2.4　物联网其他相关技术

物联网作为一种新兴的网络技术，融合了人们熟悉的嵌入式系统和无线传感器网络等技术的综合应用并加以创新。目前，物联网已经是多数国家构建经济发展的新模式与增强国家竞争力的先导技术。发达国家通过国家战略指引和应用试点的建设等措施促进物联网发展，来抢占战略上的主动权与发展的先机。目前，我国已经拥有先进的技术和产业优势。

2.4.1　物联网覆盖关键技术

在低功耗广域网的网络建设中，经常会存在一些深度覆盖难以解决的场景，采用传统的覆盖方式在性能提升、投资收益比等方面无法获得较理想的效果，这些场景一直是网络建设的难点和重点，包括地下室、电梯、山区、矿井、海底、原始森林等。这些场景各有特点，对网络的要求各有不同。

NB-IoT是IoT领域一个新兴的技术，实现低功耗设备在广域网的蜂窝数据连接。NB-IoT利用基站的庞大资源解决深度覆盖问题，通过基站的高度（40m以上）和发射功率（20W、40W甚至更高）保证下行深度覆盖，通过基站复杂的反馈电路控制本地噪声、复杂的射频电路提高功率谱密度、终端重复发送数据提高增益（12次）、双天线技术提高增益等措施保证上行深度覆盖。即便如此，在距离基站较远的楼宇死角、地下室、电梯等区域，仍然无法保证深度覆盖的效果。

LoRa是低功耗广域网络通信技术中的一种，如前所述，它为用户提供一种易于实现的远距离、低功耗、大容量、低成本的通信系统解决方案，进而扩展传感网络。LoRa通过直接序列扩频提高增益，但由于受到基带200kHz的限制，因此只适用于极小速率传输。在一般情况下，当传输速率小于1Kbps时，深度覆盖效果明显。

在地下室、电梯、矿井、原始森林等深度覆盖的死角，LoRa网络覆盖可通过增加低成本LoRa补盲网关的方式，保证网络的深度覆盖，进而保证被监测区域的全网覆盖。由此可见，LoRa在深度覆盖方面具有更加灵活、更低成本的特点。

2.4.1.1　NB-IoT网络覆盖技术

NB-IoT的设计目标是在GSM基础上增强20dB的覆盖能力。将144dB作为GSM的最大耦合路损，则NB-IoT设计的MCL为164dB。其中，下行主要通过增加各自信道的最大重传次数来获得覆盖增强，而上行的覆盖增强主要来自两方面：一是在极限覆盖情况下，NB-IoT可采用单子载波进行传输，大幅提升其功率谱密度（Power Spectral Density，PSD），以Singletone部署方式下3.75kHz的子载波间隔为例，与GSM 180kHz带宽相比，其PSD可得到约17dB的增益（不考虑上行2R）；二是可增加上行信道的最大重传次数以获得覆盖增强。因此，尽管NB-IoT终端上行发射功率（23dBm）较GSM（33dBm）低10dBm，但其变窄的传输带宽及增加的最大重传次数，使其上行可工作在16dB的最大路损下。

NB-IoT的三种工作模式都可以实现上述覆盖目标。在下行方向，可独立配置Standalone的功率，Inband和Guardband的功率则受限于LTE的功率。因此，Inband和Guardband方式下需要更多的重复次数，才能达到与Standalone方式等同的覆盖水平。在相同覆盖水平下，Standalone方式的下行速率性能将优于Inband和Guardband。而在上行方向，这三种部署方式基本没有区别。

1.下行重传带来的覆盖增强

1）NPBCH解调门限

NPBCH 2T1R仿真得到的解调门限如表2-10所示，基站2天线发送的仿真结果存在约3dB的发送分集增益。如果基站采用1天线发送（1T1R），要达到2天线同等覆盖能力，则需要更多重复次数。在Standalone方式下，MCL达到144dB、154dB和164dB的重复次数分别为1次、2次和16次。Standalone的MCL在重复次数为1次时，已经达到144dB的要求。Inband/Guardband的MCL达到144dB的重复次数为4次；达到154dB的重复次数为32次；重复次数达到最大64次时，BLER（块差错率）会高于10%。此外，控制信道一般也考虑1% BLER的解调门限要求；PBCH重复周期为640ms，最多重复64次，MCL未达到164dB的覆盖目标。

2）NPDCCH解调门限

NPDCCH信息最大39比特，基于48比特仿真的解调门限如表2-11所示。从仿真结果可以看到，重复32次可满足Standalone方式下MCL=164dB的覆盖要求。当Guardband和Inband的发射功率比Standalone低8dB时，重复193次、230次，才满足在Guardband和Inband方式下MCL=164dB。

