智能邊緣第：減少洞察時間

減少邊緣節(jié)點的洞察時間可在獲得數(shù)據(jù)之后盡快做出關(guān)鍵決定。而理論上處理能力和通信數(shù)據(jù)均不受限制，則可將所有全帶寬邊緣節(jié)點檢測信息發(fā)送至遠(yuǎn)端的云計算服務(wù)器。此外，還可以進(jìn)行大量運算，以挖掘做出明智決策所需的寶貴細(xì)節(jié)信息。然而，電池電量、通信帶寬和計算周期密集型算法的局限使得我們的設(shè)想只是一種概念，而無法成為實際方案。

在這個包含多個部分的工業(yè)物聯(lián)網(wǎng)系列文章中，我們將分解和研究大型物聯(lián)網(wǎng)框架中邊緣節(jié)點解讀的基本方面：檢測、測量、解讀和連接數(shù)據(jù)，同時還將考慮功率管理和安全性。邊緣節(jié)點所需的數(shù)據(jù)集可能只是一個離散的完整寬帶信息子集。同樣，數(shù)據(jù)可以根據(jù)要求進(jìn)行傳輸。高效的超低功耗（ULP）處理也是實施任何邊緣節(jié)點方案的一個關(guān)鍵。

智能分區(qū)模式轉(zhuǎn)變

工業(yè)物聯(lián)網(wǎng)及其前身（機(jī)對機(jī)（M2M）通信）的先鋒時代在很大程度上是由云平臺這一主要應(yīng)用推動因素的作用定義的。智能系統(tǒng)的洞察力以往都只是依賴于云級能力。實際的邊緣傳感器裝置一直以來都相對簡單。然而，由于邊緣節(jié)點的低功耗計算能力比云計算能力的發(fā)展更迅速，這個前提目前正在動搖。1 邊緣節(jié)點如今具有檢測、測量、解讀和連接數(shù)據(jù)的能力。

智能分區(qū)模式正從連接傳感器模型向智能設(shè)備模型轉(zhuǎn)變，從而提供更多的可用架構(gòu)選項，并允許組織部署工業(yè)物聯(lián)網(wǎng)，以獨特的方式改進(jìn)其實體資產(chǎn)和流程。邊緣計算分析（亦稱為智能邊緣或解讀）推動著這一轉(zhuǎn)變。大規(guī)模的工業(yè)物聯(lián)網(wǎng)部署依賴于一系列安全、高效節(jié)能并且易于管理的多樣化智能節(jié)點。

邊緣分析

最優(yōu)質(zhì)的傳感數(shù)據(jù)仍可邊緣化，且無需細(xì)心留意邊緣節(jié)點分析中應(yīng)用的要求。邊緣傳感器裝置可能會受到能源、帶寬或原始計算能力的約束。這些約束條件將影響到能夠?qū)P堆棧刪減為最小閃存或RAM的協(xié)議選擇。這使得編寫程序充滿挑戰(zhàn)性，并且可能需要犧牲一些IP性能。

邊緣處理可以是一個分析過程，除了將數(shù)據(jù)發(fā)送至遠(yuǎn)端服務(wù)器以進(jìn)行云級分析，它還可以作為一種方法，用于分析接近其來源的數(shù)據(jù)。在數(shù)據(jù)鏈中盡早地進(jìn)行實時分析邊緣處理可減少下游有效負(fù)載，并縮短延遲。如果初始數(shù)據(jù)處理可以在邊緣節(jié)點進(jìn)行，那么就可以簡化所需的數(shù)據(jù)格式、通信帶寬以及最終聚集在云端網(wǎng)關(guān)。通過緊耦合連接至傳感器的時間敏感型反饋回路可提供即時處理，從而為更有價值的明智決策作準(zhǔn)備。2

然而，這要求提前了解清楚需要獲得哪些有價值的具體信息，才能從檢測和測量數(shù)據(jù)中得到預(yù)期結(jié)果。此外，由于空間隔離或應(yīng)用差異，也可能因邊緣節(jié)點的不同而不同。事件報警、觸發(fā)信號和中斷檢測可以忽略大部分?jǐn)?shù)據(jù)，只傳輸需要的數(shù)據(jù)。

