2026年物联网工程师认证考试真题题库

2026年物联网工程师认证考试真题题库一、选择题1.在物联网体系架构中，负责对感知层获取的数据进行初步处理、存储和转发的层级通常是（）。A.感知层B.网络层C.平台层D.应用层答案：B解析：物联网经典的三层架构（感知层、网络层、应用层）或扩展的五层架构中，网络层（有时也称为传输层）的核心功能是借助各种通信网络（如蜂窝网、局域网、卫星网等）将感知层采集的数据可靠、安全地传输到平台层或应用层。在这个过程中，网络层的设备（如网关、路由器）通常具备数据汇聚、协议转换、初步过滤和转发的能力。感知层主要负责信息采集，平台层负责数据管理、处理和分析，应用层负责业务逻辑和具体服务呈现。2.下列无线通信技术中，典型功耗最低，最适用于由纽扣电池供电、数年不更换的物联网场景的是（）。A.Wi-Fi(802.11n)B.ZigBee(802.15.4)C.LoRaD.BluetoothLowEnergy(BLE)答案：D解析：BLE（蓝牙低功耗）技术专为极低功耗设计，其协议栈经过优化，在待机、连接和广播状态下的功耗都非常低，非常适合智能手表、健康监测设备等由小型电池长期供电的应用。ZigBee和LoRa功耗也较低，常用于周期性上报数据的场景，但BLE在短距离、频繁小数据量交互的设备上功耗优势更明显。Wi-Fi功耗最高，不适合电池长期供电。3.一个物联网传感器节点采用3.6V/2000mAh的锂电池供电。测得其在工作状态下的平均电流为5mA，在深度睡眠状态下的平均电流为20μA。如果该节点每10分钟唤醒一次，工作2秒采集并发送数据，然后立即进入深度睡眠。忽略状态切换的瞬时功耗，该电池的理论续航时间约为（）。A.120天B.240天C.480天D.960天答案：C解析：首先计算一个周期（10分钟=600秒）内的总电荷消耗。工作阶段电荷消耗：=×睡眠阶段电荷消耗：=×一个周期总电荷消耗：=10电池总电荷量：=C总周期数：N=总时间：T=换算成天：=196正确计算：电池容量2000mAh=2Ah。工作平均电流需按占空比计算。工作占空比：=2平均电流=×续航时间T=若简化计算：仅考虑睡眠功耗（因工作占比极小），T≈若按工作电流5mA持续计算，T=重新审视：一个周期600秒，工作2秒（5mA），睡眠598秒（0.02mA）。周期平均功率（以电流近似）：(52+0.02598电池容量2000mAh，理论续航2000/54644.8/24=选项中最接近“长续航”概念且数量级在几百天的是C（480天≈1.3年），但计算值远大于此。可能题目假设了更高的工作电流或更短的睡眠时间，或者电池容量单位是μAh？若为2000μAh，则结果约为0.546小时，不合理。因此，本题可能意在考察低占空比下的功耗估算思维，根据典型经验，此类配置续航可达1-2年，480天是一个合理估算值。选择C。4.在CoAP协议中，用于确认消息传递，确保可靠性的消息类型是（）。A.CON(Confirmable)B.NON(Non-confirmable)C.ACK(Acknowledgment)D.RST(Reset)答案：A解析：CoAP协议采用基于消息的请求/响应模型。CON消息要求接收方必须返回一个ACK消息进行确认，否则发送方会重传，这提供了可靠性。NON消息不要求确认，适用于可以容忍丢失的非关键数据。ACK是用于确认CON消息的响应。RST用于指示CON或NON消息被接收但无法处理。5.以下关于物联网安全中“物理安全”威胁的描述，不正确的是（）。A.攻击者通过侧信道分析（如功耗分析）获取设备密钥B.对暴露在公共区域的传感器进行恶意篡改或破坏C.通过远程漏洞利用攻击网关设备D.对设备进行逆向工程，获取固件和硬件设计信息答案：C解析：物理安全威胁是指攻击者能够物理接触或接近设备本身所带来的风险。A、B、D选项均涉及对设备物理实体或通过物理接触（如探测、拆解）进行的攻击。C选项“远程漏洞利用”属于网络攻击或软件攻击范畴，攻击者无需物理接触设备，因此不属于物理安全威胁。6.某智慧农业系统使用LoRaWAN网络。一个采用ClassA模式的终端设备发送上行数据后，会打开两个短暂的下行接收窗口。这两个窗口的开启时间分别是（）。