基于5G的AI传感器在环境监测中的应用研究

王国庆，李 坚，吕耀坤

(中通服咨询研究院有限公司，江苏 南京 210019)

0 引 言

工业社会的飞速发展给人类带来了丰富的物质生活，与此同时，由于人类对其负面影响考虑不周，随之而来的污染也在逐步侵蚀和破坏人类赖以生存的环境。环境监测与污染治理由此成为了一项重要且长期的工作。

当前的智能无线传感器及无线传感器网络(Wireless Sensor Networks，WSN)主要是由数据采集模块、数据传输模块、数据处理模块构成的智能一体化设备。它不仅能够准确、快速、方便地获取信息，还具有体积小、成本低，能够进行无线通信和数据处理等优点，因而在环境监测方面得到了广泛的研究与应用[1]。王骥等人提出了利用ZigBee技术结合WSN设计一种安全高效的、个性化的环境监测系统，该系统主要由终端传感器节点、GPRS网关及操作软件组成[2]。张全柱等人采用模块化设计方法，构造由粉尘传感器与温湿度传感器组成的数据采集模块，采用ZigBee协议的传输模块以及ARM 9处理器构成的数据处理模块[3]。

然而由于ZigBee技术传输速率低，带宽窄，在大数据量情况下，其实时监测应用必然受到限制。而且目前获得的数据最终多是经由人工使用计算机或手机等操作处理的，处理速度及便捷程度受到一定制约。如何更快捷地获得并加工处理数据以适应实时监测的需求成为无线传感器网络的研究方向之一[4]。

随着通信技术的飞速发展与人工智能的高速崛起，5G技术、人工智能也将改变现有传感器及传感器网络，使其变得更加快速高效智能。本文结合5G关键技术与AI技术的特点，提出了基于5G的AI传感器在环境监测中的应用。

1 5G网络架构及关键技术简介

1.1 5G网络架构

5G网络架构由控制平面、接入平面和转发平面构成。控制平面利用网络功能重构负责集中控制和进行无线资源的全局调度；接入平面包含基站和无线设备，可灵活快速地实现无线接入协同控制以及提高资源利用率；转发平面包含分布式网关、集成内容缓存和业务流加速等功能，在控制平面的统一管控下实现数据转发效率和路由灵活性的提升。通过引入软件定义网络(SDN)和网络功能虚拟化(NFV)等技术，实现控制功能和转发功能的分离，以及网元功能和物理实体的解耦，从而实现多类网络资源的实时感知与调配，以及网络连接和网络功能的按需提供和适配[5]，如图1所示。

图1 5G网络架构

1.2 5G关键技术

(1)大规模MIMO技术。大规模MIMO技术是传统MIMO技术的演进，它将天线数目提高到几十个甚至上百个。与传统MIMO技术相比，大规模MIMO技术具有更低的时延与更强抗干扰能力，且可以提高空间分辨率、系统容量和发射功率利用率。

(2)毫米波技术。毫米波是指波长在毫米数量级，频率大约在30 GHz～300 GHz之间的电磁波。毫米波技术可以通过提升频谱带宽来实现超高速无线数据传播，从而成为5G通讯中的关键技术之一。由于毫米波频段的另一个特性是在空气中衰减较大，绕射能力弱，因此更适用于室内通信及D2D应用场景。

(3)D2D。设备到设备通信(Device to Device，D2D)是指设备与设备之间的直接通信。该技术具有减轻基站压力、提升系统网络性能、降低端到端的传输时延、提高频效率的潜力。其在实际应用中主要分为4类，包括基站控制链路建立下的终端设备中继、基站控制链路建立下的直接终端设备通信、终端控制链路建立下的直接设备通信以及终端控制链路建立下的终端设备中继。

(4)全双工。全双工是5G关键空中接口技术之一，它令终端设备可以在同一时间同一频段发送和接收信号，达到比传统的TDD或FDD高一倍的频谱效率，同时减小端到端的传输时延和信令开销。

(5)超密集网络。超密集网络(UDN)对5G要求中的高速率、低时延、大业务量以及高密度终端数起到了至关重要的作用。它通过部署大量的设备来满足高密度、高流量的无线终端接入要求，同时提高系统的频谱利用率，从而使系统容量得以提升。UDN的典型应用场景包括办公楼、车站、校园、地铁、医院、体育馆等人流密集地区。

