毫米波传感器实现边缘智能

然而，随着连接到云的传感器数量的增加，系统对网络带宽、远程存储和数据处理的要求也迅速增加。边缘智能处理可以减少发送到中央服务器的数据量，增加传感器本身的决策量。这样可以提高系统的可靠性，降低决策延迟和网络成本；如果服务器关闭了，你最不想看到的就是传感器检测不到物体，无法做出决策！

边缘智能和连接

毫米波传感器通过两种方式实现边缘智能。首先，毫米波可以提供距离、速度、角度等独特的数据信息，并具有反射不同目标的能力，使传感器能够检测到探测范围内不同物体的具体特征。比如速度数据可以让传感器看到微-多普勒effect-来自微小运动的调制效应-包含目标物体的典型特征，比如自行车车轮的旋转辐条，行走的人的摆臂，或者动物奔跑的肢体。系统可以使用该数据来分类和识别传感器视野中的对象类型。

减少错误检测

其次，毫米波传感器通过片上处理实现边缘智能。包括微控制器和数字信号处理器(DSPs)在内的传感器可以执行主要的雷达处理，以及特征检测和分类。

图1显示了在安全应用中使用片上智能的50米室外入侵检测器的实验结果。入侵探测器用于确定一个人是否已经进入进入保护区，如货场、停车场或后院。一些依赖光学或红外传感器的传感器可能会检测到附近树木和灌木的错误移动。而毫米波传感器利用处理和算法滤除和防止误检，只有在人体运动时才触发探测器。安全摄像头和可视门铃可以通过连接到网络服务器来处理图像，并执行相同的错误检测和过滤。这些基于服务器的系统提供的功能通常需要用户付费，而毫米波技术可以在没有联网服务器的情况下对传感器本身做出决定。