智能手机和可穿戴设备中“情境化”传感器融合算法开发挑战

众所周知，智能手机市场有两个不同的阵营：苹果和Android。一方面，你有苹果，它严格的开发政策和明确定义的硬件原理图使开发人员的事情变得非常简单 - 遵守规则或你出局，但如果你进入，没有太多的猜测。

另一方面，你有谷歌及其Android生态系统。谷歌在Android平台上的开发指导方面一直是不确定的，尽管Android继续获得市场份额，但温和地说，这导致了很多“不同”。

对于那些在Android生态系统中工作的人来说，这里的问题是，在没有硬性规定的情况下，快速开发变得更加困难。可穿戴设备就是一个完美的例子。假设谷歌发布了Android Wear的更新，其中包括设备制造商想要支持的新功能，例如通过最近的棒棒糖5.1更新添加的动作手势，允许用户打开和关闭智能手表或通过轻弹手腕来循环屏幕。即使目标设备上已经存在所需的传感器，启用这些功能（对于应用程序开发人员和最终最终用户）的最复杂方面在于创建传感器融合算法，将这些传感器的输出数据转换为有意义的东西。至少可以说，从头开始构建这些算法非常耗时，在Google只需点击一个按钮即可发布大量更新的世界中，硬件制造商始终落后于八球。

协同处理算法开发挑战

那么，如何在持续交付和消费者生命周期较短的世界中使硬件跟上速度呢？在加利福尼亚州纳帕举行的MEMS执行大会上，董事会主席George Hsu和PNI传感器总裁兼首席执行官Becky Oh解释了他们如何通过发布SENtral-A2超低功耗协处理器朝着答案迈出一步（图1）。

SENtral-A2是用于Android棒棒糖/棉花糖传感器的第二代PNI SENtral传感器中枢，它不仅包括设备通过谷歌Android兼容性测试套件（CTS）所需的硬件传感器算法，还提供了额外的可选算法，可用于支持从俯卧撑计数到游泳划痕识别的应用。在单个1.7 mm^2芯片上实现这一点的原因是依赖于算法上下文框架的架构，以便可以从传感器输出中提取特定功能，例如活动，上下文和手势识别，以开发新应用。以加速度计为例，SENtral-A2能够从传感器能够捕获的域中提取各种特征，如图2和图3所示。

这种方法的另一个好处是，与任何算法一样，获取的数据越多，算法就越精确。因此，随着信息数据库的编译，应用程序能够演变成更自定义，更优化的迭代，使算法能够根据输入特征集和期望结果进行微调。

“今天的背景和活动缺乏大量数据，”许在一次会议上说。“［SENtral-A2］允许随着时间的推移对数据进行分层和聚合，以创建新的，更好的传感器。

“必须有一个中间地带，允许谷歌时尚的‘即时更新’转化为硬件制造商的开发周期，”Hsu继续说道。由于谷歌缺乏定义，该地区非常不稳定。一切都会发生变化，所以一切都需要重新定义。

下面提供了 SENTAL-A2 中可用的算法列表。

审核编辑：郭婷