具体实施方式

为使本发明的目的、技术方案和优点更加清楚，以下结合具体实施例，对本发明作进一步地详细说明。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用不同于在此描述的其他方式来实施，因此，本发明并不限于下面公开说明书的具体实施例的限制。

请参阅图1，一种基于边缘网关的智能家居系统，其包括云平台1、边缘计算网关3及任务处理器5，所述云平台1与所述边缘计算网关3通过知识蒸馏的方法进行数据压缩及传输，所述边缘计算网关3通过调度策略和相关通信协议实现任务协调和信息识别拆分的功能。

在一实施方式中，所述云平台1是指智能家居系统上传的数据进行分析、整合以及处理的数据中心，并且实现与边缘计算网关3的信息关互。所述云平台1用于实现数据接收、解析及存储功能；在完成数据的分析处理后在云端进行教师网络的训练，通过知识蒸馏向边缘计算网关3提供预测模型。

所述知识蒸馏又称为知识提取，在一实施方式中，所述知识蒸馏用于与教师网络相关的soft target作为total loss的一部分，对学生网络训练实现指导，实现知识迁移，分为训练过程和预测过程两部分。请参阅图2(a)，图中的教师网络对应本申请的云平台1，学生网络对应边缘计算网关3，左侧的教师网络与温度参数T进行除法运算，完成蒸馏过程，而后通过softmax(柔性最大值传输函数) 预测出soft target，作为total loss的一部分，学生网络类似教师网络的步骤预测出一个结果，同时学生网络在无蒸馏过程下有一正常输出，与hard target做交叉熵，作为total loss的另一部分，两部分加权得出最终损失结果。图2(b)为预测过程示意图，训练完成，则在预测时无需蒸馏过程，根据训练得出的传输函数进行预测即可。温度参数是为了放大小概率信息，当T值越大，soft target越平滑，信息不会集中分布在少数分量上，对小概率分量携带的信息有放大效果，但也可能为干扰信息，因此需要选择合适的温度参数T。

所述边缘计算网关3是指通过边缘计算技术定义的网关设备，实现与云平台1的双向知识蒸馏，对智能家居传感器节点2进行数据采集，对执行器节点4 进行驱动，以及对任务处理器5进行协调和任务派发。在一实施方式中，所述边缘计算网关3具备双向知识蒸馏功能，能够对云平台1提供的预测模型进行优化，并进行精简模型训练，通过ZigBee、蓝牙及Wi-Fi等无线通信方式实现对智能家居系统传感器节点2进行数据采集，获取音视频、环境参数等；并且与智能家居的执行器节点4通过无线通信实现驱动控制。

在一实施方式中，请参阅图3，边缘计算网关3通过监测任务处理器5的资源空间和工作状态，制定基于任务和流协同感知的调度策略，动态调整任务派发；具体的，边缘计算网关3将模型和信息处理任务分类后派发给对应的任务处理器5，并根据边缘计算网关3监测到的处资源空间和固有工作状态，制定调度策略，决定任务和流在网络中调度的顺序，一个任务由多个流组成，流的原始优先级依赖于任务的顺序，单独的流感知和任务感知应用，会产生资源的浪费；流间关系可分为并行和顺序，根据数据流处理阶段的消耗时间，结合任务感知，将信息处理任务拆分，边缘计算网关3进行任务和流的调度策略的制定，任务处理器5按序完成信息处理。

流感知是指流是基本操作单元，每个任务都是由一系列的流组成的，以流为单位进行信息处理，同一类型的流阶段，在无顺序条件下，可以同时处理，而不同类型的流阶段，不可同时处理。任务和流协同感知的调度策略，同一时间处理的流阶段的类型无需一样，可以减少平均流完成时间，缩短任务完成时间。