3）NPDSCH解调门限

如表2-12所示，当TBS=680时，重复32次才可满足Standalone下MCL=164dB的覆盖要求。重复次数与TBS大小有关。当Inband和Guardband的发射功率比Standalone低8dB时，重复次数需要达到128次才满足MCL=164dB的覆盖要求。在同等覆盖距离下，Standalone方式的下行速率比其他两种部署方式要高。需要说明的是，下行速率为单子帧瞬时速率，未考虑调度时延、混合自动重传请求（Hybrid Automatic Repeat Request，HARQ）反馈等开销。

2.功率谱密度对覆盖能力的增强

当NB-IoT独立部署时，可独立配置下行发射功率，如表2-13所示。当总的发射功率为20W时，NB-IoT功率谱密度与GSM相同，但比LTE FDD功率谱密度高14dB左右。在Inband和Guardband工作方式下，可以对NB-IoT与LTE的功率差进行配置，如NB-IoT比LTE功率高6dB，此时NB-IoT下行功率仍比GSM功率低8dB。eMTC在功率谱密度上并未比NB-IoT低6～14dB。

表2-13中，假设NRS功率配置比CRS（小区参考信号）功率高6dBm，则LTE FDD 10MHz发射功率为46dBm，eMTC占用1080kHz的总功率 为36.8dBm。

上行发射功率谱密度的对比关系如表2-14所示。NB-IoT上行终端最大发射功率比GSM低10dBm，但由于NB-IoT的最小调度带宽为3.75kHz或15kHz，因此NB-IoT上行功率谱密度比GSM高0.8～6.9dB。eMTC终端最大发射功率为23dBm，最小调度带宽为1个RB（180kHz）。它的上行功率谱密度与LTE相同，但比GSM低10dBm，因此eMTC上行功率谱密度比NB-IoT低11～17dB。

需要注意的是，除在功率谱密度上有所变化外，覆盖增强还通过重复发送和跳频实现。eMTC在功率谱密度上无增强，主要通过重复发送和跳频实现覆盖增强。

3.上行重传带来的覆盖增强

由于NB-IoT的三种部署方式（Standalone、Guardband和Inband）在上行可用资源方面相同，因此上行信道的性能接近。

1）NPRACH重复

NPRACH重复次数可取｛1，2，4，8，16，32，64，128｝。当重复次数达到32次时，可满足MCL=164dB的覆盖要求。3GPP标准定义NPRACH重复次数为2的幂次方，重复次数不完全满足标准定义，在实际使用时略有差异。

2）NPUSCH重复

NPUSCH采用QPSK调制，发送接收天线为1T2R。RU个数的取值范围为｛1，2，3，4，5，6，8，10｝。需要说明，上行速率为单子帧瞬时速率，未考虑调度时延、HARQ反馈等开销。

3）NB-IoT覆盖范围仿真

为了能够很好地实现广域覆盖和深度覆盖，NB-IoT相对于我国较为传统的物联网技术，能够很好地增强将近20dB。只有真正通过有效调整参数，尽可能增大MCL，才能够最大限度满足NB-IoT物联网覆盖增强提出的各种要求，因此对覆盖范围进行仿真至关重要。选择一个区域，在OPNET中采用多UE调动策略和动态调整方法（Modulation and Coding Scheme，MCS），测试在NBIoT物联网运行过程中是否接收到文件传输协议（File Transfer Protocol，FTP）通信。仿真结果如图2-27所示。

因为NB-IoT的信道带宽比LTE网络窄，所以NB-IoT网络每秒接收到的业务字节速率比LTE网络小。由图2-28可知，在带宽为20MHz时，把UE部署在两个较长距离范围内，只有NB-IoT可以与eNodeB进行通信。因此，NBIoT比LTE覆盖范围广［58］。

2.4.1.2　LoRa网络覆盖技术

LoRa网络由终端节点、基站/网关、网络服务器和应用服务器4个部分组成，数据信息通过LoRa终端节点采集并传输到基站/网关，基站/网关再通过光纤、微波、移动网络等方式回传到LoRa网络服务器或物联网应用平台。LoRa网络数据回传通道在选择上比较灵活，运营企业可以根据实际应用需要自行选择最适合的方式。然而LoRa网络的搭建同样需要考虑无线覆盖的问题。LoRa网络的无线覆盖与LoRa终端及网关的发射功率、接收灵敏度、天线增益、天线高度、频段等参数有关。

1.LoRa射频参数

目前，在中国境内部署的LoRa网络大多使用免申请的470～510MHz频段，终端节点和网关基站的最大发射功率均为20dBm左右，终端的发射功率则根据使用环境不同而有所调整。

