作者：Patrick Mannion，特約編輯

作為物理世界和數(shù)字世界之間的接口，傳感器和換能器已經(jīng)從技術(shù)死水轉(zhuǎn)移到汽車安全、安保、醫(yī)療保健、物聯(lián)網(wǎng) (IoT) 和人工智能 (AI) 支持的前沿。因此，它們在尺寸、功耗和靈敏度等基本物理和電氣能力方面發(fā)生了革命性變化，同時引發(fā)了傳感器集成的新思維，從傳感器融合到基于 AI 的傳感器處理生成應(yīng)用于類似霧計算的架構(gòu)中的算法。

許多這些創(chuàng)新背后的驅(qū)動力是物聯(lián)網(wǎng)的小型化和低功耗要求，包括智能消費設(shè)備、可穿戴設(shè)備和工業(yè)物聯(lián)網(wǎng) (IIoT)、高級駕駛輔助系統(tǒng) (ADAS) 以及圍繞自動駕駛汽車、無人機、安全性的興奮系統(tǒng)、機器人技術(shù)和環(huán)境監(jiān)測，僅舉幾例。總而言之，MarketsandMarkets 預(yù)計智能傳感器市場（包括一定程度的信號處理和連接能力）將從 2015 年的 185.8 億美元增長到 2022 年的 577.7 億美元，對應(yīng)的復(fù)合年增長率為 18.1%。

他們背后的許多傳感器和創(chuàng)新在最近在拉斯維加斯舉行的 2018 年國際消費電子展上得到了充分展示，與會者們受到了令人陶醉的混合現(xiàn)在可用和即將到來的東西。在展會上，Bosch Sensortec (BST) 直擊設(shè)計人員現(xiàn)在需要的核心：用于可穿戴設(shè)備和物聯(lián)網(wǎng)的低功耗加速度計，以及用于無人機和機器人的高性能慣性測量單元。

BST 的兩種設(shè)備均基于微機電系統(tǒng) (MEMS)，該技術(shù)自 1990 年代首次用于安全氣囊以來已經(jīng)取得了長足的進步。從那時起，它至少經(jīng)歷了兩個以上的發(fā)展階段，迅速進入消費電子和游戲、智能手機，現(xiàn)在該行業(yè)處于物聯(lián)網(wǎng)階段。這就是 BST 全球業(yè)務(wù)發(fā)展總監(jiān) Marcellino Gemelli 所說的“第三波浪潮”。

Gemelli 和他的團隊在 CES 上展示的兩款設(shè)備針對的是第三波浪潮。BMA400 加速度計與以前的設(shè)備具有相同的 2.0 x 2.0 占用空間，但它消耗的能量只有十分之一。這是一個非常重要的功能，它獲得了 CES 2018 創(chuàng)新獎。

根據(jù) Gemelli 的說法，BMA400 設(shè)計團隊從頭開始設(shè)計該設(shè)備，目標(biāo)是降低功耗，為此，它需要考慮實際應(yīng)用。很快就清楚的是，典型加速度計使用的 2kHz 采樣率對于安防系統(tǒng)的計步器和運動感應(yīng)來說是不需要的。意識到這一點，該團隊將采樣率降低到 800 Hz。隨著對 MEMS 傳感器和相關(guān) ASIC 設(shè)計的其他更多專有更改，BMA400 現(xiàn)在在事件發(fā)生時向主機微控制器 (MCU) 發(fā)送中斷信號時僅消耗 1 μA，而通常會消耗 10 μA使用。

BST 在展會上宣布的另一款物聯(lián)網(wǎng) MEMS 設(shè)備是 BMI088，它是一種慣性測量單元 (IMU)，專為無人機和其他易受振動的系統(tǒng)設(shè)計，它具有抑制、過濾和抑制系統(tǒng)振動的能力。噪音。BMI088 的尺寸為3.0 x 4.5 mm（圖 1），其加速度計的測量范圍為 ±3 g 至 ±24 g，陀螺儀的測量范圍為 ±125°/秒至 ±2,000°/s。

根據(jù) Gemelli 的說法，BMI088 設(shè)計團隊首先通過使用不同的膠水配方將 MEMS 傳感器設(shè)置到基板上來抑制振動，“但這是一種更全面的方法。如果傳感器產(chǎn)生垃圾，對任何人都沒有好處?！?考慮到這一點，該團隊還修改了傳感器結(jié)構(gòu)和運行在 ASIC 上用于理解信號的軟件。

然而，另一個與穩(wěn)定性有關(guān)的關(guān)鍵特性是偏移熱系數(shù)或 TCO，它被指定為 15 mdps/°K。其他關(guān)鍵特性包括小于 2°/h 的偏置穩(wěn)定性和在 ±24 g 的最寬測量范圍內(nèi)的 230 μg/√Hz 的光譜噪聲。

MEMS 揚聲器出現(xiàn)雖然傳感器作為物聯(lián)網(wǎng)的數(shù)據(jù)收集工具備受關(guān)注，但傳感器并未成為人們關(guān)注的焦點。然而，USound 正在通過與 STMicroelectronics 的合作來改變這一點，該公司宣布推出首款基于 MEMS 的先進微型揚聲器，并在 CES 上進行了演示（圖 2）。

