传感器和换能器与人工智能和雾计算融合

作者：Patrick Mannion，特约编辑

作为物理世界和数字世界之间的接口，传感器和换能器已经从技术死水转移到汽车安全、安保、医疗保健、物联网 (IoT) 和人工智能 (AI) 支持的前沿。因此，它们在尺寸、功耗和灵敏度等基本物理和电气能力方面发生了革命性变化，同时引发了传感器集成的新思维，从传感器融合到基于 AI 的传感器处理生成应用于类似雾计算的架构中的算法。

许多这些创新背后的驱动力是物联网的小型化和低功耗要求，包括智能消费设备、可穿戴设备和工业物联网 (IIoT)、高级驾驶辅助系统 (ADAS) 以及围绕自动驾驶汽车、无人机、安全性的兴奋系统、机器人技术和环境监测，仅举几例。总而言之，MarketsandMarkets 预计智能传感器市场（包括一定程度的信号处理和连接能力）将从 2015 年的 185.8 亿美元增长到 2022 年的 577.7 亿美元，对应的复合年增长率为 18.1%。

他们背后的许多传感器和创新在最近在拉斯维加斯举行的 2018 年国际消费电子展上得到了充分展示，与会者们受到了令人陶醉的混合现在可用和即将到来的东西。在展会上，Bosch Sensortec (BST) 直击设计人员现在需要的核心：用于可穿戴设备和物联网的低功耗加速度计，以及用于无人机和机器人的高性能惯性测量单元。

BST 的两种设备均基于微机电系统 (MEMS)，该技术自 1990 年代首次用于安全气囊以来已经取得了长足的进步。从那时起，它至少经历了两个以上的发展阶段，迅速进入消费电子和游戏、智能手机，现在该行业处于物联网阶段。这就是 BST 全球业务发展总监 Marcellino Gemelli 所说的“第三波浪潮”。

Gemelli 和他的团队在 CES 上展示的两款设备针对的是第三波浪潮。BMA400 加速度计与以前的设备具有相同的 2.0 x 2.0 占用空间，但它消耗的能量只有十分之一。这是一个非常重要的功能，它获得了 CES 2018 创新奖。

根据 Gemelli 的说法，BMA400 设计团队从头开始设计该设备，目标是降低功耗，为此，它需要考虑实际应用。很快就清楚的是，典型加速度计使用的 2kHz 采样率对于安防系统的计步器和运动感应来说是不需要的。意识到这一点，该团队将采样率降低到 800 Hz。随着对 MEMS 传感器和相关 ASIC 设计的其他更多专有更改，BMA400 现在在事件发生时向主机微控制器 (MCU) 发送中断信号时仅消耗 1 µA，而通常会消耗 10 µA使用。

BST 在展会上宣布的另一款物联网 MEMS 设备是 BMI088，它是一种惯性测量单元 (IMU)，专为无人机和其他易受振动的系统设计，它具有抑制、过滤和抑制系统振动的能力。噪音。BMI088 的尺寸为3.0 x 4.5 mm（图 1），其加速度计的测量范围为 ±3 g 至 ±24 g，陀螺仪的测量范围为 ±125°/秒至 ±2,000°/s。

根据 Gemelli 的说法，BMI088 设计团队首先通过使用不同的胶水配方将 MEMS 传感器设置到基板上来抑制振动，“但这是一种更全面的方法。如果传感器产生垃圾，对任何人都没有好处。” 考虑到这一点，该团队还修改了传感器结构和运行在 ASIC 上用于理解信号的软件。

然而，另一个与稳定性有关的关键特性是偏移热系数或 TCO，它被指定为 15 mdps/°K。其他关键特性包括小于 2°/h 的偏置稳定性和在 ±24 g 的最宽测量范围内的 230 μg/√Hz 的光谱噪声。

MEMS 扬声器出现虽然传感器作为物联网的数据收集工具备受关注，但传感器并未成为人们关注的焦点。然而，USound 正在通过与 STMicroelectronics 的合作来改变这一点，该公司宣布推出首款基于 MEMS 的先进微型扬声器，并在 CES 上进行了演示（图 2）。

