【华为云IoT】读书笔记之《万物互联：物联网核心技术与安全》第3章（下）

第3章，物联网的感知识别技术体系

        无论物联网层次如何划分，架构的最底层都是感知层。感知层实现了物联网对整个物联世界的感知，感知层的各种感知技术将各种物体和环境的感知信息通过通信模块和接入网关，传递到物联网网络传输层（接入层）中。感知技术的本质是信息采集，物联网感知层涉及的技术众多，书中通过标识技术、传感技术和传感网、特征识别技术、位置感测技术和人机智能交互技术对感知识别技术体系进行分析，由于从第三章开始，涉及到物联网的一些具体技术，并非如前几章节一样只是概览，综述类的知识，由于章节内容较多，学习笔记将分上中下三部分，此次主要学习分享位置感测技术、感测新技术和异常发现技术。

3.5位置感测技术

        位置感测的概念经常被等同于定位，就像GNSS经常被理解为GPS，实际上，前者的范围大于后者。位置感测广泛应用于交通工具的导航、地理测绘、摄影、探险、搜救等领域。定位技术呢就比较具体，包括卫星定位、无线电波定位、传感器节点定位、RFID定位、蜂窝网定位等。国际全球导航卫星系统（GNSS）卫星定位泛指所有的卫星导航系统，比如我们熟知的GPS，还有咱们自主研发设计的北斗等。卫星定位可以连续不断地采集物体移动信息，更是物流智能化、城市规划可视化的重要技术，广泛应用于智能交通、智慧城市、军事等领域。物联网中，卫星定位可以通过多传感器融合提高能力、扩展应用场景。

        蜂窝网络定位技术主要用于移动通信中广泛采用的蜂窝网络。移动设备始终是和一个蜂窝基站联系的，蜂窝基站定位就是利用这些基站来定位移动设备，定位的精度与卫星定位有一定的差距。蜂窝定位技术主要包括：COO定位、ToA/TDoA定位、AoA定位。蜂窝基站定位的精度不高，其优势在于定位速度快。辅助GPS定位是一种GPS定位和移动蜂窝接入定位技术的结合应用。通过基于移动通信运营基站的移动接入定位技术可以快速地定位，比如我们的手机终端定位。辅助GPS定位技术可以降低首次定位时间和提高定位精度。

        节点定位指的是在无线网络中确定节点的相对位置和绝对位置。作为无线传感器网络的关键技术之一，节点定位是特定无线传感器网络完成具体任务的基础。虽然节点可以通过使用GPS和蜂窝定位，或者使用其他技术手段获取自身位置，但无线传感器网路节点的微型化设计和电池供电的能力有限，低功耗是网络设计的一个重要目标，而GPS等在成本、功耗、体积及扩展性等方面都很难适用于大规模的无线传感器网络。

        定位主要是测距的算法，而算法分为距离相关和距离无关定位算法。距离相关的算法需要测量距离或角度信息，且必须由传感器节点直接测得。距离无关的算法是依靠节点间的通信间接获得的，根据网络连通性等信息便可实现定位，其精度不如距离相关算法，但性价比高。

        室内定位的方法主要有红外线定位、超声波定位、蓝牙定位、RFID、超宽带定位、ZigBee定位的。ZigBee也是典型的短距无线技术，在物联网技术中也较为常见。Beacon和iBeacon即蓝牙信标技术，蓝牙信标技术能满足绝大数多的消费级别的室内定位应用。

        除了以上提及的定位技术，还有基于计算机视觉的定位和光跟踪定位、磁场，以及基于室内外场景融合、图像分析的定位技术等。如室内信息技术（IMES）和指纹定位，指纹定位是在固定区域利用无线电特征比对实现定位的一种技术。Wi-Fi指纹技术是目前商业化最成熟的大范围室内定位方式之一。

3.6感测新技术

        机器视觉的概念源于计算机视觉，计算机视觉是研究如何让计算机从图像和视频中获取高级、抽象的信息。机器视觉主要指用机器代替人眼来做测量和判断。机器视觉系统是通过机器视觉产品将被摄取目标转换成图像信号，传送给专用的图像处理系统，得到被摄目标的形态信息，根据像素分布和亮度、颜色等信息，转化成数字化信号。简而言之，机器视觉是通过技术，用来模拟人眼的部分功能，机器视觉技术属于人工智能正在快速发展的一个分支。机器视觉的应用领域主要有检测和机器人视觉两个方面。

        人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，也就是研究如何应用计算机的软硬件来模拟人类的某些智能行为的基本理论、方法和技术。深度学习是机器学习中一个新的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，它模仿人脑的机制来解释数据。深度学习是指在多层神经网络上运用各种机器学习算法解决图像、文本、语音等各种问题的方法集合。

        RGB-D是在三原色成像的同时，记录每个像素的深度，开辟了三维图像分析的新领域，丰富了通过模式识别或现有人工智能方法对图像显示的场景内容进行描述、解释、分类和推断的能力。比如，双目立体相机是利用双眼视差的原理来计算距离的。单目视觉的方法可以有效降低成本，但是它无法通过一张图片计算场景中物体的距离，需要移动相机，对比不同的角度或距离产生的图片，从而计算得到距离参数。

        结构光方案利用具有一定结构的光阵列，通常是红外线点阵，通过投影在测量对象上的点阵变化来获取距离，也称点阵图判断法，同样利用的是视差原理。TOF（Time of Flight）直译为”飞时“原理，通过测量发射与反射红外信号的相位延迟，来计算每个像素到目标物体的距离。SLAM是用传感器在空间中的定位以及创建环境地图的方法。VSLAM即使用相机作为传感器的SLAM方法被称为视觉SLAM。

3.7异常发现技术

        在物联网感知层，对于通过感知（设备）物理世界获得所需信息的技术，正在与时俱进，但与此同时，物联网应用大发展带来的物联网设备潮中，出现了物联网安全威胁事件，也需要我们正视物联网安全问题。物联网设备的天然缺陷是资源受限性，物联网设备一般讲究低功耗、低成本，那么其安全防护就较弱。异常发现并尽早定位，可以避免恶意行为扩散到网络层中。系统层面发现与防御的仿生学——向生物智能学习，基于云安全的”云异常判断“不仅将对象锁定在异常的物联网设备自身，还能分析来自于能够和它通信的其他设备，就像我们不仅关注病理本身，也要关心传播途径。

        物联网安全是一个贯穿全产业链各个环节的系统工程，比如认证考试中的判断题，物联网安全仅包括感知层，这是明显错误的，物联网是每个层面都需要关注和解决的问题，并非一个层级单独关注的事情。用大物联网安全的视野来看物联网安全生态链，将会越来越重要。

        本周学习笔记如上，终于学习完了第三章，那么，下章见！