先进感知技术白皮书-2023.11

·感知是通过各类感知设备获得目标信息的过程，为行业应用提供了支撑智能决策与控制的数据基础，是构建“万物智联”的核心要素。为不断满足各类应用对感知能力的需求，先进感知技术持续发展，技术方向涵盖传感前沿技术和传感融合技术两类。本白皮书立足于移动通信发展视角，基于物联网的应用需求和演进方向，选取传感前沿和传感融合的代表性技术，解读技术原理，梳理技术现状，分析技术挑战，探索技术趋势，希望能够为加快先进感知技术的研究突破和落地应用提供参考。本白皮书的版权归中国移动所有，未经授权，任何单位或个人不得复制或拷贝本建议之部分或全部内容。中国移动先进感知技术白皮书（1.0

版）目

录1.

概述

............................................................

11.1

先进感知技术方向

....................................................11.2

传感前沿技术

........................................................21.3

传感融合技术

........................................................32.

传感前沿技术

....................................................

42.1

新机理

..............................................................42.1.1

量子传感

.......................................................

42.1.2

脑电传感

.......................................................

62.2

新材料

..............................................................72.2.1

柔性传感

.......................................................

82.2.2

触觉传感

.......................................................

92.3

新工艺

.............................................................112.3.1

片上光学传感

..................................................

112.3.2

微流控生物传感

................................................

132.4

新结构

.............................................................142.4.1

仿生视觉传感

..................................................

152.4.2

堆栈式图像传感

................................................

162.5

新算法

.............................................................182.5.1

光纤传感

......................................................

182.5.2

超敏气味传感

..................................................

203.

传感融合技术

...................................................

223.1

通信融合

...........................................................223.2

计算融合

...........................................................243.3

智能融合

...........................................................253.4

能量融合

...........................................................274.

总结与展望

.....................................................

28缩略语列表

........................................................

29参考文献

..........................................................

30参编单位及人员....................................................38感知是通过各类感知设备获得目标信息的过程[1]，包括对感知数据的采集、处理和感知结果的生成等。感知作为物联网的基石，为各类业务提供了支撑智能决策与控制的数据基础，是构建“万物智联”的核心要素。感知技术已经广泛应用于航天航空、工业制造、生物医学、智慧交通、智慧能源和环境检测等领域。随着行业信息化程度的不断加深和场景的不断细分，各类应用对感知技术提出了新的需求。第一，行业新场景需要进一步拓展感知范围、提高感知精度和增加感知目标。第二，传统传感器参数固定，精度、效率随着使用时间下滑，未来需要能够对自身进行动态优化。第三，垂直行业的智能化发展需要感知与通信、处理和控制等更多功能深度融合。第四，传统传感器的电源线和数据传输线对应用产生较大制约，导致布线成本高、施工难度高，未来需要实现传感器的无源化和无线化，实现传感器“剪辫子”。为满足各类应用对感知能力的需求，先进感知技术不断发展，通过技术创新提高了感知数据精度和感知效率，扩大了感知范围和感知规模，并不断实现网络化和智能化，进一步开拓了感知技术面向各应用领域的发展空间。近年来，随着数字孪生和元宇宙的不断发展，感知作为底层数据来源及技术支撑，其重要性日益凸显，在应用需求的不断驱动下，感知将与数字孪生和元宇宙相互促进，势必迎来爆发式技术突破及市场增长。1.1

先进感知技术方向先进感知技术方向涵盖传感前沿技术和传感融合技术两方面（如图

1）。传感前沿技术是涉及传感原理、传感器件设计、传感器开发和应用的综合技术，融合了多学科、多技术和多领域的最新技术进展，涉及物理、化学、生物、能源、通信和数据处理等，是支撑传感器研发、制造和应用的核心。传感融合技术使原本独立的单一参数感知、通信、计算、智能和供能等基础能力紧密结合，有助于提升感知效率，扩大感知技术的应用范围。1图

1.

先进感知技术方向1.2

传感前沿技术随着信息通信技术的快速发展，传感前沿技术不断涌现，通过对机理、材料、工艺、结构和算法等五个方面的技术创新，实现更大范围和更高精度的信息获取。新机理方面，量子传感和脑电传感等是其中的典型代表，在航空航天、安全监测和可穿戴器件等领域具有巨大的应用价值。量子传感通过量子效应提高感知精度，具有非破坏性、实时性、高灵敏性、稳定性和多功能等优势。脑电传感获取大脑活动产生的电信号，通过信号分析实现大脑与外部的信息交换，将在医疗、娱乐、军事和教育等行业发挥重要作用。新材料方面，新型柔性材料等作为传感器敏感材料，未来将助力更多业务场景拓展。柔性传感利用柔性材料良好的柔韧性和延展性，制作可穿戴设备，在智能机器人和医疗养老等方面前景广阔。触觉传感以柔性材料为基础，结合器件物理学和柔性电子学的前沿进展，在传感精度和机械性能方面有较大提升。新工艺方面，MEMS

是以微电子技术为基础的前沿研究领域，是传感器工艺的重要发展趋势。片上光学传感利用微纳加工工艺实现传感器的小型化、低功耗和低成本，是光学传感的重要发展方向。微流控生物传感基于细微加工技术，可在微米级流道内完成实验室所需全部分析流程，用于医疗领域可大幅降低病人取样的等待时间和痛苦程度，受到业界的广泛关注。新结构方面，仿生结构和

3D

堆栈结构分别为视觉传感和图像传感的技术研究和器件开发提供了新的思路。仿生视觉传感通过模拟人眼球视网膜的结构和作2用原理，实现在不同光照情况下的高效信息采集，是未来视觉传感的重要方向。堆栈式图像传感通过结构的优化提高光线的接收和处理效率，从而降低噪声、提高图像质量并扩大动态范围。新算法方面，基于原有的基础设施，通过信号检测、分析和新算法的运用，可以获得新的传感信息或进一步提高传感精度。光纤传感利用光纤通信技术中的分析测试算法对光的各类参数进行计算，能够获得对结构完整性和设备状态等的感知结果。超敏气味传感基于创新的模式识别算法实现性能优化，为环境监测和辅助医学诊断等应用带来新的机遇。1.3

传感融合技术为满足生活、生产和社会领域新场景和新业务的多元化需求，未来的感知系统还需要具备极致的通信能力、强大的计算能力、高度的智能化能力和无源的供能能力，通信融合、计算融合、智能融合和能量融合等方面的技术已成为新一代移动信息网络的发展态势，也是未来

6G

物联网技术融合发展的重要方向[2]。通信融合方面，面向广域和局域，以及微域和短距的无线通信技术能够支持传感器实现感知和传输能力的有效提升，更好的满足差异化的场景需求。广域和局域通信以蜂窝网络和无源物联网为代表，能够支持室外广域覆盖场景中的传感信息高效传输和通信感知一体化，降低通信功耗并实现对海量目标的感知。微域和短距通信的典型代表是太赫兹通信，太赫兹波既具有毫米波的波动性，又具有红外线光的粒子性，除用于通信外，还在基因检查等医学领域发挥重要的作用，实现通信与感知的深度融合。计算融合方面，数据压缩、感内计算和异构计算等新型计算技术的研究和应用，可满足传感器对于高算力、低时延和低功耗的要求。数据压缩能够减少数据传输量，延长传感器网络生命周期，结合深度学习等

