《Internet of Things》：Closed-Loop Data Reduction for Edge Time-Series: A Design-Oriented Survey
编辑推荐：
边缘时间序列数据缩减必须在节省通信、存储或能量的同时保留应用所需的信息。该综述围绕四个保持目标组织这一设计问题：重建质量、信息新鲜度、事件相关性和下游任务效用。研究人员将严格的闭环机制——其运行时动作依赖于对缩减后果的反馈——与为保持性而优化或评估但无运行时反
边缘时间序列数据缩减必须在节省通信、存储或能量的同时保留应用所需的信息。该综述围绕四个保持目标组织这一设计问题：重建质量、信息新鲜度、事件相关性和下游任务效用。研究人员将严格的闭环机制——其运行时动作依赖于对缩减后果的反馈——与为保持性而优化或评估但无运行时反馈的方法以及上下文基线区分开来。一项调查引导的雪球过程、一项补充性的数据库交叉核查和一项针对2024–2026年的定向更新产生了128条注释记录，其中包括107项用于综合的主要研究。该框架分离了保持目标、方法家族、执行层和工作状态，特别关注慢速遥测与高频传感。比较性分析将阈值、预测器、近似容差、编解码器和任务表示与其保证及部署成本相关联。一项可复现的文本级审计测量报告语言的可见性而非研究质量。实践输出包括设计工作流、筛选树、交互式配置器和报告模板，将资源节省与信号退化、任务性能和边缘成本联系起来。由此产生的综合确定了多目标适应性、效用感知保证和可复现评估的要求。
一、研究背景与动机
时间序列传感是物联网（IoT，Internet of Things）、无线传感器网络（WSNs，wireless sensor networks）、工业监测、智能电网、结构健康监测、可穿戴设备和网络控制系统（networked-control systems）中最常见的数据产生模式之一。温度节点、振动监测器、相量测量单元（PMU，phasor measurement unit）、身体传感器和工业诊断设备都产生有序列测，这些测量必须被传输、缓冲、处理、存储或作用。然而在许多部署中，传感成本不仅是获取样本的成本，还包括通过传感器-边缘-云连续体移动样本并在能量、带宽、内存和延迟预算受限的情况下为下游过程保留足够信息的成本。
数据缩减涵盖一个异质的工作集合：事件触发采样、发送-on-delta（SoD，send-on-delta）、死区机制、预测抑制、双预测（dual prediction）、聚合、分段线性近似（PLA，piecewise-linear approximation）、摆动门趋势（swinging-door trending）、无损时间序列压缩、有损和误差有界压缩、压缩感知（compressed sensing）、特征提取、学习压缩、模式库和事件相关性评分。这些家族在移除什么、在哪里执行、是否重建原始流以及保留哪种属性上各不相同。
现有综述虽覆盖边缘/雾数据缩减、通信开销、智能边缘、时序压缩、有损压缩、误差有界科学压缩和事件触发控制等重要部分，但通常按架构、协议、算法家族或应用领域组织，没有系统地分离方法保持的是重建质量、信息新鲜度、事件相关性还是下游任务效用。研究人员认为这一区别并非装饰性：它决定了适当的反馈信号、控制旋钮、基线、指标集和部署风险。
二、研究内容与意义
研究人员以"保持目标"（preservation objective）和"工作状态"（operating regime）为线索连接应用需求与候选机制。他们提出闭环数据缩减的操作性定义：当方法的转发、采样、近似、压缩、模型更新或特征选择行为由估计缩减后果的反馈变量控制时，该方法为闭环；该反馈变量可以是数值重建误差、模型残差、协方差、信息年龄（AoI，age of information）、事件相关性、异常分数、预测退化或质量信息（quality of information）。据此，研究人员区分严格运行时反馈机制、为保持性而评估的方法与上下文基线三类角色，并指出评估保留属性本身并不闭合回路，普通编解码器状态也不构成反馈。
