综述：可持续智能建筑中智能低功耗物联网通信技术的综合综述

《Journal of Engineering Research》：A comprehensive review of intelligent low power internet of things communication technologies for sustainable smart buildings

　　

智能建筑需要能够在严格功耗约束下支持大规模连接的通信系统。本综述考察了六种主要的低功耗物联网（LP-IoT）通信技术，即ZigBee、蓝牙低功耗（BLE）、LoRa、Sigfox、窄带物联网（NB-IoT）和反向散射通信（BackCom），并比较了它们在通信范围、频谱使用和应用场景方面的特性。此外，研究人员在线性视距（LOS）和非线性视距（NLOS）传播条件下，对集中式、分布式和混合传输架构进行了综述和分析。新兴技术，包括可重构智能表面（RIS）、同时传输和反射可重构智能表面（STAR-RIS）以及无人机（UAV）辅助通信，被讨论作为改善阻塞环境中连接性的方法。该综述还考察了人工智能在能源管理和预测中的作用，通过基于机器学习的优化框架实现。最后，概述了未来研究方向，包括无源和无电池物联网设备、轻量级安全机制、协议互操作性以及边缘-云协同。通过整合通信技术、网络架构和智能控制策略，本综述为智能建筑应用中的LP-IoT系统提供了一个统一的视角。

**引言**
下一代无线网络的演进推动了针对密集和异构场景的智能可重构通信环境的发展。其中，同时传输和反射可重构智能表面（STAR-RIS）因其提供全空间信号覆盖的能力而备受关注。现有研究探讨了STAR-RIS辅助的大规模MIMO-OFDM可见光通信系统、NOMA网络性能以及机器学习在RIS增强物联网系统中的作用。低功耗物联网（LP-IoT）领域的最新进展集中于通信协议、无源通信技术、智能组网和资源优化。例如，研究人员提出了移动网关辅助LoRa框架、基于LoRa的能量收集传感器系统，以及反向散射通信在能量收集、协作中继和混合反向散射-有源系统中的应用。智能表面技术作为重要研究方向，已在MIMO系统、空中IRS平台以及IRS与反向散射通信集成方面取得进展。尽管在LP-IoT通信技术、智能表面和AI优化方面取得重大进展，但现有文献仍较为分散，多侧重于生态系统中的单个组件，缺乏整合传输架构、传播环境和智能控制机制的全面视角。为弥补这一空白，本文对面向智能建筑的LP-IoT通信技术与架构进行了综合综述，涵盖六种代表性技术（LoRa、Sigfox、NB-IoT、ZigBee、BLE、BackCom）及集中式、分布式和混合传输架构，并讨论了视距（LOS）与非视距（NLOS）传播环境的影响，以及可重构智能表面（RIS）、STAR-RIS、无人机（UAV）和人工智能（AI）等新兴技术。

**综述方法**
本综述采用叙述性文献综述方法，对面向可持续智能建筑应用的低功耗物联网（LP-IoT）通信技术进行了全面概述。主要通过IEEE Xplore、ScienceDirect、SpringerLink、MDPI、Wiley Online Library和Google Scholar等数据库检索文献，时间聚焦于2019至2025年，同时纳入少量早期基础性贡献。搜索关键词组合包括“Low-Power IoT”、“LPWAN”、“LoRa”、“NB-IoT”、“Bluetooth Low Energy”、“ZigBee”、“Backscatter Communication”、“Reconfigurable Intelligent Surface (RIS)”、“STAR-RIS”、“Smart Buildings”、“Edge Computing”、“Artificial Intelligence”和“Energy Management”。根据与LP-IoT通信技术、通信架构、节能组网、智能建筑应用及AI辅助优化的相关性进行筛选，优先选择近期同行评审期刊论文、高被引会议论文及最新综述文章。

**低功耗物联网概述**
低功耗物联网（LP-IoT）指通过专用通信技术和网络架构，最小化设备功耗并支持长期运行和大规模连接的物联网系统。LP-IoT集成轻量级无线协议、嵌入式设备和传感节点，支持短程和远程通信，采用LoRa、环境反向散射和能量收集等技术以适应电池受限部署。架构上，LP-IoT通常由感知层（传感器和终端设备）、网络层（数据传输）和应用层（数据处理与服务交付）组成。尽管半导体技术降低了感知和计算组件的功耗，但无线通信仍是主要能耗来源，促进了低功耗通信协议和传输架构的发展。