時間折舊

貨幣的時間價值是一種概念，即現(xiàn)在的一美元比未來某一時候的一美元更有價值。類似地，數(shù)據(jù)也存在時間常數(shù)。數(shù)據(jù)的時間價值是指在這個幾分之一秒檢測到的數(shù)據(jù)與從現(xiàn)在起一周、一天或甚至一個小時之后檢測到的數(shù)據(jù)不同。此類任務(wù)關(guān)鍵型物聯(lián)網(wǎng)范例有熱沖擊檢測、氣體泄漏檢測或需要采取立即行動的災(zāi)難性機(jī)械故障檢測。時間敏感型數(shù)據(jù)價值在解讀之時開始衰減。有效解讀數(shù)據(jù)和采取行動的延遲越長，決策的價值將越低。為了解決工業(yè)物聯(lián)網(wǎng)的時間折舊問題，我們必須進(jìn)一步深入了解信號鏈。

邊緣傳感器節(jié)點的處理算法可對抽樣數(shù)據(jù)進(jìn)行篩選、抽取、調(diào)諧和精處理，將其分解至最低要求的子集。這首先需要定義目標(biāo)窄帶數(shù)據(jù)。可調(diào)帶寬、抽樣率和動態(tài)范圍有助于一開始就在硬件的模擬域中建立基準(zhǔn)。通過使用所需的模擬設(shè)置，傳感器只會檢測需要的信息，并提供更短的時間常數(shù)以獲得高質(zhì)量的解讀數(shù)據(jù)。

邊緣處的數(shù)字后端處理濾波器可進(jìn)一步重點關(guān)注目標(biāo)數(shù)據(jù)。邊緣傳感器處的數(shù)據(jù)頻率分析可在信息離開節(jié)點之前，并及早判定信號內(nèi)容。一些高階計算模塊執(zhí)行快速傅里葉變換（FFT）、有限脈沖響應(yīng)（FIR）濾波并使用智能抽取，可縮小抽樣數(shù)據(jù)的范圍。在一些情況下，在大幅度降低數(shù)據(jù)帶寬之后，只需要從邊緣傳感器節(jié)點處傳輸通過或未通過信息增量痕跡。

圖1.在未使用前端濾波器或數(shù)字后端處理濾波器的情況下，可能會出現(xiàn)混疊。

圖2.振動監(jiān)控的典型信號鏈。

圖1中，我們可以看到在未使用前端模擬濾波器或數(shù)字后端處理濾波器的情況下，抽取8次（左側(cè)）的簡單信號將混疊新的干擾信號（中間），從而使頻率折疊成期望的新信號頻帶（右側(cè)）。數(shù)字后端處理濾波器搭配數(shù)字信號處理器（DSP）或微控制器（MCU），同時將半帶FIR低通濾波器與抽取濾波器一起使用，將能夠濾除混疊的干擾信號，從而有助于防止出現(xiàn)這一問題。

邊緣節(jié)點處理洞察力——智能工廠

領(lǐng)先的工業(yè)物聯(lián)網(wǎng)應(yīng)用解決方案適用于工廠機(jī)器狀態(tài)監(jiān)控。該解決方案的目的是在發(fā)生故障之前識別和預(yù)測機(jī)器性能問題。邊緣傳感器節(jié)點的多軸高動態(tài)范圍加速度計用于監(jiān)控工業(yè)機(jī)器上不同部位的振動位移?？梢院Y選和抽取原始數(shù)據(jù)，在微控制器中進(jìn)行頻域解讀?？梢蕴幚砼c已知性能極限進(jìn)行比較的FFT，針對下游的通過、未通過和警示警報進(jìn)行測試。通過FIR濾波去除目標(biāo)帶寬外的寬帶噪聲，可實現(xiàn)FFT內(nèi)的處理增益。