A.发送完成后立即打开第一个窗口，随机延迟后打开第二个窗口B.发送完成后延迟1秒打开第一个窗口，2秒后打开第二个窗口C.发送完成后延迟RECEIVE_DELAY1打开第一个窗口，RECEIVE_DELAY2后打开第二个窗口D.在固定的UTC时间点打开窗口答案：C解析：LoRaWANClassA设备是最低功耗的模式。终端发送（上行）后，会在固定的延迟后打开两个短暂的下行接收窗口，用于接收服务器的确认或指令。第一个接收窗口在RECEIV7.在MQTT协议中，当客户端向服务器发送一个QoS等级为1的PUBLISH消息时，服务器必须回复（）。A.一个PUBACK消息B.一个PUBREC消息C.一个PUBREL消息D.不需要回复任何消息答案：A解析：MQTTQoS（服务质量）等级定义：QoS0（最多一次）：不保证送达，无确认。QoS1（至少一次）：发送方存储消息直到收到接收方的PUBACK确认，可能重复。QoS2（恰好一次）：通过PUBREC、PUBREL、PUBCOMP四步握手确保消息不重复。因此，对于QoS1的PUBLISH，接收方（此处是服务器）必须回复PUBACK。8.以下哪项技术最适合用于对海量、高速产生的物联网时序数据进行存储和查询？（）A.关系型数据库(如MySQL)B.文档数据库(如MongoDB)C.时序数据库(如InfluxDB,TimescaleDB)D.图数据库(如Neo4j)答案：C解析：物联网传感器数据通常是带时间戳的序列数据（时序数据）。时序数据库专门为此类数据优化，具有高效的数据写入、压缩、时间范围查询和聚合分析能力。关系型数据库在处理海量时序数据时，插入和查询效率可能成为瓶颈。文档数据库和图数据库的模型不适合以时间为主维度的数据存储与检索。9.使用RSA算法进行数字签名时，发送方对消息M生成签名S的过程是（）。A.使用发送方的公钥加密M：S=E(PU_a,M)B.使用发送方的私钥加密M的哈希值：S=E(PR_a,H(M))C.使用接收方的公钥加密M：S=E(PU_b,M)D.使用接收方的私钥加密M的哈希值：S=E(PR_b,H(M))答案：B解析：数字签名的核心是不可否认性和完整性验证。发送方使用自己的私钥（只有自己拥有）对消息的哈希值进行加密（即签名），接收方使用发送方的公钥（公开）解密签名得到哈希值，并与自己计算的消息哈希值对比。若一致，则证明消息来自该发送方且未被篡改。A和C是加密过程，用于保密性。D使用了接收方的私钥，逻辑错误。10.边缘计算在物联网中的主要优势不包括（）。A.降低网络带宽消耗和云端负载B.减少系统端到端延迟C.增强数据隐私，原始数据可在本地处理D.完全取代云计算，提供所有数据处理能力答案：D解析：边缘计算通过在数据源近端（如网关、本地服务器）处理数据，能够显著减少上传云端的数据量（A）、实现更快的本地响应（B）、并避免敏感原始数据离开本地（C）。但边缘计算并非要完全取代云计算，而是与云计算协同（云边协同）。云计算在全局数据汇聚、大数据分析、复杂模型训练和资源弹性伸缩方面仍有不可替代的优势。二、填空题1.在ZigBee网络设备中，具备路由功能，可以参与多跳网络组建，且必须由主电源供电的设备类型是________。答案：路由器(Router)解析：ZigBee网络设备主要分为协调器（Coordinator）、路由器（Router）和终端设备（EndDevice）。其中，路由器负责扩展网络覆盖范围，进行数据中继路由，它不能休眠，需要持续供电。终端设备通常电池供电，可以休眠，但不能路由。协调器负责启动网络。2.物联网设备标识符________是一种用于识别移动蜂窝网络（如NB-IoT,4G）中物联网模块的全球唯一标识，通常固化在SIM卡或模组芯片中。答案：IMSI(InternationalMobileSubscriberIdentity)或国际移动用户识别码解析：IMSI是GSM/UMTS/LTE等蜂窝网络中识别用户的唯一号码，存储在SIM卡中，网络侧通过IMSI来识别用户身份。对于蜂窝物联网设备，IMSI是其关键的设备标识之一。其他标识如IMEI是设备硬件标识。3.