请参阅图4，以两任务为例，假设每一任务都包括两阶段1和2，每一阶段包括两步骤A和B，不同的流阶段存在顺序关系，不同任务的流阶段和不同流阶段的步骤存在可并行关系，相同阶段的流在同时处理时会平分资源，导致处理时间等比增长，所以尽可能减少同时处理的流平分资源的情况，使相同阶段的流顺序处理，不同流阶段并行处理，即将流阶段1的两步骤顺序处理，在处理流阶段1的B步骤时，处理流阶段2的资源空闲，且在流阶段2的步骤A之前的步骤已完成，在同一单位时间内，两步骤同时进行，在任务一处理A步骤的资源被释放后，任务二的流阶段1的A步骤可以进行处理，而后按照顺序和并行关系处理流阶段与步骤，在相同时间内处理更多的流步骤，提高处理效率。

在另一实施方式中，边缘计算网关3也可分别将单一完整的数据信息处理任务向内部多个任务处理器5进行派发，也可以对采集数据信息进行识别拆分，实现信息加密；具体的，单一完整的采集数据信息在全连接层进行识别拆分，将来自同一对象的两部分数据信息分派给不同的任务处理器5，任一任务处理器 5无法获取同一对象的全部数据信息，以此实现信息加密。

请参阅图5，图5(a)是神经网络结构示意图，其中隐含层中包含多层，凡每个神经元与前一层所有的神经元全部连接就可以成为全连接层，边缘计算网关3将神经网络中的数据信息在全连接层拆分，如图5(b)将来自同一对象的两部分数据信息分别派发给不同的任务处理器5，使任一任务处理器5不具有来自同一对象的完整数据信息，从而实现数据的加密处理，保障数据安全。

在一实施方式中，所述边缘计算网关3通过监测任务处理器5的资源空间和工作状态，动态的改变调度策略，实现对任务处理器5的执行任务进度的感知，优先将任务派发给该类数据信息处理效率最高的任务处理器5，当该服务器的工作量饱和，则派给处理效率次之的任务处理器5，也可让处理效率较低的任务处理器5进行部分数据信息处理，当处理效率高的任务处理器5完成当前任务后，优先处理此类数据信息，处理效率低的任务处理器5协助处理效率高的任务处理器5，实行轮循工作制，可以提升整体运行效率。

为了便于理解，本申请提供了一个具体应用的实例，请参阅图6，图6为本申请应用在门禁系统上的示意图，门禁通过WiFi提供的热点与边缘计算网关3 相连，边缘计算网关3根据信息处理结果向门禁设备发送指令，实现开门功能，不仅支持人脸识别的开门方式，还可以通过API采用声控、指纹等开门方式。

在一实施方式中，所述传感器节点2包括摄像头、烟雾检测、振动传感器以及CO2传感器等节点；所述的执行器节点4包括门禁开关、新风风阀以及空调开关等。并且为保证智能家居系统安装方便，所述传感器节点2与边缘计算网关3，以及执行器节点4与边缘计算网关3之间采用无线通信方式(包括Wi-Fi 和蓝牙)进行数据交换以及命令传送。

在一实施方式中，所述通信协议采用订阅-发布式MQTT通信协议，即MQTT 服务器设置于边缘计算网关3内，传感器节点2和执行器节点4作为MQTT客户端既可以发送数据，也可以接收服务器转发的数据。传感器节点2-边缘计算网关3-执行器节点4之间通信采用“事件-时间”触发式通信，边缘计算网关3 与传感器节点2、执行器节点4之间是基于事件触发的通信模式，当传感器节点未出现异常数据时，遵循时间通信模式，其轮询通信周期为动态可编程，由边缘计算网关3内周期分配处理单元分配，当传感器节点出现异常数据时，按事件通信模式处理，主动向边缘网关进行数据传输，当多个传感器节点同时出现异常数据时，则按照紧急程度，即既定的等级进行分级处理。

