物联网关键技术研究
摘 要：针对近年来人们广泛关注的物联网，分析讨论了制约物联网发展应用的关键技术，包括感知技术、网络通信技术、数据融合与智能技术，以及云计算等。这些技术将对物联网的发展和应用乃至人类生活、工业发展、科技进步起到至关重要的促进作用。 关键词：物联网；传感网；数据融合；云计算
Research on Key Technology for Internet of Things
Abstract： For Internet of Things (IOT) widely concerned by people in recent years, the key technologies of restricting IOT
development, including awareness technology, network communications technology, data aggregation and intelligent technology, and
cloud computing, are analyzed and discussed. These technologies will play important roles in promoting the development and
application of IOT, and even human life, industrial development and the advancement of science and technology.
Key words：Internet of things；wireless sensor network；data aggregation；cloud computing
引言
目前物联网已成为IT业界的新兴领域，引发了相当热烈的研究和探讨。不同的视角对物联网概念的看法不同，所涉及的关键技术也不相同。可以确定的是，物联网技术涵盖了从信息获取、传输、存储、处理直至应用的全过程，这需要在材料、器件、软件、网络、系统等各个方面都有所创新才能促进其发展。国际电信联盟报告提出 ，物联网主要需要四项关键性应用技术：① 标签物品的 RFID 技术；②感知事物的传感网络技术（Sensor
technologies）；③思考事物的智能技术（Smart technologies）；④ 微缩事物的纳米技术（Nanotechnology）。显然这是侧重了物联 网的末梢网络技术。欧盟《物联网研究路线图》将物联网研究 划分为了十个层面：①感知，ID 发布机制与识别；②物联网宏观架构； ③通信（OSI 物理与数据链路层）；④组网（OSI 网络 层）；⑤软件平台、中间件（OSI 网络层以上）；⑥硬件；⑦情报提炼；⑧搜索引擎；⑨能源管理；⑩安全。当然这些都是物联网研究的内容，而对于实现物联网而言略显重点不够突出。
本文针对物联网的内涵，分析研究实现物联网所涉及的关键技术，譬如感知技术、网络通信技术、数据融合与智能技术，以及云计算等。
感知技术
感知技术也可以称为信息采集技术，它是实现物联网的基础。目前，信息采集主要采用电子标签和传感器等方式完成。
1.1 电子标签
在感知技术中，电子标签用于对采集的信息进行标准化标识，数据采集和设备控制通过射频识别读写器、二维码识读器等实现。射频识别(RFID)是一种非接触式的自动识别技术，属于近程通信，与之相关的技术还有蓝牙技术等。RFID 通过射频信号自动识别目标对象并获取相关数据，识别过程无须人工干预，可工作于各种恶劣环境。RFID 技术可识别高速运动物体并可同时识别多个标签，操作快捷方便。RFID 技术与互联网、通信等技术相结合，可实现全球范围内物品跟踪与信息共享。
RFID 电子标签是近几年发展起来的新型产品，也是替代条形码走进物联网时代的关键技术之一。所谓RFID电子标签就是一种把天线和IC封装到塑料基片上的新型无源电子卡片，具有数据存储量大、无线无源、小巧轻便、使用寿命长、防水、防磁和安全防伪等特点。RFID读写器(即PCE机)和电子标签(即PICC 卡)之间通过电磁场感应进行能量、时序和数据的无线传输。在 RFID 读写器天线的可识别范围内，可能会同时出现多张PICC卡。如何准确识别每张卡，是A型PICC卡的防碰撞(也叫防冲突)技术要解决的关键问题。