2.LoRa网络传播模型

奥村（Okumura-Hata）传播模型适用于150～1500MHz，本次LoRa使用的470～510MHz频段可以利用奥村模型进行仿真预测。奥村模型公式为

L =69.55+26.16×lg f-13.82×lghte-a（hre）+（44.9-6.55×lghre）×lgd+Ccell

其中，f为频率（MHz）；L为路径损耗；d为收、发天线之间的距离（km）；hte为基站天线有效高度（m）；hre为终端天线有效高度（m）；a（hre）为终端天线的校正因子（dB）；Ccell为小区类型校正因子（dB）。

1）a（hre）计算

a（hre）的计算如下。

（1）中小城市：

a（hre）=［1.1×lg f -0.7］hre-［1.56×lg f -0.8］

（2）大城市、郊区、农村：

a （hre）=8.29×（lg 1.54×hre）2 -1.1　　　f ≤300MHz

a （hre）=3.2×（lg 11.75×hre ）2 -4.97　　f >300MHz

2）Ccell计算

Ccell的计算为

当f=500MHz、hte=25m、hre=1.5m时，城市传播损耗计算公式可化简为L=120.8+35.7lg d。

3.LoRa网络链路预算

下行链路预算=基站最大发射功率-馈线及连接器损耗+基站天线增益-（终端灵敏度+底噪修正）-人体损耗-需要的阴影衰落余量-地物损耗；上行链路预算=终端最大发射功率-馈线及连接器损耗+基站天线增益-（基站灵敏度+底噪修正）-人体损耗-需要的阴影衰落余量-地物损耗。

链路计算公式采用Okumura-Hata模型公式。终端典型接收高度为1.5m，基站天线高度为25m［59］。

2.4.2　物联网功耗控制关键技术

低功耗广域网是专为物联网应用场景服务的网络技术，从终端自身功耗、网络参数、数据传输协议、电源管理设计等维度均需要进行低功耗设计。

2.4.2.1　低功耗传感器

物联网节点最基本的目标就是提供传感功能，因此低功耗传感器也是必不可少的。目前，温度、光照传感器在经过深度优化后已经可以实现nW、μW数量级的功耗，而在智能音响中得到广泛应用的声音传感器则往往要消耗mW数量级甚至更高的功耗，因此成为下一步突破研发的重点。

在声音传感器领域，最近的突破来自压电MEMS。传统的声音传感器（麦克风）必须使整个系统（包括后端ADC和DSP）一直处于活动待机状态，以避免错过任何有用的声音信号，因此平均功耗接近mW这样的数量级。然而，在不少环境下，这样的系统其实造成了能量的浪费，因为大多数时候环境里可能并没有声音，造成了ADC、DSP等模组能量的浪费。而使用压电MEMS可以避免这样的问题：当没有声音信号时，压电MEMS系统处于休眠状态，只有前端压电MEMS麦克风在待命，后端的ADC、DSP都处于休眠状态，整体功耗在μW数量级。而一旦有用声音信号出现并被压电MEMS检测到，则压电MEMS麦克风可以输出唤醒信号将后面的ADC和DSP唤醒，从而不错过有用信号。因此，整体声音传感器的平均功耗在常规的应用场景下可以控制在μW数量级，从而使声音传感器可以进入更多应用场景。

2.4.2.2　低功耗MCU

物联网节点里的最后一个关键模组是MCU（微控制单元）。MCU作为控制整个物联网节点的核心模组，其功耗也往往不可忽视。MCU功耗一般分为静态漏电和动态功耗两部分。

在静态漏电部分，为了减小漏电，可以做的是减小电源电压，以及使用低漏电的标准单元设计。在动态功耗部分，可以通过减小电源电压或者降低时钟频率来降低功耗。由此可见，降低电源电压可以同时降低静态漏电和动态功耗，因此能将电源电压降低的亚阈值电路设计就成了低功耗MCU设计的必由之路。

举例来说，将电源电压由1.2V降低到0.5V可以将动态功耗降低到接近原来的1/6，而静态漏电更是指数级下降。当然，亚阈值电路设计会涉及一些设计流程方面的挑战，例如，确定亚阈值门电路的延迟，建立/保持时间等都需要仔细仿真和优化。在学术界，弗吉尼亚大学的研究组发布了动态功耗低至500nW的传感器SoC，其中除MCU之外还包括了计算加速器和无线基带。在已经商业化的技术方面，初创公司Ambiq的Apollo系列MCU可以实现35μA/MHz的低功耗，其设计使用了Ambiq拥有多年积累的SPOT亚阈值设计技术。未来，我们有望看到功耗低至nW数量级的MCU，从而为使用能量获取技术的物联网节点铺平道路。

