智能物联网导论

　　本书在兼顾广度和深度的前提下，深度融合计算机科学、物联网、人工智能、边缘智能、群智感知计算等相关学科和方向的专业概念，重点阐述了智能物联网领域基础理论、架构和关键技术进展。从AIoT新型体系架构出发，按照“智能感知-网络增强-协同计算-平台应用”的组织思路，遵循“创新、深入浅出、理论+实践”的原则基调，就智能物联网AIoT的基本概念、AIoT体系架构、多模态感知、智能无线感知、群智感知、智能物联网络、终端适配智能计算、分布式学习、端边云协同计算、平台及典型应用等进行系统性阐述和深入探讨。本书不仅可以作为计算机和物联网相关专业高年级本科生和研究生的课程教材，也适合所有希望了解智能物联网的工程技术人员阅读。

暂缺《智能物联网导论》作者简介

序　言
前　言
第1章　绪论1
1.1　背景与趋势1
1.2　智能物联网概念与特征3
1.2.1　物联网与人工智能发展概述3
1.2.2　智能物联网概念5
1.2.3　智能物联网特征6
1.3　智能物联网体系架构与软件平台6
1.3.1　云边端协同AIoT体系架构7
1.3.2　AIoT系统软件平台8
1.4　关键技术9
1.4.1　泛在智能感知10
1.4.2　群智感知计算10
1.4.3　智能物联网通信11
1.4.4　终端适配深度计算12
1.4.5　物联网分布式学习12
1.4.6　云边端协同计算13
1.4.7　安全与隐私保护14
1.5　典型应用14
1.5.1　智能家居14
1.5.2　自动驾驶15
1.5.3　智慧城市17
1.5.4　智能工厂19
1.6　本书整体结构20
1.7　习题22
参考文献22
第2章　智能物联网体系架构25
2.1　物联网体系架构25
2.1.1　ISO物联网参考体系架构26
2.1.2　IETF物联网体系架构29
2.2　智能物联网系统模型31
2.2.1　AI功能的实现32
2.2.2　智能物联网体系架构概述34
2.3　典型的智能物联网体系架构35
2.3.1　Azure IoT架构35
2.3.2　阿里云IoT架构38
2.4　习题41
参考文献42
第3章　多模态智能感知43
3.1　物联网多模态感知背景43
3.1.1　多模态感知概念43
3.1.2　物联网数据特征44
3.2　物联网中的视觉感知44
3.2.1　视觉感知基础44
3.2.2　移动目标检测49
3.2.3　移动地图构建50
3.2.4　视频流目标跟踪55
3.2.5　视频动作识别56
3.3　物联网中的听觉感知57
3.3.1　听觉感知基础57
3.3.2　语音识别模型62
3.3.3　人机语音交互70
3.4　物联网中的多模态融合感知74
3.4.1　多模态感知数据融合方法74
3.4.2　多模态融合感知挑战和机遇77
3.5　习题78
参考文献79
第4章　智能无线感知82
4.1　无线感知基础原理82
4.1.1　无线感知信号82
4.1.2　无线感知理论模型84
4.1.3　无线感知系统工作模式87
4.2　基于Wi-Fi的智能感知技术87
4.2.1　Wi-Fi感知的基本概念和原理87
4.2.2　Wi-Fi感知关键技术88
4.2.3　Wi-Fi感知典型应用94
4.3　基于RFID的智能感知技术100
4.3.1　RFID技术基本概念与感知原理100
4.3.2　RFID感知关键技术与应用103
4.4　总结与展望108
4.4.1　常见无线感知方式对比109
4.4.2　无线感知研究挑战和发展趋势110
4.5　习题111
参考文献111
第5章　群智感知114
5.1　群智感知基本概念114
5.1.1　群智感知定义115
5.1.2　群智感知体系架构117
5.2　群智感知任务分配118
5.2.1　任务分配模型118
5.2.2　任务分配方法124
5.3　群智感知数据优选131
5.3.1　数据选择机制131
5.3.2　感知数据质量评估132
5.3.3　冗余数据优选134
5.4　群智感知激励机制137
5.4.1　群智感知激励模型137
5.4.2　用户激励方法138
5.5　群智感知发展趋势143
5.6　习题144
参考文献145
第6章　智能物联网络148
6.1　物联网通信体系架构148
6.1.1　物联网通信参考模型149
6.1.2　物联网通信标准149
6.1.3　智能物联网络151
6.2　物联网智能接入控制152
6.2.1　认知MAC协议152
6.2.2　基于模糊逻辑的接入延迟改善154
6.2.3　应用强化学习缓解无线信道冲突156
6.3　物联网智能路由157
6.3.1　基于强化学习的物联网路由158
6.3.2　基于神经网络的物联网路由160
6.3.3　基于人工智能技术对现有物联网路由协议的改进161
6.4　物联网智能传输控制163
6.4.1　基于神经网络的拥塞控制方法163
6.4.2　其他智能拥塞控制方法166
6.5　习题168
参考文献168
第7章　物联网终端智能170
7.1　深度模型压缩171
7.1.1　深度模型压缩172
7.1.2　深度模型按需压缩176
7.1.3　深度模型超参数优化178
7.1.4　深度模型动态推理179
7.2　深度模型量化182
7.2.1　基本概念183
7.2.2　基本方法185
7.2.3　低比特位宽量化187
7.2.4　量化与硬件加速191
7.3　深度模型自动化搜索191
7.4　软硬协同加速193
7.4.1　微控制器深度计算194
7.4.2　性能评估方法195
7.5　习题198
参考文献198
第8章　智能物联网机器学习201
8.1　物联网联邦学习202
8.1.1　横向联邦学习204
8.1.2　纵向联邦学习207
8.1.3　个性化联邦学习208
8.2　物联网智能决策210
8.2.1　强化学习与智能决策212
8.2.2　物联网多智能体协同决策214
8.2.3　多智能体协同决策方法215
8.3　物联网知识迁移217
8.3.1　知识蒸馏方法218
8.3.2　域自适应方法221
8.3.3　元学习方法224
8.4　习题227
参考文献227
第9章　智能物联网协同计算230
9.1　协同计算基本内涵230
9.2　分布式数据融合计算232
9.2.1　多模态数据融合计算232
9.2.2　异步数据流融合计算236
9.2.3　时空数据融合计算237
9.3　分布式模型分割计算240
9.3.1　串行协同计算241
9.3.2　并行协同计算243
9.3.3　混合协同计算245
9.4　分布式资源协同计算247
9.4.1　边端设备负载均衡优化247
9.4.2　边缘内部资源分配优化249
9.5　分布式数据传输优化250
9.5.1　自适应数据过滤251
9.5.2　自适应数据传输252
9.6　习题254
参考文献255
第10章　AIoT平台与应用258
10.1　智能物联网平台258
10.1.1　AWS IoT258
10.1.2　微软Azure IoT261
10.1.3　华为云IoT263
10.2　典型领域应用案例266
10.2.1　智能商业—无人超市266
10.2.2　智能工业—工业4.0下的数字工业268
10.2.3　智慧健康—老年人辅助机器人271
10.3　习题272
参考文献272
第11章　未来展望273
11.1　现状与挑战273
11.2　未来发展趋势274
11.2.1　软硬协同终端智能274
11.2.2　跨模态融合泛在感知274
11.2.3　面向AIoT的智能演进275
11.2.4　新一代智能物联网络276
11.2.5　动态场景模型持续演化276
11.2.6　人机物融合群智计算277
11.2.7　通用AIoT系统平台277
11.3　习题278
参考文献278