???????? 感謝各位電子愛好者與行業(yè)伙伴們對ST板卡評測系列活動的持續(xù)關注！該系列活動通過ST中文論壇板卡申請用戶對各類板卡的真實體驗和評測文章分享，從多個維度、全方位深入剖析ST相關產(chǎn)品的性能表現(xiàn)與實際應用場景，為用戶了解和選用板卡提供極具實用價值的參考。

LSM6DSV320X+MEMS主板開發(fā)平臺STEVAL-MKI109D的板卡評測活動推出后，廣大網(wǎng)友踴躍參與，涌現(xiàn)出很多優(yōu)秀的評測投稿。本期為大家分享論壇網(wǎng)友BinWin的精彩評測內容。

LSM6DSV320X+MEMS主板開發(fā)平臺STEVAL-MKI109D及其核心功能、應用場景、技術亮點及評測方向已在前期活動招募文中詳細說明，想快速了解細節(jié)的朋友，可回顧板卡評測｜免費申請微型AI傳感器LSM6DSV320X，解鎖高精度運動跟蹤新體驗一文，這里不再贅述。本期我們聚焦論壇網(wǎng)友BinWin的實測體驗。他進行了雙加速度計的協(xié)同非精確精度測試，并使用MEMS Studio體驗了傳感器融合效果（加速度計+陀螺儀），還通過有限狀態(tài)機FSM與ASC功能結合實現(xiàn)自動低功耗，最后完成了基于MLC機器學習的6D位置識別和振動強度檢測。

BinWin的評測內容

開箱體驗

ST又一新品力作，LSM6DSV320X傳感器，并且得到STEVAL-MKI109D主板的支持，使用配套的上位機可以實現(xiàn)豐富的產(chǎn)品體驗和開發(fā)輔助。本文主要在不詳細閱讀用戶手冊的情況下進行一番盲操。

首先要觀賞一下硬件，可以稱為是數(shù)據(jù)采集板。該板卡一眼就看到H5系列的核心，剩下基本都是電源控制類電路。

背面的原件同樣密集。

主角便是下面的傳感器，14pin LGA封裝。支持I2C、SPI，也支持現(xiàn)代I3C。

傳感器連接到采集板如下，兩側單排針，對插比較緊，小心操作。

硬件準備好了，連接到電腦，可以識別到一個串口，根據(jù)經(jīng)驗判斷，基本就是串口傳輸數(shù)據(jù)了，波特率應該支持比較高以兼容高采樣率的傳感器數(shù)據(jù)。

另一個主角便是MEMS上位機軟件，看下官網(wǎng)宣傳。

直接下載安裝打開連接主板。沒想到提示固件有更新，這個沒有任何疑慮，直接更新使用。因為沒有連接調試器，需要以DFU模式更新，但不清楚是哪個按鍵。那就稍微耐心一下，看了看原理圖，使用BT2進入DFU。

更新起來是很快的，幾秒鐘。

初略操作了下：Sensor Evaluation-->Easy Configuration--->Line Charts/FFT體驗了下震動檢測。模擬方式就是手指和傳感器主板在同一桌面，手指輕敲桌面。

首先看實時數(shù)據(jù)曲線。

▲點擊圖片，觀看視頻

然后是通過FFT之后的數(shù)據(jù)展示，同樣直觀。

▲點擊圖片，觀看視頻

雙加速度計的協(xié)同非精確精度測試

LSM6DSV320X的一大特色就是擁有兩個量程的加速度計，可以獨立運行和同時工作。16g小量程可以對傾斜、輕微振動等小信號明顯感知，而320g大量程的加速度計面對跌落、汽車碰撞的場景可以避免信號飽和丟失。既是兩個傳感器且可以同時工作，一定有重疊的測量區(qū)間的，這里就針對協(xié)同工作的測量作一下測試對比。