2.4.2.3　低功耗通信协议

1.NB-IoT低功耗模式

在NB-IoT协议中，定义了PSM省电模式和eDRX扩展不连续接收模式两种低功耗模式。

1）PSM省电模式

PSM是3GPP Rel-12中引入的一种独立状态，支持PSM功能的UE终端在空闲态持续一段时间后，会进入PSM状态；此时，UE终端的射频部分（PA）停止工作，终端接入层（AS）停止部分相关功能，以减少射频、信令处理等部分功耗消耗，从而达到低功耗的目的。由于UE终端射频部分停止工作，接收不到任何寻呼及调度，对于网络侧来说，UE终端此时处于不可达的状态，数据、短信均无法到达终端。但此时，终端在网络中还是标记为注册状态（Registered）；因此，从PSM唤醒后，无须重新建立PDN（公用数据网）连接，可以直接发送数据。

从图2-29中可以看到，终端在IDLE状态持续一段时间后，如果没有再次进入Active状态，就会直接进入PSM状态，这段等待时间即T3324定时器时长。从图2-29中还可以看到，一个完整的IDLE+PSM时间窗定义为一个TAU（跟踪区更新）周期，一个TAU周期的时长被定义为T3412定时器时长。在某些特定APN（接入点）下，模组可以通过3GPP协议规定的标准指令CPSMS对T3324定时器进行修改。

2）eDRX扩展不连续接收模式

eDRX扩展不连续接收模式是3GPP Rel-13中引入的一种状态，在此之前已经有非连续接收（Discontinuous Reception，DRX）技术存在。通过字面意思即可知道，eDRX（扩展不连续接收模式）是对DRX技术的一种扩展。DRX技术作用于IDLE状态下，通过在IDLE状态下周期性监听寻呼的方式，来降低终端功耗。eDRX技术基于DRX的增强，支持更长的寻呼周期，以达到节省功耗的目的。

图2-30中标注IDLE的柱体部分为IDLE时间窗，叠加在IDLE柱体上的柱体为寻呼时间窗（Paging Time Window，PTW），在寻呼时间窗内，终端会监听网络侧下发的寻呼消息并做出响应。为了进一步降低监听寻呼带来的功耗，NB-IoT引入了eDRX技术，在一次PTW后，进入沉默状态，等待eDRX周期完毕后再次进入PTW监听寻呼。通过这种技术，终端在IDLE状态下间歇性监听寻呼，降低了功耗；可以看到，当寻呼落在PTW时间窗之外时，终端依然不能响应寻呼，需要等待网络侧缓存的寻呼再次下发，落到PTW时间窗内，即可成功响应。所以eDRX技术的引入，付出了实时性的“代价”。

2.LoRa低功耗模式

LoRaWAN协议中，定义了Class A、Class B、Class C三种模式，其中Class A和Class B两种模式为低功耗模式。

1）Class A低功耗模式

Class A LoRa终端虽然可以进行双向通信，却不能主动进行下行发送。每个LoRa终端的数据发送过程会跟随两次很短的下行接收窗口，而下行发送时隙是由LoRa终端的需要和很小的随机量共同决定的，因此，在Class A模式下，LoRa终端最省电。

2）Class B低功耗模式

Class B LoRa终端不仅可以兼容Class A LoRa终端，还能支持接收下行Beacon信号并保持其和网络的同步，以便在下行调度的时间上进行信息监听，因此功耗会大于Class A LoRa终端。

2.4.2.4　低功耗电源管理设计

电源管理器件是物联网系统中必不可少的部分。无论是选用LDO（低压差线性稳压器）还是DC-DC转化器，抑或是能够提供多轨电压输出的PMIC，高效率是当然的首选特性。此外，与物联网产品配套的电源管理器件，特别是在与能量收集技术相关的应用中，自身还需要具备低静态电流的特性（如TI等公司相关产品标称的静态电流可达到300nA左右），尽可能降低设备的待机功耗。

2.4.2.5　低功耗安全性设计

2016年10月网络黑客劫持了摄像头等大量物联网终端设备，向北美网络发起了大规模分布式拒绝服务（Distributed Denial of Service，DDoS）攻击，这再次提醒人们物联网设备端的安全问题不容忽视。而对物联网设备来说，增强安全功能也意味着更大的功耗。例如，如果MCU（微控制单元）的内部或外部没有配置加密硬件，加解密工作就不得不耗费MCU的计算资源，产生更多的功耗。使用更可靠的非对称加密算法，与对称加密算法相比也需要更多的功耗。因此与安全性关联的功耗预算，也是必须考量的部分。