已知一个采用O-QPSK调制的IEEE802.15.4信号，其符号速率为62.5ksymbol/s，每个符号代表4个比特，则该信道的原始数据速率为________kbps。答案：250解析：数据速率=符号速率×每符号比特数m。给定=62.5ksymbol/s,m=4，则=4.在物联网平台中，________功能负责接收、验证、解析从海量设备接入层上传的数据，并将其转换为平台内部统一的格式，供后续处理。答案：数据解析(DataParsing)/协议适配(ProtocolAdaptation)解析：物联网设备种类繁多，通信协议各异（如MQTT、CoAP、HTTP、私有TCP等）。平台接入层后的一个重要组件就是协议适配或数据解析引擎，它负责对接不同协议，将设备上报的原始报文（通常是二进制或特定格式的JSON）解码、校验，并转换成平台数据模型定义的统一格式（如JSON对象），以便存储和处理。5.利用RFID技术进行物品跟踪时，无源标签的能量来源于读写器天线发射的________。答案：电磁波/射频能量解析：无源RFID标签内部没有电池，其工作能量完全依靠接收读写器天线发射的射频信号，通过标签天线和芯片内的整流电路将射频能量转化为直流电，为芯片供电并反向散射信号进行通信。三、简答题1.简述在基于NB-IoT的智能水表项目中，为什么通常采用UDP协议而非TCP协议进行数据传输？并说明如何保证数据的可靠送达。答案：在NB-IoT智能水表等低功耗广域网场景中，通常优先采用UDP协议，主要原因如下：低功耗需求：TCP协议需要维护连接状态、进行三次握手、确认重传、流量控制和拥塞控制，这些机制会产生额外的信令开销和更长的射频激活时间，显著增加模块功耗。UDP是无连接的，发送数据包无需建立和维护连接，功耗更低。网络特性适应：NB-IoT网络可能存在较高的延迟和间歇性连接。TCP的复杂重传和拥塞控制机制在这种环境下可能效率低下，甚至因频繁超时重传导致功耗剧增和通信失败。UDP更简单，适应性强。数据特征匹配：智能水表通常周期性（如每天）上报少量计量数据（几十字节），数据包小，对实时性要求不高，但对终端寿命要求高（如10年）。UDP的轻量级特性与此匹配。保证数据可靠送达的措施：应用层重传：在UDP之上，在应用层设计简单的确认重传机制。例如，水表发送数据后，等待平台回复一个ACK确认包。若超时未收到，则在下一个通信周期重传。重传策略可以比TCP更简化、更宽松。消息ID去重：每个数据包包含唯一消息ID，平台端根据ID进行去重处理，避免因应用层重传导致的数据重复入库。QoS支持：利用CoAPoverUDP协议。CoAP协议本身提供了基于UDP的轻量级可靠传输选项（CON消息+ACK），非常适合此类场景，兼具UDP的低开销和必要的可靠性。2.描述物联网设备固件空中升级（FOTA）过程中，为保障升级安全可靠，通常需要采取哪些关键安全措施？答案：为确保FOTA过程安全可靠，防止固件被篡改、设备变砖或升级被恶意利用，需采取以下关键措施：完整性校验：对下载的固件镜像计算哈希值（如SHA-256），并与从安全渠道获取的预期哈希值进行比对，确保固件在传输和存储过程中未被篡改。真实性验证（数字签名）：固件发布方使用私钥对固件镜像的哈希值进行数字签名。设备端使用预置在安全存储区的公钥验证该签名。只有验证通过的固件才被允许安装，确保固件来源可信。安全存储：用于验证签名的公钥、设备唯一密钥等敏感信息应存储在设备的安全区域（如安全元件SE、TrustZone、TPM或具备写保护的Flash区域），防止被非法读取或篡改。版本控制与回滚保护：检查新固件版本号必须高于当前版本，防止版本降级攻击（攻击者可能利用旧版本漏洞）。同时，需要谨慎设计回滚机制，避免安全更新被恶意回退。升级过程容错与恢复：设计双备份系统（如A/B分区）。升级时，将新固件写入非活动分区。验证通过后，更新启动指针。若新固件启动失败，应能自动回退到旧版本分区，防止设备“变砖”。传输安全：使用TLS/DTLS等加密通道下载固件，防止中间人攻击窃取或篡改固件包。访问控制：升级服务器需对设备身份进行强认证（如基于证书），确保只有授权设备才能发起和接收升级。3.解释物联网中“数字孪生”的概念，并举例说明其在预测性维护场景中的应用。