**低功耗通信技术**
根据通信范围和技术特性，低功耗通信技术分为短程和远程协议。短程技术如ZigBee和蓝牙低功耗（BLE）适用于高设备密度和有限空间覆盖，具有低时延和低功耗特点。BLE提供高效设备发现和省电机制，适用于智能家居和可穿戴设备。远程技术如LoRa、Sigfox和NB-IoT实现远距离传输与低功耗，适用于智慧农业、工业监控和城市基础设施。反向散射通信（BackCom）通过反射射频信号实现超低功耗甚至无电池数据传输，显著降低能耗。

**长距离低功耗通信技术**
远程LP-IoT通信主要由NB-IoT、Sigfox和LoRa支撑。NB-IoT工作在授权蜂窝频段，采用SC-FDMA和OFDMA，通过省电模式（PSM）和扩展非连续接收（eDRX）实现十年以上设备寿命，通信距离3-10 km，依赖电信基础设施。Sigfox使用非授权亚GHz频段和超窄带（UNB）调制，城区覆盖10 km，农村达50 km，但下行能力有限。LoRa工作在非授权ISM频段，采用啁啾扩频（CSS）调制，抗干扰能力强，城区通信距离约5 km，农村15 km，数据率较低但功耗极低。

**短距离低功耗通信技术**
短距离LP-IoT通信主要由ZigBee和蓝牙低功耗（BLE）支持。ZigBee基于IEEE 802.15.4标准，采用直接序列扩频（DSSS）调制，工作在2.4 GHz等多ISM频段，网状组网能力使其适用于家庭自动化和工业监控。BLE采用跳频扩频（FHSS）提高抗干扰性，仅使用三个广播信道并支持快速连接，适用于可穿戴设备和便携医疗传感器。两者均采用休眠唤醒机制，空闲时保持低功耗状态，延长电池寿命。

**反向散射通信（BackCom）**
反向散射通信通过调制入射射频信号的反射系数传输信息，采用开关键控（OOK）和二进制相移键控（BPSK）等简单方案。部分接收信号用于设备电路供电，实现同时通信与能量收集。由于消除了射频合成器和模数转换器等功率密集型组件，BackCom适用于无电池和能量收集设备，如无源标签和嵌入式传感器。通过复用环境射频信号，提高频谱利用率，无需专用频率资源。但其无源操作限制通信范围和吞吐量，目前研究集中于混合架构、协作中继和RIS辅助系统以提升传输可靠性。

**低功耗物联网传输架构分类**
低功耗物联网（LP-IoT）整合了多种节能终端设备，通常采用三层架构。实际部署中，根据应用复杂度、环境特性和网络可扩展性，LP-IoT系统常采用集中式、分布式或混合三种传输架构。集中式架构依赖云服务器进行数据聚合和管理，控制简化但面临时延和可扩展性挑战；分布式架构利用边缘计算节点进行本地处理，降低传输时延和云依赖；混合架构结合集中式与分布式优势，通过云端资源管理与边缘智能协调，优化处理速度、能效和系统韧性。

**集中式低功耗物联网架构**
在集中式通信框架中，基站作为感知层与网络层之间的中继节点，扩展覆盖范围并提升通信稳定性。通过集成网关、基站和终端设备，实现从局部到全局的无缝覆盖，简化管理并降低维护成本。但所有数据在核心网络集中处理可能导致时延和可扩展性问题，适用于强调能效、可靠性和简化控制的中小规模应用。

**分布式低功耗物联网架构**
当地理分散的边缘设备数量庞大时，集中式架构可能导致数据拥塞和时延。分布式架构通过将计算、存储和网络功能分散至靠近终端设备的边缘节点，减少长距离数据传输，提高系统响应速度。框架包括终端设备、边缘基站、边缘网关、核心网络和云服务器。边缘基站具备本地计算和存储资源，支持边缘分析、数据过滤和实时决策；边缘网关负责异构设备间的汇聚和协议转换。通过本地处理和智能任务分配，分布式架构提升网络可扩展性和资源效率。

**混合低功耗物联网架构**
混合LP-IoT架构集成边缘计算与云端管理，支持多样化性能需求。边缘网关和边缘基站处理时延敏感数据，云端层执行大规模数据聚合、分析和资源管理。边缘-云协作实现高效工作负载分配，改善不同网络条件下的可扩展性，适用于需要实时响应和集中协调的应用，如智慧城市、工业自动化和环境监测。