AI

技术可实现数据高效压缩处理。感内计算通过在传感器内部构建新型感知运算模块，从信息采集的源头实现智能化信息预处理，减少数据传输规模，简化后处理流程。异构计算利用端侧异构计算单元协同工作，实现联合计算，从而获得更好的性能和更低的功耗。智能融合方面，智能微系统、分布式计算和群智感知等通过传感与智能化的深度融合，能够有效提升端到端综合感知能力。智能微系统支持传感器在提高3功能密度的同时向能力集成化、通信无线化、供能无源化和应用智能化发展，未来将围绕自主灵巧执行和高效资源利用等方向不断演进。分布式计算使传感器能够具有良好的扩展性和容错性，未来在任务分配和调度算法方面将进一步优化。群智感知利用人群通用移动设备作为传感节点，具有节点开放化、可按需部署和按需调度等优势，能够满足城市级大范围细粒度的传感任务要求。能量融合方面，能量采集与感知和能量管理等技术能够改善传统有源供电（电池/布线）的问题，实现传感器无源化。能量采集与感知一方面从环境中收集光能、风能、温差能、振动能或射频能等，将其转换为电能以确保传感器正常运行，研究重点是提升能量收集密度，提高能量转换效率。另一方面将供能源作为感知对象，真正实现数能融合。能量管理确保传感器长期稳定运行，研究重点包括采能高效管理、储能优化控制以及用能按需调整等。2.1

新机理传感新机理是指基于物理、化学、生物的效应，采用新的检测机理，提高传感的灵敏度、准确度和响应速度等性能指标，以满足不断变化和发展的应用需求。新机理包括量子传感、脑电传感、声表面波传感、微波光子传感等方方面面。以量子传感为例，其利用量子力学探测并提取信息，突破传统传感技术的能力极限。量子传感技术应用范围广泛，可用于军事、交通及航空航天等重要领域。未来，新机理的不断发展将持续推动传感技术的升级，并带动传感新材料、新工艺、新结构和新算法的持续发展。2.1.1

量子传感当前，电子、光学和声学等传感技术的广泛应用为生产和生活提供了极大的便利。然而，传统传感技术的探测精度、设备尺寸和响应速度等重要指标均受制于经典物理学的基本原理，难以满足新一代半导体研发和航空航天等高精尖产业4的需求，而基于量子力学原理的量子传感技术则逐渐崭露头角。量子传感是一种利用量子力学来探测并提取信息的技术手段，其利用量子物体、量子相干效应或量子纠缠测量特定的物理性质，从而提供超越经典极限的传感灵敏度和精度。量子传感器一般是一个具有离散能级的单粒子或多粒子系统，此类系统受到各类场（例如电磁场或引力场）的作用时会发生干涉，即量子传感器在探测到外部场干扰时，能够将粒子系统的初始态转化为另一个量子态。量子传感有多种重要的探测手段，例如

Ramsey

测量[3]，Rabi

探测[4]，Bose-Einstein

凝聚[5]等。其中，Ramsey

测量最为重要且基础，它使用两个间隔时间的脉冲来操控和测量量子系统，主要用于原子钟、核磁共振、惯性导航和天体辐射频谱等高精度测量。以原子钟为例，对稳定的原子样本（如处于基态的铷或铯等）施加一个脉冲（多为微波脉冲），原子会进入自由演化态，再施加第二个脉冲令其回到初始态，通过分析演化过程的概率分布即可精确推算出原子的震荡频率，实现对时间的校准。噪声是降低量子传感灵敏度和稳定性的主要原因，包括量子投影噪声、退相干与弛豫现象导致的噪声等。投影噪声的诱因是量子力学的不确定性原理，即在测量导致的量子态坍缩过程中，即使是相同的初始态和演化过程也可能导致不同的结果。退相干与弛豫噪声同样是量子力学的基本现象，退相干表示量子传感系统在外部干扰下量子干涉效应的减弱，而弛豫则是量子系统向热平衡演化的过程，二者都意味着量子系统逐渐退化为经典系统。针对噪声问题，当前研究方向包括三个：一是改进冷却技术，即通过降低温度来弱化退相干和弛豫的影响；二是研究量子校准技术，利用量子干涉来改进相位测量的灵敏度[6]；三是研发具有更好量子态和更低噪声水平的新型量子材料。量子传感技术具有广阔的应用前景，量子陀螺仪[7]和加速计等传感器可用于提高导航系统的精确性，可在无人驾驶、航空航天和海洋导航等领域广泛应用（如图

2）。同时，量子传感技术也可用于测量生物分子的结构和相互作用，赋能医药研发或疾病检测。目前，受限于抗环境干扰和去相干效应[8]，以及集成到微纳尺度器件中存在的稳定性、耦合和量子比特相互影响等工艺难点，量子传感器尚无商用产品问世，仍停留在方案设计或原型验证阶段。例如，相关企业已经开展了量子陀螺仪的研发工作[9]，通过测量原子自旋进动频率的变化来计算当前的角5速度，感知精度有较大提升。同时，众多国内企业和科研机构也已相继开展研发，推动量子传感器持续快速发展。图

2.

量子陀螺仪用于汽车的偏航速率传感器[10]未来，量子传感的研究将围绕重要物理参数的测量展开，如量子重力测量和惯性测量等。此外，基于量子纠缠的新一代远程通信可实现近乎零时延通信，量子密钥分发（QKD）可为通信双方创建高安全信息通道。量子传感也将与量子通信等技术进一步结合，促进人类向量子信息技术时代加速迈进，推动社会数智化转型。2.1.2

脑电传感长期以来，为充分了解人类的思维和行为，科学家们致力于对大脑结构、功能和信号等进行研究。但由于大脑难以直接观察和测量，传统传感技术在直接获取大脑信号方面存在一定挑战。人脑的思维涉及到电生理活动和化学反应，可以采用高灵敏度和高分辨率的传感器进行捕捉和记录。脑电传感技术将传感器放置于头部，获取大脑活动产生的微弱电信号。通过计算机对脑电传感的信号进行解码，分析神经元传递的信息，可以了解人的认知、情绪和运动等脑内活动，并进一步实现大脑与外部设备的信息交换。脑电传感可以分为侵入式和非侵入式。侵入式脑电传感通过植入电极采集脑电信号，但存在创伤大和易出现并发症等问题[11]。近年来，研究人员不断探索通过微创手术的方式，将脑电传感器植入血管，附着在大脑血管壁上，从而一定程度上兼顾安全性和有效性。非侵入式脑电传感通过在头皮表面放置电极采集脑电信号，虽然采集的信号质量低，但具有无创和安全性高的优点，并朝着小型化、便携化、可穿戴化及简单易用化方向发展。6脑电传感涵盖硬件和软件。硬件的核心是脑电采集设备。常见的脑电采集设备有微纳电极、头戴式脑电帽电极和脑起搏器电极三类，由耐高温、耐化学蚀刻、具有生物兼容性的材料制成。柔性电极具有密度高、信号稳定和损伤小的优势，是现阶段脑信号传感电极的主攻方向[12]，未来电极还将趋于小型化、高通量和集成化。软件包括信号处理和

