传感器已经成为物联网(IoT)的代名词,一些行业观察家甚至将物联网称为传感器互联网。因此,虽然传感器在物联网潮流中的作用无可争辩,但它将如何影响接口、信号调节和补偿以及软件算法等主要设计考虑因素?
要了解传感器对IoT设计的影响,必须首先了解IoT设计以及这些设计中所包含的传感器多年来如何演变。
在第一代物联网设备中,数据处理量有限,因为最初的物联网设备不是很复杂。第一代设备是数据的管道,严重依赖云计算平台进行处理。这些云计算平台的特点是可以处理几乎无限量的传感器数据。
快进到今天,处理是物联网边缘非常需要的功能。现代物联网设备具有良好的处理能力平衡,可确保设备不仅能够足够快地完成工作,而且能够准确且具有低功耗预算。
图1:大量传感器被嵌入到各种物联网应用中。(图片来源:德州仪器)
换句话说,虽然传感器数据是在模拟域中,但总是会将这些数据转换为数字域,以确保传感器数据在更大的系统中仍然有用。“模拟的转换和处理必须相当快速、准确并以尽可能低的功耗完成,因为大多数物联网设备都是电池供电的。”Synaptics公司智能传感和显示技术营销总监Albert Lee表示。
Lee还指出了灵活的模拟前端(AFE)的重要性,这可以支持多种传感器输入类型,例如电容式、电感式和磁性传感器。“通过消除对各种传感器的额外控制器的需求,可以节省元器件面积和BOM成本。”Lee表示。
这清楚地暗示了围绕处理器进行更大程度的传感器集成。然而,在我们深入探讨这个前提之前,值得重新审视另一种称为传感器融合的重要传感器技术,以及它如何通过人工智能(AI)和机器学习(ML)算法重新焕发活力。
传感器融合是多年前讨论的一个话题,现在终于可以在复杂的传感应用中实现,例如情境感知。它结合了多个传感器,以帮助全面了解环境中所发生的情况,帮助克服不同传感技术的个别弱点。
Synopsys公司物联网战略营销经理Ron Lowman在接受笔者采访时指出了有关传感器融合的一些重要趋势。“微控制器(MCU)正被集成到传感器中,越来越多的传感器公司正在将处理和智能集成到传感器中以增加更多价值。”他表示,“我们还看到了将多个传感器集成到不同解决方案中的趋势。”
Lowman举了智能手机的例子,其在几年内从几个传感器变成了几十个——但现在设计人员必须弄清楚如何将它们小型化。还有其他与解决电压和将新兴技术——例如碳化硅(SiC)和氮化镓(GaN)——集成到传感器中相关的设计挑战。“尽管如此,我们已经看到了很多进展,并期待智能传感器的推动继续下去。”Lowman补充道。
图2:传感器融合包含完整的硬件和软件解决方案,针对各种超低功耗物联网应用进行了优化。(图片来源:Synopsys)
虽然AI和ML算法正在增强传感器融合已不是什么秘密,但它仍处于初级阶段。根本的挑战仍然是底层软件。“设计人员仍然需要弄清楚在哪里运行他们的软件以及如何驾驭复杂的算法和概念以实现端到端的实现,同时还要考虑小型化。”Lowman表示。
德州仪器(TI)楼宇自动化总经理Giovanni Campanella表达了类似的观点,同时承认了人工智能和机器学习算法在解释来自传感器的海量数据方面的作用。“随着将越来越多的传感器添加到系统中,需要对算法进行改善和改进,以便改进整体决策过程,并采取正确的行动来解决问题或克服传感器识别的情况。”
例如,激光雷达(LiDAR)技术不足以实现机器人的自主导航。添加视觉和雷达等其他传感器,然后实施AI和ML算法,就可以使机器人识别新情况并从中进行学习,然后快速予以适应。
“我们需要复杂的算法来从一个或多个传感器获取的数据中提取信息。”Campanella表示,“这些算法还需要了解反复出现的情况,以便改进未来的决策。”
在承认AI和ML的深远影响的同时,Synaptics的Lee指出了这些软件算法的另一个重要方面:“我们看到AI/ML从基于云的解决方案向基于边缘的解决方案进行持续但渐进的迁移。”
他还指出了边缘物联网设备对低延迟、低功耗操作和精确处理的硬性要求。尽管Lee认识到边缘物联网设备永远不会取代基于云的解决方案的处理能力,但展望未来,他看到了基于边缘和基于云的解决方案之间的务实划分。
不管是否有传感器融合,传感器的数量都在持续增长,这就需要有创新的新解决方案。Synaptics等公司正在将多个分立传感器控制器组合到一个控制器中。“这样的器件可以同时支持电容式、电感式和霍尔效应传感器。”Lee表示,“在未来,我们希望与某些类型的MEMS传感器建立兼容性,例如力和惯性传感器。”
传感器处理器将以微型和超低功耗捕获来自多达四个传感器的输入并对其进行智能处理。Synaptics的FlexSense传感器处理器集成了一个微控制器,后者连接到两个专有的低功耗模拟前端(AFE)引擎,这样就可检测来自IoT产品触摸表面上的电容性和电感性元件的数据并对其进行数字化。
图3:传感器处理器在采用专有算法的同时,在单个处理器中智能融合了多个传感器。(图片来源:Synaptics)
TI的Campanella对传感器处理器的看法更为谨慎。Campanella表示,根据应用的不同,传感器处理器方法可能比分立处理器方法更合适,但并不总是物联网设计的正确解决方案。“拥有一个集成传感元件、模拟前端和处理器的解决方案——类似于TI的毫米波雷达传感器——对于需要在边缘做出关键决策的空间受限应用就非常有用,例如医疗或机器人应用。”他表示。
与任何半导体架构一样,与传感器相关的设计预计会发生迭代变化,并且可能会在各代技术中持续发展。
(原文刊登于EDN姊妹网站EE Times,参考链接:Where Sensor Fusion and Sensor Processors Stand in IoT,由Franklin Zhao编译。)
本文为《电子技术设计》2023年2月刊杂志文章,版权所有,禁止转载。免费杂志订阅申请点击这里。