远距传输的低功耗网络技术LoRaWAN及边缘人工智能如何革新物联网

本篇文章1759字，读完约4分钟

人工智能和物联网在实际应用中的融合形成了智能物联网，是所有事物的智能互联。目前，aiot已经成为业界认可的未来技术的主流形式。艾瑞咨询(iResearch)最近发布的《2020中国智能物联网(aiot)白皮书》称，2025年中国将有近200亿个物联网连接，大规模连接带来的交互和数据分析需求将推动物联网和ai的更深层次融合。另一方面，智能物联网系统暴露了云计算的潜在问题。随着智能和自动化程度的提高，具有出色性能和安全性的应用程序不可避免地会出现意外延迟。

如今，两大挑战威胁着数量成倍增长的联网设备:一是远程通信边缘设备的性能，二是离网物联网应用的电池寿命。

原始数据的传输对于任何设备来说都是非常消耗功率的。传统的蜂窝广域网(wan)消耗大量电能，因此不适合电池供电的物联网设备。Lorawan(远程广域网)是物联网应用中的通信协议之一，它可以解决人工智能如何通过边缘应用改变物联网架构的问题。

为什么使用 罗拉旺 和edge人工智能？

随着智能设备的激增，核心网络和终端设备都面临着来自通信的挑战，如拥塞、安全延迟、数据隐私和缺乏互操作性。

对于该领域，大部分挑战来自对云计算的过度依赖。当将数据发送到云时，将会有更多的能耗、带宽、存储和延迟，从而导致更高的成本。雾计算或边缘计算可以降低成本并提高效率。

当无线技术用于数据传输时，终端设备中会出现通信障碍。在物联网中，蓝牙等无线标准技术具有低功耗的优势，但覆盖范围有限是一个主要障碍，尤其是对于智能城市服务而言。在这种情况下，低功耗广域网(lpwan)已经成为远程蜂窝和短程操作技术之间的可靠替代方案。

Lpwan是一种低功耗、覆盖范围更广的通信物理层，工作在亚ghz射频频段。Lpwan是链路和网络层的有效标准协议，它提供可变的数据速率，并增加交换链路鲁棒性、覆盖范围或能耗的吞吐量的可能性。而组织和个人可以部署lpwan网络。

lpwan以及边缘附近的fog计算架构

在智能和数据处理方面，边缘计算和雾计算看起来非常相似。然而，它们之间的主要区别在于计算和智能发生在哪里。

在雾计算环境中，智能处理被放置在局域网(lan)上，数据从端点传输到网关。另一方面，边缘计算将处理能力和智能放在嵌入式自动化控制器和其他设备中。

这些设备可以运行算法并产生边缘智能——人工智能和边缘计算。

使用lpwan进行边缘计算的优势

减少数据传输:边缘计算减少了传输的数据量和云存储。另一个优点是计算能力被置于网络的边缘，这可以最小化延迟和成本，同时降低对带宽的需求。

减少延迟:边缘计算可以根据从流程中获得的见解，最大限度地缩短数据传输、处理和采取措施之间的时间间隔。此外，以较低的成本提高了分析和事件处理的速度，并且信噪比也降低了。靠近终端用户可以降低核心网络和连接设备的带宽和功耗。因此，边缘计算通过实时服务提供低延迟能力，这对于智能城市、车对车通信和其他要求延迟小于几十毫秒的应用来说是必要的。这比主流云服务的延迟要低。

安全增强:大多数用户将数据安全和隐私视为首要考虑因素，主要是因为这些因素对智能城市中的相关应用程序构成了安全威胁。安全性必须分为三层:用户隐私、数据安全和网络连接。边缘计算通过凭证升级和多个物理设备上的安全检查等措施，解决了物联网的安全挑战。

扩展应用 : 无线局域网和边缘设备在医疗保健监控中无处不在，例如，用来检测跌倒的病人。在过滤数据进行实时处理时，边缘设备可以提高准确性和适应性。在传统系统中，原始数据序列在云中传输，因此报警延迟增加。边缘系统通过将繁重的计算负载从传感器节点转移到边缘网关来减少传感器节点上的计算工作。

如何使用edge人工智能加速应用场景着陆

尽管边缘设备的建模和培训阶段将消耗大量资源并增加额外的复杂性，但市场上仍有高质量的选项来提供定制并降低复杂性。

Avery的smartedgeagile设备简化并大大降低了这种复杂性。Smartedgeagile是一款配备各种传感器的边缘计算设备。Brainium用于建造和训练模型。该设备具有lpwan连接，以建立fog计算架构，并使用网关连接到brainium。Avery的smartedge工业物联网网关将brainium和云安全无缝地连接起来。