AI

算法等。信号处理通过信号去噪、信号特征提取和信号编解码等步骤，从大脑神经信号中提取有用信息。AI

算法通过建立大脑信号特征向量与大脑活动之间的关系实现特征分类，提高系统准确性[13]。由于大脑高度复杂，且大脑活动存在个体差异，因此软件层技术需要具备一定的适应性和可学习性，可根据不同个体的神经信号特征进行优化调整。迁移学习通过共享模型和参数，在多个个体上进行训练，可以使模型学习到更广泛的脑电活动特征，从而提高解码的泛化能力和适应性[14]。脑电传感最主要的应用领域是医疗，在疾病的诊断、治疗和康复方面具有极大价值，可减轻医疗人员压力，提高医疗效率。近年来，脑电传感也逐步向娱乐、军事、教育等领域拓展，可用于实现电影和游戏等方面的沉浸式和个性化人机交互，可用于研制提升作战能力的脑控武器，也可用于监测学生注意力和疲劳状态以帮助老师及时调整教学方法。受技术、伦理和安全因素的制约，各国对非侵入式脑电传感的研发投入远高于侵入式脑电传感，目前非侵入式脑电传感已经有可穿戴语音生成设备[15]、意念无人机[16]、脑控智能仿生手[17]等成熟的产品落地。侵入式脑电传感的应用仍集中于医疗领域，已有产品通过动物试验让猴子控制电脑光标[18]，后续将进行人体临床试验[19]。随着脑电传感技术的高速发展，以及物联网微域通信技术的革新，未来植入人脑的微型传感装置不但可对脑部信号进行高精度检测，提高多种类和复杂人脑活动的处理准确性，也能基于微域通信形成自组织网络，与外界实时互动，为脑机交互提供了新的发展机会和前景，将广泛应用于人体健康监测、虚拟现实和游戏控制等方面，实现更加良好的应用体验，为人类带来便利与福祉。2.2

新材料传感新材料是指不同于传统金属材料以外的，可用于响应环境变化并传递电信号的新型材料，是传感技术未来的重要发展方向之一。目前，新型传感材料的7研究热点主要包括纳米材料、液态金属和金属氧化物材料等等。新材料通常具备有别于传统材料的特殊优势，如纳米材料具备更高灵敏度的结构和更低的单位重量，金属氧化物材料具备更好的延展性和柔韧性。在新材料中，具备柔性特征和触觉级别感知能力的材料能够提高传感器的灵敏度，解决传统材料难以部署在曲面、水下等特殊位置的缺陷，因而受到广泛关注。新材料将推动传感器在更多领域应用，为万物智联奠定重要基础。2.2.1

柔性传感传统的高性能电子器件是由刚性半导体材料制成的，如硅和砷化镓等。刚性限制了电子器件与生物组织材料的兼容性[20]。柔性材料有更好的柔韧性和延展性，可根据测量条件的要求任意形变，因而由柔性材料制成的柔性传感器以其灵活便捷的特点，能够应用于更广泛的场景中，是当前的研究热点。柔性传感器是基于柔性材料制成的传感器，具备了可弯曲和可变形的特点[21]，能够更紧密的贴附在待测物体上，极大地提高了复杂信号的测量准确性[22]，且生物相容性更好[23]能够在保证灵敏度和分辨率等性能的前提下，实现与刚性传感相同的功能。，柔性材料可用于制作传感器的基底和传感介质，并与传统硅基电子系统无缝连接，使传感器更好地贴附在物体表面并与生物组织交互。柔性材料按照使用方式可分为柔性导体、柔性半导体和柔性介质三类[24]。柔性导体主要包括液态金属、石墨烯和导电纳米油墨等，常用作柔性电子器件中的导线和电极等基底材料。柔性半导体主要用于制作柔性传感器，主要包括氧化锌和硫化锌等无机材料，三苯基胺和富勒烯等小分子有机材料，以及聚乙炔型和聚芳环型等高分子有机材料。柔性介质则是具备绝缘特性的柔性材料，主要包括聚合物基底和超薄玻璃基底等传统材料和使用花粉、花瓣或蚕丝等生物薄膜基底的新型材料，多用于制作贴附在物体表面的柔性基底。目前，柔性材料仍然面临生产成本高和制备工艺复杂等问题。采用液态金属和黑磷等本身具备较好电特性的材料，混合使用无机或有机材料或采用多层结构等方式能够有效提高柔性材料的性能，降低制备难度。除柔性材料外，制造技术也是保证柔性传感器能够得到大量生产和应用的关键，主要涉及减薄、柔性化结构设计和转印三方面[25]。目前制造技术的瓶颈主要集中在难以实现小体积芯片的减薄，以及高分辨率和大规模高效率的转印[26]。随8着纳米技术的发展，业界提出了使用纳米金刚石对半导体芯片和晶圆进行打磨和抛光的方法，在实验室初步实现了纳米级转印。目前，柔性传感技术主要应用在智慧医疗、智能穿戴等领域中，附着了柔性传感器的床单、鞋垫和手环等可用于监测人体脉搏节律，运动状态和睡眠质量等信息。柔性传感技术还有望应用于水产养殖领域，用于实时监测鱼类活动信息和水质数据，提高养殖智能化水平。然而，由于材料成本较高、制备工艺不成熟和集成方式受限等因素，柔性传感距离规模应用仍有差距。当前，国内外多家企业纷纷开展柔性传感技术研究并推出基于柔性温湿度传感、压力传感的产品和解决方案。随着更多企业的投入，柔性传感产业能够得到进一步扩展，更多的检测仪器设备能够实现柔性化。未来，柔性传感技术将进一步围绕提高灵敏度、分辨率和信号处理能力，以及与无线传输和供电模块的融合等方面展开研究。随着技术的发展，柔性传感器将能更加贴近生物体特征，支持实现具备高度感知能力的仿生机器人，成为数字孪生和元宇宙的重要基础。2.2.2

触觉传感近年来，机器人已经广泛应用于生产和生活的各类场景中，如工业机器人和家庭服务机器人等。当操作易碎或柔软物体时，传统的计算机视觉很难获取对象的硬度、纹理和材质等属性，使机器人易因抓取力过大而对物体造成损伤甚至破坏，或因抓取力度过小导致滑落。因此，在精准操作的场景中，触觉传感逐渐成为机器人感知抓取对象的重要方法，极大的提高了机器人的灵活性和场景适应性。触觉传感可用于检测接触、压觉和滑觉等物理特征量，通过模拟人体皮肤提取接触物的刚度、形状和大小信息，并转换成相应的电信号[27]（如图

3）。9图

3.

触觉传感器示例[28]触觉传感的原理和目标与压力传感相似，但要求更高，关键在于器件对于力度和力向的精确感知。力度上通常需要感知微牛顿或纳牛顿量级的力，力向上需要感知法向力和剪切力[29]。触觉传感器按照原理大致可分为压阻式、电容式和压电式[30]三种。压阻式触觉传感器利用力敏材料的形变导致其电阻变化的原理，通过在电极上覆盖力敏材料薄膜获得力的变化信息。电容式触觉传感器通常采用由两块极板和电极组成的“三明治”结构，当外力影响极板间距或重叠面积时，获得电容随外力线性变化的曲线。压电式触觉传感器依靠压电转换效应工作，即力敏材料受力产生形变时根据其不同位置积累的电荷判断力度和力向[31]。根据上述原理可知，力敏材料和结构工艺是决定触觉传感器性能的关键。力敏材料通常需要同时具备高电导率和较小的机械性能影响，而目前大部分碳基材料虽然成本低廉，但加工难度较高，且无法保证良品率。近年来，碳纳米管[32]石墨烯、中空碳球[33]等碳基纳米材料因具有良好拉伸性、高灵敏度和明显方向导电性而逐渐成为研究热点。结构工艺方面，由于触觉传感器必须由具备弹性模量的材料制备，各元件间的弹性耦合难以避免，导致传感阵列对力的空间分布映射并不精确，难以对各方向的力进行有效区分，因此，大部分触觉传感器仍处于研究或原型阶段。、触觉传感是伴随智能机器人概念而生的传感前沿技术，可用于智能机器人手臂和工业智能机械臂等对于易碎物品的操作等应用场景，或用于制作自动化微创手术工具、环境检测和水果的自动化筛检等方面。作为未来元宇宙、智能机器人和仿生皮肤的关键基础技术，已有多家国内外公司开展触觉传感技术布局，并发布多个原型产品，但距离实际应用仍然较远。10未来，触觉传感器不断向导电方向性更好的材料、更精细的工艺和更灵敏的结构发展，以实现传感器的小型化、高度集成化和柔性化。此外，与视觉等多元能力的融合以及仿生触觉传感器也是业界重点关注的方向，通过模仿鼹鼠胡须[34]或灵长类手指结构[35]等生物结构，触觉传感器正逐渐实现微牛顿或纳牛顿量级感知的目标，进一步拓宽其应用范围，使其在航空航天、工业制造、可穿戴设备和人机交互等领域具有更加广阔的应用前景。2.3

