能夠訪問數(shù)據(jù)寶藏也就意味著需要承擔重大的責任在沒有邊緣節(jié)點智能的傳統(tǒng)信號鏈解決方案中，數(shù)據(jù)只是數(shù)據(jù)。非智能節(jié)點從不會幫助生成用于制定可行決策的智慧和知識。可能存在大量對系統(tǒng)目標性能沒有影響的原始低質(zhì)量數(shù)據(jù)。轉(zhuǎn)換所有這些數(shù)據(jù)并將其發(fā)送至最終云存儲目的地可能需要消耗大量的功率和帶寬。
相比之下，聰明的智能分區(qū)邊緣節(jié)點檢測和測量會將數(shù)據(jù)轉(zhuǎn)換為可付諸行動的信息。智能節(jié)點可降低整體功耗，縮短延遲并減少帶寬浪費。這使得具有較長延遲的反應(yīng)型物聯(lián)網(wǎng)可以轉(zhuǎn)變成實時的預(yù)測型物聯(lián)網(wǎng)模式。物聯(lián)網(wǎng)仍然適用基本的模擬信號鏈電路設(shè)計理念。對于復(fù)雜的系統(tǒng)，通常需要擁有深厚的應(yīng)用專業(yè)知識來解讀已處理的數(shù)據(jù)。
優(yōu)化的智能分區(qū)最大程度地提升了云價值
只有最重要的測量信息才需要通過網(wǎng)關(guān)發(fā)送至云端以進行最終處理。在一些情況下，大多數(shù)數(shù)據(jù)根本不重要。但是，對于本地實時決策所需的時間關(guān)鍵型系統(tǒng)數(shù)據(jù)，應(yīng)在將其聚合到可進行遠程訪問的遠端節(jié)點之前及早依其行事。相反，通過預(yù)測模型利用歷史值來影響長期洞察的信息是云處理的理想應(yīng)用。通過將數(shù)據(jù)歸檔到龐大的數(shù)據(jù)庫以供追溯處理和決策使用，發(fā)揮出了云處理和存儲的強大優(yōu)勢。
圖3. 邊緣節(jié)點的智能分區(qū)解決了以前無法解決的新挑戰(zhàn)。信號鏈中更早的精簡處理和智能實現(xiàn)了更高效的整體物聯(lián)網(wǎng)解決方案。
實時決策依賴于邊緣
物聯(lián)網(wǎng)傳感器主要為模擬傳感器。具體的工業(yè)應(yīng)用要求將決定邊緣節(jié)點前端所需傳感器的動態(tài)范圍和帶寬。在將信號轉(zhuǎn)換為數(shù)字表示并傳輸?shù)竭吘壨獠壳?，信號鏈的前端將處于模擬域內(nèi)。如果選擇不當，模擬信號鏈中的各個元件都有可能限制邊緣節(jié)點的整體性能。動態(tài)范圍將為目標滿量程傳感器相對于本底噪聲或下個最高無用信號的差值。
由于物聯(lián)網(wǎng)傳感器通常會同時尋找已知和未知活動，因此模擬濾波器并非始終有意義。數(shù)字濾波會在對信號進行采樣后執(zhí)行。除非在傳感器的前端使用模擬濾波器，否則基波的諧波或其他雜散信號可能混入檢測的信息并與目標信號競爭功率。因此，在設(shè)計階段應(yīng)該針對時域和頻域中的意外檢測信號制定應(yīng)對計劃，防止干擾偽像出現(xiàn)在測量數(shù)據(jù)中。
檢測到的信息通常由信號鏈中接下來的ADC進行測量。如果使用分立元件來設(shè)計物聯(lián)網(wǎng)邊緣節(jié)點，則在選擇測量ADC時應(yīng)該注意不要減小傳感器的動態(tài)范圍。嵌入式ADC的輸入滿量程范圍通常與傳感器輸出幅度匹配良好。理想情況下，傳感器輸出應(yīng)消耗幾乎整個ADC輸入范圍(在1 dB內(nèi))，而不使ADC發(fā)生飽和，也不會在范圍限制處被裁減掉。但是，也可以使用放大器級來對傳感器輸出信號進行增益或衰減，以便使ADC自身的動態(tài)范圍達到最大。ADC滿量程輸入、采樣率、位分辨率、輸入帶寬和噪聲密度都會影響邊緣節(jié)點的信號測量性能。
前端放大器可以嵌入在節(jié)點的測量級或作為分立元件置于ADC前。放大器的增益、帶寬和噪聲也可以增強邊緣節(jié)點的性能。
信號鏈中傳感器之后的測量ADC通常采用以下兩種采樣架構(gòu)類型之一：奈奎斯特速率或連續(xù)時間∑-? (CTSD)，其中后者在嵌入式ADC中更為常見。奈奎斯特速率ADC具有等于采樣率頻率一半(即fs/2)的平坦標稱噪底。CTSD結(jié)合使用過采樣率和陷波通帶，使噪聲超出目標帶寬，從而增加動態(tài)范圍。在了解邊緣節(jié)點的模擬帶寬和動態(tài)范圍時，測量ADC架構(gòu)及其分辨率非常關(guān)鍵。
圖4. 如果物聯(lián)網(wǎng)傳感器上沒有前端模擬濾波器，奈奎斯特速率ADC會將超出第一奈奎斯特區(qū)域的高階頻率折疊回目標帶寬中。相比之下，具有過采樣調(diào)制時鐘的CTSD ADC架構(gòu)使用噪聲整形來在目標頻段中實現(xiàn)高動態(tài)范圍。由于CTSD具有固有濾波能力，因此對信號混疊不太敏感。
例如，在頻域中，1 Hz單位帶寬的噪聲密度將基于ADC的SNR以及噪聲在ADC采樣頻譜上的分布寬度。在奈奎斯特速率ADC中，噪聲頻譜密度(每1 Hz帶寬)為0 dB – ADC信噪比(SNR) – 10 ×log(fs/2)，其中fs/2為采樣率除以二或ADC的單個奈奎斯特區(qū)域。理想SNR的計算公式為SNR = 6.02 × N + 1.76 dB，其中N為ADC位數(shù)。但是，ADC的實際SNR涉及到晶體管和半導(dǎo)體處理的非理想因素，這包括電氣噪聲和晶體管級元件瑕疵。這些非理想因素會導(dǎo)致SNR性能降到理想性能以下，因此請查閱ADC數(shù)據(jù)手冊以了解SNR目標性能。