邊緣節(jié)點處理是機(jī)器狀態(tài)監(jiān)控的一個重要組成部分。抽樣數(shù)據(jù)的全帶寬是實現(xiàn)無線網(wǎng)關(guān)聚集的一個重要瓶頸。要考慮到，一臺機(jī)器可能配有許多傳感器，并且可能同時監(jiān)控數(shù)百臺機(jī)器。微控制器中作出的濾波和智能決策向無線收發(fā)器提供一個低增益帶寬輸出，而無需在云端進(jìn)行密集型濾波處理。

圖2顯示了一個機(jī)器狀態(tài)監(jiān)控的信號鏈，在這個信號鏈中加速度計傳感器用于測量位移振動特征。利用邊緣傳感器節(jié)點處的后端處理濾波器，可通過在濾波和抽樣數(shù)據(jù)后進(jìn)行FFT運算，從而在目標(biāo)窄帶寬中完成頻率分析。

在FFT計算過程中，與實時示波器一樣，處理濾波器可無視時域活動，直至完成FFT。第二個線程中的另一種時域路徑可能還可用于防止出現(xiàn)數(shù)據(jù)分析差異。

如果能夠清楚目標(biāo)機(jī)械特征頻率，則可設(shè)計微控制器中的ADC和FFT抽樣率，使最大能量適合單個直方圖倉的寬度。這將防止信號功率泄漏到多個倉中，從而降低幅度測量的精度。

圖3.FFT倉能源可用于觸發(fā)警報。

圖3為FFT的一個示例。在這個示例中，我們在邊緣節(jié)點MCU中對不只一個觀察的機(jī)械零件進(jìn)行特定的預(yù)定區(qū)解讀。在所需綠色區(qū)域中達(dá)到峰值的能量代表正常運轉(zhuǎn)，而黃色和紅色區(qū)域則分別表示警報和嚴(yán)重警報。更低的數(shù)據(jù)速率警報或觸發(fā)痕跡可能會在目標(biāo)區(qū)域內(nèi)向系統(tǒng)發(fā)出偏移事件報警，而不是傳全帶寬傳感器數(shù)據(jù)。

動態(tài)范圍、標(biāo)記和精度

邊緣分析的計算功率有幾個選項。許多選項可用于處理算法，從一個提供有限控制性能的簡單MCU到更加復(fù)雜的精密片上系統(tǒng)（SoC） MCU，再到到功能強大的多核數(shù)字信號處理。處理內(nèi)核尺寸、單核或雙核操作、指令RAM緩存大小和定點與浮點需求都是典型的技術(shù)考慮。通常，需要在節(jié)點可用的功率預(yù)估和應(yīng)用的計算需求之間作出權(quán)衡。

針對數(shù)字信號處理，采用定點和浮點兩種格式來存儲和操作以數(shù)字表示的傳感器節(jié)點數(shù)據(jù)。定點是指一種數(shù)字表示方式，采用小數(shù)點后（有時候為小數(shù)點前）固定位數(shù)的數(shù)字表示。使用這種方法的DSP處理整數(shù)，例如使用最少16位的正負(fù)整數(shù)，可能有216種位模式。相比之下，浮點則使用有理數(shù)，最少可能有232種模式。3 與使用定點的DSP相比，使用浮點計算方法的DSP可處理更大范圍的值，并能夠表示非常大或非常小的數(shù)字。

浮點處理可確保能夠表示更大動態(tài)范圍的數(shù)字。如果需要計算大量傳感器節(jié)點數(shù)據(jù)，并且在檢測之前可能并不清楚確切的范圍，則浮點處理就非常重要。此外，由于每一個新的計算都需要進(jìn)行一次數(shù)學(xué)運算，所以計算結(jié)果必然會出現(xiàn)四舍五入或截斷的現(xiàn)象。這會導(dǎo)致數(shù)據(jù)出現(xiàn)量化誤差或數(shù)字信號噪聲。量化誤差是理想的模擬值與該值的數(shù)字表示（即最接近的舍入值）之差。這些值之間的量化差越大，數(shù)字噪聲將越明顯。當(dāng)準(zhǔn)確性和精度對于解讀的傳感器數(shù)據(jù)來說非常重要時，浮點處理則可實現(xiàn)優(yōu)于定點處理的精度性能。