新工艺工艺是制作传感器件实体的重要步骤，工艺的发展可以使技术创新不止停留在想法层面，而是完成工程化实现，目前业界主要关注

MEMS

制造工艺的优化及演进。MEMS

制造工艺包含硅微机械加工、深反应离子刻蚀、光刻、分子沉积、表面微加工、激光微加工和微型封装等多种。各细分工艺均具有独特优势，如部分激光微加工支持将基电极直接打印在超薄凝胶膜上，从而实现柔性传感；表面微加工支持将传统的弹簧、阀门、开关、透镜和转轴等器件缩小为微米或纳米级，进一步增强片上系统的功能密度和器件微纳尺度下的物理特性，拓展传感器的应用领域。由

MEMS

制造工艺构建的传感器具有体积小、重量轻、功耗低、可靠性好、成本低廉和性能稳定等优点，具有良好的产业前景。2.3.1

片上光学传感在目标物检测领域，光学技术不存在电磁干扰和光信号间的自干扰[36]，具备可成像和可获取光谱信息等特性，因而具有高精度、快速、实时和非接触等优点。然而，传统的光学传感技术往往依赖于复杂的耦合光路和外部精密的检测设备，存在体积大、重量大、功耗高、成本高以及操作复杂等问题，难以满足便携式应用的需求。片上光学传感是将透镜、光源、波导结构和耦合阵列等光学器件集成在一颗芯片上，实现传感器的小型化、低功耗和低成本，并利用纳米光学技术实现对象的高精度检测，是光学传感未来发展的重要方向。片上光学传感可分为波导型和自由空间型两类器件技术架构。前者利用平面光波导作为面内光传输的控制单元，在平面内耦合光源、光探测器和光学传感单元形成单片集成的检测系统。后者利用可片上集成的自由空间光路，在垂直平面11方向耦合光源、光探测器和光学传感单元形成单片集成的检测系统。纳米光学技术和微纳加工工艺是实现片上光学传感的核心。纳米尺度的共振结构可以增强光与物质的相互作用，并提供在空间域和频域等多维度的光场调控能力，增强传感器的灵敏度和传感器光谱的品质因子。微纳加工工艺是实现纳米尺度结构的关键技术，目前已成为片上光学系统的研究热点。由微纳加工工艺完成的光学器件具备高灵敏度、高集成度和低噪声等优势。以高效的光学超声波传感器微腔光粒系统为例[37]，由于存在超声波吸收损耗等问题，其在空气环境中较难实现高灵敏度。业界使用光刻、氢氟酸腐蚀、氟化氙刻蚀以及二氧化碳激光回流等微纳加工工艺，获得了高机械品质因子和高光学品质因子的微芯圆环腔，减少来自衬底的机械运动的约束，使得微腔光粒系统的灵敏度不再受到空气-声源界面阻抗失配的影响。此外，针对纳米材料对波导表面粗糙度较为敏感的问题，业界提出了基于电感耦合等离子体刻蚀的方式，采用

CF

/Ar

混合气体进行表面光滑，实现刻蚀深度为

44微米并且保持侧壁光滑和理想的波导陡直度，能够减少波导损耗，提高灵敏度和检测范围[38]。当前，片上光学传感被应用于智慧工厂、智慧楼宇、危险气体检测、现场快检等领域，小型化的光学传感器不占用空间，具有成本低、功耗低、体积小、便于使用等特点，能够被集成在各类智能终端并部署在各种场景中。但是，受限于高质量光源集成、加工工艺成本以及难以与其他模块异质集成等问题，片上光学传感技术尚未实现在低成本的前提下，拥有与传统光学检测技术相近的光谱分辨率和提取效率等。当前，部分国外公司已经推出了无源化和小型化的光学传感设备，光谱仪等多种传统光学传感器业实现了芯片化。同时，片上光学传感在国内也得到了广泛关注和研究，但相关产品仍处于起步阶段，较国外先进产品仍有一定差距。未来，片上光学传感技术有望实现性能的进一步突破，达到与传统光学传感器相似的准确率、识别速度和光源质量，提高集成光学器件的大数据处理能力，进一步实现光学传感在更多领域中的应用推广，成为元宇宙和虚拟现实技术落地的重要基础。122.3.2

微流控生物传感在医学领域，传统的生物样本检测往往存在样本和试剂消耗量高以及检测时间长等问题。近年来，随着

MEMS

和高分子材料技术的逐渐成熟，以及体外非侵入式检测和现场即时检测的兴起，微流控生物传感技术以其耗样量低、灵敏度高和分析速度快等优势受到了广泛的关注。微流控生物传感技术，或称片上实验室（Lab

on

a

Chip），可利用微细加工技术在玻璃或塑料基板上制作溶液流动的微小通道网络并集成在芯片中，从而将若干个实验室检测项目集中和缩小到一个几平方厘米大小的芯片上完成[39]（如图

4）。图

4.

微流控技术原理示意图[40]微流控芯片是微流控生物传感的核心，一般由多组微流道、微泵和微阀组成，利用诸如层流、扩散和表面张力等现象对待测样品进行操作和控制，包含对样品的输送、混合、反应和分离等过程[41]。首先，样品通过空气压力和压电驱动等外部推力，或毛细力等自然力输送进入微流道[42]。样品的流向及流速由微阀控制，之后，样品进入混合区，在充分混合反应后进入分离区，基于粒子惯性、大小和特异亲和力等特性实现待测物与非待测物的分离[43]。当前，微流控芯片的研究主要集中在流控、材料和生化特异性等方面。流控方面，当前微流道通常为微米级[44]，但对于单分子或单细胞样品，或

aL~fL

体积量级的超微型样品的操作需要纳米级流道完成（10~10

nm）。然而，过小的尺寸3会导致流体与流道壁面的相互作用增强，产生涡旋、表面黏附或堵塞等负面效应，加大了样品混合和分析的难度[45]。同时，微米级流道需针对不同生化分析设计不同的流控方法，极大地增加了设计难度。材料方面，传统硅材料、玻璃和石英材料存在与生化粒子兼容性较差、不易于光刻和蚀刻以及制作工艺复杂等问题。而13高分子聚合物材料易于加工成型，在绝缘性、耐高压性、热稳定性、生物兼容性和气体通透性等方面表现突出，以聚二甲基硅氧烷为代表的有机高分子聚合物[46]，以及水凝胶[47]和纸基[48]等新型材料逐渐成为业界研究的热点。生化特异性方面，探针分子对待测分子的结合力和筛选性决定了微流控生物传感的反应速率和分析精准度。因此，在微流控芯片设计过程中需要对探针分子进行选型或针对性表面装饰，或人工合成探针分子以进一步提升灵敏度和准确性。微流控生物传感主要应用于医疗和生物化学领域，当前已在怀孕检测和新型冠状病毒检测等即时诊断领域具有较为广泛的应用。同时，业内目前还聚焦于与蛋白质相关的多肽定量和磷酸分析、与细胞相关的糖链和外泌体特征分析、与血液相关的血糖和血离子分析，以及水质分析等应用领域。当前，微流控生物传感的大部分研究均已商业化或进入临床阶段，然而，受限于芯片大小、性能等因素，面向传染病、肿瘤和毒品等复杂样本的微流控生物传感技术仍停留在实验室研究阶段。针对此问题，业界提出多种基于智能手机辅助检测的方案，通过高分辨率摄像头识别活细胞或大分子，再通过软件进行定性或定量分析，实现如埃博拉病毒抗体检测和细胞损伤标志物检测等应用[49]。未来，微流控生物传感有望摆脱辅助识别设备，在癌症[50]和眼科疾病[51]等领域发挥出更大价值。此外，随着微流控技术与光学技术的结合，利用光流控技术开发小型化且高度集成的光学仪器开启了操纵光和流体的新篇章，在下一代集成光学器件、生化分析仪和环境监测等领域具有广阔的应用前景。2.4

