精密片上系統(SoC) MCU，再到到功能強大的多核數字信號處理。處理內核尺寸、單核或雙核操作、指令RAM緩存大小和定點(diǎn)與浮點(diǎn)需求都是典型的技術(shù)考慮。通常，需要在節點(diǎn)可用的功率預估和應用的計算需求之間作出權衡。 針對數字信號處理，采用定點(diǎn)和浮點(diǎn)兩種格式來(lái)存儲和操作以數字表示的傳感器節點(diǎn)數據。定點(diǎn)是指一種數字表示方式，采用小數點(diǎn)后（有時(shí)候為小數點(diǎn)前）固定位數的數字表示。使用這種方法的DSP處理整數，例如使用最少16位的正負整數，可能有216種位模式。相比之下，浮點(diǎn)則使用有理數，最少可能有232種模式。3 與使用定點(diǎn)的DSP相比，使用浮點(diǎn)計算方法的DSP可處理更大范圍的值，并能夠表示非常大或非常小的數字。 浮點(diǎn)處理可確保能夠表示更大動(dòng)態(tài)范圍的數字。如果需要計算大量傳感器節點(diǎn)數據，并且在檢測之前可能并不清楚確切的范圍，則浮點(diǎn)處理就非常重要。此外，由于每一個(gè)新的計算都需要進(jìn)行一次數學(xué)運算，所以計算結果必然會(huì )出現四舍五入或截斷的現象。這會(huì )導致數據出現量化誤差或數字信號噪聲。量化誤差是理想的模擬值與該值的數字表示（即最接近的舍入值）之差。這些值之間的量化差越大，數字噪聲將越明顯。當準確性和精度對于解讀的傳感器數據來(lái)說(shuō)非常重要時(shí)，浮點(diǎn)處理則可實(shí)現優(yōu)于定點(diǎn)處理的精度性能。 性能 固件設計師應以最有效的方式實(shí)現計算應用，因為執行操作的速度至關(guān)重要。因此，必須描述數據解讀的處理需求，以便確定實(shí)現最大效率需要使用定點(diǎn)計算還是浮點(diǎn)計算。 我們可以對定點(diǎn)處理器進(jìn)行編程，使其能夠執行浮點(diǎn)任務(wù)，反之亦然。然而，這樣做的話(huà)效率非常低，并將影響處理器性能和功率。當針對無(wú)需密集型計算算法的高容量通用應用而優(yōu)化時(shí)，定點(diǎn)處理器的表現更加突出。相反，浮點(diǎn)處理器可利用專(zhuān)門(mén)的算法，輕松完成開(kāi)發(fā)，并實(shí)現更高的整體精度。 雖然性能不是很高，但是處理器中支持的GPIO引腳數量則可作為第二個(gè)選擇標準。直接支持目標傳感器（例如：I2C、SPORT和UART）的相應控制界面可降低系統設計的復雜程度。內核處理時(shí)鐘速度、每次執行的位數、可用于處理的嵌入式指令RAM數量以及存儲器接口速度都將影響邊緣節點(diǎn)處理的能力。實(shí)時(shí)時(shí)鐘有助于對數據進(jìn)行時(shí)間標記，并允許調整多個(gè)平臺之間的處理。 處理計算能力通常是在MIPS或MMAC中定義。MIPS是一秒鐘內可執行的百萬(wàn)指令數。MMAC是每秒可執行的32位單精度浮點(diǎn)或定點(diǎn)累加乘法操作次數（單位：百萬(wàn)）。針對16位和8位操作，MMAC性能值分別提高2倍和4倍。3 安全 雖然工業(yè)物聯(lián)網(wǎng)的安全影響著(zhù)每個(gè)系統、每次傳輸和每個(gè)數據接入點(diǎn)，但是微控制器和DSP則提供內部安全特性。高級加密標準(AES)提供了一種增強有線(xiàn)通信線(xiàn)路（如UART/SPI）或無(wú)線(xiàn)通信線(xiàn)路安全性的方法。在采用無(wú)線(xiàn)RF通信的情況下，通過(guò)邊緣節點(diǎn)無(wú)線(xiàn)電進(jìn)行有效傳輸之前會(huì )先執行AES加密。接收節點(diǎn)相應地執行解密操作。電子密碼模塊(ECB)或密碼塊鏈接(CBC)是典型的AES模式。4通常，128位或更長(cháng)位數的安全密鑰是首選。