2.4.3　物联网数据融合关键技术

物联网数据融合技术研究的目的是解决物联网传感终端计算能力有限、海量数据冗余、传输网络复杂异构、安全性低等问题。物联网数据融合技术将数据聚合技术具体应用于物联网中，它既具有数据聚合技术的特点，又满足了物联网多种应用场景的需要。物联网数据融合在节省整个网络的能量、提高收集数据的准确性及提高收集数据的效率方面起着十分重要的作用。

1.物联网数据融合体系架构

物联网具有异构多源、感知终端量大、网络结构和规模动态变化、海量数据实时不间断传输等特点。这些特点都使物联网数据融合应用场景更为复杂，导致应用系统的规划和设计困难且极易产生偏差。因此，构建一个具有共性的物联网数据融合体系架构显得尤为重要而迫切。物联网数据融合是数据聚合技术在物联网多种场景中的具体应用，因此可以参考传统数据融合的体系架构，构建适用于物联网的数据融合体系框架结构。

无线传感器网络作为物联网接入层的一个组成元素，可从物联网框架整体考虑，可以将物联网数据融合划分为三个层次，即数据级融合、特征级融合和决策级融合。

（1）数据级融合。针对同类数据，重点在于消除原始数据中的噪声，主要位于物联网网络接入层。

（2）特征级融合。涉及模式识别、特征提取，基于特征值关系进行数据融合，主要位于物联网的智能处理层。

（3）决策级融合。是最高层次的数据融合，涉及态势认识、影响评估、融合过程优化等，主要位于物联网的应用接口层。

目前研究大多停留在低层次的数据级融合的研究上，对于高层次数据聚合研究相对较少。特征级融合和决策级融合，侧重于获取与实际应用场景密切相关的有价值信息，可形成局部或者全局性的最优决策，容错性好，应用前景广，研究价值巨大。

2.物联网数据融合面临的问题及解决办法

1）不确定性问题及解决办法

目前，物联网数据聚合面临的主要挑战之一是对具有不确定性的信息如何处理，该问题将直接影响数据融合质量，进而影响决策。由于物联网自身结构具有复杂多变性，且物联网感知节点所处的环境具有复杂性，所以在对物联网数据进行采集和融合的过程中存在许多的不确定因素。物联网数据融合过程中存在的不确定性问题，给物联网的数据融合、数据挖掘带来了极大困难，严重阻碍物联网应用的发展。因此，对这些不确定信息如何进行确定性的表达，成为一个亟待研究解决的问题。物联网数据融合的不确定性问题主要由两方面原因引起，即数据采集过程中引入的不确定性和数据融合过程中引入的不确定性。

大多数物联网感知节点的部署环境复杂恶劣，容易受到各种客观的或人为因素的影响，使得信息感知层采集的数据具有不确定性特点。这种不确定性以不精确、不完整等不同形式表现。物联网应用环境的复杂恶劣性，将影响并加速感知器件或其他元件的老化，从而影响传感器的测量精度和其他性能指标。严重时，还会发生如感知节点损毁、断电、数据在传输过程中发生丢失和错误等问题，导致采集的数据不完整。

另外，物联网网络结构复杂，具有典型的多源异构特点，导致异构数据在融合过程中可能会发生维度缺失等问题。由于信息感知层节点数量众多且测量类型多样，这使得信息感知层数据呈现高维度的特点。随着物联网技术不断发展，能够采集的数据类别也越来越多。不同感知节点的测量内容、测量精度和表述规则存在不一致性。在对多源异构物联网网元间数据进行融合的过程中，将面临不完全性、不一致性、多义性、多粒度性、模糊性和维度缺失等诸多问题。

然而，针对不同原因产生的不确定性问题，其处理方法和处理位置也不完全一样。数据采集过程中的不确定性主要位于物联网信息感知层，需要在数据级融合过程中消除这种不确定性，可采用的方法有遗传算法、模糊集理论、贝叶斯理论、隐马尔可夫模型、DS证据理论和神经网络等理论技术及其变种。

2）大数据问题及解决办法

物联网应用的规模日趋扩大，感知节点数量呈现指数级增长，且绝大多数的感知节点正在实时产生海量数据。如何安全高效地存储与处理这些海量数据已成为限制物联网发展的“瓶颈”。物联网大数据问题主要涉及大数据的采集与传输、大数据的存储管理和大数据的处理三个方面。

针对大数据的采集和传输，目前所采取的应对方式主要有两点：其一是通过将网内数据融合，以减少网络间传输和处理的数据量，进而降低能耗，达到延长网络节点的生命周期的目的；其二是通过网络编码理论提高网络吞吐率、减少传播延迟、降低能耗。由于物联网信息感知层节点所处的环境复杂恶劣，所以要重点关注数据的不确定性和安全性。