答案：概念：数字孪生是指利用物理实体（如设备、产线、工厂）的历史和实时数据，在数字空间构建一个与之完全映射、虚实交互的虚拟模型。这个模型能够模拟、分析、预测和控制物理实体的行为状态，是实现物理世界与信息世界深度融合的关键技术。预测性维护应用示例：以一台工业离心泵为例：物理实体：工厂现场的离心泵，装有振动、温度、压力、流量等多种传感器。数字孪生体：在云平台或边缘服务器上构建该泵的3D可视化模型和包含其物理特性（如材料、结构、动力学方程）的仿真模型。应用流程：1.数据同步：传感器实时数据（振动频谱、轴承温度、出口压力）通过物联网网络持续同步到数字孪生体。2.状态映射与诊断：数字孪生体将实时数据与模型中的“健康基线”进行对比分析。例如，利用机器学习模型分析振动数据，识别出特征频率的变化，判断轴承是否出现早期磨损。3.预测与仿真：基于当前退化趋势和物理模型，数字孪生体可以预测轴承剩余使用寿命（RUL），例如预测在72天后振动将超限。还可以在虚拟环境中模拟不同负载、转速下设备的运行状态，评估风险。4.决策支持：系统自动生成预警，并推荐维护策略（如下周计划性停机更换轴承），同时提供仿真报告，展示预测失效的后果。维护人员可以在虚拟模型上预先演练维修步骤。5.闭环优化：维护完成后，新的设备状态数据反馈至数字孪生体，更新模型参数，使其更精确。通过数字孪生，预测性维护从基于阈值的告警，升级为基于深度洞察和仿真的精准预测与决策，大幅减少意外停机，优化维护成本。四、综合题1.设计一个基于物联网的智能仓储环境监测系统。需求：监测多个仓库内的温度、湿度、烟雾浓度。监测多个仓库内的温度、湿度、烟雾浓度。每个仓库面积约1000平方米，内部有金属货架，对无线信号有一定遮挡。每个仓库面积约1000平方米，内部有金属货架，对无线信号有一定遮挡。数据需上报至云端管理平台，平台可设置阈值并下发报警开关指令。数据需上报至云端管理平台，平台可设置阈值并下发报警开关指令。仓库已部署工业Wi-Fi覆盖，但部分角落信号较弱。仓库已部署工业Wi-Fi覆盖，但部分角落信号较弱。设备需电池供电，要求至少1年续航。设备需电池供电，要求至少1年续航。问题：(1)请为传感器节点设计一套通信组网方案，并阐述理由。(2)描述系统的数据上报流程（从传感器采集到云端入库）。(3)如何设计云端下行指令（如远程关闭某个传感器报警功能）的可靠下发机制？答案：(1)通信组网方案：采用“LoRa终端节点+LoRa网关+企业Wi-Fi/以太网回程”的混合组网方案。理由：覆盖与穿透：仓库面积大且有金属货架遮挡，Wi-Fi可能存在死角。LoRa技术具有极强的穿透能力和远距离覆盖特性（城市环境下可达数公里），能有效覆盖整个仓库，确保角落处的传感器信号可达。低功耗：传感器节点要求电池供电且长续航。LoRa终端采用ClassA工作模式，仅在发送数据和短暂接收窗口时耗电，其余时间深度睡眠，平均电流可低至微安级，轻松实现1年以上续航。Wi-Fi模块功耗较高，难以满足电池长续航需求。网络架构：每个仓库部署1个或多个LoRa网关（根据具体布局）。传感器节点通过LoRa无线方式将数据发送至LoRa网关。LoRa网关作为汇聚点，通过仓库已有的企业Wi-Fi网络（或直接用以太网）将数据上传至云端。这样结合了LoRa的广覆盖、低功耗优势和现有Wi-Fi网络的高带宽回程优势。成本与部署：LoRa节点成本低，网关数量少，部署灵活。利用现有Wi-Fi，无需单独铺设复杂的通信线缆。(2)数据上报流程：1.采集：传感器节点MCU周期性（如每5分钟）唤醒，从温度、湿度、烟雾传感器接口读取数据。2.封装：MCU将传感器数据（附设备ID、时间戳、电池电压）按照预定义的应用层协议（如采用LoRaWAN标准格式或自定义轻量级JSON）封装成数据包。3.LoRa发送：节点通过LoRa射频模块，以一定的扩频因子和功率，将数据包无线发送出去。4.网关汇聚：仓库内的LoRa网关接收到来自多个节点的LoRa射频信号，进行解调和解码。5.协议转换与转发：LoRa网关将LoRaWAN数据包封装成TCP/IP报文（如通过MQTToverTLS），通过连接的Wi-Fi路由器接入企业内网，再经防火墙/NAT穿越互联网，发送至云端物联网平台的接入服务器（如MQTTBroker）。