真隨機數發(fā)生器用作為處理器中安全計算的組成部分。后續的工業(yè)物聯(lián)網(wǎng)文章中將進(jìn)一步描述這些方案的細節，以便大家采用更加全面的安全措施。 單核或雙核 對原始數據處理能力的需求終始很旺盛。高效的原始數據處理能力將更勝一籌。多核MCU和DSP可為特別受益于密集型并行處理的算法提供額外的計算能力。然而，處理異構數據的需求也在不斷上升。這導致一類(lèi)多核微控制器的問(wèn)世，此類(lèi)微控制器將兩個(gè)或更多具有不同特定功能優(yōu)勢的內核整合在一起。一般稱(chēng)為異構或非對稱(chēng)多核設備，通常整合了兩個(gè)配置完全不同的內核。 非對稱(chēng)MCU可整合ARM® Cortex®-M3和Cortex-M0，使用處理器間通信協(xié)議進(jìn)行通信。這使M3能夠重點(diǎn)處理繁瑣的數字信號處理任務(wù)，而M0則執行密集程度較低的應用控制。5這樣可以將更簡(jiǎn)單的任務(wù)分流至小型內核中處理。分區可最大化功能更強大的M3內核的處理帶寬，以便進(jìn)行計算密集型處理，而這是協(xié)同處理的真正核心所在。核間通信采用共享SRAM，其中一個(gè)處理器引發(fā)中斷，而另一個(gè)檢查。當接收處理器在響應時(shí)引發(fā)中斷，就會(huì )發(fā)出報警。 異構多核MCU的另一個(gè)優(yōu)勢在于，它可以克服嵌入式閃存的限速問(wèn)題。通過(guò)在兩個(gè)小型內核中以非對稱(chēng)的方式對任務(wù)進(jìn)行分割，可在實(shí)現內核的全部性能的同時(shí)，仍繼續使用低成本嵌入式存儲器。實(shí)現嵌入式閃存的成本通常決定MCU的成本，因此可有效地消除瓶頸。在可用的功率預算中平衡處理器需求是工業(yè)物聯(lián)網(wǎng)邊緣傳感器節點(diǎn)設計的關(guān)鍵部分。5 功率平衡 即使是在可以實(shí)現能量采集的情況下，許多工業(yè)物聯(lián)網(wǎng)邊緣傳感器節點(diǎn)也必須能夠在同一小型電池上運行多年。ULP操作將是這些節點(diǎn)的一個(gè)關(guān)鍵參數，而且必須選用能夠最小化節點(diǎn)實(shí)際功耗的元件。6 許多非常適用于工業(yè)物聯(lián)網(wǎng)的MCU都采用ARM系列的Cortex-M嵌入式處理器，針對低功耗MCU和傳感器應用。7包括針對更簡(jiǎn)單高效應用而優(yōu)化的Cortex-M0+，以及需要浮點(diǎn)和DSP操作的高性能復雜應用的Cortex-M4。使用性能更高的處理內核可能會(huì )影響低功耗性能。 ARM CPU在代碼大小、性能和效率方面提供了一個(gè)新方向。但是對于MCU在工作模式或深度睡眠模式下的實(shí)際功耗，許多超低功耗能力完全取決于MCU供應商。工作功耗深受工藝技術(shù)選擇、超高速緩存和處理器整體架構的影響。MCU睡眠電流以及CPU處于睡眠模式時(shí)的可用外圍功能主要受MCU的設計和架構影響。 行業(yè)聯(lián)盟EEMBC制定了一些衡量基準，幫助系統設計師了解其系統的性能和能量特性，以選擇最優(yōu)處理器。每個(gè)器件的ULPMark™- CP評分是經(jīng)過(guò)計算得出的單個(gè)數字品質(zhì)因素。該套件中每個(gè)衡量基準的評分使設計師權衡并合計這些衡量基準，以滿(mǎn)足特定的應用需求。8 傳感器邊緣節點(diǎn)的功率預算將直接與其處理能力相互關(guān)聯(lián)。如果功率預算無(wú)法滿(mǎn)足邊緣節點(diǎn)分析的處理需求，則可能需要作出權衡。性能效率會(huì )影響傳感器邊緣節點(diǎn)的電源效率。微控制器的典型能耗指標用于指定每兆赫茲計算消耗的有功電流量。例如：針對基于A(yíng)RM Cortex-M3的MCU，功耗可達到數十μA/MHz。 占空比 邊緣傳感器節點(diǎn)的功耗最小化通�；趦蓚�(gè)因素：節點(diǎn)在活動(dòng)狀態(tài)下的功耗是多少；以及為進(jìn)行檢測、測量和解讀，節點(diǎn)必須保持活動(dòng)狀態(tài)的頻率如何。這個(gè)占空比將隨著(zhù)節點(diǎn)中使用的傳感器和處理器類(lèi)型，以及算法需求的不同而變化。
