2026年物联网技术与应用导论末中测试题(附答案)

2026年物联网技术与应用导论末中测试题(附答案)一、单项选择题（每题2分，共20分）1.2026年主流物联网体系架构中，负责将边缘侧预处理后的数据与云端AI模型实时交互的关键层是（）A.感知层B.网络层C.平台层D.应用层2.6G技术在物联网场景中的核心优势是（）A.更高的峰值速率B.更低的空口时延C.支持海量低功耗设备连接D.增强的定位精度（厘米级）3.工业物联网中，用于实现设备间纳秒级同步的关键技术是（）A.TSN（时间敏感网络）B.MQTT协议C.LoRa调制D.边缘计算4.2026年新版Matter协议主要改进了（）A.支持Zigbee与Wi-Fi7的直接互操作B.引入端到端量子加密C.兼容卫星通信链路D.简化多厂商设备的统一控制接口5.智慧农业中，基于数字孪生的作物生长模拟系统需重点采集的环境参数是（）A.土壤pH值、空气湿度、光照强度B.农药残留量、作物高度、病虫害图像C.二氧化碳浓度、风速、无人机巡检视频D.土壤电导率、叶面温度、光谱反射率6.低功耗广域网（LPWAN）中，2026年新增的支持动态调整占空比的标准是（）A.NB-IoTR18B.LoRaWAN1.2C.Sigfox3.0D.5GRedCap7.物联网边缘计算节点的核心功能演进方向是（）A.提升存储容量B.集成轻量级AI推理引擎C.支持4K视频解码D.增强有线网络接口8.可穿戴医疗设备的数据安全防护中，2026年强制要求的关键技术是（）A.AES-128加密B.生物特征认证（如心率信号匹配）C.区块链存证D.差分隐私计算9.城市级物联网平台的“数字孪生体”构建需重点解决的问题是（）A.多源异构数据的语义对齐B.5G基站的覆盖优化C.传感器的低功耗设计D.用户隐私数据的脱敏处理10.工业设备预测性维护中，边缘侧预处理数据时需提取的关键特征是（）A.原始振动信号的时域均值B.频域中的故障特征频率分量C.温度数据的日变化趋势D.电流信号的瞬时最大值二、填空题（每空1分，共15分）1.2026年物联网感知层的核心演进方向是“智能化”，典型表现为传感器集成______（如微处理器+AI芯片）和______（如自供电、自校准）。2.5G-A（5G-Advanced）为物联网新增的关键能力包括______（支持百万级设备/平方公里）和______（端到端时延<1ms）。3.工业物联网中，OPCUAoverTSN协议同时解决了______（实时性）和______（互操作性）问题。4.智慧家居场景下，Matter2.0协议通过______（统一数据模型）和______（跨平台认证机制）实现多品牌设备的无缝联动。5.农业物联网中，基于______（多光谱/高光谱传感器）的作物表型分析技术，可实时监测______（叶绿素含量、水分胁迫程度）等生理指标。6.边缘计算与云计算的协同模式中，“边缘训练+云端推理”适用于______（数据隐私要求高）场景，“云端训练+边缘推理”适用于______（实时性要求高）场景。7.物联网安全的“零信任”架构核心原则是______（持续验证访问请求）和______（最小权限访问）。三、简答题（每题8分，共40分）1.对比NB-IoT与LoRa在2026年物联网场景中的适用差异。（提示：从覆盖范围、速率、功耗、运营商支持等维度分析）2.说明数字孪生技术在智能工厂设备管理中的应用流程。（要求包含数据采集、模型构建、实时映射、仿真优化四个环节）3.分析边缘计算如何解决传统物联网“云端集中处理”的三大痛点（延迟高、带宽压力大、隐私风险）。4.解释2026年“AIoT”（人工智能+物联网）融合的典型技术路径。（需提及边缘侧AI、云端大模型、联邦学习的作用）5.简述智慧城市物联网平台中“多源数据融合”的技术挑战及应对策略。（挑战：异构性、时序性、语义歧义；策略：统一数据标准、时间戳对齐、知识图谱构建）四、分析题（每题10分，共20分）1.某制造企业计划部署工业物联网系统，监测1000台机床的振动、温度、电流数据（每台设备每秒采集100个数据点，单数据点16bit）。假设数据需实时传输至边缘节点进行故障特征提取，剩余数据每日上传至云端存储。请计算：（1）单台设备每日原始数据量（单位：GB）；（2）若边缘节点提取特征后数据量压缩至原10%，计算实时传输所需网络带宽（单位：Mbps）；（3）分析选择5G-A还是Wi-Fi7作为传输协议的合理性（需考虑延迟、抗干扰、部署成本）。2.某社区拟推广智能垃圾分类系统，要求支持“自动识别垃圾类型-称重积分-异常报警（如混投）”功能。请从感知层（传感器选型）、网络层（通信协议选择）、平台层（功能设计）三方面分析可能的技术方案，并指出需重点解决的问题（如识别准确率、设备功耗、用户隐私）。五、应用题（15分）设计一个基于物联网的“智能养老监护系统”，要求覆盖独居老人的日常活动监测、紧急求助、健康预警三大场景。