微型扬声器使用 STM 的薄膜压电换能器 (PεTra) 技术和 USound 的扬声器设计专利概念。这些设备消除了对机电驱动器的需求及其相关的尺寸和低效率，该驱动器的大部分能量都用于线圈中的热量产生。

相反，微型扬声器使用硅 MEMS，预计将成为世界上最薄的扬声器，重量只有传统扬声器的一半。设计应用包括耳机、耳罩式耳机或增强现实和虚拟现实 (AR/VR) 头饰。伴随小尺寸而来的是更低的功率和可忽略的热量（参见图 2）。

然而，小尺寸不可避免地要在声压级上进行权衡，因此 STMicroelectronics 提供了 MEMS 扬声器与参考平衡电枢扬声器相比的图表，显示出 1 kHz 的平坦响应（图 3）。

图 3：USound 的微型扬声器 (Moon) 使用 STMicroelectronic 的薄膜压电换能器 (PεTra) 技术生产 MEMS 扬声器，其平坦的 SPL 响应高达 1 kHz。BA = 平衡电枢。

Chirp 用传感器制造传感器设计人员可以通过多种方式将接近和运动感应融入其物联网设计，用于存在感应或用户界面，或两者兼而有之。多年来，超声波一直是一种选择，声纳就是一个很好的例子。然而，Chirp Microsystems 已经通过其 CH-101 和 CH-201 超声波传感器将基于声波的传感应用于物联网。

利用 180° 超声波的广泛分散，传感器使用扬声器（换能器）产生超声波，然后计算返回麦克风拾音器（传感器）所需的时间以确定范围。除了宽色散之外，超声波的优点还在于它是低功耗（等待模式下为 15 µW）、低成本，并且可以分辨率低至 1 mm。

除了感应范围和接近度之外，设计人员还可以利用 Chirp 正在申请专利的基于机器学习和神经网络算法的手势分类库 (GCL) 开发基于手势的物联网设备接口。然而，对于手势感应，至少需要三个传感器，以及带有三边测量算法的 Chirp 集成电路，以确定手在 3D 空间中的位置、方向和速度。

手势、存在、范围和运动感应与低成本、低功耗、小尺寸（3.5 x 3.5 mm，包括处理器）、简单的 I 2 C 串行输出以及所有工作电压为 1.8 V 的组合。

激光雷达和摄像头的传感器融合不久前，有人认为光探测和测距 (LiDAR) 是自动驾驶汽车的未来发展方向。最近，很明显，尽管 LiDAR 取得了显着进步，但安全要求要求使用多种技术来实现高速准确和智能的环境传感。考虑到这一点，AEye 开发了其智能探测和测距 (iDAR) 技术。

作为增强型 LiDAR 的一种形式，iDAR 将 2D 并置的摄像头像素叠加到 3D 体素上，然后使用其专有软件逐帧分析两者。这通过使用相机覆盖来检测颜色和标志等特征，克服了 LiDAR 的视力限制。然后它可以专注于感兴趣的对象（图 4）。

图 4：AEye 的 iDAR 技术将 2D 摄像头像素叠加在 LiDAR 的 3D 体素上，因此可以识别特别感兴趣的物体并将其带到前台。

虽然 AEye 的技术是数据和处理密集型的，但它确实允许动态分配资源，以根据速度和位置等参数定制数据收集和分析。

将传感器与 AI 和雾计算融合根据 Bosch Sensortec 的 Gemelli 所说，下一步是重新思考传感器的设计和应用方式。与其从头开始设计传感器及其相关算法，Gemelli 建议现在是时候开始应用 AI 技术，根据对采集数据和应用程序的分析，自动生成新算法供传感器使用。例如，一套不同的传感器可能很好地执行特定功能，但通过人工智能监控，这些传感器可能会被用来跟踪它们从未打算使用的参数，或者它们也可以更有效地使用。

Gemelli 说，这个概念正在获得关注。它还与雾计算架构相吻合，其目标是最大限度地减少必须在传感器和云之间传递的数据量。相反，通过应用人工智能，随着时间的推移，传感器本身可以完成更多处理，仅在需要时使用更大的网络和云。

审核编辑 黄昊宇