传感器融合带来多重好处

传感器融合是一个热门话题，与物联网的增长趋势相吻合，尤其是与自动驾驶汽车和高级驾驶辅助系统 (ADAS) 相关联。这个概念本身并不新鲜。在 Google Scholar 上的搜索确定了可以追溯到 1960 年代及更早的概念。但是今天，关于系统应该融合哪些传感器输入以及如何应用由此产生的洞察力的知识体系越来越多。多少才足够取决于应用程序和成本/风险收益。

多少传感器融合才足够取决于应用和成本/风险收益（图片：SAR Insight and Consulting）

传感器融合比以往任何时候都更加重要，因为个体犯罪者和国家情报机构的持续存在对各地的自主系统构成越来越大的威胁。虽然政界很多人都担心 5G 网络中的潜在信息安全风险，但恶意软件攻击会带来更大的风险，这些攻击可能会破坏和勒索自治系统所有者。系统架构师不应低估这些风险，必须避免汽车和航空制造商的错误。福特汽车公司估计人的生命价值为 200,000 美元——比修复 Pinto 轿车（1971-1980 年）的燃料设计便宜。然而，人身伤害律师和陪审团并不这么认为。当前的悲惨故事属于波音公司，该公司为其 737 MAX 喷气式飞机提供了关键的传感器融合和冗余功能，但需要额外付费。因此，波音公司及其供应链承受着当前的痛苦，这种痛苦的结束可能需要数年时间才能结束。

最后，为人类活动和工业应用推进传感器融合的系统所带来的经济和健康效益现在显而易见。

容错和弹性

所有传感器和型号都有容差误差，使用多个测量相同数量的传感器可以提高可靠性并提供对故障的恢复能力，否则可能会导致灾难性的故障。冗余增加了成本和复杂性，但正如波音和福特的例子所表明的那样，导致单点故障的短视决定可能是灾难性的。

抗攻击

带有恶意软件的黑客会想方设法攻击基于传感器的系统，但适当的数据融合和安全协议（包括人工智能）可以确保在面对此类攻击时稳健运行。一种攻击手段向输入传感器注入虚假信号；这些信号不会通过普通的数字安全措施得到缓解，因为它们出现在模拟域中。这些攻击面可能包括：

• 信号欺骗（激光雷达和摄像头）；
• 信号取消和干扰（ABS 磁传感器、破坏交通标志）；和
• 侧漏（使用传感器收集敏感信息的植入恶意软件）。

人体活动多传感器

随着人口老龄化，通过多个传感器融合来解释和监测人类活动将实现更好的健康结果和更低的成本。可穿戴和环境传感器融合在人类活动中的应用包括老年人护理和辅助生活、跌倒检测和姿势识别、安全和监视、运动员和急救人员状态，以及对残障人士的定位和导航辅助。

网络中的数据融合

数据融合和分析历来发生在计算机或数据中心（云）中。传感技术的小型化和成本降低使边缘设备级别的传感器融合（和人工智能/机器学习）成为可能。未来，混合网络架构将在三层进行传感器数据融合和分析：

• 低级数据融合将在智能设备或聚合多个传感器输入的网关上进行。
• 中级数据融合将支持更密集的分析和数据融合，适用于更广泛的设备，并与集线器网关和边缘计算相关联。
• 高级数据融合将驻留在数据中心或云中，以提供边缘设备托管系统的最高视角。

降低运营成本

传感器融合将通过扩展无人机（UAV）和具有自主功能的机器人等设备的范围和应用来降低运营成本。在传感器融合将使远程操作员或低成本劳动力中心做更多工作的情况下，节省也将产生。应用包括检查无人机的自动防撞和大部分自主运输系统的远程驾驶员干预。

趋势

随着消费化在工业和物联网生态系统中扎根，预计传感器、计算和连接将继续小型化并降低成本。 CES 2020 展示包括 MEMS 传感器创新，例如使汽车和智能交通系统受益的 LiDAR 镜子的小型化。

传感器融合的首选方法是一类称为卡尔曼滤波器的计算机算法，它通过连续测量和预测对系统的先前和当前状态进行建模。通过传感器输入将错误信号注入高度复杂的系统，将引导系统架构师实施机器学习和神经网络以实现安全和数据融合。

传感器融合提高了正常操作的系统完整性、可靠性和稳健性，并提供了额外的好处来抵御源自模拟域的传感器网络攻击。通过在他们的系统中小心地实施传感器融合，设计师和架构师可以降低故障或恶意行为带来的风险，这些行为可能对人员、财产或经济繁荣造成伤害。

>> 本文最初发表于我们的姊妹网站 EE Times Europe。