性能

固件設(shè)計師應(yīng)以最有效的方式實現(xiàn)計算應(yīng)用，因為執(zhí)行操作的速度至關(guān)重要。因此，必須描述數(shù)據(jù)解讀的處理需求，以便確定實現(xiàn)最大效率需要使用定點計算還是浮點計算。

我們可以對定點處理器進(jìn)行編程，使其能夠執(zhí)行浮點任務(wù)，反之亦然。然而，這樣做的話效率非常低，并將影響處理器性能和功率。當(dāng)針對無需密集型計算算法的高容量通用應(yīng)用而優(yōu)化時，定點處理器的表現(xiàn)更加突出。相反，浮點處理器可利用專門的算法，輕松完成開發(fā)，并實現(xiàn)更高的整體精度。

雖然性能不是很高，但是處理器中支持的GPIO引腳數(shù)量則可作為第二個選擇標(biāo)準(zhǔn)。直接支持目標(biāo)傳感器（例如：I2C、SPORT和UART）的相應(yīng)控制界面可降低系統(tǒng)設(shè)計的復(fù)雜程度。內(nèi)核處理時鐘速度、每次執(zhí)行的位數(shù)、可用于處理的嵌入式指令RAM數(shù)量以及存儲器接口速度都將影響邊緣節(jié)點處理的能力。實時時鐘有助于對數(shù)據(jù)進(jìn)行時間標(biāo)記，并允許調(diào)整多個平臺之間的處理。

處理計算能力通常是在MIPS或MMAC中定義。MIPS是一秒鐘內(nèi)可執(zhí)行的百萬指令數(shù)。MMAC是每秒可執(zhí)行的32位單精度浮點或定點累加乘法操作次數(shù)（單位：百萬）。針對16位和8位操作，MMAC性能值分別提高2倍和4倍。3

安全

雖然工業(yè)物聯(lián)網(wǎng)的安全影響著每個系統(tǒng)、每次傳輸和每個數(shù)據(jù)接入點，但是微控制器和DSP則提供內(nèi)部安全特性。高級加密標(biāo)準(zhǔn)（AES）提供了一種增強有線通信線路（如UART/SPI）或無線通信線路安全性的方法。在采用無線RF通信的情況下，通過邊緣節(jié)點無線電進(jìn)行有效傳輸之前會先執(zhí)行AES加密。接收節(jié)點相應(yīng)地執(zhí)行解密操作。電子密碼模塊（ECB）或密碼塊鏈接（CBC）是典型的AES模式。4通常，128位或更長位數(shù)的安全密鑰是首選。真隨機(jī)數(shù)發(fā)生器用作為處理器中安全計算的組成部分。后續(xù)的工業(yè)物聯(lián)網(wǎng)文章中將進(jìn)一步描述這些方案的細(xì)節(jié)，以便大家采用更加全面的安全措施。

單核或雙核

對原始數(shù)據(jù)處理能力的需求終始很旺盛。高效的原始數(shù)據(jù)處理能力將更勝一籌。多核MCU和DSP可為特別受益于密集型并行處理的算法提供額外的計算能力。然而，處理異構(gòu)數(shù)據(jù)的需求也在不斷上升。這導(dǎo)致一類多核微控制器的問世，此類微控制器將兩個或更多具有不同特定功能優(yōu)勢的內(nèi)核整合在一起。一般稱為異構(gòu)或非對稱多核設(shè)備，通常整合了兩個配置完全不同的內(nèi)核。

