ST - 不容小看的新型智能惯性传感器不容小看的新型智能惯性传感器
MEMS传感器正在涌入市场,这些传感器成本效益高,易于集成在场景感知解决方案中,提供有关其所处场景的重要信息。这种多用途感测
技术有许多用例:MEMS传感器在穿戴物联网设备中用于检测用户活动和手势;工业MEMS传感器在工厂维护和故障预测中发挥重要作用,
有助于提高工厂生产效率;MEMS对车辆安全性和自动驾驶发展至关重要。 传感器数据应用是许多应用场景的基础,各种传感器的大规
模应用促使传感器成本下降。成本降低使同一设备安装多个同类型传感器成为可能,随着同类型传感器的数量增多,不同类型的传感器和传
感器总数也在不断增长。为了获得更可靠的信息,实现更高质量的应用,业内开发出了传感器数据融合技术,提高
MEMS传感器正在涌入市场,这些传感器成本效益高,易于集成在场景感知解决方案中,提供有关其所处场景的重要信息。这种多用途感测技术有许多用
例:MEMS传感器在穿戴物联网设备中用于检测用户活动和手势;工业MEMS传感器在工厂维护和故障预测中发挥重要作用,有助于提高工厂生产效率;
MEMS对车辆安全性和自动驾驶发展至关重要。
传感器数据应用是许多应用场景的基础,各种传感器的大规模应用促使传感器成本下降。成本降低使同一设备安装多个同类型传感器成为可能,随着同类
型传感器的数量增多,不同类型的传感器和传感器总数也在不断增长。为了获得更可靠的信息,实现更高质量的应用,业内开发出了传感器数据融合技术,提
高了惯性模块的应用规模,甚至为更多应用打开了大门。
终端设备应用只有传感器还不够,还需要智能单元来处理信息和理解场景。应用处理器负责读取数据和处理信息,随着传感器数量增加,应用处理器的任
务变得更加复杂。同样,连接传感器和应用处理器的总线也变得至关重要,大量的交换数据可能造成数据拥堵,总线性能下降。
初,有人认为更快的总线和性能更高的处理器可以解决这些问题。第二阶段是“智能传感器”一词被滥用,把通用低功耗处理器从板上移到传感器内部,做
成一个系统级封装解决方案,这种通过增加一个微控制器的方式有效增加传感器数量的简单方法被称为“智能”。
在设计开发LSM6DSOX时,我们决定不走寻常路,将所有已知应用在概念上分为两大类别:一种是用归纳算法实现的效果更好的应用;另一种是用演绎
算法实现的效果更符合预期的应用。分析实际数据模式同时保持统计性能,是我们评估设计方案的方法标准。
,为了便于执行演绎算法,我们决定在惯性单元内嵌入一个有多达16个有限状态机的数字模块;针对归纳型算法,我们实现了一个机器学习模块,该模
块能够与现有人工智能工具互动,采用监督式机器学习方法,在传感器内部对复杂计算进行预处理,分类器能够分析实时数据,识别活动和场景并进行分类,
参数和功能具有很高的可配置性。
这种传感器数据分析专用智能技术可以执行复杂算法,把很大一部分计算负荷转交给传感器处理,使其它设备保持空闲状态。通过这种方式,可以地降低
功耗,减轻通信总线负担,并地提高系统的整体能效。
传感器仅在必要时才唤醒其它设备和应用处理器,通过这种方式,可以大幅降低功耗,我们认为,仅LSM6DSOX这些新功能就可以创造出新的应用。
I. 前言
在过去的十年中,物联网应用规模呈指数增长。大多数物联网应用都涉及在可能没有电源的位置测量物理数值。 增装电源线通常是行不通的,因此,电
池是供电方案,并且无线数据传输是必选。物联网相关应用至少需要一个传感器获取数据和一个传输媒介发送数据。电源需要给数据传输媒介和传感器供电。
在设计这种类应用时,需要在这个方面做出权衡和取舍:是限度延长电池续航时间还是提高数据传输频率?
