一种基于边缘计算的自适应低功耗物联网监测系统及方法

本发明属于物联网，尤其涉及一种基于边缘计算的自适应低功耗物联网监测系统及方法，适用于环境监测、工业设备状态监测、智慧农业、野外生态监测等需要对环境参数进行长周期、低功耗、高精度监测的应用场景。

背景技术：

1、随着物联网技术的飞速发展，无线传感监测节点已广泛应用于环境监测、工业运维、智慧农业等多个领域。据idc预测，到2030年全球活跃物联网设备将达2500亿台，大规模低功耗监测需求日益凸显。目前，行业内与本技术最接近的现有技术主要分为两类，一类是传统固定模式的物联网监测系统，另一类是现有改进型低功耗监测方案。

2、现有技术一（传统物联网监测系统）：该类系统是目前应用最广泛的主流方案，普遍采用“固定频率采样+云端集中处理”的核心工作模式。其硬件架构通常由普通传感节点、汇聚网关和云端管理平台组成，传感节点采用单一或少量传感器，按固定频率持续采集环境或设备数据，采集完成后无需本地处理，直接将所有原始数据通过无线通信方式上传至云端，由云端完成数据滤波、异常识别、分析统计等全部处理工作；电源供给多采用单一锂电池供电，无自补能功能，电源管理模式固定，仅支持简单的休眠/唤醒切换，无法根据设备状态动态调整功耗；通信方式多采用常规wi-fi或基础lora模块，无分级传输机制，所有数据均按统一频次上传。现有市面上多数工业设备监测节点、农业大棚温湿度监测设备均采用该类技术方案。

3、现有技术二（改进型低功耗监测方案）：为解决传统系统功耗过高的问题，行业内出现了部分优化方案。该类方案主要通过优化采样频率或休眠策略实现功耗降低，例如采用固定周期的间歇采样模式，或根据单一环境参数（如温度）的变化调整采样间隔；部分方案引入了简单的数据预处理功能，剔除明显无效数据以减少传输量；少数方案尝试采用射频能量收集、太阳能补能等方式延长续航，但补能模块与功耗管理未形成协同，补能效率低下且存在启动慢、适配性差的问题。此外，部分方案采用leach等协议优化节点能耗，但仍存在簇头选举不合理、能量分布不均的缺陷，无法实现长期稳定运行。

4、尽管现有技术已形成一定的应用规模和改进方向，但仍存在诸多突出缺点，无法满足长周期、高可靠、低功耗的物联网监测需求，具体缺点及成因如下：

5、1.功耗过高，续航周期短，维护成本高：传统方案中，传感节点持续以固定频率采集数据，即便环境参数稳定、无明显变化，仍会产生大量冗余采样数据，而数据传输环节（尤其是长距离传输）是能耗最高的操作，持续的数据上传会导致节点功耗急剧增加，传统节点发送数据时平均功耗可达18-30ma，远高于休眠模式的0.01-0.1ma，导致锂电池续航周期通常不超过3个月。改进型方案虽优化了采样或休眠策略，但仅单一调整某一参数，未实现采样频率、休眠时长、供电功率、数据传输的协同调控，且未结合剩余电量动态调整工作模式；部分补能方案存在整流效率低、冷启动时间长等问题，无法有效弥补能耗损耗，导致节点仍需频繁更换电池，尤其对于野外、工业现场等无人值守场景，维护成本极高。

6、2.数据冗余严重，传输效率低，响应延迟高：传统方案未设置本地数据处理单元，所有采集的原始数据（包括冗余数据、无效数据）均需上传至云端处理，不仅占用大量网络带宽，增加网络传输开销，还导致数据处理延迟较高，无法实现异常事件的实时响应，难以满足工业设备故障监测等对延迟要求较高的场景需求。改进型方案的本地预处理功能较为简单，仅能剔除明显无效数据，无法对数据特征进行深度分析、筛选，仍存在大量冗余数据传输；同时，现有方案均未建立分级传输机制，正常数据与异常数据按同一频次上传，进一步加剧了网络拥堵，降低了异常事件的响应及时性。

