IoT即服務(wù)導(dǎo)讀

特邀策劃人

陳翔

中山大學(xué)“百人計劃二期”引進(jìn)人才，電子與信息工程學(xué)院教授，博士生導(dǎo)師，電子與信息工程實驗教學(xué)中心主任，電子信息科學(xué)與技術(shù)教研室主任。分別于２００２ 年、２００８ 年在清華大學(xué)電子工程系獲工學(xué)學(xué)士和工學(xué)博士學(xué)位。２００８ 年７ 月至２０１４ 年１２ 月，先后任職于清華大學(xué)無線與移動通信技術(shù)研究中心和宇航技術(shù)研究中心，擔(dān)任助理研究員。２０１５ 年１ 月加入中山大學(xué)。主要研究方向：５Ｇ／６Ｇ 移動通信與物聯(lián)網(wǎng)、衛(wèi)星通信、電信大數(shù)據(jù)。榮獲２０２０ 年度廣東省電子信息行業(yè)科學(xué)技術(shù)一等獎、２０２０ 年產(chǎn)學(xué)研合作創(chuàng)新成果二等獎、２０２１ 年度廣東省科技進(jìn)步二等獎、廣東省物聯(lián)網(wǎng)協(xié)會２０２２ 年度科技進(jìn)步獎特等獎、２０２３ 年數(shù)博會優(yōu)秀科技成果獎；個人榮獲２０１７ 年度中國電子學(xué)會優(yōu)秀科技工作者稱號、２０１９ 年度ＮＩ 教育影響力獎、２０２１ 年度ＥＤＡ 精心育人獎、２０２４ 年度國家級創(chuàng)新人才稱號；先后獲得ＡＣＭ ＴＲＥＴＳ２０２３ 年度最佳論文獎、ＩＥＥＥ ＩＣＣ２０２１ 最佳論文獎、ＩＥＥＥ ＦＰＬ２０２０ 最佳論文提名獎、ＥＡＩ ＩｏＴＡＡＳ２０１９ 最佳論文獎、ＩＥＥＥ ＣｈｉｎａＣｏｍ ２０１４ 最佳論文獎等學(xué)術(shù)榮譽(yù)。

內(nèi)容導(dǎo)讀

物聯(lián)網(wǎng)（Ｉｎｔｅｒｎｅｔ ｏｆ Ｔｈｉｎｇｓ，ＩｏＴ）技術(shù)，作為新興生產(chǎn)力的關(guān)鍵性催化劑，正在成為激發(fā)新型產(chǎn)業(yè)形態(tài)、商業(yè)模式及發(fā)展動能的重要力量。其滲透至各行各業(yè)的過程，不僅揭示了業(yè)態(tài)多樣性對服務(wù)需求的復(fù)雜性，也凸顯了傳統(tǒng)做法———為特定行業(yè)或單一業(yè)務(wù)獨立開發(fā)物聯(lián)網(wǎng)系統(tǒng)的局限性。這種方法不僅消耗大量的人力資源、時間及基礎(chǔ)設(shè)施投入，還面臨系統(tǒng)后期優(yōu)化升級的嚴(yán)峻挑戰(zhàn)，增加了維護(hù)的復(fù)雜度與成本。借鑒云計算與人工智能領(lǐng)域的新興理念，物聯(lián)網(wǎng)即服務(wù)（ＩｏＴ ａｓ ａ Ｓｅｒｖｉｃｅ，ＩｏＴａａＳ）這一創(chuàng)新模式應(yīng)運而生。該模式基于構(gòu)建一個靈活多變、易于擴(kuò)展、高度定制且架構(gòu)輕量的物聯(lián)網(wǎng)技術(shù)平臺，旨在將物聯(lián)網(wǎng)技術(shù)轉(zhuǎn)化為一種按需訂閱的服務(wù)產(chǎn)品，供廣大用戶便捷獲取與應(yīng)用。通過直觀的操作界面或標(biāo)準(zhǔn)化的應(yīng)用程序編程接口（ＡｐｐｌｉｃａｔｉｏｎＰｒｏｇｒａｍｍｉｎｇ Ｉｎｔｅｒｆａｃｅ，ＡＰＩ），用戶能夠簡便快捷地接入并部署所需的物聯(lián)網(wǎng)功能，大幅度降低了物聯(lián)網(wǎng)應(yīng)用的技術(shù)門檻與初期投資，有效拓寬了物聯(lián)網(wǎng)技術(shù)的受眾范圍與應(yīng)用深度，加速了其社會經(jīng)濟(jì)價值的廣泛釋放。