通过构建128条记录的注释语料库（含107项主要研究，primary studies，以及21条调查/教程/上下文记录），研究人员围绕四个保持目标组织该领域，并将其与六大方法家族、两种工作状态（慢速遥测，slow telemetry；高频传感，high-rate sensing）及不同执行层相关联。其重要意义在于：边缘数据缩减不应被当作单一优化问题，压缩比只是资源指标而非效用指标，方法家族本身并不决定保持目标；进展需要多目标适应性（multi-objective adaptation）、效用感知保证（utility-aware guarantees）和可复现评估（reproducible evaluation）。该研究由西班牙科尔多瓦大学（University of Córdoba）电子与计算机工程系的Iago R. Martínez Sánchez、Joaquín Cuellar-Padilla、Joaquín Olivares、Jose M. Palomares、José M. Castillo-Secilla与Fernando León-Garcia完成。
三、关键技术方法
研究人员采用调查引导的雪球法（survey-seeded snowballing）构建原始语料库：以综述和教程为种子，对保留文献的参考文献作后向检查，并围绕锚点进行前向雪球与定向搜索，于2026年1月29日至3月2日完成本地收集与范围核查；再以Scopus（2,769个EIDs）、IEEE Xplore（1,394行）和ACM数字图书馆（158次显示命中）进行补充性数据库交叉核查；随后进行2024–2026年定向更新（新增17条记录，其中16项为2024–2026年发表）。最终语料库含128条记录，来源于1990–2025年间的会议与期刊论文。注释协议为每条记录标注综合角色、主要保持目标、方法标签、数据/状态标签、执行层与评估模式。报告审计则对111条可搜索源文本进行Unicode规范化、小写化、去连字符与正则匹配，测量部署相关报告语言的可见性而非研究质量。
四、研究结果
按保持目标的分类（Taxonomy by Preservation Objective）：质量控制（quality controlled）类占主导（66条记录），涵盖重建误差、模型残差、估计误差、协方差和显式误差界；新鲜度控制（freshness controlled）9条，以AoI、错误年龄（AoII，age of incorrect information）和信息偏差（DoI，deviation of information）为反馈变量；事件保持（event preserving）8条，关注假抑制风险与事件召回、检测延迟；决策保持（decision preserving）18条，以诊断、预测、分类或控制决策为保留目标；开放/背景（open/background）27条，主要作为基线与上下文。
方法家族（Method Families）：事件触发采样、SoD和死区方法计算成本极低且可解释，但阈值对尺度和噪声敏感、非平稳条件下脆弱；预测与双预测在动态可预测时能有效抑制传输，但存在漂移、失同步与抗丢包问题；PLA和摆动门趋势等误差有界近似在简单阈值与重型学习压缩之间提供强中间地带，但逐点界可能扭曲自相关、谱和导出特征；无损压缩定义零损失前沿，压缩比受熵限制且需基准测试CPU/内存/延迟；学习/压缩感知方法潜在缩减率高，却带来训练、分布偏移、内存与推理成本；特征与任务感知管道使保持目标显式化，但缺乏形式保证且难以跨域比较。
慢遥测与高频传感（Slow Telemetry and High-Rate Sensing）：两种状态不应合并评估。慢遥测的瓶颈是无线电唤醒次数、数据包数量和占空比，SoD、自适应采样与双预测是自然基线，应报告数据包缩减、无线电活动、接收方重建规则与最大静默间隔；高频传感的瓶颈转向吞吐量、缓冲、内存压力和瞬态保持，应报告压缩吞吐量、块大小、延迟、内存占用与事件级退化，基线集也应包括无损/误差有界编解码器与任务感知特征管道。