**不同通信环境下的低功耗物联网架构**
根据信号传播特性，无线通信环境分为视距（LOS）和非视距（NLOS）条件。LOS环境下信号直接传输，衰减低、速率高、时延小、能效高，适用于短程通信或无人机辅助链路。NLOS环境下信号受障碍物反射、衍射和散射影响，路径损耗增加，导致MAC层重传增多，时延和能耗上升，影响电池寿命。不同LP-IoT技术受此影响各异：LoRa在严重遮挡环境下可能增加重传和时延，NB-IoT虽受益于蜂窝基础设施，但频繁接入过程可能增加能耗。因此，通信性能和电池寿命不仅取决于协议，还与传播环境、重传频率和网络管理策略相关，凸显跨层优化的必要性。

**视距（LOS）场景下的低功耗物联网架构**
LOS环境下信号衰减小、速率高、链路可靠，可降低传输功率并提高吞吐量。通过部署基站或无人机辅助中继可扩展覆盖范围。地面LP-IoT系统（如大规模MIMO或RIS辅助通信）可动态调整波束赋形和传输参数以提升频谱效率并降低功耗。空-地一体化架构借助无人机平台实现自适应视距连接，适用于广域或应急通信网络。

**基于地面通信的低功耗物联网架构**
在城区环境中，高层建筑上的基站可最小化障碍物影响，确保终端设备与接入点间的稳定LOS链路，扩大覆盖范围并减少节点数量，提升能效。地面LP-IoT通信架构中，基站作为中继节点，实现从分布式终端到网络核心的一致数据传输，解决密集城区的覆盖问题。优化基站高度、部署密度和天线配置可显著提升信号稳定性和能量利用效率。

**空-地一体化低功耗物联网架构**
无人机（UAV）具有高机动性和低部署成本，可克服地面架构的拓扑不灵活和覆盖限制。由于LOS连接主导UAV通信链路，将基站部署在无人机上可保障分布式IoT设备的可靠数据采集。通过结合无人机基站与地面高层基站，形成混合空-地LP-IoT架构，空中基站为偏远或难以到达区域提供连接，地面基站支持附近终端并转发聚合数据。低功耗无线协议与UAV能量限制相适应，支持可持续数据收集，在农业监测、环境传感、灾害管理和无源设备能量补充方面具有潜力。

**非视距（NLOS）场景下的低功耗物联网架构**
NLOS环境下信号受障碍物阻挡、反射和散射，路径损耗增加。可重构智能表面（RIS）通过可编程反射单元调整入射信号的相位和幅度，建立替代传播路径。RIS可与反向散射通信、协作NOMA和大规模MIMO集成，改善阻塞环境中的通信性能。

**反射RIS辅助的低功耗物联网通信架构**
RIS在NLOS环境中通过调节反射电磁波的相位和幅度，创建基站与IoT设备间的替代传播路径。RIS面板部署在建筑立面，将入射信号重定向至IoT终端，如RFID标签和智能照明系统。由于其近无源操作，引入额外功耗极小，同时扩展通信覆盖并提高链路可靠性。空中RIS辅助架构中，搭载RIS的无人机作为移动反射平台，动态调整位置和反射参数，优化传播路径，绕过障碍物。结合UAV移动性与RIS无源操作，提供灵活的覆盖扩展，适用于密集城区、偏远地区和灾后恢复场景，同时提升反向散射设备的能量补给效率。

**STAR-RIS辅助的低功耗物联网通信架构**
同时传输和反射可重构智能表面（STAR-RIS）能够同时传输和反射入射电磁波，提供全空间无线覆盖。STAR-RIS面板可部署在墙壁或建筑立面，以传输、反射或混合模式运行，动态调整电磁波相位和幅度，在NLOS条件下维持可靠通信，降低传播损耗。STAR-RIS还可支持反向散射通信和无源IoT设备，并与智能控制和联邦学习框架集成，提升自适应资源管理和能效。尽管优势显著，大规模部署仍面临可扩展性挑战，包括大量反射元件的配置开销、控制时延和信令需求，以及无源标签数量增加导致的网关拥塞。分层STAR-RIS控制、分布式边缘智能和AI辅助资源分配是解决这些瓶颈的关键。