1.2 传感器
传感器是机器感知物质世界的"感觉器官"，用来感知信息采集点的环境参数；它可以感知热、力、光、电、声、位移等信号，为物联网系统的处理、传输、分析和反馈提供最原始的信息。 随着电子技术的不断进步，传统的传感器正逐步实现微型化、智能化、信息化、网络化；同时，我们也正经历着一个从传统传感器到智能传感器再到嵌入式 Web 传感器不断发展的过程。目前，市场上已经有大量门类齐全且技术成熟的传感器产品可供选择。
网络通信技术
在物联网的机器到机器、人到机器和机器到人的信息传输中，有多种通信技术可供选择，他们主要分为有线（如 DSL、PON 等）和无线（如 CDMA、GPRS、IEEE 802.11a/b/g WLAN 等）两大类技术，这些技术均已相对成熟。在物联网的实现中，格外重要的是无线传感网技术。
2.1 无线传感网主要技术
无线传感网(WSN)是集分布式信息采集、传输和处理技术于一体的网络信息系统，以其低成本、微型化、低功耗和灵活的组网方式、铺设方式以及适合移动目标等特点受到广泛重视。物联网正是通过遍布在各个角落和物体上的形形色色的传感器以及由它们组成的无线传感网络，来感知整个物质世界的。目前，面向物联网的传感网，主要涉及以下几项技术。 ? 测试及网络化测控技术。综合传感器技术、嵌入式计算机技术、分布式信息处理技术等，协作地实时监测、感知和采集各种环境或监测对象的信息，并对其进行处理、传输。只有依靠先进的分布式测试技术与测量算法，才能满足日益提高的测试和测量需求。 ? 智能化传感网节点技术。所谓传感网节点是指一个微型化的嵌入式系统。在感知物质世界及其变化的过程中，需要检测的对象很多，譬如温度、压力、湿度、应变等，因此需要微型化、低功耗的传感网节点来构成无线传感网的基础层支持平台。这不但需要采用MEMS加工技术，设计符合物联网要求的微型传感器，使之可识别和配接多种敏感元件，并适用于主被动各种检测方法；另外，传感网节点还应具有强抗干扰能力，以适应恶劣工作环境的需求。这里重要的是，利用传感网节点具有的局域信号处理功能，在传感网节点附近局部完成一定的信号处理，使原来由中央处理器实现的串行处理、集中决策的系统，成为一种并行的分布式信息处理系统。
? 传感网组织结构及底层协议。网络体系结构是网络的协议分层以及网络协议的集合，是对网络及其部件所应完成功能的定义和描述。对传感网而言，其网络体系结构不同于传统的计算机网络和通信网络。对于物联网的体系结构，已经提出了多种参考模型 。就传感网体系结构而言，也可以由分层的网络通信协议、传感网管理以及应用支撑技术三个部分组成。其中，分层的网络通信协议结构类似于TCP/IP协议体系结构；传感网管理技术主要是对传感器节点自身的管理以及用户对传感网的管理；分层协议和网络管理技术是传感网应用支撑技术的基础。
? 对传感网自身的检测与自组织。传感网是整个物联网的底层和信息来源，网络自身的完整性、完好性和效率等性能至关重要，因此，需要对传感网的运行状态及信号传输通畅性进行良好监测，才能实现对网络的有效控制。在实际应用当中，传感网中存在大量传感器节点，密度较高，当某一传感网节点发生故障时，网络拓扑结构有可能会发生变化，因此，设计传感网时应考虑传感网的自组织能力、自动配置能力及可扩展能力。
? 传感网安全。传感网除了具有一般无线网络所面临的信息泄露、信息篡改、重放攻击、拒绝服务等多种威胁之外，还面临传感网节点容易被攻击者物理操纵，获取存储在传感网节点中的信息，从而控制部分网络的安全威胁。这显然需要通过其他的网络安全技术来提高传感网的安全性能。如在通信前进行节点与节点的身份认证；设计新的密钥协商算法，使得即使有一小部分节点被恶意控制，攻击者也不能或很难从获取的节点信息推导出其他节点的密钥信息；对传输信息加密解决窃听问题；保证网络中的传感信息只有可信实体才可以访问；采用一些跳频和扩频技术减轻网络堵塞等问题。
2.2 物联网的部分网络通信技术