非對稱MCU可整合ARM? Cortex?-M3和Cortex-M0，使用處理器間通信協(xié)議進(jìn)行通信。這使M3能夠重點處理繁瑣的數(shù)字信號處理任務(wù)，而M0則執(zhí)行密集程度較低的應(yīng)用控制。5這樣可以將更簡單的任務(wù)分流至小型內(nèi)核中處理。分區(qū)可最大化功能更強大的M3內(nèi)核的處理帶寬，以便進(jìn)行計算密集型處理，而這是協(xié)同處理的真正核心所在。核間通信采用共享SRAM，其中一個處理器引發(fā)中斷，而另一個檢查。當(dāng)接收處理器在響應(yīng)時引發(fā)中斷，就會發(fā)出報警。

異構(gòu)多核MCU的另一個優(yōu)勢在于，它可以克服嵌入式閃存的限速問題。通過在兩個小型內(nèi)核中以非對稱的方式對任務(wù)進(jìn)行分割，可在實現(xiàn)內(nèi)核的全部性能的同時，仍繼續(xù)使用低成本嵌入式存儲器。實現(xiàn)嵌入式閃存的成本通常決定MCU的成本，因此可有效地消除瓶頸。在可用的功率預(yù)算中平衡處理器需求是工業(yè)物聯(lián)網(wǎng)邊緣傳感器節(jié)點設(shè)計的關(guān)鍵部分。5

功率平衡

即使是在可以實現(xiàn)能量采集的情況下，許多工業(yè)物聯(lián)網(wǎng)邊緣傳感器節(jié)點也必須能夠在同一小型電池上運行多年。ULP操作將是這些節(jié)點的一個關(guān)鍵參數(shù)，而且必須選用能夠最小化節(jié)點實際功耗的元件。6

許多非常適用于工業(yè)物聯(lián)網(wǎng)的MCU都采用ARM系列的Cortex-M嵌入式處理器，針對低功耗MCU和傳感器應(yīng)用。7包括針對更簡單高效應(yīng)用而優(yōu)化的Cortex-M0+，以及需要浮點和DSP操作的高性能復(fù)雜應(yīng)用的Cortex-M4。使用性能更高的處理內(nèi)核可能會影響低功耗性能。

ARM CPU在代碼大小、性能和效率方面提供了一個新方向。但是對于MCU在工作模式或深度睡眠模式下的實際功耗，許多超低功耗能力完全取決于MCU供應(yīng)商。工作功耗深受工藝技術(shù)選擇、超高速緩存和處理器整體架構(gòu)的影響。MCU睡眠電流以及CPU處于睡眠模式時的可用外圍功能主要受MCU的設(shè)計和架構(gòu)影響。

行業(yè)聯(lián)盟EEMBC制定了一些衡量基準(zhǔn)，幫助系統(tǒng)設(shè)計師了解其系統(tǒng)的性能和能量特性，以選擇最優(yōu)處理器。每個器件的ULPMark?- CP評分是經(jīng)過計算得出的單個數(shù)字品質(zhì)因素。該套件中每個衡量基準(zhǔn)的評分使設(shè)計師權(quán)衡并合計這些衡量基準(zhǔn)，以滿足特定的應(yīng)用需求。8

傳感器邊緣節(jié)點的功率預(yù)算將直接與其處理能力相互關(guān)聯(lián)。如果功率預(yù)算無法滿足邊緣節(jié)點分析的處理需求，則可能需要作出權(quán)衡。性能效率會影響傳感器邊緣節(jié)點的電源效率。微控制器的典型能耗指標(biāo)用于指定每兆赫茲計算消耗的有功電流量。例如：針對基于ARM Cortex-M3的MCU，功耗可達(dá)到數(shù)十μA/MHz。

占空比

邊緣傳感器節(jié)點的功耗最小化通?；趦蓚€因素：節(jié)點在活動狀態(tài)下的功耗是多少；以及為進(jìn)行檢測、測量和解讀，節(jié)點必須保持活動狀態(tài)的頻率如何。這個占空比將隨著節(jié)點中使用的傳感器和處理器類型，以及算法需求的不同而變化。