7、3.监测精度与低功耗无法兼顾：传统方案为保证监测精度，采用固定高频采样模式，进一步加剧功耗问题；而部分改进型方案为降低功耗，单纯降低采样频率，未考虑环境参数的波动情况，导致环境参数发生突变时，无法及时捕捉变化数据，造成监测数据失真，出现“欠采样”问题。其核心成因在于现有技术缺乏功耗与数据精度的协同优化机制，未根据数据变化率动态调整采样策略，无法在环境稳定时降低功耗、环境波动时保证精度。

8、4.系统适配性差，通用性不足：传统方案的电源管理模式单一，仅支持固定的工作/休眠切换，无法根据剩余电量、环境变化、数据状态动态调整供电策略；改进型方案多针对单一场景设计，传感器类型固定，未采用多模态传感架构，无法灵活适配不同场景需求。此外，边缘设备在硬件架构、计算能力上存在异构性，现有方案未采用适配性设计，导致不同硬件节点难以统一管理。

9、5.本地处理能力薄弱，对云端依赖度高：现有技术均以云端集中处理为核心，传感节点仅具备数据采集和传输功能，缺乏本地计算、异常识别能力，所有数据处理和逻辑判断均依赖云端完成。该缺陷的成因在于现有方案未将边缘计算技术与传感节点深度融合，未在节点内部集成边缘计算处理单元，导致系统对云端网络的依赖性极强。

10、由上述内容可知，现有物联网监测技术无论是传统方案还是改进型方案，均未实现边缘计算本地化处理、多参数自适应采样、分级数据传输、动态电源管理的一体化协同，无法有效解决功耗高、续航短、数据冗余、响应延迟、精度与功耗难以兼顾的核心技术痛点。

11、综上所述，研发一种能够兼顾低功耗、高精度、实时响应且适配多场景的物联网监测系统及方法，成为当前本领域亟待解决的技术问题。

技术实现思路

1、本发明的目的在于克服现有技术中的不足，提供一种基于边缘计算的自适应低功耗物联网监测系统及方法，旨在解决现有物联网监测技术中功耗过高、续航周期短、数据冗余严重、传输效率低、异常响应延迟高、监测精度与低功耗无法兼顾、系统适配性差以及对云端依赖度过高等技术问题。

2、为实现上述目的，本发明提供如下技术方案：

3、一种基于边缘计算的自适应低功耗物联网监测系统及方法，包括以下步骤：

4、系统包括边缘计算传感节点、无线汇聚网关和云端管理平台。

5、所述边缘计算传感节点将数据传输至所述无线汇聚网关，由所述无线汇聚网关转发至所述云端管理平台，所述云端管理平台发出的指令经所述无线汇聚网关转发至所述边缘计算传感节点；

6、所述边缘计算传感节点包括多模态传感采集模块、边缘计算处理模块、动态功耗管理模块、分级数据传输模块、电源供给模块以及本地预警指示模块；

7、所述多模态传感采集模块根据所述边缘计算处理模块下发的采集指令启动数据采集，并将采集的原始数据传输至所述边缘计算处理模块；

8、所述边缘计算处理模块中的数据特征提取单元对接收的原始数据进行滤波去噪、特征提取和无效数据剔除，得到有效数据及其变化率，并将所述变化率传输至所述边缘计算处理模块中的自适应调控单元，将有效数据传输至所述边缘计算处理模块中的异常判断单元；