根据目前物联网所涵盖的概念，其工作范围可以分成两大块：一块是体积小、能量低、存储容量小、运算能力弱的智能小物体的互联，即传感网；另一块是没有上述约束的智能终端的互联，如智能家电、视频监控等。对于智能小物体网络层的网络通信技术目前有两项：一是基于 ZigBee 联盟开发的 ZigBee协议进行传感器节点或者其他智能物体的互联；另一技术是IPSO联盟所倡导的通过IP实现传感网节点或者其他智能物体的互联。
? ZigBee 技术。ZigBee 技术是基于底层 IEEE 802.15.4标准，用于短距离范围、低传输数据速率的各种电子设备之间的无线通信技术，它定义了网络/安全层和应用层。ZigBee 技术经过多年的发展，技术体系已相对成熟，并已形成了一定的产业规模。在标准方面，已发布 ZigBee 技术的第 3 个版本V1.2；对于芯片，已能够规模生产基于IEEE 802.15.4的网络射频芯片和新一代的 ZigBee 射频芯片（将单片机和射频芯片整合在一起）；在应用方面，ZigBee 技术已广泛应用于工业、精确农业、家庭和楼宇自动化、医学、消费和家用自动化、道路指示/安全行路等众多领域。
? 与IPv6相关联的技术。若将物联网建立在数据分组交换技术基础之上，则将采用数据分组网即 IP 网作为承载网。IPv6 作为下一代 IP 网络协议，具有丰富的地址资源，能够支持动态路由机制，可以满足物联网对网络通信在地址、网络自组织以及扩展性方面的要求。但是，由于IPv6协议栈过于庞大复杂，不能直接应用到传感器设备中，需要对 IPv6 协议栈和路由机制作相应的精简，才能满足低功耗、低存储容量和低传送速率的要求。目前有多个标准组织进行相关研究，IPSO 联盟于 20xx年10月，已发布了一种最小的IPv6协议栈IPv6。
数据融合与智能技术
物联网是由大量传感网节点构成的，在信息感知的过程中，采用各个节点单独传输数据到汇聚节点的方法是不可行的。因为网络存在大量冗余信息，会浪费大量的通信带宽和宝 贵的能量资源。此外，还会降低信息的收集效率，影响信息采集的及时性，所以需要采用数据融合与智能技术进行处理。
3.1 分布式数据融合
所谓数据融合是指将多种数据或信息进行处理，组合出高效且符合用户需求的数据的过程。在传感网应用中，多数情况只关心监测结果，并不需要收集大量原始数据，数据融合是处理该类问题的有效手段。例如，借助数据稀疏性理论在图像处理中的应用，可将其引入传感网用于数据压缩，以改善数据融合效果。
分布式数据融合技术需要人工智能理论的支撑，包括智能信息获取的形式化方法、海量信息处理的理论和方法、网络环境下信息的开发与利用方法，以及计算机基础理论。同时，还需掌握智能信号处理技术，如信息特征识别和数据融合、物理信号处理与识别等。
3.2 海量信息智能分析与控制
海量信息智能分析与控制是指依托先进的软件工程技术，对物联网的各种信息进行海量存储与快速处理，并将处理结果实时反馈给物联网的各种"控制"部件。智能技术是为了有效
地达到某种预期的目的，利用知识分析后所采用的各种方法和手段。通过在物体中植入智能系统，可以使得物体具备一定的智能性，能够主动或被动的实现与用户的沟通，这也是物联网的关键技术之一。智能分析与控制技术主要包括人工智能理论、先进的人-机交互技术、智能控制技术与系统等。物联网的实质是给物体赋予智能，以实现人与物体的交互对话，甚至实现物体与物体之间的交互或对话。为了实现这样的智能性，例如，控制智能服务机器人完成既定任务包括运动轨迹控制、准确的定位及目标跟踪等，需要智能化的控制技术与系统。
云计算
随着互联网时代信息与数据的快速增长，有大规模、海量的数据需要处理。当数据计算量超出自身IT架构的计算能力时，一般是通过加大系统硬件投入来实现系统的可扩展性。另外，由于传统并行编程模型应用的局限性，客观上还需要一种易学习、使用、部署的并行编程框架来处理海量数据。为了节省成本和实现系统的可扩放性，云计算的概念因此应运而生 。
云计算最基本的概念是通过网络将庞大的计算处理程序自动分拆成无数个较小的子程序，再交由多部服务器所组成的庞大系统处理。通过云计算技术，网络服务提供者可以在数秒之内，处理数以千万计甚至亿计的信息，提供与超级计算机同样强大效能的网络服务。云计算作为一种能够满足海量数据处理需求的计算模型，将成为物联网发展的基石。之所以说云计算是物联网发展的基石，一是因为云计算具有超强的数据处理和存储能力，二是因物联网无处不在的信息采集活动，需要大范围的支撑平台以满足其大规模的需求。
