张伟，王芳

清华大学计算机科学与技术系

摘要(Abstract)：

随着物联网技术的飞速发展，各类物联网设备的广泛部署产生了海量异构数据，这些数据在采集、传输和存储过程中不可避免地出现噪声、缺失值、异常值等质量问题，严重影响数据分析的准确性和应用决策的有效性。同时，智能交通、工业自动化、远程医疗等物联网实时应用对数据处理的低延迟要求日益严苛，传统基于云端集中式的数据清洗方法存在传输延迟高、带宽消耗大、资源利用率低等局限性，已无法满足实时应用需求。边缘计算作为一种将计算、存储和网络资源下沉至网络边缘的新型计算模式，具有低延迟、高带宽、隐私保护、分布式部署等优势，为解决物联网数据清洗的低延迟需求提供了新的技术路径。本文围绕基于边缘计算的低延迟物联网数据清洗机制展开深入研究，首先系统分析物联网发展现状、数据特点及质量问题，阐述边缘计算在物联网数据处理中的核心作用及低延迟数据清洗的必要性；其次，综述物联网数据清洗技术、边缘计算在物联网数据处理中的应用及低延迟数据处理技术的国内外研究现状，明确现有研究的不足；然后，构建基于边缘计算的低延迟物联网数据清洗整体架构，优化噪声过滤、缺失值填充、异常值检测等核心清洗算法，提出并行处理、分布式缓存、流处理等低延迟实现策略，并设计相应的性能评估指标与优化方案；接着，通过搭建仿真与实际测试环境，设计对比实验，验证所提机制在清洗延迟、清洗效率、清洗质量等方面的优越性；最后，总结本文研究成果，分析研究不足，展望未来研究方向。本文的研究旨在解决物联网实时应用中数据清洗的低延迟难题，提升物联网数据质量和处理效率，为物联网实时应用的落地提供技术支撑，具有重要的理论意义和实际应用价值。

关键词(KeyWords)：

边缘计算；物联网；数据清洗；低延迟；噪声过滤；异常值检测

参考文献(References)：

[1]施巍松，孙辉，曹杰，等.边缘计算：架构与挑战[J].计算机研究与发展，2017，54（05）：907-924.

[2]宁焕生，徐群玉.物联网技术与应用[M].北京：电子工业出版社，2020.

[3]周傲英，金澈清，王国仁，等.数据清洗研究综述[J].计算机学报，2019，42（01）：1-21.

[4]陈志敏，方旭明，何建明.边缘计算在物联网中的应用与挑战[J].通信学报，2018，39（06）：150-165.