作者：Patrick Mannion，特約編輯

作為物理世界和數字世界之間的接口，傳感器和換能器已經從技術死水轉移到汽車安全、安保、醫療保健、物聯網 (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生了革命性變化，同時引發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用于類似霧計算的架構中的算法。

許多這些創新背后的驅動力是物聯網的小型化和低功耗要求，包括智能消費設備、可穿戴設備和工業物聯網 (IIoT)、高級駕駛輔助系統 (ADAS) 以及圍繞自動駕駛汽車、無人機、安全性的興奮系統、機器人技術和環境監測，僅舉幾例。總而言之，MarketsandMarkets 預計智能傳感器市場（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，對應的復合年增長率為 18.1%。

他們背后的許多傳感器和創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在可用和即將到來的東西。在展會上，Bosch Sensortec (BST) 直擊設計人員現在需要的核心：用于可穿戴設備和物聯網的低功耗加速度計，以及用于無人機和機器人的高性能慣性測量單元。

BST 的兩種設備均基于微機電系統 (MEMS)，該技術自 1990 年代首次用于安全氣囊以來已經取得了長足的進步。從那時起，它至少經歷了兩個以上的發展階段，迅速進入消費電子和游戲、智能手機，現在該行業處于物聯網階段。這就是 BST 全球業務發展總監 Marcellino Gemelli 所說的“第三波浪潮”。

Gemelli 和他的團隊在 CES 上展示的兩款設備針對的是第三波浪潮。BMA400 加速度計與以前的設備具有相同的 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 創新獎。

根據 Gemelli 的說法，BMA400 設計團隊從頭開始設計該設備，目標是降低功耗，為此，它需要考慮實際應用。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的計步器和運動感應來說是不需要的。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 ASIC 設計的其他更多專有更改，BMA400 現在在事件發生時向主機微控制器 (MCU) 發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網 MEMS 設備是 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設計，它具有抑制、過濾和抑制系統振動的能力。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 Gemelli 的說法，BMI088 設計團隊首先通過使用不同的膠水配方將 MEMS 傳感器設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構和運行在 ASIC 上用于理解信號的軟件。

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

MEMS 揚聲器出現雖然傳感器作為物聯網的數據收集工具備受關注，但傳感器并未成為人們關注的焦點。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) 技術和 USound 的揚聲器設計專利概念。這些設備消除了對機電驅動器的需求及其相關的尺寸和低效率，該驅動器的大部分能量都用于線圈中的熱量產生。

相反，微型揚聲器使用硅 MEMS，預計將成為世界上最薄的揚聲器，重量只有傳統揚聲器的一半。設計應用包括耳機、耳罩式耳機或增強現實和虛擬現實 (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（圖 3）。

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

Chirp 用傳感器制造傳感器設計人員可以通過多種方式將接近和運動感應融入其物聯網設計，用于存在感應或用戶界面，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 已經通過其 CH-101 和 CH-201 超聲波傳感器將基于聲波的傳感應用于物聯網。

利用 180° 超聲波的廣泛分散，傳感器使用揚聲器（換能器）產生超聲波，然后計算返回麥克風拾音器（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。

除了感應范圍和接近度之外，設計人員還可以利用 Chirp 正在申請專利的基于機器學習和神經網絡算法的手勢分類庫 (GCL) 開發基于手勢的物聯網設備接口。然而，對于手勢感應，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來實現高速準確和智能的環境傳感。考慮到這一點，AEye 開發了其智能探測和測距 (iDAR) 技術。

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 的技術是數據和處理密集型的，但它確實允許動態分配資源，以根據速度和位置等參數定制數據收集和分析。

將傳感器與 AI 和霧計算融合根據 Bosch Sensortec 的 Gemelli 所說，下一步是重新思考傳感器的設計和應用方式。與其從頭開始設計傳感器及其相關算法，Gemelli 建議現在是時候開始應用 AI 技術，根據對采集數據和應用程序的分析，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行特定功能，但通過人工智能監控，這些傳感器可能會被用來跟蹤它們從未打算使用的參數，或者它們也可以更有效地使用。

Gemelli 說，這個概念正在獲得關注。它還與霧計算架構相吻合，其目標是最大限度地減少必須在傳感器和云之間傳遞的數據量。相反，通過應用人工智能，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絡和云。

審核編輯 黃昊宇