在物聯網的世界里，微機電系統(MEMS)傳感器是搭建用戶與其周邊眾多設備(如智能手機、可穿戴設備、機器人和無人機)之間的橋梁。然而，僅僅憑借設備的傳感和物聯網卡連接根本不足以實現物聯網的遠大目標。只有以人為本，即解決現實生活中的日常挑戰、使生活更便捷并提升易用性，物聯網才能取得成功。此外，隨著周遭環境的日益復雜，各類設備對眾事物無時無刻的傳感功能也讓傳感器供應商面臨著巨大的挑戰。下面將從傳感器供應商的角度探討這些挑戰及其解決方案。

　　智能傳感器在物聯網領域面臨的三大挑戰

　　當今的智能傳感器模塊包含與原始傳感器集成的某些處理能力，它所面臨的主要挑戰可歸結為以下三點：

　　第一個挑戰是技術本身。供應商欲利用其核心MEMS和系統技術來完成這項不可能完成的任務。對于工程師來說，這是一種物理限制的挑戰。封裝尺寸不能無限縮小，而對低能耗和高性能的要求也不斷提高。供應商不得不改進系統，使其更智能、更具感知性。要實現這一目標就必須使技術跨越多個產品平臺。

　　第二個挑戰源于行業寬泛的分散特性。當下，MEMS傳感器的大部分收益來源于智能手機——每年智能手機銷量超過十億部，每臺智能手機至少包含一臺MEMS傳感器。根據智能手機原始設備制造商(OEM)設定的規格，Bosch Sensortec等廠商開發了相應的MEMS傳感器。

　　但物聯網是一個特殊的領域，其特點在于競爭性技術平臺結構的高度分散性。在整個物聯網空間，對由傳感器、微控制器和執行器組成的傳感器子系統的要求有很大差異。因此，Bosch Sensortec等供應商需要創建集成硬件和軟件的跨平臺解決方案，并提供專用的應用軟件。借助軟件和專業應用技術，供應商在幫助客戶解決具體問題時無需特意為每個應用程序定制硬件解決方案。

　　最后的挑戰則是呈幾何式增長的復雜性。物聯網系統本身十分復雜，只提供組件已不能滿足原始設備制造商的需求，通常需要一站式解決方案或參考設計。處于市場領導地位的供應商將更多的系統處理能力納入單個模塊化設備，以此為基礎開發集成智能傳感器的解決方案，從而滿足大幅降低復雜性的需求。而由于沒有一家公司能夠提供全面的解決方案，所以供應商還必須在創建參考設計等方面與第三方密切合作并建立伙伴關系。

　　物聯網傳感器信息的層次結構

　　物聯網信息結構包括幾個層次。典型應用的層次按信息有用性的遞增狀況排序如下：

　　傳感器信息層次結構

　　1.原始數據

　　2.運動檢測

　　3.活動監控

　　4.情境感知

　　5.意圖預估

　　盡管原始數據可能被過濾、補充和更改，但大多數情況下它們會明確限制用戶對數據的使用。在第二等級，通過識別模式和應用算法分析數據，以提供運動檢測信息。然后，通過添加額外的傳感器功能，例如根據氣壓測量的高度，就能進入下一個等級，來分配推斷活動監控的信息。在當代無處不在的計算環境中，設備情境感知的定義更加豐富：如與其他設備的交互、適應環境噪聲與光線條件以及網絡狀態等。這使任務變得更為復雜：如需要基于情境和行為模式的加權評估生成預測性決策。

　　在這一點上，傳感器系統處理數據的方式與人類大腦功能具有可比性。人腦在數據處理時主要運用兩個系統：認知系統和邊緣系統。認知系統類似于云計算——有延遲現象的高處理效能和大容量內存。相比之下，邊緣系統則是原始、反應和反射的系統——與傳感器系統中的局部處理，即邊緣計算相對應。

