在这篇新闻分析文章中，Nthatisi 讨论了使用 Silicon Labs 的 SiWx917 IoT 设备制作配备 Wi-Fi 6、Matter 和机器学习的传感器。
物联网 (IoT) 封装了一系列相互通信、交换数据和指令的设备和应用程序。这个连接网络的核心是物联网传感器。
这些设备是物联网的神经末梢，负责收集现实世界的数据——无论是温度、光线、压力还是任何其他参数——并将其转换为可以分析和操作的数字格式。这里介绍的信息基于 Silicon Labs 的2023 年技术演讲：“使用 SiWx917 和 Matter 设计互联 Wi-Fi 6 传感器。”
智能家居中的物联网传感器
随着这些传感器越来越融入我们的日常生活，它们的设计和功能必须不断发展以满足日益严格的标准。让我们考虑其中一些关键要求：
- 连接性和范围：物联网传感器必须可靠地将数据传输到网络。无论是向家庭恒温器发送温度数据的智能温度计，还是向中央枢纽报告其位置的集装箱车队，连接的范围和质量都是至关重要的。例如，Wi-Fi 6 的推出代表了该领域向前迈出的重要一步，可在密集部署场景中提供更快的数据速率和更高的性能。
- 尺寸和电池寿命：物联网应用的多功能性要求传感器尽可能小且节能。传感器越小，可用于的应用就越多——从可穿戴设备到智能家居设备。同样，能源效率会影响电池寿命、设备的环境足迹和维护需求。
- 易于使用和部署：物联网设备的爆炸式增长也需要关注传感器的易用性和部署。这包括简单的设备配对程序、用户友好的界面、轻松的设备管理以及与现有物联网生态系统无缝集成的能力。
- 安全性：作为敏感现实数据的看门人，物联网传感器必须具有本质安全性。这需要强大的加密、安全的设备识别和身份验证程序以及持续的安全更新来应对新出现的威胁。
- 边缘计算：随着物联网设备产生的数据激增，在边缘（传感器本身或传感器附近）处理数据的能力变得越来越重要。这减少了与云持续通信的需要，从而节省带宽并缩短响应时间。
了解这些需求是释放物联网传感器潜力的关键。
Wi-Fi 6：物联网传感器革命的催化剂
Wi-Fi 6，也称为802.11ax，代表了最新一代的Wi-Fi技术。虽然早期的 Wi-Fi 标准主要侧重于实现更快的数据速率，但 Wi-Fi 6 是网络设计的一次飞跃，旨在更好地处理越来越多需要网络连接的设备，特别强调提高拥塞情况下的性能地区。
Wi-Fi 6 智能农业
随着我们步入物联网设备日益驱动的时代，Wi-Fi 6 成为物联网传感器的关键推动者，提供了简化传感器集成、提高效率并拓宽应用的增强功能。
现在，让我们看看一些关键的 Wi-Fi 6 功能以及它们如何使物联网传感器受益。
| 关键特点 | 描述 | 物联网传感器如何受益 |
| 全双工多用户 MIMO | 全双工多用户 MIMO (MU-MIMO) 允许多个设备同时与路由器通信，同时发送和接收数据。与之前的迭代相比，这是一个重大升级，在之前的迭代中，数据传输要么是上游，要么是下游，但不能同时进行。 | 它使多个传感器能够同时与路由器通信，从而减少延迟并提高整体系统效率。 |
| 波束成形 | 波束成形将 Wi-Fi 信号集中到特定设备，而不是向各个方向均匀地广播信号。 | 它提高了物联网传感器的信号强度和可靠性，增强了传感器的连接性，即使在信号强度可能较弱的环境中也是如此。 |
| OFDMA 和空间重用（BSS 着色） | 正交频分多址 (OFDMA) 通过将信道分成更小的子信道来有效利用信道。空间重用或 BSS 着色可帮助设备区分重叠网络，从而减少干扰。 | 它可以更好地管理网络拥塞。 BSS 着色提高了信号干扰的识别能力，提高了物联网传感器的网络效率和数据可靠性。 |
| 目标唤醒时间 | 目标唤醒时间创建 Wi-Fi 路由器 (AP) 和客户端设备之间的预定通信。客户端设备不会持续保持对信号的警惕，而是“睡眠”，并且仅在预定时间醒来以接收或发送数据。 | 显着延长 Wi-Fi 6 客户端设备的电池寿命。 |
| 扩展范围数据包结构 | 提供更多保护间隔选项，以提高对信号延迟和反射的免疫力 | 长保护间隔、循环前缀、减少干扰和扩展范围的数据包结构有助于改善室内和室外的覆盖范围。 |