请参阅图7，MQTT服务器设置于边缘计算网关3中，T为单位采集周期，每种传感器的采集周期相同，在采集周期结束后，传感器节点2依次向边缘计算网关3传输数据信息，其中Tst表示温度传感器的数据信息传递时刻，Tsl表示光强计的数据信息传递时刻，Tsg表示气体传感器的数据信息传递时刻，Taf 表示新风风阀的指令传递时刻，Tac表示空调的指令传递时刻，结合附图8，T 为单位采集周期，假设传递时刻表示式如下：

T_st＝T+t₁

T_sl＝T+t₂

T_sg＝T+t₃

传感器节点2在检测一个周期后，依据MQTT的指令依序在相应时间点将数据信息传递给边缘计算网关3，即在t1时刻，温度传感器将温度相关数据信息传递出，同样的，在t2，t3时刻分别是光强计和气体传感器的信息传递时刻，边缘计算网关3向执行器节点4发送指令也是按照时间顺序传递，即时间触发式通信。

所述任务处理器5是指具备处理边缘计算网关3派发任务能力的程序模块，在一实施方式中，所述任务包括图像数据、温湿度数据及光感数据等。所述任务处理器5通过网络连接，获取作为协调器的边缘计算网关3派发的数据信息并对其进行处理，将处理结果通过网络传输返送回边缘计算网关3。

本申请还提供了一种边缘网关的智能家居系统的应用，其工作流程包含以下步骤：

S1：云平台1通过知识蒸馏，给边缘计算网关3传输初始化的预测模型；

S2：边缘计算网关3通过传感器节点2采集数据信息，将采集到的数据信息通过知识蒸馏的方法，压缩模型，传输给云端；

S3：云端接收边缘计算网关3传输的数据信息，批改后优化模型，通过网络通信传输将数据处理任务返送给边缘计算网关3；

S4：边缘计算网关3将返送回的模型进一步优化，通过监测任务处理器5 的资源空间和工作状态，制定调度策略，；

S5：边缘计算网关3将数据处理任务分类，根据任务处理器5工作状态，将优化后模型与处理任务根据任务处理器5配置性能进行派发；

S6：边缘计算网关3对任务处理器5进行动态实时监控，制定调度策略，根据任务处理器5执行任务处理进程调整任务分配，若出现资源不足的情况，则进行任务调度。

具体的，在一实施方式中，边缘计算网关3优先将任务派发给数据信息处理效率最高的任务处理器5，当效率最高的任务处理器5工作量饱和时，则派发给处理效率次之的任务处理器5，或者让处理效率较低的任务处理器5进行部分数据信息处理，当处理效率高的任务处理器5完成当前任务后，优先处理此类数据信息，处理效率低的任务处理器5协助处理效率高的任务处理器5。

并且，调度策略应用时，将任务分为一系列的流，流间关系可分为并行或顺序；不同任务中可并行的流阶段在资源配置充足的情况下同时处理，不足则进行调度排序；针对同一任务中可并行的流阶段，设置降级阈值，结合任务级别和流级别的顺序，对流阶段的信息处理进行调度。

在一实施方式中，可以通过将神经网络中的数据信息从全连接层切分，将来自同一对象的两部分信息分派给不同的任务处理器5，来对调度策略中的信息进行保密。

S7：任务处理器5通过网络连接，获取派发数据，对分配任务进行处理，而后将处理完成的信息传回边缘计算网关3；

S8：边缘计算网关3整合任务处理器5处理信息，通过蓝牙或WiFi无线通信方式向应用系统(如门禁)发送指令，通过API接口，执行器节点可实现人脸识别，传感器节点对声音或指纹图像数据经过信息处理，由边缘计算网关向执行器节点发送开门指令，实现执行器节点的声控、指纹开门功能。

需要注意的是，本发明中使用的多种标准件均是可以从市场上得到的，非标准件则是可以特别定制，本发明所采用的连接方式比如螺栓连接、焊接等也是机械领域中非常常见的手段，发明人在此不再赘述。

以上所述仅为本发明的实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围。