至顶网CIO与应用频道 02月21日 北京消息:您是否尝试过将您的智能物联网(IoT)设备接入繁忙的Wi-Fi®网络?尽管这使得它们丝毫发挥不了作用,因为网速和带宽令人荒谬地低?
许多Wi-Fi网络采用2.4 GHz技术构建,随着数以亿计的设备具备支持Wi-Fi的功能(每年该数字都呈爆炸性增长),从某种角度而言,无线网络已经不堪重负。这种大拥塞导致许许多干扰,大到足以影响网络的总体性能。
让我们快速浏览一些和我们紧密相关的事实:当您好不容易才接入网络,网络不安全的问题接踵而至。网络安全事故和恶意攻击对于我们的隐私来说都是迫切的威胁。在您(曾)知道或不知道的情况下,全球各地的人都可以远程访问您的数据,甚至盗用您的身份。马里兰大学的一项研究已将具有互联网接入的计算机近乎恒定的黑客攻击率进行了量化—平均每39秒一次。
最后,当您在勉力应付这一切后偶有喘息时,又面临着最糟糕的境况:您的电子门锁的电池电量彻底枯竭,您被锁在家的外面,您在刚才安装新的智能门铃时却把钥匙落在了屋内…等等,难道不是上个月刚换完电池吗?
聪明的设计师从未停止寻找改进生活中常用技术的新方法。TI的新一代SimpleLink™ Wi-Fi®设备CC3135、CC3235S和CC3235SF,能够帮助您克服设计挑战从而改进网络性能、提高系统安全性、维持低功耗并延长电池寿命。以上均可通过提供通用软件、资源和培训的单一平台供应。下面,让我们对这些内容进行更详细的了解:
挑战1:减少拥挤网络中的拥塞
您可能听说过术语“双频段Wi-Fi”,但是它究竟意味着什么呢?
它代表同一设备能够以两个不同的频段传输数据:支持802.11 b/g/n网络的2.4 GHz和支持802.11a网络的5 GHz。TI可支持2.4 GHz和5 GHz频谱,提供更多可选择的信道和更多上传通信流量的频段。这使得网络能够轻松实现叠加,有助规避2.4-GHz Wi-Fi网络中常见的拥塞。
2.4-GHz频段还可供其它连接技术使用,如蓝牙®低能耗技术。设计师通常会将蓝牙和Wi-Fi结合运用到同一系统中,扩展其产品的功能。但这种组合会导致两者之间的空中干扰,并进一步增强了环境中的拥挤程度,同时蓝牙性能也被削弱。
新的SimpleLink设备则能够有效解决Wi-Fi和蓝牙无线设备共存的复杂问题,提供2.4 GHz频段下可靠的吞吐性能。
挑战2:增强IoT安全性始于硬件选择
在IoT领域,发生恶意攻击之前,安全有时听起来像是一个流行语,并且经常是事后才成为“最优先考虑的事情”。美国国家标准与技术研究院发布的一份报告指出现代社会“采用IoT带来的网络安全风险对国家构成重大威胁。”报告还称:“为了将潜在重大风险降至最低,这些设备需要确保安全性并具备复原能力。”
提供外部机构或信誉良好的第三方验证的标准可能有助于确保设备的安全系统满足某种程度的稳健性。就此,TI已投资了一项近期高需求度的标准联邦信息处理标准(FIPS)出版物140-2。
FIPS 140-2 1级定义了加密引擎完好性的安全要求。在系统中,对敏感信息加密、鉴权、数字签名和密钥管理时会用到加密引擎。CC3235设备具有至少六个经验证的硬件加密引擎,至少12个固件混合式加密引擎。
挑战3:提高电池使用寿命
将5 GHz引入到SimpleLink产品系列中,可有效维护TI连接设备所提供的低功耗性能以满足您的期待。现在,您可以选择具有最佳低功耗性能的双频段(2.4 GHz和5 GHz)Wi-Fi集成电路,用于单芯片上电池供电的应用。借助更多的低功耗模式选项,该系列新设备有利于将系统中两个AA电池的使用寿命延长数年。
通过充分利用设备的双频段(2.4 GHz和5 GHz)快速连接机制可在0.5秒内连接至接入点(AP)。以上特性配合基于实时功率优化的独特网络学习算法,可帮助用户实现低功耗。设计师还可利用hostless模式降低对主机微控制器(MCU)的依赖,以及为网络处理器提供更多自主权来处理自定义的重复性和决定性任务。此模式可将主机MCU当前的消耗降低三分之一,并进一步延长应用的电池续航时间。
此外,全新Simplink™ Wi-Fi®设备的Wi-Fi设备的节能特性能够支持适合电池供电IoT应用。这些特性通过支持更长的Wi-Fi产品睡眠时间,且持续在网(用于支持此特性的AP)来提升设备的电源效率。
结论
包括新Wi-Fi设备在内的SimpleLink平台构造,展现了我们设计团队的独创性,巧妙解决互联世界的复杂问题。开发者创制新SimpleLink™ Wi-Fi® CC3135、CC3235S和CC3235SF时,就时刻牢记要帮助用户克服联网IoT设备的设计挑战,为现代社会快速交付创新产品。
好文章,需要你的鼓励
从浙江安吉的桌椅,到广东佛山的沙发床垫、河南洛阳的钢制家具,再到福建福州的竹藤制品,中国各大高度专业化的家具产业带,都在不约而同地探索各自的数字化出海路径。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。