对于大数据的存储管理，比较有效的解决方法是云计算，它可以满足物联网数据快速增长的需求。云计算涉及三个关键技术：其一是数据存储技术，如谷歌（Google）的GFS及Hadoop的HDFS；其二是数据管理技术，如BigTable及Hbase；其三是编程模型，如Map-Reduce。

面对不断增长的数据，海量数据存储不均匀的问题已成为限制物联网充分发展的“瓶颈”。Google在其云存储方案中采用的是事后均衡机制，即先进行数据存储，再对数据进行判断和处理超载。但是，物联网的大数据问题具有资源负载变化大的特点，显然这种事后均衡机制难以解决大数据存储不均匀问题。结合点对点的分布式计算模型和物联网数据的特点，有学者提出了一种基于通信报文的分布式海量数据存储模型，并且进行了相应的分级式存储设计，解决了对物联网中原始数据流的存储边缘化问题。

针对大数据的处理，可使用数据挖掘和模式识别技术进行解决。目前，对海量数据进行规则处理的代表性算法是RETE算法，其核心思想是根据规则库构建有效的模式匹配网络并记录匹配过程中节点的状态，从而得到有效的规则解析和较高的性能。该算法目前已经广泛应用在各类规则引擎中，如Drools、ILOG、HAL等。但是，RETE算法也存在很大的局限性，尤其在大数据、快速变化数据和模糊数据的处理方面还需要深入研究。

3）安全性问题及解决办法

物联网应用范围非常广泛，绝大多数应用场景对数据的安全性要求较高。由于感知节点数量众多，且部署环境的复杂性和恶劣性，都大大增加了节点失效、传输故障、节点被攻击等问题发生的概率，节点的维护难度较大甚至不能对其进行维护。在长期存在安全问题的情况下，如何确保物联网采集的数据不被泄露且准确有效，是一个需要重点考虑的问题。

安全问题存在于物联网及物联网数据融合的各个层面。中间层及应用接口层的数据一般存储在传统的服务器之上，层内的大多数通信实体也具备较强的计算能力，因此传统的安全处理机制完全可以保障数据的安全性。网络传输层的构建基于通信网络，其安全性已经被广泛深入的研究和长期的大规模实践所检验。

物联网信息感知层具有节点计算能力不足、一般由电池供电、能量有限、无线信道通信、部署环境复杂恶劣、后期维护困难等特点，这使得信息感知层更容易遭受各类安全威胁，同时传统的安全防范措施并不能直接应用到这里，因此，需要重点关注信息感知层的安全性问题。物联网信息感知层一般部署在危险性高且无法控制的环境中，由于具有物理可接触性，其更容易受到物理攻击。攻击者不仅可以对普通节点进行捕捉和威胁，甚至可以控制融合节点。物联网信息感知层自身的局限性和环境的复杂性，导致攻击者可以通过多种方式进行攻击，达到干扰信息的收集、消耗网络的资源和影响网络的稳定等目的。如果融合节点遭受到攻击，得到的将可能是无效或有害数据，从而误导用户做出错误的决策。

物联网信息感知层的安全问题，一般与数据融合问题进行合并研究，在考虑安全问题的同时，还要考虑能耗、通信冲突、拥堵、时延等其他问题。近年来，物联网信息感知层数据融合的安全问题被广泛重视，也取得了一些成果，但都只停留在对某一方面的安全问题进行研究解决，仍未达到推广实用的地步。下面介绍一些具有代表性的解决方法。

（1）基于数学变换实现信息保护。基于复数域的数据融合算法，将节点采集的数据信息从实数域扩展到复数域，并利用实数部和虚数部真实数据相关联的特性，有效地鉴别数据信息完整性，通过对实数部真实数据添加伪数据的方法，最终实现对信息的保护。

在近似查询算法中，各个节点通过单向哈希函数构建直方图，并由精度参数控制直方图中的样条宽度。为了隐藏信息，将节点采集到的数据叠加到直方图合适的区间位置中，再将叠加后的结果上传到其父节点。中间节点先采集传感器数据，再依照前述方法生成包含自身数据的直方图，并叠加融合该直方图与收到的所有子节点的直方图。最后在基站处，剔除所有用以隐藏数据的基础性直方图，就得到了整个网络的数据分布图，进而推导出多种查询结果。利用该方案可以得到多个统计量的近似结果，但使用该方案的前提是整个网络不存在数据丢失和节点失效问题。