　　反觀物聯網，傳感器信息層次對確定測量數據重要與否至關重要。不具備可行性的數據基本無法使用，從而導致大部分應用程序中存在大量冗雜多余的數據。

　　直觀地說，簡單地將傳感器永久地保留下來，等待識別有用信息(例如計步應用中的加速度計)通常更有效。傳感器系統需智能地篩選出值得傳輸到云端的數據，從而有效利用可用的帶寬和功率。關鍵在于，本地傳感器能夠自動過濾掉大部分無用的數據，從而節省寶貴的系統驅動容量。

　　物聯網系統驅動程序

　　在物聯網傳感器應用中，有以下幾個影響系統和組件設計的關鍵系統驅動程序：

　　對于小型或便攜式設備的某些應用來說，低能耗至關重要。這種情況下，與感測元件(“傳感器機器人”)匹配的自主傳感器處理器有助于邊緣處理，即確定何時將數據傳輸到云端，從而降低數據傳輸的資源成本。

　　在需要最短時間內傳輸大量數據的情況下，縮短延遲時間則尤為重要。例如在虛擬現實(VR)中需要實時發送圖像，以便與用戶頭部的運動同步。

　　快速行為學習應用的系統中，高數據采樣率必不可少。例如在振動機械的預測維護中，傳感器必須以足夠高的速率進行采樣，以便捕獲導致設備故障的所有相關數據。

　　簡單集成的變數很大，由于投入時間的長短和工程資源的大小不同，原始設備制造商往對傳感器數據的預期往往也不同。為簡化應用中傳感器的集成，越來越多的公司使用智能傳感器，將嵌入在傳感器中的數據處理裝置與供應商提供的軟件解決方案相匹配。例如在機器人技術領域，原始設備制造商更專注于機器人本身的運動，傾向于完全不處理原始的傳感器數據。

　　邊緣運算則類似于上述的邊緣系統。我們有時需要邊緣處理功能，而這通常以低功耗和易于集成為先決條件。

　　由于傳感器模塊中的存儲器成本非常高，云存儲成為本地存儲和處理可行的替代方案。一方面，我們不希望傳輸大量不必要的數據，而另一方面，我們受到傳感器物理存儲容量的限制。因此，我們必須使傳感器智能化，并確保傳感器能夠過濾掉大部分無用的數據，從而防止超出內存。

　　應用示例

　　我們舉例來說明上圖的幾點。首先，可穿戴的應用程序，如計步器必須永不斷電且電池要盡可能小。這類應用程序的關鍵是低能耗，通過將計步功能直接集成于傳感器本身來實現。除非絕對必要，否則不會喚醒可穿戴設備的主處理器，從而節省電池電量。

　　為節省資源，使用者無法將所有計步數據傳送到主機，這也是邊緣計算應用的典型特點。從耗能角度考慮，BHA250或BHI160的超低能耗解決方案是理想的選擇。

　　另一個例子是快速原型工藝的開發趨勢，這一趨勢在大型公司越來越普遍地用于市場驗證中?？焖僭凸に囃ǔＴ谌鏏rduino、Raspberry Pi或其他類似的開源系統之類的開發平臺使用，其中包括傳感器組件的組合驗證。

　　這類應用需要傳感器供應商提供相對復雜的軟件，以最大程度地實現集成。開發時間必須盡可能短，且原始供應商也需要利用有限的傳感器知識進行系統設計的探索。將傳感器用于Arduino和Raspberry Pi等多個平臺，能夠極大地簡化集成。

　　要實現物聯網應用的成功，需要一位能夠理解這種高度復雜的物聯網環境的合格傳感器供應商作為合作伙伴。他們能夠提供廣泛且高性能傳感器組合，并為客戶的應用提供優質解決方案。質量、本地支持和與強有力的第三方合作伙伴同樣重要，這些能夠提供參考設計和系統層面的專業知識。

　　物聯網需要對多種應用的深入了解并滿足各種傳感器和處理的要求——低功耗、易集成、數據速率、縮短延遲等。只有了解這些不同因素之間的相互關系，才能為快速發展的物聯網市場設計創新化的優質產品，使用戶的生活更加便利，從而實現物聯網的承諾。