9、所述自适应调控单元根据所述变化率与预设阈值的比较结果，向所述多模态传感采集模块下发采样频率调整指令；

10、所述异常判断单元将有效数据与预设异常阈值进行比对：

11、若判定为正常数据，则输出至所述分级数据传输模块等待上传；若判定为异常数据，则向所述分级数据传输模块下发优先传输指令，同时触发所述本地预警指示模块。

12、优选的，所述边缘计算处理模块基于从所述多模态传感采集模块接收到的数据，对所述边缘计算传感节点中的其他模块下达相应的指令。

13、优选的，所述边缘计算处理模块结合采样频率、数据状态和所述电源供给模块反馈给所述动态功耗管理模块的电量，向各模块分配供电功率；

14、所述电源供给模块电量≥20%：维持全模块正常工作模式；

15、所述电源供给模块电量＜20%：自动关闭所述光照传感器、所述气压传感器传感器的供电，仅保留所述温湿度传感器与所述振动传感器监测功能，同时将边缘计算处理模块切换至深度休眠模式，采样频率降至1次/30-40分钟，延长所述分级数据传输模块数据上传间隔。

16、优选的，所述数据特征提取单元采用卡尔曼滤波算法对采集的数据进行预处理，提取滤波后连续5组数据的实时变化率与方差等特征，将明显偏离估计范围、误差超过±2%的粗大误差数据点予以剔除，保留有效数据。

17、优选的，所述自适应调控单元接收所述数据特征提取单元传输的数据变化率，与预设阈值进行对比，执行差异化采样调控策略并改变各模块休眠时长；

18、当数据变化率＜5%-6%时，采样频率调整为1次/10-20分钟，多模态传感采集模块、分级数据传输模块、边缘计算处理模块进入休眠模式；

19、当数据变化率≥5%-6%时，采样频率提升至1次/1-2分钟，缩短多模态传感采集模块、分级数据传输模块、边缘计算处理模块休眠时长，维持连续采集状态。

20、优选的，所述异常判断单元将预处理后的有效数据与预设异常阈值进行对比，判断数据是否异常：

21、若正常，数据经压缩后存储于所述边缘计算处理模块的flash中，等待间歇上传；

22、若非正常，立即触发异常响应指令，唤醒所有休眠模块，同时触发所述本地预警指示模块。

23、优选的，所述分级数据传输模块根据所述边缘计算模块传输的数据类型（正常/异常）执行差异化传输策略：

24、正常数据被压缩后按设定间歇周期上传至所述无线汇聚网关，由所述无线汇聚网关将正常数据转发至云端管理平台；

25、异常数据跳过压缩与等待流程，优先传输至所述无线汇聚网关，所述无线汇聚网关立即将异常数据转发至所述云端管理平台，同时所述本地预警指示模块持续响应至异常解除。

26、优选的，所述无线汇聚网关转发所述云端管理平台指令至所述边缘计算传感节点，所述边缘计算处理模块根据指令调整相关参数。

27、优选的，所述多模态传感采集模块包括温湿度传感器、气压传感器、光照传感器、振动传感器。

28、本方法基于上述系统实现，包括以下步骤：

29、1.初始化配置：边缘计算传感节点上电启动，完成多模态传感采集模块内所有传感器的精度校准；配置无线通信模块的信道参数，完成边缘计算传感节点与无线汇聚网关的地址绑定；配置初始采样频率、数据变化率阈值、电量预警值及异常阈值。

30、2.多模态数据采集：多模态传感采集模块接收边缘计算处理模块下发的采集指令，启动各传感器采集环境参数（温湿度、气压、光照、振动），采集完成后传感器立即进入预休眠状态，将原始数据传输至边缘计算处理模块。

31、3.边缘侧本地预处理：数据特征提取单元采用卡尔曼滤波算法对采集的数据进行预处理，通过建立系统状态方程与观测方程，利用上一时刻的最优估计值和当前时刻的观测值，对当前时刻的真实值进行最优递推估计，滤除高斯噪声干扰。随后提取滤波后连续5组数据的实时变化率与方差等特征，将明显偏离估计范围、误差超过±2%的粗大误差数据点予以剔除，保留有效数据。

32、4.自适应采样调控：自适应调控单元接收数据特征提取单元传输的数据变化率，与预设阈值进行对比，执行差异化采样调控策略：当数据变化率低于阈值时，降低采样频率、延长各模块休眠时长；当数据变化率高于阈值时，提升采样频率、缩短各模块休眠时长，维持连续采集状态。

