智能感知技術是指將物理世界的信號通過攝像頭、麥克風或者其他傳感器的硬件設備，借助語音識別、圖像識別等前沿技術，映射到數字世界，再將這些數字信息進一步提升至可認知的層次......? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?
? ? ? 作者：吳玉厚、陳關龍、張珂、趙德宏、鞏亞東、劉春時。由清華大

01

智能感知技術的定義

智能感知技術是指將物理世界的信號通過攝像頭、麥克風或者其他傳感器的硬件設備，借助語音識別、圖像識別等前沿技術，映射到數字世界，再將這些數字信息進一步提升至可認知的層次，如圖1，比如記憶、理解、規劃、決策等。

智能感知中的智能指的是事物在網絡、大數據、物聯網和人工智能等技術的支持下，所具有的智慧能動地滿足人類各種需求的屬性。比如無人駕駛汽車，它將傳感器物聯網、移動互聯網、大數據分析等技術融為一體，達到減輕或一定程度上取締人們手動的操縱車輛的目的，從而能動地滿足人的出行需求。而在媒體行業中，相對傳統媒體，智能化是建立在數據化的基礎上的媒體功能的全面升華。它意味著新媒體能通過智能技術的應用，逐步具備類似于人類的感知能力、記憶和思維能力、學習能力、自適應能力和行為決策能力，在各種場景中，以人類的需求為中心，能動地感知外界事物，按照與人類思維模式相近的方式和給定的知識與規則，通過數據的處理和反饋，對隨機性的外部環境做出決策并付諸行動。

智能感知由應用層、感知層與信息層三個層次組成[2]，如圖2所示。

圖2人工智能與信息感知框架

其中，應用層面向實際應用對象，涵蓋了安防監控、環境監測、智能制造、智慧城市等被測的物理環境對象；感知層基于傳感網與物聯網對應用層的物理環境對象進行信息的感知，信息感知涵蓋了數據融合的基礎理論，采用了協作感知、自適應融合、統計與估計、特征推理的理論和方法；信息層基于信息感知的數據，采用神經網絡、深度學習、進化計算、粒群智能、模糊邏輯、支持向量機等人工智能的理論和方法，實現了智能感知。

02

智能感知技術與人工智能的關系

人工智能主要分為三個階段[3]：第一階段為運算智能，即計算機能夠快速運算和記憶存儲的功能；第二階段為智能感知，即計算機具有通過各種傳感器來獲取物理世界的信息的能力；第三階段為認知智能，即計算機具有了像人一樣理解、分析、推理等能力。當前社會正處于智能感知快速發展的階段，并朝著認知智能的終極目標進軍。

智能感知是人工智能與現實世界交互的基礎和關鍵，是人工智能服務于工業社會的重要橋梁，它對于信息進行智能化的感知及測量，將有助于人工智能對信息進行識別、判斷、預測和決策，對不確定信息進行整理挖掘，實現高效的信息感知，使得物理系統更加智能，智能感知涉及諸多工程領域，如海洋船舶、航空航天、土木建筑、生物化學等，這些領域都離不開對于信息的智能感知和處理。

人工智能包括信息感知和計算智能兩個重要組成部分[4]。信息感知是實現人工智能的基礎，計算智能是實現人工智能的關鍵。

信息感知利用傳感系統對被測對象的變化進行測量，是信息處理的首要環節，智能感知技術具有“感、知、聯”一體化的功能，涉及數據采集、數據傳輸與信息處理等過程，涵蓋信息采集、過濾、壓縮、融合等環節。其中，信息采集是獲取所需事物的測量信息，必須要確保信息的準確性；信息過濾是對所采集的信息進行有效的特征提取；信息壓縮是對冗余數據的去除；信息融合是指對傳感器感知的信息進行融合處理、識別或判別。

計算智能由貝茲德克于1922年提出的，他認為計算智能取決于制造者提供的數值數據，不依賴于知識。要實現智能感知，就必須完成信息的感知與數據的融合。由此可知，智能感知是面向感知信息，并基于先驗知識模型進行融合處理的過程。傳感系統實時采集的數據信息通過感知處理，得到測量對象的狀態信息。感知系統綜合來源于各類傳感系統和計算云等的數據，分析、提取、感知數據源的有效信息。采用感知測量網絡協作獲取的多傳感器系統測量數據通過計算智能的方法，提取有效的特征信息，從而提高系統的感知能力。

智能感知與人工智能已成為當今世界高度關注的熱門領域，如何將兩者進行有機地結合，具有重要的理論和實際應用價值[5]。

03

智能感知技術的特點和關鍵技術

1）智能感知技術特點

（1）要能夠更加準確地獲得被測對象或環境的信息，而且比任何單一傳感器所獲得信息具有更高的精度與準確性。

（2）能通過各個傳感器性能的互補，獲得單一傳感器所不能獲得的獨立的特征信息。

（3）和傳統的單一的傳感器系統相比，能夠以更少的時間、更小的代價獲得同樣的信息。

（4）能根據系統的先驗知識，通過對多傳感器信息的融合處理，完成分類、判決、決策等任務。

2）智能感知關鍵技術

（1）智能感知器。感知傳感器是智能感知技術的核心之一，根據所完成任務的不同，一般可分為內部感知器和外部感知器。在應用中都應該具有以下性質：

①測量范圍。傳感器應能對所測信息的輸入信號的最大值最小值都有顯像。

②靈敏度。一般來說，在任何應用中的傳感器應該具有足夠的靈敏度，這樣才可以在輸入信號作用下有正確的信息輸出。靈敏度就是輸入和輸出之間的關系，它表示輸出相對于非測量參數輸入（比如環境參數的變化）所發生的變化。當環境參數變化時，理想的情況是傳感器的靈敏度變化為零或者很小，這樣環境變化就很容易忽略。如果環境參數的影響比較大，是不能忽略不計的，需進一步采用補償的方法改進。