应用域综合（Application-Domain Synthesis）：低功耗WSN与环境遥测中最关键的基线不是复杂压缩器而是精心实现的固定阈值方法，并应说明接收方对缺失样本的解释方式；网络控制与远程估计提供稳定性、估计误差等最形式化的处理，但纯经验性IoT缩减若估计器在瞬态期间不可靠则无意义；智能电网与PMU流要求高吞吐、低延迟并保留时序、相位、幅度和事件签名；结构健康与工业诊断的核心是事件级有效性，必须报告故障分类性能、异常召回、漏事件率和检测延迟。
跨家族比较分析（Cross-Family Comparative Analysis）：控制旋钮因家族而异（阈值、残差阈值、误差容差、编解码器与块大小、潜在维度），且必须与受控变量一起报告；循环位置（传感器侧、汇聚端、边缘网关）影响可行性与风险，多传感器部署应量化上行节省与反馈通道开销；数据包缩减、字节缩减与语义缩减是相关但不同的量，应明确缩减分母；保证主要集中于事件触发控制/估计、无损压缩与误差有界近似，经验验证主要集中于学习与领域特定管道，二者应互补。
指标、保证与评估差距（Metrics, Guarantees, and Evaluation Gaps）：研究人员区分资源指标、信号指标与效用指标三层，指出形式保证在任务效用层面较弱。语料库级词汇审计（111条可搜索文本）显示：CPU/内存/运行时语言命中71/111（64.0%）、能量语言61/111（55.0%）、延迟语言40/111（36.0%）、任务/事件语言30/111（27.0%）、吞吐量语言28/111（25.2%）、代码可用性语言13/111（11.7%）、数据可用性语言仅1/111（0.9%）；81/128条记录（63.3%）带有经验证据标签，但该标签涵盖异质实现、跟踪、原型与应用实验，不代表经验证的现场部署。
设计工作流与指南（Design Workflow and Guidelines）：研究人员给出六步工作流——识别保持目标、分类工作状态与上下文、选择候选家族、定义基线集、定义报告画像、执行鲁棒性检查；配套交互式HTML配置器以整数规则加减候选家族支持度并附加基线、控制旋钮与报告指标，但明确其评分为分类一致性而非预测性能，且高评分不保证事件召回或下游任务保持。操作指南强调从保持目标而非算法出发、积极使用简单基线、将无线电节省与计算成本分离、将静默视为设计风险、评估事件级与任务级退化。
开放挑战与研究议程（Open Challenges and Research Agenda）：五项挑战——效用感知保证、多目标闭环适应性、对漂移/噪声/丢包的鲁棒性、跨状态基准（应包含重建误差与任务效用不一致的数据集）、边缘本地的计算成本报告；未来应从孤立机制转向可问责的缩减循环。
五、讨论与局限
研究人员明确说明该综述是结构化、设计导向的综合而非穷尽性系统综述：调查引导的雪球法可能遗漏弱连接或新命名的工作；Scopus/IEEE评估仍属选择性，129个优先或延迟候选缺乏最终资格决定，ACM未逐记录筛选；原始分诊权重与定向查询历史不可完整复现，新增25条记录的纳入未引入新的核心保持目标，但这不构成书目完整性的证据。语料库注释为解释性编码，未进行独立重复编码或标注者间一致性测量，目标标签描述主要保留属性而非严格运行时反馈的存在；重叠标签与异质评估模式限制患病率比较。词汇审计中相关工作的语言与未检测到的参考文献可能造成假阳性，非规范术语、纯图像材料与抽取失败可能造成假阴性；这些百分比不能量化缺乏评估或可用制品的研究比例。设计树与配置器未经正式用户研究，不预测性能。
六、研究结论（原文结论翻译）
该综述按要保留的属性——质量、新鲜度、事件相关性或下游任务效用——来组织边缘时间序列数据缩减，并将这些目标与方法家族和工作状态相关联。它区分了运行时反馈机制、为保持性而评估的方法与上下文基线。修订后的128条记录语料库支持一项将缩减动作、保证、部署成本与评估要求联系起来的跨域综合。工作流、筛选树、配置器与报告模板将该综合转化为实际的设计问题，其作用是识别候选机制并使假设显式化，应用特定验证仍然必要。进展需要更强的效用感知保证，以及将通信与存储节省关联到信号退化、任务性能、计算、能量、延迟与鲁棒性的评估。