摘要扩散算法，用于解决多径传播算法中的重复敏感类计算难题，在抵抗节点失效和传输失效方面，使sum和count等运算具备了多径传播的优势。其主要思路是基于统计理论，构建摘要位图，实现网内数据融合。经该算法优化后可具备一定的校验特征，同时将网络通信开销压缩到常数级别。但是，通过该算法得到的结果并不精确，因此更适用于规模较大的网络应用，同时该方案无法保障私密性，一旦中间节点被捕获，以该节点为根的子网络区域信息将被泄露。

（2）基于数据分割拼合实现信息保护。SMART隐私保护算法采用数据分割拼合的思想，通过在相邻节点之间建立合作来实现信息的隐藏。具体分为三个步骤：数据分片（Slicing）、数据混合（Mixing）和数据融合（Aggregating）。每个节点的原始数据被随机分割成J片后，自己保留一片，并将剩余的J-1片分别进行加密后，随机发送给附近的J-1个节点；各个节点对接收到的所有分片数据进行解密，并与自己本身保留的分片数据求和，形成伪数据；伪数据沿融合树向上进行数据融合。

在SMART算法中，最终的融合数据是经过多个节点分片数据融合后形成的伪数据，攻击者即便获取该数据，也无法得到有效信息。但是该算法在实现隐私保护的同时，也增加了网络通信开销，其数据传输量约为TAG算法的O（J）倍，其中J为前文中的分片数目；发送SMART的数据分片，增加了冲突碰撞的概率，进而增加了能耗和时延；SMART对抗节点勾结的能力有限。

ESPART算法对SMART算法进行改进，通过减少通信次数和降低碰撞概率，降低整个网络数据的传输量。然而，由于该算法减少了串通的次数，其隐私保护能力也相应被降低。

（3）基于同态加密算法实现信息保护。同态加密技术源于代数学上的同态理论。若一个代数系统到另一个代数系统的映射，具有保持运算的性质，则可以称为同态。

作为一种典型的网内融合技术，同态加密融合能有效缓解汇聚节点给网络带来的压力，但也容易放大网络中的攻击效应。恶意节点的攻击信息，经由中间节点的密文融合与转发，产生多跳洪泛效应，因此网络中的攻击效应被放大，无法满足正常的服务。另外，目前同态融合技术还具有运算单一等急需解决的问题［60］。

2.4.4　物联网频段选择

目前频段资源可分为两类，即授权频段和非授权频段。授权频段被规定了严格的使用限制和保护条件，只允许接入授权用户及符合规定的设备，而且用户要为此缴纳一定费用。目前，公安、铁路、民航、广电、电信等重要的部门均拥有一定的授权频段，三大运营商都拥有国家无线电管理局授权的专用频段，保障公众移动通信不受干扰。在非授权频段内，设备只需要满足不那么严格的标准，且保证不对其他用户造成干扰，就可以接入与使用。比较典型的是，我们经常使用的Wi-Fi、蓝牙就是通过非授权频段进行传输的。

由3GPP推动的低功耗广域网标准运行在授权频段上，这也体现了以运营商为主体的未来物联网市场布局，运营商可以在现有的网络资源基础上通过简化等方式达到低功耗广域网的功能要求。由于频段资源属于稀缺的战略资源，加之运营商在获取相应频段资源时付出了很大的成本，因此授权频段领域的低功耗广域网还是以运营商市场为主。

而对非授权频段而言，符合国际和国家层面无线电管理机构的相关规定就可以使用，并且不需要支付高昂的频段成本，使得进入门槛大大降低。从市场层面来看，不是所有的企业或者应用都有必要接入运营商级的网络，更多的企业会从适用性角度对网络进行选择，加之越来越多的技术研发企业也看到了非授权频段的优势，因此基于非授权频段的低功耗广域网技术和应用也得到了发展与推广。

目前工作在非授权频段的无线技术，有IEEE 802.11、Wi-Fi、蓝牙、ZigBee、LoRa、Sigfox、近场通信（Near Field Communication，NFC）等；工作在授权频段的无线技术，有GSM、CDMA、WCDMA等较成熟的3G/4G蜂窝通信技术，以及LTE、LTE eMTC及NB-IoT等，主要是运营商主导。非授权频段的无线技术大多是非标准化、自定义实现的，相对授权频段的无线技术来说起步早，产业链更加成熟。

2.4.4.1　授权频段使用情况

目前，物联网产业链上下游企业都在低功耗广域网上发力，如NB-IoT、LoRa及Sigfox等，低功耗广域网技术的种类甚至比近距离通信技术还要多。不过，在众多的低功耗广域网技术中，工作在3GPP授权频段的只有三种，分别是eMTC、EC-GSM-IoT和NB-IoT。其中，eMTC占用的频段是LTE Bands，EC-GSM-IoT占用的频段是2G Bands，NB-IoT占用的频段是LTE及2G Bands。我国目前大力发展窄带物联网，因此本节主要介绍NB-IoT频段使用情况。