然而，ＩｏＴａａＳ 模式的實現(xiàn)需要解決諸多關(guān)鍵技術(shù)挑戰(zhàn)。從網(wǎng)絡(luò)的整體架構(gòu)設(shè)計、平臺數(shù)據(jù)分析方法、安全與隱私保護(hù)，再到更為底層的通信協(xié)議優(yōu)化與實現(xiàn)，均廣泛存在關(guān)鍵的科學(xué)和工程問題。為此，國內(nèi)外學(xué)界和工業(yè)界針對不同的問題提出了諸多創(chuàng)新且高效的解決途徑。鑒于此，為了將我國ＩｏＴａａＳ領(lǐng)域最新的研究成果呈現(xiàn)給讀者，進(jìn)一步推進(jìn)行業(yè)交流和技術(shù)發(fā)展，我們組織了本專題。

（１）蜂窩物聯(lián)網(wǎng)

針對５Ｇ 物聯(lián)網(wǎng)中設(shè)備激增帶來的承載鏈路管理挑戰(zhàn)，《５Ｇ 物聯(lián)網(wǎng)接入及數(shù)據(jù)傳輸?shù)目鐚咏Ｅc性能分析》綜合考慮ＭＡＣ 層隨機(jī)接入與ＲＲＣ 層鏈路管理，運用離散時間排隊論構(gòu)建跨層模型，揭示了不同場景下，不活躍定時器對數(shù)據(jù)吞吐量和能量效率的影響規(guī)律，通過仿真、分析和探討，提出了不活躍定時器配置思路，以提升鏈路管理性能。本研究為并行、海量的ＩｏＴ 設(shè)備通信需求場景下，５Ｇ 網(wǎng)絡(luò)ＲＲＣ 層參數(shù)的最優(yōu)配置提供了理論基礎(chǔ)和實踐指導(dǎo)。

針對５Ｇ 物聯(lián)網(wǎng)中免授權(quán)非正交多址接入系統(tǒng)的多用戶檢測問題，《基于改進(jìn)貪婪類重構(gòu)算法的物聯(lián)網(wǎng)免授權(quán)多用戶通信》提出了一種基于改進(jìn)貪婪類重構(gòu)算法的方法。該算法利用Ｄｉｃｅ 系數(shù)進(jìn)行用戶稀疏度接入的相關(guān)度計算，并結(jié)合前向預(yù)測和正則回溯策略，在保證重構(gòu)精度的同時，有效提高了算法效率。仿真結(jié)果表明，與傳統(tǒng)的壓縮感知的多用戶檢測算法相比，改進(jìn)后的算法具有更好的用戶檢測與信息恢復(fù)性能。

針對５Ｇ 物聯(lián)網(wǎng)中基站能耗優(yōu)化問題，《基于Ｔ-ＧＣＮ 的４Ｇ／５Ｇ 基站節(jié)能減排智能決策系統(tǒng)》提出了一種基于時間圖卷積網(wǎng)絡(luò)（ＴｅｍｐｏｒａｌＧｒａｐｈ Ｃｏｎｖ-ｏｌｕｔｉｏｎａｌ Ｎｅｔｗｏｒｋ，Ｔ-ＧＣＮ）流量預(yù)測和啟發(fā)式關(guān)斷決策算法的智能決策系統(tǒng)。該系統(tǒng)利用ＴＧＣＮ 模型對基站流量進(jìn)行預(yù)測，根據(jù)預(yù)測結(jié)果和啟發(fā)式算法進(jìn)行基站開關(guān)決策，從而實現(xiàn)節(jié)能減排的目標(biāo)。實驗結(jié)果表明，該系統(tǒng)預(yù)測效果良好，能夠有效降低基站能耗，并保證用戶通信質(zhì)量。