新结构传感结构是指传感器硬件之间的排列架构组合方式，结构设计与物理原理直接相关，对于新结构的研究主要集中在较为复杂的传感器类型。受人或动物的生理功能和结构的启发，视觉、嗅觉、听觉和触觉等仿生传感技术也备受关注，具有极大的发展前景。此外，以

CMOS

图像传感为例，其结构分为前照式、背照式和堆栈式三种。前照式结构光线利用率较低，背照式通过结构的改变，提高了光线利用率，从而提高传感器灵敏度。近年来，堆栈式结构不断发展，通过在垂直方向上堆叠多个层次的电路和感光器件，提高光线的接收和处理效率，从而实现更高的图像质量、更低的噪声和更好的动态范围。未来，传感结构的进步将持续14促进传感能力的提升，推动传感器技术和产业的全面发展。2.4.1

仿生视觉传感视觉传感是获取外部环境图像信息的重要手段，主要由图像传感器和其他光辅助设备组成。传统的视觉传感存在视觉适应性差和感知效率低等问题，难以适应各类新场景的要求。而仿生视觉传感由于在有效光强感知范围、感知频谱和自适应能力上有着更加出色的表现，成为视觉传感的重要发展方向。仿生视觉传感是通过模仿生物视网膜原理和结构来提升视觉传感器性能的新型传感技术。为了适应自然界中多样化的复杂环境，各类生物进化出了赖以生存的视觉感官系统，研究人员通过对生物体视觉系统的结构与工作原理的研究，仿照其实现方式形成仿生视觉传感。自然界中的光强分布范围通常超过

280dB，常用的硅基

CMOS

感光元件约

70dB的感光范围难以应对。早期的研究通过控制光学孔径、调节曝光时间及后期图像算法等方式来提升图像质量，但资源开销较大，造成运转效率大幅降低。人类视网膜虽然只有约

40dB

的感光范围，却能快速适应光线的强弱变化，在暗光环境下仍能保持优异的视觉性能，这是由于人眼的光接受细胞可以在不同光照环境下通过水平细胞控制视锥和视杆细胞的转换以及光色素的产生和消失。据此原理，研究人员利用二硫化钼光电晶体管模拟水平细胞和光接收细胞结构，研制了拥有像素级高局部且动态光敏能力的仿生视觉传感器，有效感知范围可达

199dB[52]。此外，人类的视锥细胞能够识别可见光波段中的长波(红光)、中波（绿光）和短波（蓝光），通过光强度的组合区分

150

多种颜色。但自然界一些昆虫的视觉范围可以拓展至紫外波段，即具有四色视觉(tetrachromacy)能力。受此启发，对使用

OPTs

的传感单元利用人工神经网络对红绿蓝噪声进行过滤，传感器阵列可以实现光照强度低至

31nWcm-2

的紫外光检测，识别精度由

46%提升至

90%，同时具备较高灵敏度的图像感知和记忆能力[53]。除了生物结构外，仿生视觉传感还涉及对新材料的研究，具有热释电效应的材料是提升仿生视觉能力的重要方向之一。通过应用新型半导体材料如γ-InSe，光热效应和光电效应可以结合形成新的工作机制，使得器件级的恒定光刺激动态适应成为可能，实现类人眼的适应行为，包括宽光谱感知、相似的光敏恢复能力15和协同视觉功能[54]（如图

5）。图

5.

人类视锥细胞对光线的感知适应示意图仿生视觉传感在车联网无人驾驶、机器人导航、工业自动化和智能监控等领域具有广阔的应用前景。现阶段的仿生视觉传感技术仍处于研究初期，多以借鉴视网膜的处理机制和实现原理为主，在实际应用中的光照适应速度和光学能力距离生物视觉水平仍有较大提升空间，因而尚未规模化商用。未来通过实现更大规模的阵列制备和异构集成等技术，仿生视觉传感有望实现与人类视觉系统类似的的高效人工视觉系统，并进一步结合深度学习与人工智能技术提升分辨率和采样速率，从软硬件两个层面共同推动视觉传感器通用化、小型化和低功耗，提升系统的环境感知能力，助力未来发展和生产效率的提高。2.4.2

堆栈式图像传感图像传感器作为消费电子中应用最广泛的传感器之一，业界一直聚焦于缩小尺寸、提高像素量、色彩饱和度和处理速度等方面。传统

CMOS

图像传感器的光电二极管和逻辑电路一般分布在同一基片，且为了保证结构强度需要将基片集成在支撑衬底上，导致在制造工艺方面无法实现效果最优化，感光像素的面积也受到诸多限制。针对上述问题，基于堆栈式

CMOS

结构的图像传感技术被提出，其使用带有逻辑电路的芯片层替代了传统图像传感器所需的支撑衬底，在保证图像传感器结构强度的同时为像素区域的制造去除了诸多限制（如图

6）。16图

6.

传统背照式图像传感和堆栈式图像传感对比示意图[55]初代堆栈式

CMOS

图像传感器采用硅通孔(TSV)技术实现感光像素与逻辑电路的连接[56]，后续陆续推出了通过

Cu-Cu

键合方式代替

TSV

进一步实现小型化并提升效率，以及通过直接集成

DRAM

层加强慢动作摄影能力等诸多创新方法。近年来，随着智能手机向多摄像头方向发展，厂商对于高像素图像传感的需求越来越强。通常情况下，提高像素密度能够带来更高的分辨率和更强大的长焦能力，但像素密度的增大也意味着单个像素单元尺寸的减小，使得像素单元中的放大晶体管尺寸受限，从而加大随机噪声信号，导致最终画质的下降。2021

年，双层晶体管像素堆栈式

CMOS

图像传感技术被提出[57]，将原本同处于像素层的光电二极管与像素晶体管进一步拆分，形成两层堆叠结构（如图

7），使得光电二极管和像素晶体管能够分别独立进行优化。分层处理允许在增加光电二极管数量的同时使用较大尺寸的放大晶体管，在维持高像素数的同时使饱和信号量提升至约

2倍，扩大动态范围并降低噪点，进一步提升图像在夜间或其他昏暗场景下的表现。图

7.