了解 SiWx917：Silicon Labs 应对物联网不断增长的需求的答案
利用 Wi-Fi 6 的优势，Silicon Labs 开发了 SiWx917，这是该领域的开创性 SoC。这款高效、高性能的 SoC 融合了 Wi-Fi 6 和蓝牙 LE 5.1 技术，适用于先进的物联网解决方案。
SiWx917 功能 — 来自 Silicon Labs 高级工程师 Abhilash Yarragolla Malavya 的技术讲座演讲
SiWx917 采用前瞻性思维设计，旨在大幅降低 Wi-Fi 物联网网络的功耗要求，同时提高计算能力、加速 AI/ML 并提供严格的安全性。该 SoC 是一站式 Matter-ready 解决方案，具有高内存容量和无与伦比的电池寿命。
在安全性方面，SiWx917 令人印象深刻。它即将获得 PSA 2 级认证，并配备了大量保护功能，例如安全启动、安全信任区和安全 XIP。这种全面的安全保护伞有助于保护设备和最终用户免受日益增长的网络威胁的威胁。
要了解有关 SiWx917 的详细信息，您可以访问其专用解决方案页面。
传感器技术的人工智能和机器学习
传统上，物联网传感器会生成大量数据，需要发送到云端或集中位置进行处理。这种范例虽然实用，但也面临着一些挑战：
- 带宽限制：将大量原始传感器数据传输到云端可能会堵塞网络带宽，从而可能减慢其他网络活动的速度。
- 延迟：从设备到云端再返回的往返数据传输可能会导致显着的延迟，这对于需要实时响应的应用程序来说尤其成问题。
- 能源使用：不断向云端发送数据会快速耗尽物联网设备的电池，这对于那些使用电池运行的设备尤其重要。
- 隐私和安全：将数据传输到云端或从云端传输数据会带来数据拦截和泄露的风险。
这就是人工智能/机器学习在微小边缘发挥作用的地方。通过在设备本身本地处理数据，可以显着缓解这些挑战：
- 带宽的高效利用：通过在源头分析数据，只需将相关见解或减少的数据集发送到云端，从而缓解网络拥塞。
- 减少延迟：边缘处理消除了往返数据传输的需要，从而实现实时决策和响应。
- 离线模式操作：在由于成本或可用性而无法实现持续连接的情况下（例如深海传感器或远程农业物联网装置），边缘 AI/ML 允许系统独立于网络连接而有效运行
- 更低的能耗：向云端发送更少的数据意味着更低的能耗，从而延长电池寿命。
- 提高隐私和安全性：本地数据处理最大限度地减少传输的敏感信息量，从而降低数据泄露的风险。
从本质上讲，在微小边缘集成人工智能/机器学习可以使传感器技术更智能、反应更灵敏、更高效，从而为物联网应用带来许多新的可能性。
SiWx917 支持 AI/ML 加速器
SiWx917 配备了专用的 AI/ML 加速器。该子系统专门用于矩阵矢量处理 (MVP)，可增强 ML 计算，使 SiWx917 成为数据密集型实时物联网应用的出色选择。
为了说明其应用，让我们考虑一个使用案例，其中 Google Pixel 6 作为 Matter 控制器，SiWx917 作为 Matter 节点。
SiWx917 用例以及使用 Matter 的传感器
该过程首先是 Google Pixel 通过蓝牙 LE 向 SiWx917 发送 SSID 和密码等网络凭证，这一步骤称为 BLE 调试。
收到凭据后，SiWx917 连接到接入点，并且蓝牙 LE 断开连接。 Matter 控制器 (Google Pixel 6) 和 Matter 节点 (SiWx917) 之间的所有后续通信均通过 Wi-Fi 使用基于 IP 的 Matter 协议进行。
SiWx917 与多个传感器连接。它利用其 AI/ML 硬件加速器来处理来自这些传感器的数据。然后可以使用 MQTT 协议或通过 Wi-Fi 的 Matter 将这些数据上传到云端。此外，这些传感器可以通过 Wi-Fi 使用 Matter 通过 Nest Hub 进行远程控制。
（本文转载自Allaboutcircuits.，作者Nthatisi Hlapisi，经Matter123.cn编译，仅用于物联网知识普及与分享，如有侵权，请原作者联系本站管理员删除。）
