边缘计算与云端计算
rms vs kalman-filter
特征在哪里算？
01
一句话结论
高频波形类（振动、声学、DAS）必须在边缘提取特征；低频遥测类（温湿度、水位）直接上行即可。折中方案：边缘存原始 + 上特征，异常时回传原始段。
02
对比表
对比维度共 6 项。对比只在同一使用条件下才有意义。
| 维度 | rms | kalman-filter |
|---|---|---|
| 数据体积 | 边缘出特征，上行量极小 | 原始波形上行，流量与存储压力大 |
| 灵活性 | 算法更新需 OTA，迭代慢 | 算法可随时迭代，可回溯再分析 |
| 时延 | 低，适合实时告警 | 高（取决于网络） |
| 供电要求 | 边缘算力消耗本地功耗 | 通信功耗占主导 |
| 可追溯性 | 原始数据可能丢失 | 原始数据可回溯 |
| 成本 | 设备端成本上升 | 流量与云成本上升 |
03
怎么选
选「rms」的情形
- 高频波形数据
- 无稳定网络或流量受限
- 需要低时延告警
选「kalman-filter」的情形
- 低频遥测
- 需要频繁迭代算法
- 需要保留全部原始数据
04
双方详情
05
注意事项
对比的边界对比表只覆盖典型工况。介质、量程、安装条件与维护能力任何一个改变，结论都可能反转。现场选型应以实测比测为准。
CLOSE
把 边缘计算与云端计算 用起来
下一步
实际项目如何应用？
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
场景设计、设备选型与工程实施，见 xmsiyb.cn 行业应用与智能选型中心。
相关 SIYB 产品
正式参数、方案与商务资料以 xmsiyb.com 官网为准。
需要把技术判断落到项目？
进入行业应用与智能选型中心，获取场景设计、选型与实施参考。