需说明：（1）感知层设备（至少3类）及其采集参数；（2）网络层采用的通信技术（需匹配设备功耗与实时性需求）；（3）平台层的核心功能（如数据存储、规则引擎、预警模型）；（4）应用层的用户交互方式（需考虑老人使用习惯）。答案一、单项选择题1.C2.D3.A4.D5.D6.A7.B8.B9.A10.B二、填空题1.边缘计算单元；自维持能力2.超大规模连接；超可靠低时延3.时间敏感传输；跨系统兼容4.统一设备描述语言；分布式身份认证5.高光谱成像；作物氮素含量6.医疗隐私数据；工业实时控制7.永不信任，持续验证；最小化权限原则三、简答题1.差异：覆盖范围：NB-IoT依赖运营商基站，覆盖半径10-20km（城区）；LoRa基于私有/公共频段，郊区覆盖可达15-30km。速率：NB-IoT上行500kbps（适合小数据量）；LoRa速率0.3-50kbps（更适合极低速率）。功耗：NB-IoT终端续航2-5年（依赖PSM模式）；LoRa终端续航5-10年（休眠功耗更低）。运营商支持：NB-IoT由移动/电信等运营商运营（需SIM卡）；LoRa可自建网络（适合无运营商覆盖的偏远地区）。适用场景：NB-IoT适合城市抄表、智能停车（需运营商支持）；LoRa适合农村环境监测、私有园区设备（需长距离低速率）。2.应用流程：①数据采集：通过振动传感器（10kHz采样）、温度传感器（1Hz）、视觉摄像头（5fps）实时采集设备运行数据。②模型构建：基于设备CAD图纸+历史故障数据，构建物理模型（力学仿真）+数据驱动模型（机器学习）。③实时映射：边缘节点将采集数据通过TSN网络（时延<100μs）同步至数字孪生体，更新模型状态。④仿真优化：在虚拟环境中模拟设备过载、老化等场景，预测故障风险（如轴承磨损剩余寿命），输出维护建议（如更换时间、部件）。3.边缘计算的解决方式：延迟高：边缘节点就近处理数据（如工业视觉检测），避免数据往返云端（传统时延20-100ms→边缘时延<5ms）。带宽压力大：边缘侧过滤冗余数据（如仅上传异常报警数据），减少云端传输量（典型压缩比90%）。隐私风险：敏感数据（如医疗检测值）在边缘侧加密处理，仅上传脱敏后的特征（如心率趋势），降低泄露风险。4.融合路径：①边缘侧AI：传感器集成轻量级模型（如Yolo-NAS用于图像识别），实现本地实时处理（如火灾预警）。②云端大模型：将边缘上传的海量数据输入大语言模型（LLM）或多模态模型，提供全局决策（如城市交通调度）。③联邦学习：不同区域的边缘节点在不共享原始数据的前提下，协同训练模型（如跨医院的疾病预测模型），提升模型泛化能力。5.挑战与策略：异构性：传感器（温湿度、摄像头）、系统（交通、环保）数据格式不同→采用ETL工具+统一数据模型（如CityGML）。时序性：不同设备采样频率（秒级vs分钟级）导致时间轴错位→引入全局时间同步（如PTP协议）+时间窗口对齐。语义歧义：“异常”在交通（拥堵）与环保（污染）中的定义不同→构建城市级知识图谱，明确术语关联（如“拥堵”关联“尾气排放增加”）。四、分析题1.（1）单台设备每日数据量：100点/秒×86400秒×16bit=138,240,000bit=16.875MB；1000台×16.875MB=16,875MB≈16.49GB。（2）实时传输带宽：单台设备实时数据量=100点/秒×16bit×10%=160bit/秒；1000台×160bit/秒=160,000bit/秒=0.16Mbps（考虑协议开销，实际需0.2-0.3Mbps）。（3）协议选择：5G-A更合理。5G-A支持uRLLC（超可靠低时延），时延<1ms，适合工业实时控制；Wi-Fi7虽速率高（30Gbps），但抗干扰能力弱（2.4GHz/5GHz频段干扰多），且工业环境需部署大量AP（成本高）。2.技术方案：感知层：图像识别摄像头（AI芯片，识别垃圾类型，功耗5-10W）、压力传感器（称重，功耗<1mW）、红外传感器（检测投物动作，功耗<0.1mW）。网络层：摄像头通过Wi-Fi7（高速传输图像，时延<10ms）；压力/红外传感器通过Zigbee3.0（低功耗，续航3-5年）。平台层：部署图像识别模型（ResNet-50轻量版，准确率95%）、积分规则引擎（按重量×分类正确性计算积分）、异常检测模型（如混投时触发报警）。重点问题：图像识别准确率（需解决光照变化、遮挡问题）、传感器功耗（需低功耗设计+太阳能供电）、用户隐私（图像仅本地处理，不存储人脸）。五、应用题智能养老监护系统设计：（1）感知层设备：毫米波雷达（部署在客厅，采集活动轨迹、跌倒动作，参数：10Hz采样，距离精度5cm）；智能手环（佩戴，采集心率、血压、血氧，参数：1Hz生理数据，5秒定位一次）；智能水表/电表（安装在厨房/卫生间，采集用水/用电频率，参数：分钟级用量数据）。（2）网络层技术：毫米波雷达通过Wi-Fi6（低时延，支持实时跌倒检测）；智能手环通过NB-IoT（低功耗，续航15天）；水/电表通过LoRa（长距离，覆盖整栋楼）。（3）平台层功能：数据存储：时序数据库存储生理/活动数据（支持历史查询）；规则引擎