实现云计算的关键技术是虚拟化技术。通过虚拟化技术，单个服务器可以支持多个虚拟机运行多个操作系统，从而提高服务器的利用率。虚拟机技术的核心是 Hypervisor(虚拟机监控程序)。Hypervisor 在虚拟机和底层硬件之间建立一个抽象层，它可以拦截操作系统对硬件的调用，为驻留在其上的操作系统提供虚拟的CPU和内存。
实现云计算系统目前还面临着诸多挑战，现有云计算系统的部署相对分散，各自内部能够实现 VM 的自动分配、管理和容错等，云计算系统之间的交互还没有统一的标准。关于云计算系统的标准化工作还存在一系列亟待解决的问题，需要更进一步的深入研究。然而，云计算一经提出便受到了产业界和学术界的广泛关注。目前，国外已经有多个云计算的科学研究项目，比较有名的是 Scientific Cloud 和 Open Nebula 项目。产业界也在投入巨资部署各自的云计算系统，参与者主要有Google、IBM、Microsoft、Amazon等。国内关于云计算的研究也已起步，并在计算机系统虚拟化基础理论与方法研究方面取得了阶段性成果。
结束语
根据物联网的内涵可知，要真正实现物联网需要感知、传输、控制及智能等多项技术。物联网的研究将带动整个产业链或者说推动产业链的共同发展。信息感知技术、网络通信技 术、数据融合与智能技术、云计算等技术的研究与应用，将直接影响物联网的发展与应用，只有综合研究解决了这些关键技术问题，物联网才能得到快速推广，造福于人类社会，实现智慧地球的美好愿望。
参考文献：
[1] International Telecommunication Union UIT.ITU Internet Reports 2005:The Internet Things[EB/OL].2010.4.2. http://www. itu.int/publ/S-POL-IR.IT-2005/e. of
[2] 刘化君.物联网体系结构研究[J].中国新通信,2010.5.
[3] Wikipedia.Cloud computing[EB/OL].2010.4.8.http://en.wikipedia. org/wiki/Cloud_computing.
[4] H. Jing, ZH. Hong-jiang, C. Qing-sheng, Prediction for Visiting Path on Web[J].Journal of Software,2002.13(6):1040~1049
[5] I.Zuckerman, D.Albrcht, A.Nicholson. Predicting User's Requests
on the WWW[C].In:Proceedings of the 7th International con- ference on User Modeling, New York, springer,1999:275~284
[6] Sarukkai R. Link prediction and path analysis using Markov chains[C].Amsterdam, Nether-lands Proceedings of the 9th World
Wide Web Conference,2000:234~247
[7] 刑永康,马少平.多 Markov 链用户浏览预测模型[J].计算机学报, 2003.26(11):1510~1517
[8] 闫永权,张大方.基于频繁的Markov链预测模型[J]. 计算机应用研究 2007.24(3):41~43
[9] 陈铁军,覃征,贺升平.用户浏览页面预测的多阶 HMM 模型融合[J].微电子学与计算 机,2008.25(11):113~116
[10] 余雪岗,刘衍珩,魏达等.用于移动路径预测的混合Markov模型[J].通信学报,2006.27(12).