物联网用智能传感器技术的发展重点包含边缘计算算法优化、身份认证算法优化和能量采集技术。
图1 物联网用智能传感器技术的发展重点
边缘计算算法优化
边缘计算是指在靠近物或数据源头的一侧（传感器侧），采用集检测、计算、存储、通信功能于一体的平台，为终端用户提供实时、动态和智能的计算服务。
智能传感器能够在单点上准确感知物理量或化学量，但在多维状态下相对困难。例如，在进行环境测量时，特征参数广泛分布且具有时空相关性，仅靠一两个参数难以实现对目标特性的识别，多参数智能传感器在数据处理中，利用边缘计算数据融合技术对目标进行识别和判断，对广域物联网的海量数据来说具有重要意义，既减少了网络开销，又提高了系统的实时性。因此，需要重点提高边缘计算算法的实时性、识别率。
边缘计算是在传感器端进行智能计算，而云计算是在云端进行计算，两者的差异体现在多源异构数据处理、资源浪费、资源限制、安全和隐私保护等方面。边缘计算在具有低时延、高带宽、高可靠性、海量连接、异构汇聚和本地安全隐私保护等特点的应用场景（如智能交通、智慧城市和智能家居等）中，存在突出优势。
边缘计算可以实时进行数据处理和分析，使数据处理更靠近源头，可以缩短延时，使应用程序的运行更高效、快速；边缘计算可以减少网络流量，随着物联网传感器数量的增加，数据生成速度成倍提高，导致网络带宽受限，成为数据传输瓶颈；边缘计算可以保障数据安全，保护用户隐私。物联网的原始数据涉及个人隐私，传统的云计算模式需要将原始数据上传至云计算中心，用户隐私泄露的风险较高。
身份认证算法优化
物联网多采用无线通信技术，数据容易被其他系统接收，必须通过特定的身份认证协议来确保数据传输的可靠性。身份认证需要密钥，可以通过优化来确定密钥，使其既简单又难以破解。
能量采集技术
大多数物联网应用无法为传感器提供能量，通常由电池供电，但在很多需要长期值守的场合难以实现。因此，需要减少智能传感器的功耗并充分利用空间中的能量。
可以将环境中的能量（如振动能、太阳能、热能、射频能等）转化为电能，供传感器使用，实现传感器能量自给。
振动能采集将周围环境中的振动能转化为电能，主要包括压电式、电磁式和静电式等。
太阳能采集将太阳能或光能转换为电能，可以解决不可再生资源枯竭、能源紧缺、环境污染等问题。
热能来源广，包括物体发出的热量、机械工作散发的热量和空气中的热量等。热能采集将环境温差转化为电势，从而将热源中的废热转化为电能。
射频能采集通过天线接收周围环境中的射频能，并将其转化为电源能量。