首先選取各自最小的刻度，可從MEMS上位機簡單操作完成。

然后運行傳感器，并讀取一段時間的數(shù)據(jù)，第一是為了觀察傳感器的0讀數(shù)，第二也是為了記錄非0情況下的初始值。可以看到出廠的初始讀數(shù)如下波形。

低g傳感器基本滿足Z軸1g，XY軸約為0，這里不做校準，記錄數(shù)據(jù)區(qū)平均作為初始值。高g傳感器量程很大，相對于低g傳感器的零偏會大些。同樣的，取一段時間的數(shù)據(jù)使用其平均值。如下已經(jīng)取得。

對低g傳感器而言，手指敲擊桌面即可。要高g同時能夠采集到較明顯的數(shù)據(jù)，就要用點力，拍桌子。以下就是拍桌子的波形數(shù)據(jù)。

因為上位機這個波形控件可以任意縮放和調整刻度，因此將采集到的沖擊調整到合適的程度以便觀察。同時也存儲了原始讀數(shù)，使用excel取得最值。MEMS Studio軟件還可以選中任意時刻數(shù)據(jù)添加標簽，標簽內會顯示xyz的數(shù)值、時刻以及detail值。以下就是對比標簽和excel的結果。

計算兩個傳感器的變化量：低g=819.0308 高g=826.5144。兩者可見誤差不大，假設低g是準確的，那么高g相對誤差約7mg，差不多就是32g量程下的7個LSB，其實是很小了。畢竟高g也不是面對小信號場景的。

接下來改變兩者的測量范圍，全部設置為最大刻度。再次使用拍桌子方法取得如下波形。

有了上位機的使用經(jīng)驗，肉眼可見的最值，直接添加標簽獲取即可。此時再相對初始值計算結果。

低g=719.0308，高g=886.5144。仍然假設低g的標準，那么高g的誤差達到了167.4836mg。不過不能忘了此時的高測量范圍是320g，那么該誤差只達到了0.05%。對于其使用場景也是很小的一個誤差了。

以上測試，可以看出對于同一個信號源，兩者對峰值的抓取是完全同步的，只是幅值有些微差異。因為各自針對的應用場景差異，精度其實都是很夠用了。另外，本次測量沒有關注陀螺儀，但傳感器不僅支持雙加速度計同時工作，還可以同時取得傾斜角以及環(huán)境溫度的數(shù)據(jù)，一芯多能。還得提一嘴，上位機也不錯哦。

使用MEMS Studio體驗傳感器融合效果 （加速度計+陀螺儀）

看到MEMS Studio軟件的Quick Setup菜單內可選sensor fusion mode，所以體驗一下游戲效果。

使用方法：

然后進入3D Model菜單內就可以了。在沒有融合傳感器數(shù)據(jù)時，只有兩個模型可選。

一個是茶壺，一個是推土機。

開啟傳感器融合輸出后，多了兩個選項，人頭和Nucleo板模型。

接下來跟隨視頻來體驗一下大鏟Car和人頭吧。

▲點擊圖片，觀看視頻

有限狀態(tài)機FSM與ASC功能結合 實現(xiàn)自動低功耗

MEMS傳感器應該都有低功耗特性，LSM6DSV320X的低功耗是可以結合內部FSM或者MLC的，更加智能一些。FSM的簡單理解就是內部的一個邏輯塊，可以簡單的處理一些條件判斷并執(zhí)行一些指令，能夠代替主機的操作，對項目整體的功耗是很有用的。

看了官方的應用手冊，決定試試里面的demo。由處于低功耗的低g加速度采集數(shù)據(jù)，狀態(tài)機根據(jù)設定的閾值和時間切換到高性能或者重新回到低功耗。示例如下：

