Новости

Oct 12, 2023

STMicro представляет 6

Среди наиболее фундаментальных тенденций в индустрии бытовой электроники сегодня можно назвать

Одной из наиболее фундаментальных тенденций в индустрии бытовой электроники сегодня является распространение датчиков. Для таких приложений, как Интернет вещей (IoT), носимые устройства и AR/VR, зондирование стало основной технологией.

По мере того, как в устройства внедряется все больше и больше датчиков, разработчики систем сталкиваются с вопросом, как лучше всего обрабатывать и объединять эти данные в полезный формат. Чтобы решить эту проблему, компания STMicroelectronics (ST) недавно выпустила новый 6-осевой IMU, который включает в себя ряд интегрированных функций, таких как блоки объединения датчиков и ядра машинного обучения (ML).

В этой статье мы обсудим объединение датчиков, почему это сложная задача и как новый продукт ST надеется реализовать возможности сенсорных приложений с низким энергопотреблением.

Сегодня многие устройства работают на основе одновременного ввода данных от нескольких разрозненных датчиков. Например, рассмотрим умные часы для отслеживания состояния здоровья, которые могут включать в себя входные данные от шагомера, инерциального измерительного блока (IMU) и оптических датчиков сердца.

Хотя наличие всех этих различных источников данных позволяет получить очень детальное и всестороннее понимание окружающей среды, возникает проблема, как на самом деле обрабатывать и агрегировать все эти данные. Для этого эти устройства полагаются на синтез датчиков.

Объединение датчиков — это процесс объединения данных от нескольких датчиков для создания единого потока данных, что снижает неопределенность и повышает надежность. Несмотря на простоту концепции, слияние датчиков особенно сложно осуществить на практике.

Реализация объединения датчиков часто представляет собой очень ресурсоемкое приложение, основанное на ряде сложных алгоритмов. Некоторые из наиболее известных алгоритмов, используемых в объединении датчиков, включают алгоритмы, основанные на центральной предельной теореме (CLT), байесовских сетях, фильтре Калмана и сверточных нейронных сетях (CNN).

Из-за сложного и ресурсоемкого характера алгоритмов объединения датчиков основная проблема заключается в том, как реализовать объединение датчиков в приложениях со сверхнизким энергопотреблением.

Недавно компания STMicroelectronics выпустила новый продукт, который, как они надеются, позволит реализовать больше приложений с низким энергопотреблением. Устройство, получившее название LSM6DSV16X, представляет собой 6-осевой IMU, который уникальным образом включает в себя ряд интегрированных функций и аппаратных блоков.

Примечательно, что одним из этих блоков является блок малой мощности слияния датчиков (SFLP), который представляет собой встроенный алгоритм объединения датчиков, используемый для обеспечения 6-осевого (акселерометр и гироскоп) вектора вращения игры, представленного в виде кватерниона. По данным ST, блок SFLP обеспечивает распознавание жестов или непрерывное отслеживание при токе всего 15 мкА.

Наряду с блоком SFLP LSM6DSV16X включает в себя тройное ядро ​​для обработки данных об ускорении и угловой скорости по трем отдельным каналам, каждый из которых имеет собственную специальную конфигурацию, обработку и фильтрацию.

В IMU также встроено выделенное ядро ​​машинного обучения (MLC), которое работает с шаблонами данных, поступающими от датчиков акселерометра и гироскопа, с возможностью подключения к внешним датчикам. Цель MLC — обеспечить гибкость системы, переложив часть AI/ML с процессора приложения на сам датчик.

В целом LSM6DSV16X обеспечивает энергопотребление всего 0,65 мА в высокопроизводительном режиме, а также имеет компактные размеры 2,5 × 3 × 0,83 мм. Дополнительную информацию можно найти в техническом описании LSM6DSV16X.

Поскольку распознавание становится все более важным в современных электронных устройствах, крайне важно найти способ объединить датчики с минимальными затратами энергии. Встраивая объединение датчиков и другие функции обработки в LSM6DSV16X, ST, похоже, прокладывает захватывающий путь вперед для приложений с низким энергопотреблением.