应用设计者可用一个在市场上有售的重要工具来解决这个折衷难题。这个工具是一个精密的计算单元,可以执行参数测量和数据传输任务,效果和能效都
很好,这样的计算单元通常是针对低功耗设计的通用微控制器。对于低功耗应用,无线数据传输比其它处理任务更重要,因此,物联网应用设计策略是,如果
其它处理任务允许降低通信速度,则可以将计算单元转移到物联网端。
本文旨在于介绍创新传感器在降低产品功耗方面取得的新进展。意法半导体的新型惯性模块LSM6DSOX允许将算法处理过程全部或部分移至传感器的定
制低功耗环境。这种方法具有广泛的可配置性,保证广泛的应用范围。本文结构如下:章介绍一个创新的嵌入式算法,并结合应用说明其优势。然后用两个章
节专门介绍机器学习处理。一章介绍一个好用的定制支持软件,用户可以根据需求快速配置软件,创建新应用。
II. 嵌入式算法方案
如前一章所述,简单的物联网应用模型包括发射器/接收器、计算单元、执行器或传感器和电池。
以智能手环为例,智能手环能够识别用户活动,并输出相关活动数据:用户步行多远,乘车多长时间等。当然,智能手环应具有翻腕显示日期和时间的功
能。蓝牙低功耗系统芯片[4]是执行传输和控制的关键组件。该解决方案嵌入了完整的蓝牙网络处理器和运行应用程序的应用处理器。应用处理器包括低功耗
微控制器、用户程序NVM存储器,数据存储器、编程存储器(NVM镜像)以及通信接口(SPI,I?C等)。从下面给出的系统示例可以大致估算出该解决方案
的功率预算。这款内置微控制器的“智能”蓝牙模块通常具有不同的功耗模式,下面列出了常见的模式:
a) 睡眠模式:此模式用于关闭大多数内部模块或使其处于低功耗状态,地降低功耗。从此模式返回到正常工作模式需要一些时间(0.5-2 ms)。该模式
电流消耗在0.5-2 ?A之间。
b) 微控制器工作模式:射频发射器/接收器关闭,微控制器正常工作。 此模式的电流消耗在1-3 mA之间。
c) 射频收发模式:设备处于通信连接状态,功耗为3-20 mA。
我们讨论一下智能手环检测用户活动的用例。假设智能蓝牙模块中的微控制器通过I2C/SPI接口连接惯性模块,传感器数据输出数据速率配置为25Hz。每
当嵌入式16 MHz时钟域生成样本时,微控制器就会退出睡眠模式,读取传感器数据并执行活动识别算法。高质量的活动识别算法用例平均需要4 ms的处理时
间。蓝牙传输是间歇性的,取决于用户要求(一天)。
图1:微控制器从睡眠到唤醒的时序
图1显示了微控制器运行算法时的占空比时序。Tstart是微控制器的唤醒时间,Talgo是算法的执行时间,Todr是传感器两次读取操作的间隔。
下面是总平均电流ITOT的基本计算公式,其中包含各种主要电流消耗参数:
ITOT = IBUS + ISLEEP + falgo * IUCORE * ( Tstart/2 + Talgo )IBUS 是接口总线读取操作消耗的电流;SPI总线的读取电流应小于1 ?A,I?C总线约在2-
5 ?A之间。射频是间歇性传输,所以功耗可以忽略不计。考虑到每个参数取值取其声明范围的中间值,得到的ITOT为230 ?A。
嵌入式算法是经过重新配置的可以实现“活动识别”,工作电流小于8 ?A。这里所说的嵌入式算法与在微控制器上运行的算法在性能和质量上完全相同。嵌
入式解决方案的显著优势是在传感器内部生成可用数据,因此不存在IBUS功耗。此外,嵌入式解决方案完全没有微控制器安全退出睡眠状态所需的Tstart时
间,当Tstart和IBUS两项参数均为零时,ITOT估算值是200 ?A,这意味着,使用相同公式falgo*IUCORE*Talgo计算,算法从微控制器迁移到传感器使功耗降
至二十五分之一。
因为意法半导体软件库和客户需求是已知的,并且是合并在一起的,所以,我们的策略是收集常见的用例,然后将其分为两类。类是由非常适合使用有限
状态机的算法组成,第二类基于需要统计分析(基于模式分析)并且可以通过决策网(树)有效实现的应用。针对这两大类应用,我们开发出一个覆盖现有算
法的“元命令”集,并确保算法具有广泛的可重新配置性,以处理新的自定义需求。一步是算法分析,目的是找到的低功耗且有效的算法定制逻辑。在不影响算
法性能的情况下,按照特定应用需求简化算法。下面的两个章节介绍这两个模块和元数据。
III. 机器学处理(MLP)
有限状态机是利用本身固有的演绎推理特性:从假设开始,检验达到特定逻辑状态的概率。对于运动检测算法,演绎推理是确定一系列事件是否满足“规
则”。这种方法适用于大多数手势检测算法,当然,不能全部适用。例如,手机举起到放下的手势算法可以完全基于以下事实:手机加速度计检测到的重力主
要是在同一个轴上,并在一个时间序列后,检测到的重力方向将会变成相反方向。修改一些参数就可以更改手势定义,这些参数包括轴定义、阈值和序列持续