智能传感器节省了空间，降低了功耗

消费者们很快就会适应当今智能手机和平板电脑中最先进的功能。 现代生活越来越依赖对场景和位置的即时感测，相应地，针对在工业处理、医疗保健等众多领域中使用的智能化设备，用户的要求也日益增多。 具有创造意义的软件和硬件设计，是在满足严苛的系统尺寸和功耗要求的同时，确保获得所需速度和精确度的基本条件。

连接传感器

如运动跟踪、位置感知等复杂功能已成为消费类设备中新功能、新应用的关键，也是创造全新市场机遇的助推剂，如正在迅速兴起的可穿戴设备领域。 用户也在不断地期待在设备上实现先进的感测功能，如在工业自动化、病人监护和物联网 (IoT) 应用领域，就像他们要求智能化功能和自主、场景敏感型特性一样。

诸如加速计、陀螺仪和磁力仪等微型 MEMS 传感器，代表了在处于消费价位的便携式设备中实现运动跟踪、位置感知功能的关键技术。

既然每种类型的传感器都存在自身局限性，那么将这些传感器组合在一起使用时，就能满足最终用户对更高精确度、更优性能的要求。 例如，加速计可提供基本的方向和倾斜检测功能，且在设备没有移动时也可跟踪俯仰和翻滚动作。 添加陀螺仪后，可以精确测量如设备移动时的俯仰和翻滚，或高速旋转等更复杂的运动。 另一方面，磁力仪通过监视相对于地磁北极的运动，可用于修正加速计旋转误差，但其本身存在带宽限制且易受外部电磁干扰。

传感器融合技术通过把多个传感器输出合并在一个系统中来监视复杂或快速的动作，以实现游戏中的手势控制或身体动作捕捉，或其它研究目的。 根据具体应用，传感器融合可以很好地在主处理器或外部传感器中枢中，或者传感器内完成。 决定融合器件时，功耗、尺寸限制、电池寿命和处理资源等都是最重要的影响因素。

微控制器作为传感器中枢

传感器融合算法可在用作传感器中枢的微控制器中运行。Atmel 与 Kionix、MEMSIC 等传感器合作伙伴联手，针对其微控制器产品开发出传感器融合解决方案，如 SAM D20 ARM® Cortex®-M0+ 微控制器或者采用 ARM Cortex-M4 内核的 SAM G53。 这样能简化如 Kionix KXCJ9 或者 Memsic MXC62320 MEMS 加速计的传感器集成。 这些微控制器支持 SleepWalking 和 Atmel 事件系统，且在作为传感器中枢时能实现节能。 SleepWalking 允许外设仍能以异步方式唤醒系统部件的同时，所有功能和时钟停止工作。 事件系统允许外设在处理器不介入的情况下对事件做出响应，如接收传感器信号，这有助于充分利用微控制器的休眠模式。

减小功耗

工程师们在开发运动感测系统时，解决功耗问题变得愈加重要。 当今无处不在的运动型应用，尤其如智能手表或智能眼镜等可穿戴设备均要求感测功能“始终开启”，而丝毫不顾及这样会增加电池负担。 移动操作系统的最新开发成果为我们提供一个例子。 Google 对安卓 4.4 中的传感器功能进行了重大修改，能让用户在更多地使用位置和场景实时感知功能时不会过多地消耗电池。 象步伐检测和计数等计步器功能需要在背景下运行，且 API 经过修改，提升了传感器管理并能防止误触发唤醒主应用处理器。

安卓 4.4 展示了管理传感器的任务是如何转移到传感器中枢，或者甚至是传感器本身的。 对于加速计和陀螺仪输出的传感器融合计算，要求在主应用处理器处于休眠状态时在两个中断之间进行。 另外，批处理模式可使传感器中枢对融合结果进行缓冲，并且仅在应用处理器被重要的传感器事件唤醒时才发送这些结果。

STMicroelectronics 在其基于 ARM Cortex-M0 内核的 STM32F411 微控制器中进一步发展了这种批处理概念。 这种微控制器执行自己的批采集模式 (BAM)，当用于传感器中枢时，能在自身 CPU 内核休眠的同时将传感器数据直接保存在片上 SRAM 中，从而实现节能。 内核会短暂醒来处理这些已保存的数据，然后再次进入省电模式。 诸如闪存 STOP 模式、零等待执行和电压调节等其它节电功能，使该器件不仅在用于智能手机和平板电脑时，而且在其它应用中也极具吸引力，具体如工业控制、医疗监护、楼宇自动化和可穿戴设备等。

节省板空间

诸如象 Freescale 的 FXOS8700CQR1 等 6 轴模块等传感器模块，都将 3 轴加速计和 3 轴磁力计组合在一起，提供一个集成了两种运动传感器功能且方便实用的空间节省型解决方案。 FXOS8700CQR1 内置数字信号处理功能，可支持诸如自由落体检测、脉冲/节拍检测、方向检测和磁检测等嵌入式可编程事件功能，以辅助如室内导航、用户接口控制应用或者工业设备中的冲击和振动监视等应用。 图 1 所示为该设备的主模块和 DSP 功能。 Kinetis 微控制器的传感器融合库使 Freescale 的 MEMS 传感器产品组合更加完善，能针对设备的方向、线性加速度以及连接传感器模块的微处理器受到的磁场干扰提供先进的计算功能。


图 1：FXOS8700CQR1 中的嵌入式 DSP 能执行基本磁场和加速计传感器数据处理功能。

InvenSense 在其 MPU-6500™ 运动跟踪器件中采用了数字运动处理器 (DMP) 以及一个 3 轴陀螺仪、一个 3 轴加速计，如图 2 所示。 DMP 能以低延迟方式执行运动处理算法，并具有多种功能，如使用可编程中断的手势识别、能在主处理器不介入的情况下计算屏幕旋转方向的低功耗屏幕旋转算法，以及一个能在主处理器休眠时仍保持步伐计数功能的计步器。


图 2：MPU-6500 集成了第一代能够从传感器中枢分担传感器融合处理任务的 InvenSense DMP。

未来发展方向

在 InvenSense MPU-6500 中集成的 DMP 预示着新一代传感器的来临，这些传感器能够在不连接传感器中枢的情况下进行更广泛的传感器融合。 在传感器模块中执行传感器融合处理功能，有助于减少系统功耗、缩短反应时间以及简化应用设计。 此外，还能节省物料清单成本和板空间。 InvenSense 和 ST 均发布了满足安卓 4.4 要求的 6 轴惯性模块，这些模块具有内置式运动处理功能，并能分担应用处理器和传感器中枢的任务。

结论

随着广泛的应用和市场对场景敏感型功能不断增长的需求，传感器的连接方法正受到密切关注，且有助于节省功耗和降低元件数的新方法在不断涌现。 最新的移动操作系统展示了如何在功耗增加最少的情况下保持检测功能“始终开启”。