針對電力物聯(lián)網(wǎng)中移動終端設(shè)備接入帶來的數(shù)據(jù)量激增和系統(tǒng)壓力問題，《電力物聯(lián)網(wǎng)中基于ＳＣＭＡ-ＭＥＣ 的最優(yōu)功率分配與卸載決策》提出了一種基于稀疏碼多址接入技術(shù)（Ｓｐａｒｓｅ Ｃｏｄｅ Ｍｕｌｔｉｐｌｅ Ａｃ-ｃｅｓｓ，ＳＣＭＡ）的多址邊緣計算（Ｍｏｂｉｌｅ Ｅｄｇｅ Ｃｏｍｐｕ-ｔｉｎｇ，ＭＥＣ）的異構(gòu)網(wǎng)絡(luò)優(yōu)化方案，旨在最小化系統(tǒng)總開銷，并考慮設(shè)備能耗和計算資源分配。提出了基于最優(yōu)功率分配的聯(lián)合隨機(jī)碼本分配算法，以降低移動終端設(shè)備能耗。構(gòu)建了約束多目標(biāo)優(yōu)化問題的數(shù)學(xué)模型，并設(shè)計了基于帕累托前沿的多目標(biāo)優(yōu)化算法用于任務(wù)卸載。仿真結(jié)果表明，該方案在滿足能耗和時延約束條件下，相較于其他算法具有更低的系統(tǒng)總能耗，且聯(lián)合任務(wù)卸載優(yōu)化算法可以進(jìn)一步降低系統(tǒng)總開銷。

針對５Ｇ 物聯(lián)網(wǎng)場景下硬件資源受限的問題，《物聯(lián)網(wǎng)場景下基于半并行結(jié)構(gòu)的極化碼譯碼器設(shè)計》提出了一種改進(jìn)的半并行極化碼譯碼器設(shè)計方案。該方案采用４ ｂｉｔ 譯碼算法和預(yù)計算技術(shù)，有效降低了傳統(tǒng)半并行結(jié)構(gòu)的譯碼延遲，并提高了硬件資源利用率。實驗結(jié)果表明，與傳統(tǒng)的半并行譯碼器和樹形結(jié)構(gòu)的２ ｂｉｔ 譯碼器相比，該方案在譯碼延遲和資源利用率方面均有顯著提升，更適合應(yīng)用于硬件資源受限的物聯(lián)網(wǎng)場景。

考慮未來６Ｇ 物聯(lián)網(wǎng)混合組網(wǎng)中，服務(wù)注冊與發(fā)現(xiàn)流程中網(wǎng)絡(luò)功能（Ｎｅｔｗｏｒｋ Ｆｕｎｃｔｉｏｎ，ＮＦ）信令交互復(fù)雜導(dǎo)致時延較大的問題，《面向６Ｇ 物聯(lián)網(wǎng)混合組網(wǎng)的分布式自治數(shù)據(jù)面研究》設(shè)計了一種基于分布式自治數(shù)據(jù)面技術(shù)的復(fù)合網(wǎng)絡(luò)功能存儲庫（ＮＦＲｅｐｏｓｉｔｏｒｙ Ｆｕｎｃｔｉｏｎ，ＮＲＦ）系統(tǒng)。該系統(tǒng)采用了基于ＪＳＯＮ 語義的網(wǎng)絡(luò)功能信息存儲方法和基于Ｂ＋Ｔｒｅｅ樹狀結(jié)構(gòu)的索引方法，有效降低了數(shù)據(jù)索引時間復(fù)雜度，簡化了跨網(wǎng)絡(luò)節(jié)點的多分層網(wǎng)元數(shù)據(jù)交互和獲取流程。

（２）低功耗藍(lán)牙網(wǎng)絡(luò)