2 人工智能

人工智能(Artificial Intelligence，AI)是美国计算机科学家John McCarthy在1956年提出的计算机科学的一个分支，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的科学技术。人工智能试图了解智能的实质，并生产出一种新的能以人类智能相似方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

2.1 机器学习

机器学习是指通过分析和学习来挖掘数据模式，并且能够用这种模式预测未来数据或是不确定情况下做出最佳决策的一系列方法，可以简单的认为是预测分析的自动化。机器学习的代表算法有深度学习、人工神经网络、决策树、增强算法等。

2.2 机器视觉

机器视觉是让计算机看到的科学。机器视觉利用摄像机、模拟数字转换和数字信号处理来捕捉和分析视觉信息。人们通常将它与人类的视觉相比较，但是机器视觉不受生物学的限制，可以通过编程来观察对象。机器视觉已用于从签名识别到医学图像分析的一系列应用中。

2.3 自然语言处理

自然语言处理(Natural Language Processing，NLP)是计算机科学领域与人工智能领域中的一个重要方向。它是研究实现人与计算机之间用自然语言进行有效通信的理论和方法。NLP最著名的例子是垃圾邮件检测，经过查阅主题栏和电子邮件文本，然后判断是否是垃圾邮件。目前的NLP方法是建立在机器学习基础上的。NLP任务包括文本翻译、情绪分析和语音识别。

3 AI传感器在环境监测中的应用

图2是标准网络化AI传感器典型结构模型图，由智能变送器单元(STIM)、信号调理单元，数字化处理模块、传感器电子数据表、传感器独立接口、网络控制模块(NCAP)、网络接口等单元模块组成[6]。在对环境的监测中，智能传感器的传感部件是由多种气体传感器节点组成，如粉尘传感器、甲烷传感器、二氧化硫传感器等，可同时监测环境中的多种有害气体。每一个气体传感器都直接与通讯模块的信号发射节点相连，采集到的数据通过网络传输至处理器模块[7]。

图2 IEEE1451.2标准 智能网络传感器系统典型结构模型[6]

3.1 信号感知

信号感知是由传感器感知模块对外界变化因素进行快速响应所采集的模拟信号。传感器感知模块主要部件由光敏材料、电敏材料、压敏材料、气敏材料等一系列敏感材料构成。智能传感器中敏感部件的存在方式多变，可像传统传感器一样独立存在；也可通过硅集成技术，将敏感元件进行阵列化集成，提升敏感精度与灵敏度；还可将不同敏感元件进行复合式集成，对多种待测物理量进行测量。变送器单元将传感器的非标准输出信号变成标准可控信号量，对可控信号量进行传输与测量，以方便数据采集[8]。

3.2 信号处理

传感器将采集到的模拟信号信息传输到智能变送器单元，智能变送器单元模块对信号进行调理和模数转换，形成方便传输保存的数字信号。而电子数据表(Transducer Electronic Data Sheets，TEDS)可对传感器基本信息进行配置，使智能变送器能够对其自动识别和描述，从而使智能传感器即插即用的便捷性成为可能。

3.3 通讯传输

传感器采集的数据需搭载无线通信技术传输到客户端。要对环境进行实时有效的监测，就需要依靠以大量智能传感器节点为基础单元所形成的传感分布系统。庞大的监测数据量，海量的接入节点十分契合5G技术特点。5G网络的技术特点就是热点容量高，低时延高可靠，低功耗大连接。对信息数据进行收集处理再反馈给传感器节点达到自调节、自校正作用，减少测量误差。低延时和数据安全性是智能传感器通信传输的关键点。2016年11月18日，3GPP会议确定了Polar码作为5G 增强移动带宽(eMBB)场景的控制信道编码方案。极化码是理论上可达到香农极限的编码方式，将会是5G无线通信的核心技术之一。

4 结束语

人工智能的快速发展，5G技术的革新，两者之间相互的结合是未来的重要发展方向之一。本文对5G技术特点进行归纳，对人工智能实现调研，提出了基于5G的智能传感器在环境监测中的应用。实时环境监测是打造智慧城市的重要手段之一，搭载5G无线技术的智能传感分布系统将会在未来生活中展现出极大优势。