圖4.邊緣傳感器節(jié)點MCU的主要活動狀態(tài)可能會消耗過多的功率。

在不考慮MCU功耗的情況下，邊緣傳感器節(jié)點的主要活動狀態(tài)將消耗大量功率，并將電池供電應(yīng)用的壽命減少至只有幾個小時或幾天。

通過分析節(jié)點內(nèi)部元件的占空比，可節(jié)省大量能源，從而確保只有在必須的情況下這些元件才會處于工作狀態(tài)。MCU幾乎一直處于常開狀態(tài)。為了使MCU能夠保持對邊緣傳感器節(jié)點的完全控制，同時消耗盡可能少的能量，必須采用針對低能耗操作的特定架構(gòu)。最小化MCU能耗就是要使MCU盡可能經(jīng)常處于睡眠模式，同時在需要的時候仍能執(zhí)行關(guān)鍵任務(wù)。

圖5.將MCU主要保持在非活動狀態(tài)，以便將功耗降至最小。

對于大多數(shù)非活動狀態(tài)、只在短期占用時間處于活動狀態(tài)的情形，使MCU在低功耗休眠模式下運行，可將邊緣節(jié)點的電池使用壽命延長至許多年。

可能無需在工業(yè)物聯(lián)網(wǎng)中使用許多邊緣節(jié)點檢測解決方案就可以處理連續(xù)不間斷的數(shù)據(jù)流。利用中斷事件閾值忽略已知的超范圍條件數(shù)據(jù)，這樣可降低處理功率。為了保持功率和帶寬，可能需要提前了解可預(yù)測的占空比。此外，基于已檢測信息狀態(tài)的可變占空比可觸發(fā)活動狀態(tài)或降低功率狀態(tài)。

微控制器或DSP的響應(yīng)時間和功耗（開啟和關(guān)閉狀態(tài)下）是低帶寬應(yīng)用的重要設(shè)計依據(jù)。例如：建筑中，溫度和光傳感器的數(shù)據(jù)傳輸在靜止期間可能明顯減少。這不僅可以延長傳感器節(jié)點的休眠時間，而且還可以大大減少信息傳輸。

為了實現(xiàn)快速反應(yīng)，許多微控制器除了提供完全活動模式，還提供各種低功耗工作模式，例如：睡眠模式、靈活模式、休眠模式和完全關(guān)斷模式。每種模式都將在不需要時關(guān)斷各種內(nèi)部計算模塊，通常將電流需求改變幾個數(shù)量級。為實現(xiàn)這一節(jié)能優(yōu)勢，向完全活動模式過渡需要最低有限響應(yīng)時間。采用靈活模式這一混合配置時，計算內(nèi)核處于睡眠模式，而外圍接口仍處于活動狀態(tài)。休眠模式可提供SRAM數(shù)據(jù)存儲功能，并可選擇允許實時時鐘仍保持活動狀態(tài)。

圖6.詳細(xì)的MCU功耗與時序圖。

圖6為詳細(xì)的MCU功耗與時序圖，顯示了每種低功耗MCU模式、過渡時間和占空比的影響。當(dāng)MCU處于非活動狀態(tài)時，使用低功耗模式是保持在低功耗傳感器節(jié)點預(yù)算范圍之內(nèi)的關(guān)鍵。9

傳感器融合

先進(jìn)的模擬微控制器提供了一個完整的混合信號計算解決方案。配備嵌入式精密模數(shù)轉(zhuǎn)換器（ADC）的前端模擬多路復(fù)用器支持更先進(jìn)的傳感器融合技術(shù)。在進(jìn)行數(shù)字處理之前，可將多傳感器輸入發(fā)送至單個微控制器。片上數(shù)模轉(zhuǎn)換器（DCA）和微控制器反饋至附近其他設(shè)備，可實現(xiàn)快速反饋回路。其他嵌入式電路模塊（如比較器、帶隙基準(zhǔn)電壓源、溫度傳感器和鎖相環(huán)）為多傳感器邊緣節(jié)點提供額外的算法靈活性。10