針對動態(tài)低功耗藍(lán)牙（Ｂｌｕｅｔｏｏｔｈ Ｌｏｗ Ｅｎｅｒｇｙ，ＢＬＥ）Ｍｅｓｈ 網(wǎng)絡(luò)中管理式泛洪路由機(jī)制導(dǎo)致的高能耗和數(shù)據(jù)包冗余問題，《基于Ｑ-Ｌｅａｒｎｉｎｇ 的動態(tài)ＢＬＥＭｅｓｈ 網(wǎng)絡(luò)高能效路由算法》提出了基于Ｑ-Ｌｅａｒｎｉｎｇ的動態(tài)高能效路由算法。該算法利用Ｑ-Ｌｅａｒｎｉｎｇ 模型，將節(jié)點剩余能量、轉(zhuǎn)發(fā)成本、移動因子和接收信號強(qiáng)度指示納入獎勵函數(shù)，并結(jié)合改進(jìn)的心跳機(jī)制和探索式路由發(fā)現(xiàn)機(jī)制，實現(xiàn)了更優(yōu)的路由決策，有效降低了網(wǎng)絡(luò)能耗和數(shù)據(jù)包冗余，提高了網(wǎng)絡(luò)性能。

（３）低軌衛(wèi)星物聯(lián)網(wǎng)

低軌衛(wèi)星物聯(lián)網(wǎng)（Ｌｏｗ Ｅａｒｔｈ Ｏｒｂｉｔ ＩｏＴ，ＬＥＯ ＩｏＴ）是解決地面物聯(lián)網(wǎng)在海洋、山區(qū)、沙漠等區(qū)域通信覆蓋能力不足的有效手段。為了解決低軌衛(wèi)星網(wǎng)絡(luò)在遭遇鏈路故障時的路由問題，《Ｌｉｔｅ-ＦＲＲ：基于分段路由的衛(wèi)星網(wǎng)絡(luò)輕量化快速重路由算法研究》提出了一種名為Ｌｉｔｅ-ＦＲＲ 的輕量化快速重路由算法。該算法基于分段路由技術(shù)，利用衛(wèi)星網(wǎng)絡(luò)的時空信息計算無環(huán)備份路徑，有效降低計算復(fù)雜度，并確保流量業(yè)務(wù)傳輸?shù)母哔|(zhì)量。仿真實驗結(jié)果表明，Ｌｉｔｅ-ＦＲＲ 算法在備份路由計算時間、備份路徑跳數(shù)和路由中斷時間等方面均優(yōu)于傳統(tǒng)拓?fù)錈o關(guān)無環(huán)路備份（Ｔｏｐｏｌｏｇｙ-Ｉｎｄｅｐｅｎｄｅｎｔ Ｌａｐ-Ｆｒｅｅ Ａｌｔｅｒｎａｔｅ，ＴＩ-ＬＦＡ）算法，顯著提升了衛(wèi)星網(wǎng)絡(luò)的可靠性和抗毀損能力。

傳統(tǒng)擴(kuò)頻技術(shù)對于外部干擾的處理簡化為均勻功率譜信號模型，這導(dǎo)致衛(wèi)星通信頻譜資源的利用率不高。特別是在衛(wèi)星通信環(huán)境下，存在噪聲頻譜非均勻與信噪比低的實際挑戰(zhàn)?！痘冢疲校牵?的特征擴(kuò)頻衛(wèi)星物聯(lián)網(wǎng)鏈路設(shè)計與實現(xiàn)》提出了一種創(chuàng)新的特征擴(kuò)頻系統(tǒng)設(shè)計，該系統(tǒng)能夠依據(jù)信號與干擾的功率譜特性進(jìn)行互補(bǔ)塑形，提高了在復(fù)雜頻譜環(huán)境下的適應(yīng)性。研究設(shè)計并實現(xiàn)了基于ＦＰＧＡ 的特征擴(kuò)頻及解擴(kuò)方案，通過整合成熟的ＱＰＳＫ 通信鏈路，實現(xiàn)了對ＱＰＳＫ 調(diào)制信號的擴(kuò)頻幅度調(diào)制。在ＦＰＧＡ 平臺上的實驗驗證了系統(tǒng)的有效性，證明系統(tǒng)能在發(fā)送端有效執(zhí)行擴(kuò)頻處理，接收端能準(zhǔn)確識別并解析擴(kuò)頻信號，有助于實現(xiàn)在衛(wèi)星通信中以小信噪比和低誤碼率高效傳輸業(yè)務(wù)數(shù)據(jù)的目標(biāo)。