微型揚聲器使用 STM 的薄膜壓電換能器 (PεTra) 技術(shù)和 USound 的揚聲器設(shè)計專利概念。這些設(shè)備消除了對機電驅(qū)動器的需求及其相關(guān)的尺寸和低效率，該驅(qū)動器的大部分能量都用于線圈中的熱量產(chǎn)生。

相反，微型揚聲器使用硅 MEMS，預(yù)計將成為世界上最薄的揚聲器，重量只有傳統(tǒng)揚聲器的一半。設(shè)計應(yīng)用包括耳機、耳罩式耳機或增強現(xiàn)實和虛擬現(xiàn)實 (AR/VR) 頭飾。伴隨小尺寸而來的是更低的功率和可忽略的熱量（參見圖 2）。

然而，小尺寸不可避免地要在聲壓級上進行權(quán)衡，因此 STMicroelectronics 提供了 MEMS 揚聲器與參考平衡電樞揚聲器相比的圖表，顯示出 1 kHz 的平坦響應(yīng)（圖 3）。

圖 3：USound 的微型揚聲器 (Moon) 使用 STMicroelectronic 的薄膜壓電換能器 (PεTra) 技術(shù)生產(chǎn) MEMS 揚聲器，其平坦的 SPL 響應(yīng)高達 1 kHz。BA = 平衡電樞。

Chirp 用傳感器制造傳感器設(shè)計人員可以通過多種方式將接近和運動感應(yīng)融入其物聯(lián)網(wǎng)設(shè)計，用于存在感應(yīng)或用戶界面，或兩者兼而有之。多年來，超聲波一直是一種選擇，聲納就是一個很好的例子。然而，Chirp Microsystems 已經(jīng)通過其 CH-101 和 CH-201 超聲波傳感器將基于聲波的傳感應(yīng)用于物聯(lián)網(wǎng)。

利用 180° 超聲波的廣泛分散，傳感器使用揚聲器（換能器）產(chǎn)生超聲波，然后計算返回麥克風(fēng)拾音器（傳感器）所需的時間以確定范圍。除了寬色散之外，超聲波的優(yōu)點還在于它是低功耗（等待模式下為 15 μW）、低成本，并且可以分辨率低至 1 mm。

除了感應(yīng)范圍和接近度之外，設(shè)計人員還可以利用 Chirp 正在申請專利的基于機器學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)算法的手勢分類庫 (GCL) 開發(fā)基于手勢的物聯(lián)網(wǎng)設(shè)備接口。然而，對于手勢感應(yīng)，至少需要三個傳感器，以及帶有三邊測量算法的 Chirp 集成電路，以確定手在 3D 空間中的位置、方向和速度。

手勢、存在、范圍和運動感應(yīng)與低成本、低功耗、小尺寸（3.5 x 3.5 mm，包括處理器）、簡單的 I 2 C 串行輸出以及所有工作電壓為 1.8 V 的組合。

激光雷達和攝像頭的傳感器融合不久前，有人認為光探測和測距 (LiDAR) 是自動駕駛汽車的未來發(fā)展方向。最近，很明顯，盡管 LiDAR 取得了顯著進步，但安全要求要求使用多種技術(shù)來實現(xiàn)高速準(zhǔn)確和智能的環(huán)境傳感?？紤]到這一點，AEye 開發(fā)了其智能探測和測距 (iDAR) 技術(shù)。

作為增強型 LiDAR 的一種形式，iDAR 將 2D 并置的攝像頭像素疊加到 3D 體素上，然后使用其專有軟件逐幀分析兩者。這通過使用相機覆蓋來檢測顏色和標(biāo)志等特征，克服了 LiDAR 的視力限制。然后它可以專注于感興趣的對象（圖 4）。

圖 4：AEye 的 iDAR 技術(shù)將 2D 攝像頭像素疊加在 LiDAR 的 3D 體素上，因此可以識別特別感興趣的物體并將其帶到前臺。

雖然 AEye 的技術(shù)是數(shù)據(jù)和處理密集型的，但它確實允許動態(tài)分配資源，以根據(jù)速度和位置等參數(shù)定制數(shù)據(jù)收集和分析。

將傳感器與 AI 和霧計算融合根據(jù) Bosch Sensortec 的 Gemelli 所說，下一步是重新思考傳感器的設(shè)計和應(yīng)用方式。與其從頭開始設(shè)計傳感器及其相關(guān)算法，Gemelli 建議現(xiàn)在是時候開始應(yīng)用 AI 技術(shù)，根據(jù)對采集數(shù)據(jù)和應(yīng)用程序的分析，自動生成新算法供傳感器使用。例如，一套不同的傳感器可能很好地執(zhí)行特定功能，但通過人工智能監(jiān)控，這些傳感器可能會被用來跟蹤它們從未打算使用的參數(shù)，或者它們也可以更有效地使用。

Gemelli 說，這個概念正在獲得關(guān)注。它還與霧計算架構(gòu)相吻合，其目標(biāo)是最大限度地減少必須在傳感器和云之間傳遞的數(shù)據(jù)量。相反，通過應(yīng)用人工智能，隨著時間的推移，傳感器本身可以完成更多處理，僅在需要時使用更大的網(wǎng)絡(luò)和云。

審核編輯 黃昊宇