2015-12-物联网课程复习提纲

第一章物联网概述

知识点：

1）物联网的基本特点

全面感知：利用RFID、传感器、二维码、卫星、微波，及其它各种感知设备随时随地采集各种动态对象，全面感知世界。

可靠的传送：利用以太网、无线网、移动网将感知的信息进行实时传送。

智能控制：对物体实现智能化的控制和管理，真正达到人与物的沟通。

2）物联网的体系架构

感知层：实现对外界的感知，识别或定位物体，采集外界信息等。主要包括二维码标签、RFID标签、读写器、摄像头、各种终端、GPS等定位装置、各种传感器或局部传感器网络等。

传输层：负责感知信息或控制信息的传输，物联网通过信息在物体间的传输可以虚拟成为一个更大的“物体”，或者通过网络，将感知信息传输到更远的地方。传输层包括各种有线和无线组网技术、接入互联网的网关等。

服务管理层：对感知层通过传输层传输的信息进行动态汇集、存储、分解、合并、数据分析、数据挖掘等智能处理，并为应用层提供物理世界所对应的动态呈现等。其中主要包括数据库技术、云计算技术、智能信息处理技术、智能软件技术、语义网技术等。

应用层：应用层实现物联网的各种具体的应用并提供服务，物联网具有广泛的行业结合的特点，根据某一种具体的行业应用，应用层实际上依赖感知层、传输层和服务管理层共同完成应用层所需要的具体服务。

3）物联网的应用领域

第二章自动识别技术与RFID

1）典型的自动识别技术举例，及原理分析

光学字符识别、语音识别、虹膜识别、指纹识别、条码技术

2）一维条形码、二维条形码的优劣比较分析

3）RFID的定义

是射频识别技术（Radio Frequency Identification）的英文缩写,利用射频信号通过空间耦合（交变磁场或电磁场）实现无接触信息传递并通过所传递的信息达到识别目的。

4）RFID系统组成部分及功能分析

包括：传送器、接收器、微处理器、天线、标签。传送器、接收器和微处理器通常都被封装在一起，又统称为阅读器(Reader)，所以工业界经常将RFID系统分为为阅读器、天线和标签三大组件，这三大组件一般都可由不同的生厂商生产。

5）RFID标签（Tag）及分类

是由耦合元件、芯片及微型天线组成，每个标签内部存有唯一的电子编码（EPC编码），附着在物体上，用来标识目标对象。标签进入RFID阅读器扫描场以后，接收到阅读器发出的射频信号，凭借感应电流获得的能量发送出存储在芯片中的电子编码（被动式标签），或者主动发送某一频率的信号（主动式标签）。

被动式标签（Passive Tag）：因内部没有电源设备又被称为无源标签。被动式标签内部的集成电路通过接收由阅读器发出的电磁波进行驱动，向阅读器发送数据。

主动标签（Active Tag）:因标签内部携带电源又被称为有源标签。电源设备和与其相关的电路决定了主动式标签要比被动式标签体积大、价格昂贵。但主动标签通信距离更远，可达上百米远。

半主动标签（Semi-active Tag）:这种标签兼有被动标签和主动标签的所有优点，内部携带电池，能够为标签内部计算提供电源。这种标签可以携带传感器，可用于检测环境参数，如温度、湿度、是否移动等。然而和主动式标签不同是它们的通信并不需要电池提供能量，而是像被动式标签一样通过阅读器发射的电磁波获取通信能量。

6）RFID标签与条形码相比的优点？

体积小且形状多样：RFID标签在读取上并不受尺寸大小与形状限制，不需要为了读取精度而配合纸张的固定尺寸和印刷品质。

耐环境性：纸张容易被污染而影响识别。但RFID对水、油等物质却有极强的抗污性。

另外，即使在黑暗的环境中，RFID标签也能够被读取。

可重复使用：标签具有读写功能，电子数据可被反复覆盖，因此可以被回收而重复使用。

穿透性强：标签在被纸张、木材和塑料等非金属或非透明的材质包裹的情况下也可以进行穿透性通讯。

数据安全性：标签内的数据通过循环冗余校验的方法来保证标签发送的数据准确性。7）RFID频率划分

8）EPC编码

由分别代表版本号、制造商、物品种类以及序列号的编码组成。EPC是唯一存储在RFID 标签中的信息。这使得RFID标签能够维持低廉的成本并具有灵活性，这是因为在数据库中无数的动态数据能够与EPC相链接。

9）EPC 系统组成及工作原理

主要由如下六方面组成：

（1）EPC 编码标准

（2）EPC 标签

（3）EPC 码

（4）解读器

（5）Savant TM(神经网络软件)

（6）对象名解析服务(Object Naming Service: ONS)