传统像素结构和双层晶体管像素结构对比图[58]除结构上的不断优化外，随着堆叠工艺的演进，业界已经展开在堆栈式结构的基础上增加

AI

信号处理层的尝试。将图像处理器(ISP)、卷积神经网络（CNN）加速器、存储器和主处理器堆叠在图像传感器下方，像素阵列获取的信号可以直接在芯片内部进行处理，无需外置高性能处理器或存储器，从而大幅减少图像传17感器输出的数据量，提高处理速度。基于

AI

能力的加成，堆栈式图像传感未来将不再只能进行单纯的图像捕获，其处理电路将能够集成完整的智能图像处理算法和存储空间，带来诸如

3D

测距成像和增强现实等能力提升。图像传感器在包括智能手机、计算机、安防监控、汽车电子、消费、工业、国防与航空航天和医疗等下游领域均有广泛应用，其中智能手机行业占比最高。近年来智能手机主打的新技术如面部识别、心率检测和

HDR

拍摄等均依赖于图像传感器实现。然而，最新的堆栈式图像传感因其较高规格和成本，目前主要应用于高端手机和专业级相机中，仍未实现大范围普及。未来，随着技术和工艺的不断成熟，堆栈式图像传感将进一步得到广泛应用，替代传统图像传感在微纳加工等领域发挥其重要价值，推动图像传感器发展进入新纪元。2.5

新算法随着物联网技术的不断发展，应用场景不断拓展，用户对于传感能力的要求越来越高，但传感器硬件的开发周期较长，难以快速满足市场需求。因此，各传感器厂商逐渐从单纯围绕硬件竞争，进入到围绕“算法+硬件”竞争的阶段。新算法可用于提高传感精度，或以原始数据为基础实现新的感知能力。以气味传感为例，基于深度学习算法，通过建立逐层抽象的网络，可实现复杂函数并形成数据的层次表达，能够在数据量较少的情况下学习代表信息特征的能力,获得更高的感知准确率。未来，新算法将在很大程度上弥补或提高传感器硬件的性能，使传感器向更精准的感知结果和更强大的感知能力演进。2.5.1

光纤传感在大坝、铁路、电力电缆和石化管道等公里级连续监测场景中，针对温度和压力等参数的测量，传统点式布设传感器的方式存在部署难度大和监测数据不连续等问题。光纤既可作为传感介质又可作为被测信号的传输介质，现场无需额外缆线或供电，具备低成本、易部署和连续监测的特性，受到广泛关注。光纤传感，又称为分布式光纤传感技术（DFOS），是由光纤通信演变而来，原用于检测光纤的传输情况，后逐渐成为一种对于光纤环境的感知技术[59]（如图

8）。由于光18在光纤中传播时，其振幅、相位、波长、偏振和传输时间等参数会受环境影响，因此光纤可作为敏感元件来探测温度、振动、应力和声音等物理量[60]。图

8.

分布式光纤传感技术[61]光纤传感主要基于入射光波和光纤介质相互作用产生散射谱的原理进行环境分析。散射谱由瑞利散射、拉曼散射和布里渊散射组成，各种散射原理对不同物理量的敏感度不同[62]。瑞利散射是由入射光子和光纤中不均匀传输介子（如微小密度、折射率变化）发生弹性碰撞产生，其入射光和散射光的频率保持一致且光波能量更强，对振动和声音等能够对光纤产生微小形变的物理量有较好的响应。拉曼散射是由非弹性碰撞产生，在此过程中光子与传输介子交换能量，其散射光随光纤温度的变化而变化。布里渊散射是由于光纤中的声子与入射光光子间相互作用而产生的非弹性散射现象，其散射光与入射光之间产生频移的大小与温度和振动成正向线性关系，因此对温度和振动有较好的响应。但布里渊散射频移较小、带宽较窄，激光器具备平稳的频率和极窄脉冲宽度，导致系统成本增加。光纤传感器通常采用常见的单模或多模通信光纤实现感知功能，主要涉及如光时域反射（OTDR）、光频域反射（OFDR）、光时域分析（OTDA）和光频域分析（OFDA）等传统光纤通信技术中常用的分析测试方法对散射光的光强度、时间差、光程差和频率等参数进行检测分析。因此，与重视敏感单元的传统传感器不同，其研究方向主要是在上述测试方法的基础上通过光噪声抑制[63]、光脉冲编码[64]、时频域特征提取[65]、修正解调方程[66]或引入深度学习[67]等方式提高信号信噪比、优化空间分辨率、补偿光纤衰减、提高感知精度以及降低散射串扰等。光纤传感可利用已布设的光纤设备进行环境监测，在远距离连续感知方面形成了相应的解决方案并具备较强的技术优势，目前多用于长距离管网和线缆的盗挖、泄露、断点检测，以及大规模建筑的结构应力监测，在石化、冶金和燃气等19行业发挥了巨大的应用价值。同时，除了传统传感器企业外，多家通信企业也开始基于其通信光纤的布设基础开展光纤传感相关技术研发，进一步推动了光纤传感技术的发展。然而，目前光纤传感受算法精度和仪器设备成本等方面的限制，商用规模仍然较小，需待技术和产业的进一步发展和推动。未来，光纤传感技术将重点围绕两方面推进，一是将在单点位或分散式点位测量上进一步提高其传感精度，并针对短距离的部署场景进一步探索较高性价比的方案；二是现有光纤传感的探测能力依然受限于光纤轴向一维结构，未来将进一步实现扰动源的三维定位与信号的多分量探测，以支持光纤传感的进一步推广。2.5.2

超敏气味传感气味传感器是一种能够检测和分析待测对象中气味和成分的传感器，可以感知和测量气体中的气味分子和挥发性有机化合物等。气味传感可以通过与气体发生化学反应或物理吸附来检测气味成分，还可以利用生物体（如细菌、酵母、酶等）的生物反应来检测气味成分，并将其转化为电信号或光信号输出。然而，单一的气味传感器只能识别特定气味，且识别灵敏度和准确度较低。为解决这些问题，一种由交叉敏感传感器阵列和模式识别算法组成的超敏气味传感系统被提出，该传感系统也称为电子鼻，实现了对多种气味的准确识别。超敏气味传感系统主要由气体传感器阵列、信号采集与处理单元以及模式识别算法三部分组成[68]（如图

9）。气体传感阵列的敏感材料与目标气体发生化学反应，将化学信号转化为电信号。预处理单元对电信号进行噪声消除、信号放大、信号特征提取和数据归一化等处理。模式识别算法用于对处理后的数据进行分析。图

9.

超敏气味传感系统示意图20近年来超敏气味传感的性能改进受到越来越多的关注，对于模式识别算法的创新是实现性能优化的重要方式。在识别相似度较低的混合气体或在短时间内需要快速识别（如爆炸物检测）时，使用

PCA、LDA、SVM

和

DT

等简单算法能在短时间内预测结果。但是对于环境温度、湿度干扰明显以及需要识别高度相似的混合气体的场景，上述方法难以实现复杂函数并产生对数据的层次化表达。基于神经网络的方法能够从复杂的噪声背景中提取待测气体的不变特性，学习代表信息的特征,提供可靠的识别精度。为实现高效的气味检测，一种基于图神经网络(GNN)

的气味分析方法被提出[69]，通过建立分子结构与气味之间的映射关系，从而根据化学分子的结构描述气味。在该方法中，每种气味分子都被表示为一个图，其中每个原子由其价态、键数、氢的数量、杂化方式、电荷形式和原子序数等多个维度进行定义。与传统的指纹技术不同，GNN

可以优化不同化学结构的成分在特定气味中的权重，最后通过预测层对气味进行判断，输出对应的气味描述词。测试结果显示，该模型的气味感知水平与经过气味识别训练的人类相当。气味传感系统在各领域中均有广泛应用，包括环境监测、食品质量检测、工业安全、医疗诊断和机器人感知等，帮助监测和控制空气中的有害气体、检测食品中的异味或变质，以及辅助医学诊断等。围绕这些应用场景，国内外已有多家传感器公司开展气味传感技术研发，推出消费级数字嗅觉感知产品，但受限于感知精度和产品体积，商用规模仍然较小，还难以满足人们日益增长的气味感知服务需求。当前，超敏气味传感系统仍面临三方面挑战：一是缺乏数据采集和信号处理的标准化协议；二是不可避免的环境湿温度影响和未知气体的存在，容易造成传感响应信号的意外偏移；三是如何在资源有限的硬件上实现气体识别算法。未来，超敏气味传感系统将规范信号处理各步骤的输入和输出，探索可补偿环境变量的稳健算法，通过对识别算法的资源利用率优化或云端部署降低硬件需求，进而缩小系统的整体尺寸，为未来物联网应用中的可穿戴和紧凑型超敏气味传感系统带来机遇。21随着行业数字化进程的不断深化，各类应用对感知提出了更高的要求，除精度、灵敏度和稳定性等对于传感能力本身的要求外，还要求感知系统的通信方式无线化、计算处理高效化、智能服务泛在化和能量供给无源化。因此，传感将与通信、计算、智能和能量等深度融合，形成传感融合技术（如图

10），为生活、生产和社会领域的新场景和新业务持续赋能。图

10.