NB-IoT属于授权频段，如同3G/4G/5G一样，是经过3GPP精心规划的频段，具有覆盖广、连接量大、低功耗、穿透力强、段间干扰小等特点。NB-IoT网络属于蜂窝网络，可以直接部署于GSM网络、UMTS网络或LTE网络，以实现快速的大规模部署、降低部署成本、实现平滑升级等。由于运营商已具备成熟的电信蜂窝网络产业生态链和运营经验，因此可以更好地建设、运营和维护NB-IoT网络。国内运营商可用的NB-IoT频段如表2-15所示。

2.4.4.2　非授权频段使用情况

为了满足物联网各个领域业务发展的共性和差异性需求，IEEE开始制定低频段WLAN标准IEEE 802.11ah，该标准应用在1GHz以下。IEEE 802.11ah能够作为物联网新的协议标准，首先，因为其在物理层使用了正交频分复用技术，有增强型的IEEE 802.11 MAC层技术匹配其物理层技术，并且为支持其与IEEE 802.15.4及IEEE 802.15.4g标准共存提供相应的机制。该标准制定的目的是将广泛用于5GHz和2.4GHz频段的WLAN协议向更低的ISM频段迁移，以保障在室外接入时拥有更大的网络覆盖能力，同时具有低功耗、低/中速率等特点，可以同时支持多用户。其次，处于Sub 1GHz频段的IEEE 802.11ah协议，因其自身的技术优势和低频段资源优势，可以在智慧广电、智慧电网、智慧农业与环境监测、智慧工业、智慧城市、智慧办公、智慧医疗领域进行广泛应用［61］。

无线电通信部门在《无线电规则》第一章第一条中对ISM频段的划分进行了定义，主要规定了开放给工业、科学和医学在内的三个主要机构使用的免授权频段，所规定的ISM频段包含的频段如表2-16所示。

虽然无线电通信部门对ISM频段做了上述规定，但不同国家对ISM频段规定的划分和使用并不统一。美国已经分配的Sub 1GHz ISM频段、频率容限及使用限制如表2-17所示。

根据美国现有的频段划分情况，表2-17中处于1GHz以下的、可以作为公众移动通信系统免执照使用的频段为902～928MHz，该频段的带宽为26MHz。目前902～928MHz频段在美国已经规划的主要业务是定位和监测业务及业余无线电。其中定位和监测业务有两种：多点定位系统和非多点定位系统。

根据ECC（European Cruise Council，欧洲邮轮委员会）于2013年10月通过的欧洲无线电频率划分表，欧洲已经分配的ISM频段、划分及使用限制如表2-18所示。

然而在欧洲，表2-18中所列的ISM频段并不能满足1GHz以下适用于IEEE 802.11ah的划分，但IEEE 802.11ah协议作为物联网新的协议标准，其目的是构建低功耗、低/中速率的广覆盖网络。所以，在欧洲可以结合CEPT（Conference of European Post and Telecommunication，欧洲邮电行政会议）建议书及短距离微功率设备的限值给出IEEE 802.11ah适用的频段为862～870MHz，带宽为8MHz。

我国ISM频段的划分情况可以参见《中华人民共和国无线电频率划分规定》［61］的两条脚注5.138和5.150，微功率（短距离）无线电设备的发射限值规定可以参见我国于2005年发布的《微功率（短距离）无线电设备的技术要求》（信部无〔2005〕423号文）。在工业和信息化部原电信研究院于2011年提交给IEEE SGah工作组的文稿中详细分析了我国Sub 1GHz可能适用于IEEE 802.11ah的频段及相应的应用范围说明，如表2-19所示［62］。

在物联网的应用中，不同国家或地区无线技术使用的频率不同。为适应物联网的发展，各国或地区为物联网应用提供了一定的频段，根据各国对于IEEE SGah工作组提出的建议，目前各国Sub 1GHz适用于IEEE 802.11ah的物联网候选频段情况如表2-20所示。

由于LoRa是工作在免授权频段的，无须申请就可以直接进行网络的建设和部署，且其网络架构简单，运营成本相对较低，因此LoRa Alliance正在全球范围内大力推广LoRaWAN的标准化协议，使符合LoRaWAN标准规范的设备可以真正实现互联互通。目前，由中兴通讯主导的中国LoRa应用联盟在LoRa Alliance发布的标准化协议基础上做了改进和优化，形成了一套新的LoRa网络接入规范。在该规范中，中国LoRa应用联盟推荐470～510MHz作为中国市场内的LoRa使用频段，而该频段是无线电计量仪表目前正在使用的频段。