圖4.邊緣傳感器節點(diǎn)MCU的主要活動(dòng)狀態(tài)可能會(huì )消耗過(guò)多的功率。 在不考慮MCU功耗的情況下，邊緣傳感器節點(diǎn)的主要活動(dòng)狀態(tài)將消耗大量功率，并將電池供電應用的壽命減少至只有幾個(gè)小時(shí)或幾天。 通過(guò)分析節點(diǎn)內部元件的占空比，可節省大量能源，從而確保只有在必須的情況下這些元件才會(huì )處于工作狀態(tài)。MCU幾乎一直處于常開(kāi)狀態(tài)。為了使MCU能夠保持對邊緣傳感器節點(diǎn)的完全控制，同時(shí)消耗盡可能少的能量，必須采用針對低能耗操作的特定架構。最小化MCU能耗就是要使MCU盡可能經(jīng)常處于睡眠模式，同時(shí)在需要的時(shí)候仍能執行關(guān)鍵任務(wù)。
圖5.將MCU主要保持在非活動(dòng)狀態(tài)，以便將功耗降至最小。 對于大多數非活動(dòng)狀態(tài)、只在短期占用時(shí)間處于活動(dòng)狀態(tài)的情形，使MCU在低功耗休眠模式下運行，可將邊緣節點(diǎn)的電池使用壽命延長(cháng)至許多年。 可能無(wú)需在工業(yè)物聯(lián)網(wǎng)中使用許多邊緣節點(diǎn)檢測解決方案就可以處理連續不間斷的數據流。利用中斷事件閾值忽略已知的超范圍條件數據，這樣可降低處理功率。為了保持功率和帶寬，可能需要提前了解可預測的占空比。此外，基于已檢測信息狀態(tài)的可變占空比可觸發(fā)活動(dòng)狀態(tài)或降低功率狀態(tài)。 微控制器或DSP的響應時(shí)間和功耗（開(kāi)啟和關(guān)閉狀態(tài)下）是低帶寬應用的重要設計依據。例如：建筑中，溫度和光傳感器的數據傳輸在靜止期間可能明顯減少。這不僅可以延長(cháng)傳感器節點(diǎn)的休眠時(shí)間，而且還可以大大減少信息傳輸。 為了實(shí)現快速反應，許多微控制器除了提供完全活動(dòng)模式，還提供各種低功耗工作模式，例如：睡眠模式、靈活模式、休眠模式和完全關(guān)斷模式。每種模式都將在不需要時(shí)關(guān)斷各種內部計算模塊，通常將電流需求改變幾個(gè)數量級。為實(shí)現這一節能優(yōu)勢，向完全活動(dòng)模式過(guò)渡需要最低有限響應時(shí)間。采用靈活模式這一混合配置時(shí)，計算內核處于睡眠模式，而外圍接口仍處于活動(dòng)狀態(tài)。休眠模式可提供SRAM數據存儲功能，并可選擇允許實(shí)時(shí)時(shí)鐘仍保持活動(dòng)狀態(tài)。
圖6.詳細的MCU功耗與時(shí)序圖。 圖6為詳細的MCU功耗與時(shí)序圖，顯示了每種低功耗MCU模式、過(guò)渡時(shí)間和占空比的影響。當MCU處于非活動(dòng)狀態(tài)時(shí)，使用低功耗模式是保持在低功耗傳感器節點(diǎn)預算范圍之內的關(guān)鍵。9 傳感器融合 先進(jìn)的模擬微控制器提供了一個(gè)完整的混合信號計算解決方案。配備嵌入式精密模數轉換器(ADC)的前端模擬多路復用器支持更先進(jìn)的傳感器融合技術(shù)。在進(jìn)行數字處理之前，可將多傳感器輸入發(fā)送至單個(gè)微控制器。片上數模轉換器(DCA)和微控制器反饋至附近其他設備，可實(shí)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(huán)）為多傳感器邊緣節點(diǎn)提供額外的算法靈活性。10