圖7.可在單個模擬微控制器中處理多傳感器信號。

多個傳感器的模擬信號可發(fā)送至單個精密模擬微控制器。微控制器中的算法可通過傳感器融合過程實現(xiàn)信息的智能組合。

室外污染監(jiān)控器應(yīng)用就屬于此類邊緣節(jié)點處理。在此類應(yīng)用中，來自多個輸入來源（如氣體傳感器、溫度傳感器、濕度傳感器和顆粒傳感器）的數(shù)據(jù)在單個處理器中融合并進(jìn)行分析。通過這些信息，分析處理完畢后，即可基于只能從本地傳感器節(jié)點那獲知的校準(zhǔn)和補償信息生成污染數(shù)據(jù)。然后，可將這些經(jīng)過校準(zhǔn)的數(shù)據(jù)發(fā)送至云，以便進(jìn)行歷史分析。在一些情況下，可能需要進(jìn)行獨特的一次性調(diào)試，針對其特定的環(huán)境失調(diào)配置每個傳感器節(jié)點。9

ADI公司對ULP平臺進(jìn)行了大量投資，在傳感器、處理器和節(jié)能模式的強大功能集方面均有重大改進(jìn)。近期發(fā)布的ADuMC3027和ADuMC3029系列微控制器可提供26 MHz ARM Cortex-M3內(nèi)核的性能，同時在活動模式下的工作電流低于38 μA/MHz，而在待機(jī)模式下為750 nA。這種高效的本地處理能力可降低系統(tǒng)的整體功耗，同時大大減少通過網(wǎng)絡(luò)發(fā)送數(shù)據(jù)進(jìn)行分析的需要。9

ADI公司提供各種MCU和DSP引擎，有助于以智能方式捕捉和處理發(fā)送至云的物聯(lián)網(wǎng)數(shù)據(jù)。ADuCM36x系列采用ARM Cortex-M3處理內(nèi)核和集成式雙核?-Δ ADC。ADI公司的SHARC? 數(shù)字信號處理器系列在許多將動態(tài)范圍作為關(guān)鍵要素的應(yīng)用中實現(xiàn)了實時浮點處理性能。4

新一代Cortex-M33處理器基于ARMv8-M架構(gòu) ，采用可靠的TrustZone?技術(shù)，通過處理器的內(nèi)置硬件保證可信應(yīng)用和數(shù)據(jù)的安全。隨著世界的聯(lián)系變得越來越緊密，確保每個節(jié)點的安全性是促進(jìn)物聯(lián)網(wǎng)應(yīng)用發(fā)展的關(guān)鍵。

1Michael Porter和James Heppelmann?！爸悄苓B接產(chǎn)品如何改變競爭?！惫鹕虒W(xué)院評論，2014年11月。

2Grainne Murphy和Colm Prendergast?！熬仍谖锫?lián)網(wǎng)中的重要影響。”ADI公司，2016年8月。

3Boris Lerner?！岸c與浮點數(shù)字信號處理。”EE Times，2007年2月。

4 數(shù)字信號處理器。ADI公司

5歐洲編輯?！岸嗪宋⒖刂破魈嵘阅??！?a href="http://ttokpm.com/tags/digi-key/" target="_blank">Digi-Key，2013年11月。

6Oivind Loe?！霸u估真實環(huán)境中MCU的能效?！鼻度胧?，2015年10月。

7Amyas Phillips?！肮I(yè)物聯(lián)網(wǎng)。”ARM。

8 物聯(lián)網(wǎng)連接?，EEMBC基準(zhǔn)。EEMBC。

9Michelle Farrington。自供電物聯(lián)網(wǎng)系統(tǒng)的演變。IDTechEx，2016年4月。

10 精密模擬微控制器。ADI公司，2008年7月。

作者簡介

Ian Beavers是ADI公司自動化、能源和傳感器部（美國北卡羅來納州格林斯博羅）的產(chǎn)品工程經(jīng)理。他于1999年加入公司。Ian擁有超過19年的半導(dǎo)體行業(yè)工作經(jīng)驗。Ian于美國北卡羅來納州立大學(xué)獲得電氣工程學(xué)士學(xué)位并于格林斯博羅分校獲得工商管理碩士學(xué)位。