第一层：感知与硬件 (Sensing & Hardware)¶
定位：这是 IoT 技术栈的最底层——万物互联的"神经末梢"。如果把整个 IoT 系统比作人体，这一层就是皮肤上的触觉感受器、眼睛里的视网膜、耳朵里的耳蜗。没有感知层，上层的通信、计算、应用都是空中楼阁。
本层概览¶
感知与硬件层解决的核心问题是：如何让"死物"获得感知能力，并在极端资源约束下完成初步的数据处理？
这里的"极端资源约束"意味着： - 处理器主频可能只有几十 MHz（你手机的 1/100） - 内存可能只有几十 KB（一张手机照片的 1/100） - 电池可能只有纽扣大小，要撑几年 - 成本可能只有几块钱
在这些约束下，工程师们发展出了一整套独特的技术体系——从专用的实时操作系统，到能在 KB 级内存里跑的机器学习模型，从各种物理量传感器，到能从环境中"偷"能量的收集技术。
论文导读¶
基础平台¶
| # | 论文 | 难度 | 关键词 |
|---|---|---|---|
| 1 | IoT 实时操作系统对比 | 🟡 中级 | FreeRTOS, Zephyr, LiteOS, 调度, 内存 |
| 2 | ESP32 物联网开发平台深度分析 | 🟢 入门 | ESP32, ESP-IDF, Matter, Wi-Fi, BLE |
| 3 | RISC-V 在物联网中的应用 | 🟡 中级 | RISC-V, ESP32-C3, 开源指令集, ARM对比 |
传感技术¶
| # | 论文 | 难度 | 关键词 |
|---|---|---|---|
| 4 | MEMS 传感器技术综述 | 🟡 中级 | IMU, 气压, 气体传感器, 传感器融合 |
| 5 | RFID 感知识别技术综述 | 🟢 入门 | RFID, NFC, EPC Gen2, 供应链 |
| 6 | 可穿戴传感器系统 | 🟡 中级 | PPG, ECG, 柔性电子, 健康监测 |
边缘智能¶
| # | 论文 | 难度 | 关键词 |
|---|---|---|---|
| 7 | TinyML：在微控制器上部署机器学习 | 🟠 进阶 | TFLite Micro, 量化, 关键词检测 |
| 8 | 边缘 AI 加速器对比 | 🟠 进阶 | Edge TPU, NPU, TOPS/W, 推理框架 |
| 9 | 神经形态感知与计算 | 🔴 前沿 | DVS, SNN, Loihi 2, 事件驱动 |
能量与续航¶
| # | 论文 | 难度 | 关键词 |
|---|---|---|---|
| 10 | IoT 能量收集技术 | 🟠 进阶 | 太阳能, RF收集, 压电, 间歇计算 |
学习路径建议¶
入门路径：ESP32 开发 → RFID 基础 → RTOS 概念 → MEMS 传感器
进阶路径：TinyML 部署 → 边缘加速器 → 能量收集 → 可穿戴系统
前沿探索：RISC-V 生态 → 神经形态计算
与其他层的关系¶
- 向上连接：感知层采集的数据需要通过[第二层：通信与网络]传输到云端或边缘节点
- 横向协作：边缘智能（TinyML、NPU）让部分计算在感知层就地完成，减少通信开销
- 向下依赖：能量收集技术决定了整个节点的生命周期和部署方式