智能物聯(lián)網(wǎng)導論

序　言
前　言
第1章　緒論1
1.1　背景與趨勢1
1.2　智能物聯(lián)網(wǎng)概念與特征3
1.2.1　物聯(lián)網(wǎng)與人工智能發(fā)展概述3
1.2.2　智能物聯(lián)網(wǎng)概念5
1.2.3　智能物聯(lián)網(wǎng)特征6
1.3　智能物聯(lián)網(wǎng)體系架構與軟件平臺6
1.3.1　云邊端協(xié)同AIoT體系架構7
1.3.2　AIoT系統(tǒng)軟件平臺8
1.4　關鍵技術9
1.4.1　泛在智能感知10
1.4.2　群智感知計算10
1.4.3　智能物聯(lián)網(wǎng)通信11
1.4.4　終端適配深度計算12
1.4.5　物聯(lián)網(wǎng)分布式學習12
1.4.6　云邊端協(xié)同計算13
1.4.7　安全與隱私保護14
1.5　典型應用14
1.5.1　智能家居14
1.5.2　自動駕駛15
1.5.3　智慧城市17
1.5.4　智能工廠19
1.6　本書整體結構20
1.7　習題22
參考文獻22
第2章　智能物聯(lián)網(wǎng)體系架構25
2.1　物聯(lián)網(wǎng)體系架構25
2.1.1　ISO物聯(lián)網(wǎng)參考體系架構26
2.1.2　IETF物聯(lián)網(wǎng)體系架構29
2.2　智能物聯(lián)網(wǎng)系統(tǒng)模型31
2.2.1　AI功能的實現(xiàn)32
2.2.2　智能物聯(lián)網(wǎng)體系架構概述34
2.3　典型的智能物聯(lián)網(wǎng)體系架構35
2.3.1　Azure IoT架構35
2.3.2　阿里云IoT架構38
2.4　習題41
參考文獻42
第3章　多模態(tài)智能感知43
3.1　物聯(lián)網(wǎng)多模態(tài)感知背景43
3.1.1　多模態(tài)感知概念43
3.1.2　物聯(lián)網(wǎng)數(shù)據(jù)特征44
3.2　物聯(lián)網(wǎng)中的視覺感知44
3.2.1　視覺感知基礎44
3.2.2　移動目標檢測49
3.2.3　移動地圖構建50
3.2.4　視頻流目標跟蹤55
3.2.5　視頻動作識別56
3.3　物聯(lián)網(wǎng)中的聽覺感知57
3.3.1　聽覺感知基礎57
3.3.2　語音識別模型62
3.3.3　人機語音交互70
3.4　物聯(lián)網(wǎng)中的多模態(tài)融合感知74
3.4.1　多模態(tài)感知數(shù)據(jù)融合方法74
3.4.2　多模態(tài)融合感知挑戰(zhàn)和機遇77
3.5　習題78
參考文獻79
第4章　智能無線感知82
4.1　無線感知基礎原理82
4.1.1　無線感知信號82
4.1.2　無線感知理論模型84
4.1.3　無線感知系統(tǒng)工作模式87
4.2　基于Wi-Fi的智能感知技術87
4.2.1　Wi-Fi感知的基本概念和原理87
4.2.2　Wi-Fi感知關鍵技術88
4.2.3　Wi-Fi感知典型應用94
4.3　基于RFID的智能感知技術100
4.3.1　RFID技術基本概念與感知原理100
4.3.2　RFID感知關鍵技術與應用103
4.4　總結與展望108
4.4.1　常見無線感知方式對比109
4.4.2　無線感知研究挑戰(zhàn)和發(fā)展趨勢110
4.5　習題111
參考文獻111
第5章　群智感知114
5.1　群智感知基本概念114
5.1.1　群智感知定義115
5.1.2　群智感知體系架構117
5.2　群智感知任務分配118
5.2.1　任務分配模型118
5.2.2　任務分配方法124
5.3　群智感知數(shù)據(jù)優(yōu)選131
5.3.1　數(shù)據(jù)選擇機制131
5.3.2　感知數(shù)據(jù)質(zhì)量評估132
5.3.3　冗余數(shù)據(jù)優(yōu)選134
5.4　群智感知激勵機制137
5.4.1　群智感知激勵模型137
5.4.2　用戶激勵方法138
5.5　群智感知發(fā)展趨勢143
5.6　習題144
參考文獻145
第6章　智能物聯(lián)網(wǎng)絡148
6.1　物聯(lián)網(wǎng)通信體系架構148
6.1.1　物聯(lián)網(wǎng)通信參考模型149
6.1.2　物聯(lián)網(wǎng)通信標準149