③精確度。用來衡量傳感器的實際輸出與理想輸出的接近程度。它說明測量結果的錯誤程度。任何可能的錯誤都會發生，這也取決于調校的方法。精確度可以用絕對值表示或者輸出滿量程的百分比表示。

④穩定性。通常情況下，應用于實際領域的傳感器往往需要使用較長時間。因此傳感器要有足夠的穩定性。即傳感器能在一定時間內，在相同的輸入時能夠有穩定的輸出。對于穩定性而言，常用術語“漂移”來描述輸出是隨著時間而變化的，它可用輸出滿量程的百分比來表示。

⑤重復性。重復性對于任何傳感器都非常重要，特別是用于關鍵應用場合的傳感器。它是指傳感器在重復應用中有相同量輸入的情況下，有著相同數量的輸出，它也被稱為“可重復性”。

⑥靜態和動態特性。當為某個應用領域選擇傳感器時，傳感器的靜態和動態特性都要考慮到，如上升時間、時間參數和響應建立時間。例如利用壓力傳感器測量動態氣流速度變化的風洞應用中，傳感器的信號輸出必須隨著風速變化，此時就需要快速的響應時間，否則達不到監測要求。但是響應時間也不是越快越好，過快的傳感器響應會引入未過濾和不需要的系統噪聲或者湍流壓力波動等，造成對系統監測的干擾。因此，在設計中理解傳感器的靜態和動態特性需求是十分重要的。

⑦能量收集。傳感器已廣泛用于無線傳感網絡（WSN）中，為保證網絡傳感器能量持續供應，可采用能量收集技術實現網絡傳感器部件長效供電。能量收集是利用環境中的能量進行收集并實現應用。目前能量收集可利用機械振動、光能、溫度變化、電磁場、風能、熱能、化學能等。其中以機械振動和光能的應用最為廣泛。

⑧溫度變化以及其他環境參數變化的補償。由于環境溫度、濕度和其他環境參數的變化，傳感器的響應也會受到影響。為了減少外部因素而造成的影響，傳感器的信號調整部分必須要有合適的補償機制。

（2）多傳感器數據融合。數據融合是20世紀80年代誕生的信息處理技術[6]，主要解決多傳感器信息處理問題，多傳感器數據融合研究如何充分發揮各個傳感器的特點，把分布在不同位置的多個同類或不同類型傳感器所提供的局部、不完整的觀察信息加以綜合，利用其互補性、冗余性，克服單個傳感器的不確定性和局限性，提高整個傳感器系統的有效性能，以形成對系統環境相對完整一致的感知描述，提高測量信息的精度和可靠性，從而提高智能識別系統識別、判斷、決策、規劃、反應的快速性和準確性，同時也降低其決策風險（如圖3所示）。

圖3 數據融合的過程

智能感知需要多種人工智能方法的綜合集成應用。人工智能方法主要涵蓋神經網絡、深度學習、模糊計算和進化計算等方面，以實現復雜系統的智能應用。

04

智能感知技術應用

智能感知技術要求因應用領域不同，各有側重[7]。

1）在軍用領域的應用

在軍用領域，要求智能感知以及導航系統具有更強的自主性和可靠性。例如：衛星導航系統憑借其全球性、連續性、高精度，是目前應用最廣的導航系統，比如美國的GPS，我國的北斗。衛星導航系統屬于無線電導航方式，通過太空中的衛星對地發射無線電信號，載體通過接收信號并對自身進行定位，這種導航方式易受到外界干擾。在現代戰爭中，衛星導航系統這種弱點容易被利用，造成嚴重后果。例如在2011年與2017年，伊朗通過干擾與模擬衛星導航信號，誘捕了美國兩架無人機。所以隨著戰爭對抗性的增強，就要求智能導航系統具有更強的自主性與可靠性。

近年來DARPA（Defense Advanced Research Projects Agency，美國國防高級研究計劃局）制定了多項衛星導航阻止環境下的導航發展計劃（指的是由于自然或人為因素，衛星導航系統無法使用的環境）。2014年DARPA啟動了輕質小型自動化（fast lightweight autonomy，FLA）計劃，Udine提高了小型無人機在GPS阻止環境中執行自主飛行任務的能力。2016年麻省理工學院完成了FLA項目首飛，其研發的小型旋翼飛行器達到了20m/s的飛行速度。2017年，FLA項目進行了避障飛行測試。試驗飛行器中搭載了慣性傳感器、激光雷達、視覺傳感器等多類傳感器，實現了自主避障飛行。2018年，FLA項目進行了室內自主感知、路徑規劃飛行測試。

2）在民用領域的應用

在民用領域[8]，隨著現代化社會的發展，各類行業對智能感知也提出了許多方面的需求。特別是在環境感知方面應用較為廣泛，又可進一步分為：

（1）室外環境感知。室外環境感知應用最多的兩方面是無人駕駛車輛和無人機。無人車的技術結構主要分為環境感知、導航定位、路徑規劃和運動控制四個方面[9-10]。（圖4）

（2）室內環境感知。在智能制造領域室內環境感知的應用在特種工作機器人上得到了充分體現。機器人環境感知技術伴隨著機器人的出現而產生。機器人的環境一般是指機器人所處的空間環境，機器人通過對環境的認知來定位、避障和導航。隨著機器人技術的進步，機器人環境的概念也在拓寬，除了它的運動空間環境，還包括其它一些自然環境因素，例如氣體環境、氣候參數等。在煤礦、化工場等場所，人類已經在利用機器人動態感知危險氣體的濃度，或者通過氣味搜索危險源。（圖5）

編輯：黃飛