《认知计算与深度学习》_基于物联网云平台的智能应用_3.2 物联网体系结构和交互框架

【摘要】 本书摘自《认知计算与深度学习》一书中第3章，第2节，为陈敏、黄铠所著。

3.2 物联网体系结构和交互框架

本节我们将会介绍物联网的基础体系结构，其中涉及的网络需求包括无线、有线和移动 核心网络。接着，我们将讨论本地和全球定位技术以及后续可能用于5G 移动系统的基于云的无线接入网络。最后，我们将分别介绍4种物联网交互框架。

3.2.1 物联网体系结构

物联网基础体系结构分为感知层、网络层和应用层，其本质是一个事件驱动型的体系 结构。图3-2给出了物联网的三层体系结构示意图。顶层是由一系列的智能应用(如商品追 踪、环境保护、智能搜索、远程医疗、智能交通和智能家庭等)构成的应用层。底层是由各 种传感器(如ZigBee 设备、 RFID 标签以及GPS 导航仪等)和自动信息收集装置组成的感知 层。传感器是在本地工作并远程连接到Internet( 如RFID 网络和GPS 系统等)中的。检测装置将收集的信息通过云计算平台传输给应用程序。

信号处理云是由移动网络、骨干网和各种信息网络构建而成的。在物联网中，传感事件 的不确定性非常强。但我们可以采用面向服务的体系结构为传感事件设计一个通用模型。我 们采用大量的传感器和过滤器采集原始信息，使用各式各样的具有计算和存储功能的云平台 和网络处理这些信息并且将原始数据转化为可用的信息模式。最终，传感信息将会汇集在一 个面向智能应用的决策系统中。信息网络也可以被当作一个语意网，其中的一些元素(如服务、组件等)都是能够自我学习的。

3.2.2 本地定位技术与全球定位技术

如今，人们对网络世界与现实世界相融合的需求变得越来越迫切，定位成为互联网络世 界和现实世界的桥梁。以WSN 为例，有了位置信息，数据感知就会变得有意义。例如，在 一个名为ZebraNet 的真实 WSN 工程中，生物学家想要追踪和研究动物，如果没有定位，我 们连追踪动物都无法做到，更无法进行进一步的研究。又比如在为用户提供个性化服务的应用中，区分各种场景的位置是至关重要的一环。

根据不同硬件设备的功能，我们将测量技术分为六类(从细粒度到粗粒度划分):位置、 距离、角度、区域、跳跃总数和邻近关系。其中，最强大的物理测量就是不采用任何计算而 直接获得位置信息。 GPS 就是这样一种基础设施。在本章中，我们将讨论其他五种测量技术 及其基本原理。与距离相关的信息一般可以通过无线电信号强度或无线电传播时间来获得， 角度信息可通过天线阵列获得，而面积、跳跃总数以及情景信息等无线信号一般只存在于传 感器节点附近。本地定位系统依赖于超密基站部署，但是这对大多数资源有限的Ad Hoc无 线网络来说是一个沉重的负担。此外，本地定位技术通过手动测量来确定设备的位置，而 这在大规模部署或移动系统中显然是不可行的。而对于全球定位系统来说，尽管GPS 是 目 前非常流行的系统，但其缺点是不适合用于室内环境中的定位，同时GPS 的硬件成本也很高。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们 [email protected] 处理，核实后本网站将在24小时内删除侵权内容。