6.1.3　智能物聯(lián)網(wǎng)絡151
6.2　物聯(lián)網(wǎng)智能接入控制152
6.2.1　認知MAC協(xié)議152
6.2.2　基于模糊邏輯的接入延遲改善154
6.2.3　應用強化學習緩解無線信道沖突156
6.3　物聯(lián)網(wǎng)智能路由157
6.3.1　基于強化學習的物聯(lián)網(wǎng)路由158
6.3.2　基于神經(jīng)網(wǎng)絡的物聯(lián)網(wǎng)路由160
6.3.3　基于人工智能技術對現(xiàn)有物聯(lián)網(wǎng)路由協(xié)議的改進161
6.4　物聯(lián)網(wǎng)智能傳輸控制163
6.4.1　基于神經(jīng)網(wǎng)絡的擁塞控制方法163
6.4.2　其他智能擁塞控制方法166
6.5　習題168
參考文獻168
第7章　物聯(lián)網(wǎng)終端智能170
7.1　深度模型壓縮171
7.1.1　深度模型壓縮172
7.1.2　深度模型按需壓縮176
7.1.3　深度模型超參數(shù)優(yōu)化178
7.1.4　深度模型動態(tài)推理179
7.2　深度模型量化182
7.2.1　基本概念183
7.2.2　基本方法185
7.2.3　低比特位寬量化187
7.2.4　量化與硬件加速191
7.3　深度模型自動化搜索191
7.4　軟硬協(xié)同加速193
7.4.1　微控制器深度計算194
7.4.2　性能評估方法195
7.5　習題198
參考文獻198
第8章　智能物聯(lián)網(wǎng)機器學習201
8.1　物聯(lián)網(wǎng)聯(lián)邦學習202
8.1.1　橫向聯(lián)邦學習204
8.1.2　縱向聯(lián)邦學習207
8.1.3　個性化聯(lián)邦學習208
8.2　物聯(lián)網(wǎng)智能決策210
8.2.1　強化學習與智能決策212
8.2.2　物聯(lián)網(wǎng)多智能體協(xié)同決策214
8.2.3　多智能體協(xié)同決策方法215
8.3　物聯(lián)網(wǎng)知識遷移217
8.3.1　知識蒸餾方法218
8.3.2　域自適應方法221
8.3.3　元學習方法224
8.4　習題227
參考文獻227
第9章　智能物聯(lián)網(wǎng)協(xié)同計算230
9.1　協(xié)同計算基本內(nèi)涵230
9.2　分布式數(shù)據(jù)融合計算232
9.2.1　多模態(tài)數(shù)據(jù)融合計算232
9.2.2　異步數(shù)據(jù)流融合計算236
9.2.3　時空數(shù)據(jù)融合計算237
9.3　分布式模型分割計算240
9.3.1　串行協(xié)同計算241
9.3.2　并行協(xié)同計算243
9.3.3　混合協(xié)同計算245
9.4　分布式資源協(xié)同計算247
9.4.1　邊端設備負載均衡優(yōu)化247
9.4.2　邊緣內(nèi)部資源分配優(yōu)化249
9.5　分布式數(shù)據(jù)傳輸優(yōu)化250
9.5.1　自適應數(shù)據(jù)過濾251
9.5.2　自適應數(shù)據(jù)傳輸252
9.6　習題254
參考文獻255
第10章　AIoT平臺與應用258
10.1　智能物聯(lián)網(wǎng)平臺258
10.1.1　AWS IoT258
10.1.2　微軟Azure IoT261
10.1.3　華為云IoT263
10.2　典型領域應用案例266
10.2.1　智能商業(yè)—無人超市266
10.2.2　智能工業(yè)—工業(yè)4.0下的數(shù)字工業(yè)268
10.2.3　智慧健康—老年人輔助機器人271
10.3　習題272
參考文獻272
第11章　未來展望273
11.1　現(xiàn)狀與挑戰(zhàn)273
11.2　未來發(fā)展趨勢274
11.2.1　軟硬協(xié)同終端智能274
11.2.2　跨模態(tài)融合泛在感知274
11.2.3　面向AIoT的智能演進275
11.2.4　新一代智能物聯(lián)網(wǎng)絡276
11.2.5　動態(tài)場景模型持續(xù)演化276
11.2.6　人機物融合群智計算277
11.2.7　通用AIoT系統(tǒng)平臺277
11.3　習題278
參考文獻278