這顆傳感器的寄存器著實不少，看了個似懂非懂，然后利用MEMS Studio軟件參照示例做了還原。如下：

完成到這里還不行，這個界面可以直接把設計寫到寄存器，但是還不能達到效果。需要在FUNC_CFG_ACCESS寄存器中使能ASC功能。只有一個BIT值1就行了。

然后就可以打開Chart界面進行觀察了。測試方法就是晃動傳感器使加速計產(chǎn)生一個大的g值就可以觸發(fā)狀態(tài)機的條件了。采集板用完整的電源控制電路，可設置電壓也可以測試到電流。實際讀取到的在低功耗模式下的電流只有11uA。

在進入高性能模式后可以達到670uA，差別還是比較大的。

因為低功耗時把陀螺儀關掉了，所以在Line Charts上也可以看出來。陀螺儀為0且不在更新的時候就是關閉了，如圖：

簡單拍了下，有視頻有真相。傳感器功能太豐富，還有很多可探索的。

▲點擊圖片，觀看視頻

基于MLC機器學習的6D位置識別 和振動強度檢測

對于LSM6DSV320X的MLC機器學習應用手冊有做解釋，即是通過決策樹的邏輯獲得。決策樹顧名思義就是樹狀的呈擴散狀的邏輯塊，用書面講就是一系列可配置的節(jié)點，每個節(jié)點是一個if else結構，傳感器原始數(shù)據(jù)經(jīng)統(tǒng)計學計算后與設定的閾值進行比較，繼而到達最后一個節(jié)點，就輸出了結果。決策樹結果可從寄存器實時讀取，這也是使用MEMS Studio上位機能夠方便測試的條件。

一般的場景，比如移動設備活動的識別、腕部翻轉、靜止/活動以及單擊雙擊等都是可以不用輸入大量數(shù)據(jù)訓練就可以使用的，這也是傳感器智能的體現(xiàn)，減少一些簡單的但卻需要主控設備來計算和判斷的算法。比如接下來要體驗的6D位置識別，通過配置寄存器就可以了。

將加速度計配置為最小刻度2g，低輸出數(shù)據(jù)速率。大約18個樣本為一個窗口，計算特征參數(shù)，然后輸入決策樹給出最后判斷。

可以使用上位機獨立打開Line Charts界面和MLC Monitor界面進行測試和觀察。

通過Line Charts可以清楚的看到每個軸上進行翻轉的波形，計算均值包括有符號和無符號以支持180的翻轉識別。

▲點擊圖片，觀看視頻

基于以上的應用，那么可以配置為振動檢測，根據(jù)振動強度就可以作為設備健康監(jiān)測的一個重要參數(shù)，來實際體驗下。導入官方的例程，同樣保持圖形界面的獨立觀測。

晃動demo板，嘗試不同幅度不同方向的移動，頻率或高或低，均識別到了變化。幅度大小產(chǎn)生強度等級的差別。

結合視頻可以發(fā)現(xiàn)MLC的邏輯樹已經(jīng)是一個比較好的模型了，輸入數(shù)據(jù)的識別成功率很高，這是可靠度的重要評估點。

▲點擊圖片，觀看視頻

以上體驗了基于MLC的傳感器特征識別，操作下來基本都能夠正確識別模擬數(shù)據(jù)。官方找到的傳感器資料包很不錯，有例程和基本教程，對于深入研究內置的FSM和MCL是很有幫助的。相關資料包請在ST中文論壇獲取。

ST工程師總結：

感謝BinWin工程師對LSM6DSV320X+STEVAL-MKI109D開發(fā)平臺詳細和用心的評測分享；從雙加速度計的對比測試，到傳感器融合、低功耗管理，再到機器學習功能，都做了深入的實測和分析。特別是對高低量程加速度計誤差的細致觀察，以及FSM自動切換功耗模式的驗證，展現(xiàn)了ST這款芯片的強大和靈活性。對MEMS Studio軟件的操作體驗分享也很實用，給其他工程師提供了很好的參考。整體評測內容既專業(yè)又接地氣，非常感謝您的分享，期待您帶來更多精彩的技術體驗！