（４）自動駕駛

針對自動駕駛車輛在城市開放道路場景下感知精度不足、目標(biāo)檢測模型參數(shù)大且難部署的問題，《基于多視角的輕量化車路協(xié)同感知模型》提出了一種基于多視角的輕量化車路協(xié)同感知模型。該模型通過融合路側(cè)和車輛傳感器的圖像數(shù)據(jù)，并采用輕量級的ＩｍＶｏｘｅｌＮｅｔ 算法和后訓(xùn)練量化（Ｐｏｓｔ-Ｔｒａｉｎｉｎｇ Ｑｕａｎｔｉｚａｔｉｏｎ，ＰＴＱ）量化方法，實現(xiàn)了高精度、低開銷的目標(biāo)感知。實驗結(jié)果表明，該模型能夠有效提升目標(biāo)檢測性能，并顯著降低模型大小，為自動駕駛技術(shù)的實際應(yīng)用提供了可行方案。

（５）面向ＩｏＴ 的機(jī)器學(xué)習(xí)算法

針對移動邊緣網(wǎng)絡(luò)中聯(lián)邦學(xué)習(xí)框架難以滿足不同訓(xùn)練任務(wù)偏好問題，《基于自適應(yīng)聚合時間的半同步聯(lián)邦資源優(yōu)化算法》提出了基于自適應(yīng)聚合時間的半同步聯(lián)邦資源優(yōu)化算法。該算法通過權(quán)重因子平衡模型準(zhǔn)確度和聚合時間，自適應(yīng)地選擇部分用戶上傳模型，并為其分配帶寬和設(shè)置功率。仿真結(jié)果表明，該算法在損失４％ 模型性能的情況下，降低了７３％ 的聚合時間，實現(xiàn)了模型性能和延遲之間的平衡，顯著提升了通信效率。

考慮智能網(wǎng)聯(lián)交通系統(tǒng)中聯(lián)邦學(xué)習(xí)帶來的數(shù)據(jù)隱私泄露風(fēng)險，《基于顆?；荻葦_動的智能網(wǎng)聯(lián)隱私保護(hù)方法研究》提出了一種基于顆粒化梯度擾動的隱私保護(hù)方法。該方法通過計算神經(jīng)元的Ｆｉｓｈｅｒ 信息值，挑選信息量低的神經(jīng)元，并對其梯度注入拉普拉斯噪聲，有效防御梯度泄露攻擊，同時保證模型訓(xùn)練精度在９０％ 以上，優(yōu)于整體梯度擾動和隨機(jī)梯度擾動方法。

綜上所述，本專題全方位地展示了ＩｏＴａａＳ 的相關(guān)技術(shù)，內(nèi)容涵蓋底層通信建模、算法優(yōu)化、網(wǎng)絡(luò)的整體架構(gòu)設(shè)計、平臺數(shù)據(jù)分析方法、安全與隱私保護(hù)等多方面相關(guān)技術(shù)。希望本專題能夠?qū)V大讀者了解和研究ＩｏＴａａＳ 技術(shù)提供有益的啟示、參考和借鑒，共同搭建起開放的ＩｏＴａａＳ 技術(shù)交流平臺，推動ＩｏＴａａＳ 技術(shù)的快速發(fā)展和廣泛應(yīng)用，為未來的研究和應(yīng)用提供有價值的指導(dǎo)和展望。最后，感謝專題評審專家及時、耐心、細(xì)致的評審工作；衷心感謝各位作者的辛勤工作和精心撰稿！