在物联网领域，微机电系统（MEMS）传感器是众多设备的支柱，例如智能手机、可穿戴设备、机器人和无人机。然而，仅仅将设备进行感知与连接是不足以实现物联网美好愿景的。

事实是，物联网只有以用户为中心才能取得成功：即物联网方案需更具实用性，能够解决现实生活中的日常问题，使生活更便捷。此外，物联网设备需要在越来越多的复杂环境中进行无处不在的数据感知，这就使得传感器供应商面临着更多的挑战。下面从传感器供应商的角度来讨论这些挑战以及克服这些挑战的一些解决方案。

物联网中智能传感器的三重挑战

将现今的智能传感器模块和初代传感器模块的某些集成处理能力模块比较后，小编将智能传感器面临的挑战归结为三重：

技术

当前传感器技术在应用是还有诸多问题需要解决。比如说有些物理限制对工程师也构成了挑战：模块的体积不可能无止尽的缩小，但市场对低功耗和高性能的需求却增加。供应商也被迫需要在这些系统中嵌入越来越多的AI功能以满足用户需求，为实现这一目标，需要跨多个产品平台，这无疑增加了传统传感器企业的技术投入负担。

物联网行业的碎片化

在传感器市场，MEMS传感器大部分收入来自智能手机市场，每年销售超过10亿部智能手机，而每部智能手机至少包含一个MEMS传感器。智能手机零件制造商设定了设备的规格，类似于博世等供应商就相应地定义了他们的MEMS传感器的型号。

物联网领域是不同的，它是是竞争技术平台的高度分散的结构。每个技术平台对传感器，微控制器和执行器的传感器子系统的要求都不相同。因此，博世等供应商需要创建集成硬件和软件的跨平台解决方案，并提供特定于应用程序的软件。通过利用软件和应用程序专有技术，供应商可以帮助客户解决特定问题，而无需为每个应用程序定制硬件解决方案。

物联网系统的复杂性

物联网系统本身就很复杂，OEM厂商仅供应组件已经不能够满足供应商的需求了，还需要特定的解决方案或参考设计。

一些领先的供应商通过集成智能传感器解决方案满足这些要求，通过将越来越多的系统处理能力集成到单个模块化设备中，从而大大降低了解决方案的复杂性。由于没有一家公司能够提供全方位的完整解决方案，供应商还必须与第三方密切合作并形成合作伙伴关系。

物联网传感器信息层次结构

物联网信息结构由多个层次组成, 一般的应用程序, 是按以下顺序排列:

传感器信息层次结构

原始数据

运动检测

活动监测

情境感知

意向预测

虽然原始数据可以被过滤、补偿和校正，但在大多数情况下，用户可以用这些数据来做什么却有明确的限制。在随后的层次上，通过识别模式和应用算法，数据可以被解释为提供运动检测信息。

在现代普通计算环境中，一个设备与其他设备的交互、适应环境噪声和光条件、网络状态等设备的情境感知能力要求较高。这就有了更复杂的任务，例如基于时间和行为模式加权评估来进行预测决策。

在这一点，将传感器系统处理数据的方法与人脑的功能相关联来理解。人类大脑有两个主要系统来处理数据：认知和边缘。认知水平对应云计算，云计算具备高处理能力和大内存，但会出现信息延迟。相反，边缘系统是原始的、反应性的和反射性的，这对应于传感器系统中的局部处理，即边缘计算。

描述认知系统和边缘系统之间的差异，与人类大脑对感官数据的处理相关

在物联网系统中，传感器信息层次确定测量数据重要与否很重要。如果数据是不可执行的，那它基本上是没用的。

直观地说，受欢迎的传感器是以简单有效的方法来确定有用的信息。传感器系统必须智能地确定哪些数据值得传输到云，从而有效地利用可用带宽和功率。最好本地传感器处理能够自动丢弃大部分这些多余的数据，从而节省宝贵的系统驱动程序容量。

物联网系统驱动程序

在物联网传感器应用中，我们可以识别出影响系统和组件设计的几个关键系统驱动程序：

低功耗

低功耗在小型或便携式设备中是至关重要的。这里，感测元件配对的自主传感器处理器是用于边缘处理，从而削减数据传输到云的资源成本。

低延迟

在我们需要以最小延迟传输大量数据的情况下，低延迟非常重要。例如，在虚拟现实（VR）中，需要以实时速度发送图像以便跟上用户头部的动态运动。

数据采样率高

快速系统活动学习应用可能需要高数据采样率。例如，在振动机械的预测性维护中，传感器必须以足够高的速率进行采样，以捕获导致设备故障的所有相关数据。

易于集成

每个场所的易于集成的情况区别都很大，OEM对于他们准备投入多少时间和工程资源来解释传感器数据的期望往往非常不同。为了简化传感器与其应用程序的集成，许多公司需要越来越智能的传感器，这些传感器通过供应商提供的软件解决方案提供嵌入传感器内部的一定程度的数据处理。例如，在机器人技术中，OEM将专注于机器人本身的运动，而不是处理原始传感器数据。

边缘计算

边缘计算类似于上述边缘系统。有时我们需要边缘处理性能，而且这通常与低功耗和易于集成的先决条件相辅相成。

存储

由于传感器模块中的内存成本要高得多，因此云存储提供了本地存储和处理的可行替代方案。问题是，一方面，我们不想传输大量不必要的数据，但另一方面，我们受到传感器物理存储容量的限制。因此，我们必须实现传感器智能，并确保传感器丢弃大部分不必要的数据，并防止内存容量滥用。

影响和约束物联网系统和组件设计的六要素（图片来源：Bosch Sensortec）

应用案例

为了印证上述几点，我们来看几个例子。首先，诸如计步器之类的可穿戴应用需要始终开启，并且电池需要尽可能小。这里的关键因素是低功耗，这可以通过将记步器计数功能直接集成在传感器本身内来实现。除非绝对必要，否则不会唤醒可穿戴设备的主处理器，从而节省电池电量。

为了进一步节省电力资源，可穿戴设备不会将所有步数数据传输到主机，这使其成为边缘计算应用的典型示例，功耗是首要考虑因。

另一个例子是快速原型制作的趋势，即使在大型企业中用于市场验证用例也越来越普遍。 快速原型设计通常在诸如Arduino，Raspberry Pi等类似开源系统的开发平台上执行，其中包括传感器的组件被组合以验证概念。

为了最大程度地简化集成，这种类型的应用程序需要传感器供应商提供相对复杂的软件。 OEM也需要在传感器知识有限的情况下探索系统设计，所以开发时间需要尽可能的缩短。 如Arduino和Raspberry Pi等开发平台提供的传感器就大大简化了集成。

结语

一个成功的物联网应用，需要与传感器供应商合作。这样的合作伙伴应该提供广泛的高性能传感器产品组合，并为物联网应用提供合适的解决方案。 同样重要的是质量、本地支持以及与第三方的强大合作伙伴关系，他们可以提供参考设计和系统级的专业知识。

物联网需要深入了解大量应用以及满足关键传感器和处理要求的能力，如低功耗、易于集成，数据速率、延迟等。只有了解这些不同因素之间的相互关系，开发者才能设计出面向快速增长的物联网市场的创新和成功产品，使用户的生活更加便捷，从而加速万物互联时代的到来。