传感器融合技术&机器学习可模仿人脑思考
扫描二维码
随时随地手机看文章
自从传感器(sensor)及传感器融合(sensor fusion)技术被广泛运用在手机等电子产品后,大幅提升消费者使用体验。目前随着用户对装置侦测环境的要求不断提高,传感器被赋予的任务也更加复杂,许多厂商也于是开始开发产品,来满足消费者需求。
据Electronics360网站报导,MEMS Industry Group(MIG)策略长表示,由于单一传感器只能提供有限数据,若将多种传感器结合,将可获得更全面的体验。
分析师也指出,传感器融合技术目前已大幅提升,但仍属于开发初期阶段,而且随着物联网(IoT)、移动及穿戴式技术成熟,电子装置设计师也打算将传感器融合进一步发扬光大,于是新的挑战开始出现。
首先便是融入更多感知功能。一般人谈到加速计或陀螺仪等动作传感器时,都会想到传感器融合技术,但若将后者视为管理所有感测结果的软体,其可发挥的功用将更多元。
Audience公司商业开发主管指出,目前湿度、光线、光学距离、超音波与气体等传感器或多光谱摄影机(multispectral camera)都已出现,开发人员必须先了解其所提供的讯息为何,以及思考如何将其转换为有价值的资讯。
目前传感器融合技术在智能家庭与工业应用程式最有趣的应用例子,便是存在侦测(presence detection),也就是能正确判断用户是否正走向装置并能自动启动回应。
另外,微控制器大厂Atmel资深副总表示,从单纯功能角度来看,语音唤醒、情境感知(context awareness)与位置相关的功能也开始越加重要。
除了应付其他新的传感器外,开发人员也必须在降低耗能与让装置随时待命之间取得平衡,以便满足消费者希望装置能侦测环境的要求。对此,设计人员则开始以多处理器整合,来解决这项难题。
目前为了让装置功耗更具效率,系统开发人员必须限制显示器、应用处理器、无线及GPS执行的时间,只让特殊传感器维持随时运作状态,例如可透过传感器中枢处理传感器数据。甚至部分系统开发人员更进一步增加中央处理器(CPU)来处理特定种类传感器数据。
InvenSense产品行销主管指出,缩短数据处理的流程将代表越节省电力消耗,这也是最具功耗效率的架构。举例像是InvenSense的ICM-30630,该产品包括1个ARM Cortex-M0微控制器与低功耗DMP3及DMP4数位运动处理(Digital Motion Processor),DMP3可卸载所有动作处理任务,DMP4则卸载运算密集的任务。
由于ICM-30630可透过即时作业系统执行感测管理工作,并支援处理内来自6轴陀螺仪、加速计与外部传感器的数据,因此,可保持随时运作状态并可提供客户客制软体功能。
另外,Audience推出的N100多传感器处理器则结合MotionQ与VoiceQ技术。其中MotionQ设计在低功耗动作处理器MQQ100旁边,可执行手势与情境感知功能。
VoiceQ则包括eS700系列处理器与随时侦测语音的侦测器,一旦侦测到语音,便开始进行比对及准备启动,而过程中,除N100处理器与数位麦克风外,所有元件都保持在睡眠状态。
随着开发人员将传感器融合技术优点与机器学习结合,可开发出模仿人脑思考模式的功能,并让传感器融合技术逐步改变。飞思卡尔(Freescale Semiconductor)日前也指出,传感器融合将可进一步开发出可侦测心理状态的传感器,进而开发出可观察情绪的服务。
飞思卡尔代表指出,随着传感器数据分析进步,将带动新一代智能装置及家电问世,而借由即时数据可提升业者效率,远端情绪运算则可提升用户介面使用体验。