33、5.异常事件本地识别：异常判断单元将预处理后的有效数据与预设异常阈值进行对比：若为正常数据，经压缩后存储于边缘计算处理模块的flash中，等待间歇上传；若为异常数据，立即触发异常响应指令，唤醒所有休眠模块，同时触发本地预警指示模块。

34、6.动态功耗分配：动态功耗管理模块通过电量监测芯片实时采集电源供给模块的电压、电流数据，边缘计算处理模块结合采样频率、数据状态和当前电量调整各模块的供电策略：电量充足时维持全功能正常工作模式；电量低于预警值时关闭非必要传感器的供电，降低采样频率，切换至低功耗模式。

35、7.分级数据传输：分级数据传输模块根据数据类型执行差异化传输策略：正常数据经压缩后按设定间歇周期上传至无线汇聚网关；异常数据跳过压缩与等待流程，优先传输至无线汇聚网关。

36、8.云端数据交互：云端管理平台接收无线汇聚网关转发的数据，完成数据存储、历史曲线可视化展示及异常报警推送；运维人员通过云端管理平台远程下发指令，经无线汇聚网关转发至边缘计算传感节点，调整相关参数。

37、与现有技术相比，本发明所达到的有益效果如下：

38、（1）构建“边缘计算本地闭环处理+多维度自适应调控”的一体化协同架构，突破传统物联网监测系统对云端的强依赖。现有技术中，传感节点仅具备数据采集和传输功能，所有数据处理和逻辑判断均依赖云端完成，一旦云端出现故障或网络中断，整个监测系统将无法正常工作。本发明在传感节点内部集成边缘计算处理模块，内置数据特征提取单元、异常判断单元和自适应调控单元，实现数据预处理、异常识别、采样调控的全流程本地闭环运行。边缘计算传感节点在断网状态下仍可独立完成环境监测、本地预警和低功耗值守，系统容错性与环境适应性显著提升。同时，本地异常识别响应时间≤10ms，相较于现有技术“所有数据上传云端处理”的模式，响应延迟缩短了两个数量级以上，从根本上解决了传统方案对云端过度依赖和异常响应滞后的技术缺陷。

39、（2）首创“数据变化率驱动自适应采样+剩余电量驱动动态功耗分配”的双因子协同调控机制，破解监测精度与低功耗不可兼得的技术矛盾。现有技术普遍存在“高频采样功耗大、低频采样数据失真”的困境。本发明通过边缘计算处理模块实时计算数据变化率，当环境参数稳定时自动降低采样频率、延长休眠时长，减少无效采集能耗；当环境参数波动时自动提升采样频率、缩短休眠时长，保证数据完整性。同时，动态功耗管理模块基于ina219电量监测芯片实时采集剩余电量，结合数据状态分层调控供电功率，电量充足时全功能运行，电量不足时自动关闭非必要传感器、切换超低功耗模式。这种“数据驱动采样+电量驱动供电”的双因子协同设计，使监测综合精度稳定保持在98%以上，同时整体功耗降低65%以上，续航由传统2-3个月提升至6-8个月，完美解决了现有技术中“功耗与精度不可兼得”的行业痛点。

40、（3）建立“边缘侧卡尔曼滤波预处理+正常/异常分级差异化传输”的智能数据链路，削减90%以上冗余数据传输。现有技术将所有原始数据无差别上传云端，产生大量重复、无效的冗余数据。本发明在边缘节点采用卡尔曼滤波算法进行数据预处理，滤除高斯噪声和粗大误差，剔除误差超过±2%的无效数据点；同时建立分级数据传输机制，正常数据经lz77轻量化压缩后间歇上传，异常数据跳过压缩与等待流程、通过优先通道实时上传。这一设计可削减90%以上的无效数据传输量，有效节约无线信道资源，降低网关与云端数据处理压力，避免网络拥堵和数据丢包问题，实现了数据传输效率与异常响应及时性的同步提升。