（7）实体标记语言（Physical Markup Language: PML）

10）

第三章传感器技术

1）传感器是获取自然领域中信息的主要途径与手段。

2）信息的特征

普遍性：只要有事物的地方，就必然的存在信息。

?客观性：信息是客观现实的反映，不随人的主观意志而改变。

?动态性：事物是在不断变化发展的，信息的内容，形式，容量都会随时间而改变。

?时效性：由于信息的动态性，那么一个固定的信息的使用价值必然会随着时间的流逝而衰减。

?可识别性：人类可以通过感觉器官和科学仪器等方式来获取，整理，认知信息。这是人类利用信息的前提。

?可传递性：信息是可以通过各种媒介在人－人，人－物，物－物等之间传递。

?可共享性：同一信息可以在同一时间被多个主体共有，而且还能够无限的复制、传递。

4）传感器的定义与组成

能够感受规定的被测量并按照一定规律转换成可用输出信号的器件或装置。

5）传感器的一般数学模型

6）传感器的特性与指标

线性度、迟滞性、重复性、灵敏度、分辨力、温度漂移

上升时间tr、稳定时间ts、峰值时间tp、超调量σ%

7）传感器的分类

8）MEMS（微机电系统）

是指集微型传感器、执行器以及信号处理和控制电路、接口电路、通信和电源于一体的微型机电系统。

9）

第四章无线传感器网络

1）无线传感器网络

由部署在监测区域内大量的廉价微型传感器节点组成,通过无线通信方式形成的一个多跳的自组织的网络系统。

目的是协作感知、采集和处理网络覆盖区域中感知对象的信息，并发送给观察者。2）传感器网络的三个基本要素：

感知对象，传感器节点，观察者

3）传感器网络的基本功能：

协作地感知、采集、处理和发布感知信息

4）无线传感器网络节点结构及功能

5）无线传感器网络的特点

大规模网络

自组织网络

动态性网络

可靠的网络

与应用相关的网络

以数据为中心的网络

传感器节点低能耗、低成本

6）无线传感器网络的优点

与传统的有线信息传输方式相比，可以节约成本20～80％（Sensors Magazine 2004）

无线传感器可以应用在各种危险、恶劣的复杂环境下，实现对各种物理量的监控

无线传感器网络中的具有自组织、动态性的特点，网络拓扑结构能够适应变化，动

态调节

无线传感器网络节点可以跟踪动态目标，具有可移动性

7）无线传感器网络的关键技术

1）无线通信标准

无线个人区域网络（wireless personal area network,WPAN）

定位技术

时间同步技术

数据管理技术

网络安全技术

软硬件设计

第五章智能信息设备

第六章虚拟化技术

1）虚拟化定义

是表示计算机资源的抽象方法，通过虚拟化可以用与访问抽象前资源一致的方法访问抽象后的资源。这种资源的抽象方法并不受实现、地理位置或底层资源的物理配置的限制。

2）虚拟化常见类型：基础设施虚拟化、系统虚拟化、软件虚拟化。

基础设施虚拟化

–网络虚拟化：将网络的硬件与软件资源整合，向用户提供虚拟网络连接的虚拟化技术。分为虚拟局域网（VLAN)虚拟化和虚拟专用网（VPN)。

–存储虚拟化：为物理的存储设备提供一个抽象的逻辑视图，用户可以通过这个视图中的统一逻辑接口来访问被整合的存储资源。分为基于存储设备的存

储虚拟化（如磁盘阵列）和基于网络的存储虚拟化（如NAS-Network Attached

Storage：网络附属存储, SAN-Storage Area Network)。

系统虚拟化

–核心思想：使用虚拟化软件在一台物理机上虚拟出一台或多台虚拟机(VM)

–PC/服务器虚拟化：系统虚拟化的最大价值所在。

–桌面虚拟化：解决个人电脑的桌面环境（包括应用程序和文件等）与物理机之间的耦合关系。经过虚拟化的桌面环境被保存在远程的服务器上，当用户

使用具有足够显示能力的兼容设备（比如PC, 智能手机等）在桌面环境上工

作时，所有的程序与数据都运行和最终保存在这个远程的服务器上。

软件虚拟化

–高级语言虚拟化：解决的是可执行程序在不同体系结构计算机间迁移的问题。

由高级语言编写的程序将编译为标准的中间指令，这些指令在解释执行或编

译环境中被执行。（如Java虚拟机JVM)

–应用程序虚拟化：将应用程序与操作系统解耦合，为应用程序提供了一个虚拟的运行环境，其中包括应用程序的可执行文件和它所需的运行时环境。

应用虚拟化服务器可以实时地将用户所需的程序组件推送到客户端的应用

虚拟化运行环境。(如VMWare ThinApp)

第七章云计算技术

1）云计算模型能以按需方式，通过网络，方便的访问云系统的可配置计算资源共享池(比如：网络，服务器，存储，应用程序和服务) 。同时它以最少的管理开销及最少的与供应商的交互，迅速配置提供或释放资源。

2）云计算的5个基本特征

3）云计算的8个常见特征

4）云计算的3种服务模式

5）云计算核心技术

服务器集群（）

存储技术（RAID、网络存储技术）

数据库技术（关系数据库、NOSQL数据库）

虚拟化

数据中心

开源云计算平台

第八章物联网与数据挖掘

1）数据挖掘、知识发现、机器学习的关系

2）数据挖掘技术

分类、预测、聚类、关联分析

3）数据挖掘系统的特征

数据的特征

?大容量

?含噪音（不完全、不正确）

?异质数据（多种数据类型混合的数据源，来自互联网的数据是典型的例子）知识发现系统只能发现特定模式的知识

?规则

?分类

?关联

主要方法

?分类（Classification）

?聚类(Clustering)

?相关规则(Association Rule)

?回归(Regression)

4）数据预处理

为什么需要预处理？

预处理的方法

●格式标准化

●异常数据清除

●错误纠正

●重复数据的清除

5）分类（预测）

?评价指标介绍- 准确率、召回率、F1、mAP、ROC、AUC

?Weka工具相关的基础知识

?分类算法基本过程

?经典分类算法：

【1】决策树

【2】贝叶斯分类

【3】kNN

【4】神经网络

【5】SVM

?回归

【1】线性回归

【2】多元回归

【3】非线性回归

【4】SVM回归

6）聚类分析

7）

第九章应用案例分析

样卷分析

答疑