传感融合技术示意图3.1

通信融合有线连接的传感器由于布设拉线成本高和施工难度高，其应用受到制约。无线通信技术可以满足“剪辫子”需求，便于传感器的灵活部署。此外，通过分析无线通信信号参数特征的变化可以推理感知目标的变化，实现通信感知一体化，达成通信与感知的能力互助和共慧双赢。通信融合技术重点涉及面向广域和局域，以及微域和短距的无线通信技术。在广域和局域方面，蜂窝网络具有广域连续覆盖的特征，能够为传感器提供远距离数据传输。同时，通过部署通信感知一体化基站，分析蜂窝信号在基站之间或基站与终端节点之间的变化，也可以实现在降水监测、智慧交通、无人机监测等场景中的感知功能（如图

11）。在局域方面，以

RFID

为代表的无源物联网基于反向散射原理，一方面能够实现局域范围内的数据传输，并通过环境能量采集，实现传感节点的免维护、易部署和无源化。另一方面，基于

RFID

也能实现对海量目标的感知。通过分析接收到的无源标签反向散射通信信号的强度和相位22等参数，可以在盘存的同时实现对目标位置的感知[70]，进而实现货物查找、出入检测和客流分析等功能。随着

RFID

技术的演进和蜂窝技术的引入[71]（如图

12），未来无源物联网将与蜂窝网络深度融合，进一步提升通信距离，基于新架构和新协议支持标识对象的全生命周期管理，真正实现“一码到底”。图

11.

基于通感一体的气候环境监测应用[72]图

12.

无源物联网技术演进路径微域和短距网络是指通信距离仅有数厘米到数米范围内的网络，太赫兹频段具有大带宽和短波长的优点，可实现微域范围的超高速率数据传输。并实现高精度感知，提供新的通感一体网络。太赫兹辐射波长介于毫米波与红外线之间，具有穿透性强和定向性好等技术特性,不仅能探测到金属，还能识别非金属、胶体、粉末、陶瓷和液体等，可应用于国防、安全、天文和医疗等诸多领域。相比

X射线，太赫兹不会在人体产生有害的光致电离，因而能实现更安全的人体检测，可为重大疾病诊断和生物干预提供先进的感知手段。无线通信与感知能力的深度融合一方面能够解决传统传感器部署难、成本高等问题，实现的感知能力“即放即用”，另一方面基于通感一体化，使无线网络在进行高质量通信交互的同时，实现高精度和精细化的感知功能。未来，随着通23信协议和数据传输模式的进一步优化，在受限的能耗范围内延长传输距离、增加数据吞吐量并保障数据安全，以及协同多节点、多频段和多制式进行感知是通信融合的重要趋势。3.2

计算融合传感器通常会产生庞大的数据量，尤其是在实时监测和大规模部署的情况下，这将对网络传输效率和设备可靠性产生极大影响，同时对传感数据的计算提出了高算力、低时延和低功耗的要求。计算融合技术主要包括数据压缩、感内计算和异构计算等。数据压缩技术可用于对部署密度大和覆盖区域重叠的海量传感器产生的冗余数据进行压缩处理[73]。压缩算法的难点在于压缩率和保真度的平衡，基于深度学习的数据压缩算法可以从海量数据中自动学习数据的特征表示，避免人为限制导致的信息损失，建模复杂的非线性关系，更好地适应数据的复杂结构和变化，有助于提高数据压缩的准确性和保真度[74]。感内计算（in-sensor

computing）是一种新型的传感器计算范式，通过在传感器内部构建新型感知运算模块，使传感器成为相对独立的感知、存储和计算单元，从信息采集的源头实现智能化信息预处理，以减少数据传输规模，简化后处理流程，从而提高系统的综合性能指标[75]（如图

13）。目前感内计算多用于图像传感器，通过引入新型传感器件和像素电路等方式，在二维空间上进行像素级信息处理，能够利用器件和电路的物理效应，在模拟域内完成时空信息的处理，在像素层面实现冗余信息的过滤。由于当前在像素结构、功能定义和系统架构设计等方面的挑战，亟需新材料、新机制和新结构的尝试与探索，未来可以结合感内计算结构，引入高效的人工智能算法以适应新型器件，实现智能感内计算。图

13.

感内计算结构[76]24异构计算在端侧处理传感数据时，利用

CPU、GPU、FPGA

和

ASIC

等不同的异构计算单元协同工作，进行联合计算组合。由于不同的计算单元适合处理不同的计算问题，例如

GPU

可用于高速并行计算，FPGA

可用于快速和定制化的数据处理，根据传感数据的特点和处理需求灵活地配置不同类型的处理单元，可将计算负载进行合理分配和协同处理，优化计算过程[77]。对于异构计算，软件和硬件之间的协同设计至关重要，需在硬件设计中考虑特定的软件需求，提供硬件加速功能，同时针对特定的硬件架构进行软件的优化设计，以达到更高水平的计算能力和效率。传感数据产生速度快、数据规模大且数据类型多样，需要高效的计算方法支撑数据的高速采集、存储、处理和分析，新型计算技术的研究和应用，将为传感网络的实时监测和大规模部署提供高效可靠的解决方案，真正实现泛在感知。3.3

智能融合智能化是传感器未来的重要发展方向，传感技术与智能技术的深度融合，将赋予传感器电子校准、数据过滤、自唤醒、自诊断和自修复等智慧能力，并基于端边云协同的方式，结合人工智能算法，进一步提升感知系统的稳定性、精度和工作效率。智能融合技术重点涉及智能微系统、分布式计算和群智感知。智能微系统是微系统与智能科技深度交叉融合，形成的涵盖架构、微电子、MEMS、光电子、算法与软件等要素的技术[78]（如图

14）。智能微系统具备微型化、无线化和自供能等能力，能够满足海量设备快速部署需求。硬件层面能够实现不同功能模块进行超高密度的芯片级集成，实现超高灵敏度传感与探测，超高性能处理与计算，超高密度存储与传输，超高精度操作与执行，以及超高效率的能量管理与供给。软件层面采用神经网络和深度学习等

AI

算法把多种传感数据进行融合分析，从而提高感知能力和感知质量。硬软件协同层面通过闭环反馈和多传感信息融合等技术，实现了传感器自校准、自组织和自适应等智能化能力，促进了传感器向自主化和无人化发展。25图

14.