圖7.可在單個(gè)模擬微控制器中處理多傳感器信號。 多個(gè)傳感器的模擬信號可發(fā)送至單個(gè)精密模擬微控制器。微控制器中的算法可通過(guò)傳感器融合過(guò)程實(shí)現信息的智能組合。 室外污染監控器應用就屬于此類(lèi)邊緣節點(diǎn)處理。在此類(lèi)應用中，來(lái)自多個(gè)輸入來(lái)源（如氣體傳感器、溫度傳感器、濕度傳感器和顆粒傳感器）的數據在單個(gè)處理器中融合并進(jìn)行分析。通過(guò)這些信息，分析處理完畢后，即可基于只能從本地傳感器節點(diǎn)那獲知的校準和補償信息生成污染數據。然后，可將這些經(jīng)過(guò)校準的數據發(fā)送至云，以便進(jìn)行歷史分析。在一些情況下，可能需要進(jìn)行獨特的一次性調試，針對其特定的環(huán)境失調配置每個(gè)傳感器節點(diǎn)。9 ADI公司對ULP平臺進(jìn)行了大量投資，在傳感器、處理器和節能模式的強大功能集方面均有重大改進(jìn)。近期發(fā)布的ADuMC3027和ADuMC3029系列微控制器可提供26 MHz ARM Cortex-M3內核的性能，同時(shí)在活動(dòng)模式下的工作電流低于38 μA/MHz，而在待機模式下為750 nA。這種高效的本地處理能力可降低系統的整體功耗，同時(shí)大大減少通過(guò)網(wǎng)絡(luò )發(fā)送數據進(jìn)行分析的需要。9 ADI公司提供各種MCU和DSP引擎，有助于以智能方式捕捉和處理發(fā)送至云的物聯(lián)網(wǎng)數據。ADuCM36x系列采用ARM Cortex-M3處理內核和集成式雙核Ʃ-Δ ADC。ADI公司的SHARC® 數字信號處理器系列在許多將動(dòng)態(tài)范圍作為關(guān)鍵要素的應用中實(shí)現了實(shí)時(shí)浮點(diǎn)處理性能。4 新一代Cortex-M33處理器基于A(yíng)RMv8-M架構 ，采用可靠的TrustZone™技術(shù)，通過(guò)處理器的內置硬件保證可信應用和數據的安全。隨著(zhù)世界的聯(lián)系變得越來(lái)越緊密，確保每個(gè)節點(diǎn)的安全性是促進(jìn)物聯(lián)網(wǎng)應用發(fā)展的關(guān)鍵。 1Michael Porter和James Heppelmann�！爸悄苓B接產(chǎn)品如何改變競爭�！惫鹕虒W(xué)院評論，2014年11月。 2Grainne Murphy和Colm Prendergast�！熬仍谖锫�(lián)網(wǎng)中的重要影響�！盇DI公司，2016年8月。 3Boris Lerner�！岸c(diǎn)與浮點(diǎn)數字信號處理�！盓E Times，2007年2月。 4 數字信號處理器。ADI公司 5歐洲編輯�！岸嗪宋⒖刂破魈嵘阅��！盌igi-Key，2013年11月。 6Oivind Loe�！霸u估真實(shí)環(huán)境中MCU的能效�！鼻度胧�，2015年10月。 7Amyas Phillips�！肮I(yè)物聯(lián)網(wǎng)�！盇RM。 8 物聯(lián)網(wǎng)連接™，EEMBC基準。EEMBC。 9Michelle Farrington。自供電物聯(lián)網(wǎng)系統的演變。IDTechEx，2016年4月。 10 精密模擬微控制器。ADI公司，2008年7月。 作者簡(jiǎn)介 Ian Beavers是ADI公司自動(dòng)化、能源和傳感器部（美國北卡羅來(lái)納州格林斯博羅）的產(chǎn)品工程經(jīng)理。他于1999年加入公司。Ian擁有超過(guò)19年的半導體行業(yè)工作經(jīng)驗。Ian于美國北卡羅來(lái)納州立大學(xué)獲得電氣工程學(xué)士學(xué)位并于格林斯博羅分校獲得工商管理碩士學(xué)位。聯(lián)系方式：Ian.Beavers@analog.com。 |