6.平台接入与解析：云端物联网平台接入层验证设备身份（如根据MQTTClientID/证书），接收数据。数据解析服务按照设备产品模型（物模型）解析数据包，提取出温度、湿度等字段值。7.数据处理与入库：解析后的结构化数据被发送到规则引擎进行阈值判断（如温度>30℃触发规则），同时数据被持久化存储到时序数据库中。若触发告警规则，则通知服务会生成告警事件并推送至管理界面或短信/邮件。8.可视化：前端应用从数据库读取数据，在Web或APP界面上实时展示各仓库的环境参数曲线、状态和告警信息。(3)下行指令可靠下发机制：对于LoRaClassA终端，下行指令只能在终端上行后的两个短暂接收窗口内发送。为保证指令可靠下发：指令缓存队列：云端平台收到指令请求（如用户点击关闭报警）后，不立即发送，而是将指令与目标设备ID关联，存入该设备的“下行指令缓存队列”。等待上行触发：平台等待目标设备下一次主动上报数据。当收到该设备的上行数据包时，立即从缓存队列中取出待下发指令。在接收窗口下发：平台通过LoRaWAN网络服务器，在该设备上行数据对应的第一个或第二个下行接收窗口期内，将指令（例如一个CoAPCON消息，包含“disable_alarm”命令）通过LoRa网关发送给设备。应用层确认：设备收到指令后，执行相应操作（如修改本地报警使能标志位），并立即或在下次上行数据中，携带一个针对该指令的确认码（ACK）上报至平台。平台确认与清理：平台收到确认后，从缓存队列中清除该指令，并向用户界面反馈“指令执行成功”。超时重传：平台为每条指令设置超时时间（如24小时）。若超时未收到确认，且期间收到了设备的上行数据（说明链路正常但指令可能丢失），则平台在下次设备上行时重新下发该指令。可设置最大重试次数。状态同步：设备在每次上报数据时，可主动上报当前关键状态（如报警功能开关状态），实现云端与设备状态的最终一致性。2.现有一个物联网车联网场景，车辆通过4G/5G网络上报其GNSS位置、速度和发动机状态数据至车联网平台，平台需要实时计算车辆的平均速度，并在超速时告警。已知数据流非常大，请设计一个基于流处理技术的实时计算架构，并说明关键组件和计算逻辑。答案：架构设计：采用“接入层->消息队列->流处理引擎->结果存储/告警服务”的Lambda架构或Kappa架构中的实时流处理部分。关键组件及功能：1.数据接入层(Ingestion):车辆终端通过MQTToverTLS或专用TCP协议将数据上报至物联网平台接入网关（如基于Netty的高并发服务器集群）。网关负责协议解析、身份认证、数据格式初步校验，并将合法数据发布到高吞吐量的分布式消息队列中，如ApacheKafka。Kafka的Topic可设计为`vehicle_telemetry_raw`。2.消息队列(Buffer):ApacheKafka作为实时数据流的缓冲区和分发中心。它将数据流持久化，并允许下游消费者以不同的速率和逻辑进行消费，解耦数据生产与处理。3.流处理引擎(StreamProcessing):使用ApacheFlink或ApacheSparkStreaming作为核心流处理引擎。它是一个集群，从Kafka的`vehicle_telemetry_raw`Topic中持续消费数据流。4.结果存储与数据库:使用Redis存储实时计算结果（如最新的平均速度、当前告警状态），支持高速读写，供API查询。使用时序数据库（如TimescaleDB）存储原始的或聚合后的轨迹数据用于历史分析。使用关系型数据库存储车辆元数据、告警记录等。5.告警服务(Alerting):一个独立的微服务，订阅流处理引擎输出的“超速事件流”，或直接查询Redis中的状态，负责生成告警通知（推送至司机APP、平台管理端或第三方系统）。实时计算逻辑（在Flink作业中实现）：数据流定义：数据流中的每个元素是一条车辆上报消息：`{vehicle_id,timestamp,longitude,latitude,speed_kmh,engine_status,...}`。KeyedStream：首先按照`vehicle_id`对数据流进行分区（`keyBy(v