**低功耗物联网应用场景**
LP-IoT技术广泛应用于智慧城市、工业自动化、环境监测、医疗和农业等领域。在智能农业中支持灌溉管理、土壤监测和牲畜追踪；环境监测应用采用分布式传感器实时测量空气质量和污染水平；智慧城市实现交通管理、智能照明和基础设施监测；工业物联网利用低功耗网络进行设备监控和预测性维护。每个应用对时延、可靠性、覆盖、可扩展性和能效有不同要求，需根据具体需求选择合适的技术和架构。

**AI驱动的物联网推荐系统：一个概念框架**
人工智能（AI）已成为LP-IoT环境中智能能源管理的关键使能技术。通过利用物联网设备收集的数据，AI技术可改善资源分配、需求预测、自适应控制和能源优化。本节提出人工智能驱动的物联网推荐能源系统（ATIRENDEE）作为概念框架，整合文献中的预测和优化技术，旨在展示如何将AI方法与LP-IoT通信技术、边缘云计算和智能控制策略相结合，支持可持续、节能的自适应智能建筑运行。

**ATIRENDEE架构**
ATIRENDEE是一个面向智能建筑LP-IoT能源管理的概念框架，整合预测和优化技术。框架考虑用户定义的月能源预算β（EUR/月）以及太阳能辐照度、家庭用电需求、电池荷电状态（SoC）和实时电价等变量。概念架构包含互连的预测和决策模块：太阳能发电、家庭用电需求和电价的预测结果结合电池状态，支持不同运行条件下的能源分配。优化目标是最小化电力成本，同时考虑电池利用和家庭需求。框架的模块化设计可容纳不同预测方法，并通过集中式、分布式或混合通信架构与基于LP-IoT的智能家居能源管理系统集成。概念性优化目标为最小化总成本，其中E_grid,t为从电网提取的能量，P_t为预测电价，γ为电池磨损成本系数。

**预测模块**
预测模块构成ATIRENDEE概念框架的分析核心，整合天气、太阳能发电、家庭负荷和电价信息。太阳能预测基于气象条件和光伏面板特性，针对晴朗、多云、雾天、局部多云和冰雹等场景采用条件特定的机器学习模型，通过门控模型选择机制确定最适合的实时预测模型。家庭用电需求预测采用长短期记忆（LSTM）网络捕捉时间模式；电价预测采用极限梯度提升（XGBoost）算法建模非线性市场变化。这些预测组件为后续能源分配和优化提供必要信息。预测性能常用平均绝对百分比误差（MAPE）、均方根误差（RMSE）和平均绝对误差（MAE）评估，优化策略常与基于规则的控制和模型预测控制（MPC）对比。ATIRENDEE仅作为合成文献中已有预测和优化技术的概念框架，未进行实验实施或数值验证。

**未来研究方向**
基于本综述讨论的技术和架构，未来研究方向包括：无源智能建筑IoT系统，基于环境射频能量收集和反向散射通信（BackCom），集成RIS和超材料以改善信号反射和能量收集性能；架构级优化与安全，通过跨层优化（感知、网络、应用层）提升通信效率，同时结合物理层保护、网络层威胁检测和应用层访问控制的轻量级安全机制，并关注后量子密码学在LP-IoT环境中的应用；异构协议间的互操作性，通过智能多模网关、中间件和跨协议API促进LoRa、ZigBee、BLE和NB-IoT的共存；AI驱动的智能建筑IoT，在设备级部署轻量级AI模型进行本地异常检测，边缘层采用机器学习和强化学习优化通信调度和能源管理，云端AI实现预测性维护和智能控制，同时研究可信和安全的AI框架以保障隐私和可解释决策。

**结论**
本文深入综述了面向智能建筑环境的LP-IoT通信技术与架构，分析了LoRa、NB-IoT、Sigfox、ZigBee、BLE和反向散射通信等协议，比较了集中式、分布式和混合网络模型，探讨了LOS和NLOS条件下的优化策略。RIS和STAR-RIS的集成增强了阻塞环境中的信号传播和能量利用，所提出的ATIRENDEE系统展示了AI驱动智能在可持续能源管理中的应用。未来应探索完全由环境能源供能的无源IoT系统，消除电池依赖；通过跨层设计结合轻量级加密、语义感知处理和动态调度，实现安全的架构级优化；通过智能网关和统一通信接口确保异构协议间的互操作性；在边缘和云层嵌入联邦学习和强化学习等AI技术，实现自适应行为、预测性维护和实时优化。这些方向将推动自主、弹性和能量感知的智能环境发展，支撑下一代城市基础设施。