一种典型智能微系统的架构示意图分布式计算可用于传感器网络节点之间的数据处理和决策任务[79]，通过将计算任务分散到多个节点上进行并行处理，可减轻单点计算压力、实现资源共享、降低能耗并提高系统性能。分布式计算还具备较好的扩展性和容错性，可按需调整节点数量，消除由单点故障导致的系统可靠性降低等问题。在分布式计算中，有效地管理节点资源并实现负载均衡至关重要[80]。通过任务分配和调度算法，可在节点之间动态地协商和调整任务分布，并基于历史数据和趋势预测节点的负载情况，提前做好任务迁移和卸载，优化资源分配。群智感知（Crowd

Sensing）利用众包的方式采集感知数据，可利用人群通用移动设备作为传感节点，具有节点开放化、可按需部署和按需调度等优势，节点之间通过互联互通和协同作业可满足城市级大范围细粒度的传感任务要求。在群智感知相关技术中，复杂任务的分解与动态分配、感知节点的部署和选择、高质量感知数据的采集和冗余数据的优选等是技术研究的重点和难点，结合深度学习实现群智感知的知识获取和开放动态环境下的群智融合与增强，可提升大规模感知节点构建的效率，提升感知的韧性和执行效果。传感技术与智能的融合是感知技术的重要发展目标和发展趋势，未来，基于群智感知等新型感知范式的广泛应用，基于深度学习等

AI

算法的深度加持，感知系统能够更有效地捕捉和解释现实世界的各种信息，实现更准确的数据解析、更高效的数据处理、更强大的系统可靠性和更低的功耗，并进一步拓展“感知+思考+执行”的新应用模式，为业务布局带来新机遇。263.4

能量融合随着传感器在工业、能源和城市等领域的大规模应用，能量获取和管理成为了其面临的重要挑战之一。有限的电池寿命不仅限制了传感器在远距离无线传输场景的广泛应用，而且带来了高昂的维护成本，废弃后的电池还会给环境造成较大负担。供能的挑战驱动了无源自供能等新能源技术的研发，使传感器能够从自然环境中获取能量，而非依赖电池或其他电源。能量融合技术涉及能量采集与感知和能量管理。能量采集与感知方面，自供能能够利用可再生能源通过某种能量的范式转变，实现设备自动从环境中取电，目标是延长设备的使用寿命[81]和替代电池或其他电源。可收集的环境能量包括光能、风能、温差能、振动能和射频能等等，环境能不但可为传感器提供电源，还能支持传感器实现对能量信息的获取。如振动既可为传感器供能，又可作为传感器的感知对象，实现对设备振动幅度的信息采集，用于设备状态监测。在环境能量中，光能是最常见且应用最广泛的能量之一，其原理主要是利用半导体材料（硅基光伏板和二硫化钼）的光电效应将光能直接转变为电能。射频能利用射频信号将能量从源节点分配到耗能节点，适用于超低功耗场景，其典型代表是

RFID。随着无线发射器数量的与日倍增，利用射频信号为传感器供能正成为趋势。能量管理方面，主要包括能量的采集管理、存储管理、分配管理和使用管理等。能量采集管理需要监测能量采集的情况，控制能量采集的时间和采集量，以避免能量的过度采集和浪费。能量存储管理需要监测超级电容、电池和机械储能器等能量存储器件的容量和使用情况，控制存储时间和存储量，避免能量的过度存储和浪费。能量分配管理需要监测传感器的能源需求和运行状态，根据业务的优先级和能源需求进行能量分配和控制，以减少能量浪费，为系统电路提供稳定的能源供给。能量优化管理需要监测能量的使用情况，分析能量的使用效率和优化潜力，采取相应的优化措施，以提高能量的利用效率。能量融合技术具有极大的应用价值，能够消除传统有源供电（电池/布线）所带来的电池寿命受限、部署成本高昂及后期维护困难等痛点。未来，能量融合技术将在多传感器集成和复合微能源采集方面持续优化，支持物联网传感器在仓27储管理、环境感知、电力线监测等场景的规模化应用，实现传感器全生命周期的长久续航。近年来，传感前沿技术围绕新机理、新材料、新工艺、新结构和新算法五个方面不断创新和发展，传感融合技术围绕通信融合、计算融合、智能融合和能量融合等方面加速演进和变革，形成“五新四融合”的先进感知技术趋势，支持感知技术向着“感-通-算-智-能”一体融合的方向持续发展，进一步实现资源复用和数据融通。未来，感知技术将支撑传感器向着微型化、集成化、无线化、柔性化、智能化和无源化演进，满足生活、生产和社会领域对感知能力的深度需求。微型化使得传感器可以部署在更复杂和微小的环境中，如生物体内等。集成化支持传感器从单一功能形态向具备传感、通信、计算、存储、执行和供能等多元化功能的智能终端发展，进一步提高功能密度。无线化有利于增强传感器的移动性，优化空间利用率，实现快速部署。柔性化支持传感器具有良好的柔韧性、延展性和弯折性等，使其能够根据应用场景的需求灵活使用。智能化将赋予传感器电子校准、数据过滤、自唤醒、自诊断和自修复等智慧能力，增强端侧智能，提升稳定性、精度和工作效率。无源化通过多源能量收集使得传感器摆脱电池供电的束缚，实现长寿命工作。本白皮书梳理并提出了“五新四融合”的先进感知技术趋势，围绕传感前沿技术的新机理、新材料、新工艺、新结构和新算法等技术方向，以及传感融合技术的通信融合、计算融合、智能融合和能量融合等技术领域，选取代表性技术，解读技术原理，梳理技术现状，分析技术挑战，探索技术趋势，希望为加快先进感知技术的研究突破和产品落地提供参考。28缩略语3D英文全名中文解释3-Dimensional三维6GThe

sixth

generation

mobile

communication

systems

第六代移动通信系统AIArtificial

Intelligence人工智能AMPAmplifier

Transistor放大晶体管ASICCMOSCNNApplication

Specific

Integrated

CircuitComplementary

Metal

Oxide

SemiconductorConvolutional

Neural

NetworkCentral

Processing

Unit专用集成电路互补金属氧化物半导体卷积神经网络中央处理器CPUDFOSDRAMDTDistributed

Fiber

Optic

SensingDynamic

Random

Access

MemoryDecision

Tree分布式光纤传感动态随机访问内存决策树FPGAGNNField

Programmable

Gate

ArrayGraph

Neural

Network现场可编程门阵列图神经网络GPUGraphics

Processing

Unit图形处理器HDRHigh-Dynamic

Range高动态范围ISPImage

Signal

Processor图像处理器LDALinear

Discriminant

AnalysisMicro-Electro

Mechanical

SystemOptical

Frequency

Domain

analysisOptical

Frequency

Domain

ReflectometryOrganic

Phototransistors线性判别分析微型电子机械系统光频域分析MEMSOFDAOFDROPTsOTDAOTDRPCA光频域反射有机光电晶体管光时域分析Optical

Time

Domain

AnalysisOptical

Time

Domain

ReflectometryPrincipal

Component

AnalysisQuantum

Key

Distribution光时域反射主成分分析QKD量子密钥分发射频识别RFIDSVMRadio

Frequency

IdentificationSupport

Vector

Machine支持向量机TSVThrough

Silicon

Via硅通孔技术29[1]

GB/T

33745-2017

物联网

术语[2]

中国移动通信研究院，6G

物联网未来应用场景及能力白皮书（2023）[3]

Ramsey,

N.

F.

(1950).

"A

molecular

beam

resonance

method

withseparated

oscillating

fields."

Physical

Review,

78(6),

695.[4]

Wang,

H.,

Xue,

X.,

Dong,

D.,

&

Xiao,

M.

(2018).

Optical

Rabioscillations

in

a

single

molecule.

Physical

Review

Letters,

121(5),053001.[5]

Greiner,

M.,

et

al.

(2002).

Quantum

phase

transition

from

a

superfluidto

a

Mott

insulator

in

a

gas

of

ultracold

atoms.

Nature,

415(6867),

39-44.[6]

Giovannetti,

V.,

Lloyd,