意法半導體即將發布一系列具有更高的性能功耗比的新型傳感器。LSM6DSV16X是具有機器學習內核的MEMS慣性傳感器的最新成員,具有更高精確度和更低功耗。此外,Qvar靜電感測也首次集成于這類器件,能夠監測環境靜電電荷的變化。我們同時還發布了首款雙滿量程壓力傳感器:LPS22DF和LPS28DFW,功耗低至1.7 μA,絕對精度達到0.5 hPa;三軸加速度計LIS2DU12,功耗僅為0.45 μA。
LSM6DSV16X
便攜式設備呼喚更高效的慣性傳感器
盡管手機攝像頭的圖像質量在不斷提升,制造商仍面臨圖像穩定性方面的挑戰。許多人使用軟件來提高整體清晰度,但仍然無法達到物理圖像穩定器的效果。在手機攝像場景中,由慣性MEMS感應攝像頭的移動,同時圖像傳感器沿相反方向移動以進行補償。但智能手機的緊密外殼和能耗限制會給慣性MEMS的使用帶來挑戰。AR和VR頭戴式設備也需要效率更高的傳感器。在追蹤頭部或手部運動時,精度至關重要。精確且快速的傳感器可提供更真實的體驗,甚至能夠緩解VR暈動癥。但由于這些設備大部分采用電池供電,對能耗要求也越來越高。
在設計高能效慣性傳感器時,工程師遇到了實際的困難。為提高性能,工程師會嘗試使用濾波器和其他機制來降低信噪比,但這也增加了功耗。工程師需要在穩定性和電池壽命間做出取舍。此外,由于MEMS必須采用小封裝,工程師無法通過增大體積提高MEMS精度。
低功耗模式僅消耗0.65 mALSM6DSV16X借助其機械結構中的新型彈簧設計解決了這個問題。此外,意法半導體調整了放大器的增益,可在提高性能的同時保持低功耗。因此,LSM6DSV16X在高性能模式下(陀螺儀和加速度計功耗合計)僅消耗0.65 mA,相比之下,LSM6DSRX要消耗1.2 mA,盡管這兩種器件在低功耗模式下具有類似的噪聲水平。為智能手機開發光學圖像穩定器的工程師不再需要面對性能與功耗之間的矛盾。相比之下,競爭對手的器件在低功耗模式下的功耗至少是意法半導體的兩倍。
MLC運行速度提升2倍,支持自適應配置(ASC)
機器學習內核(MLC)是另一項有助于節能的特性。借助決策樹運行傳感器的信息,無需喚醒微控制器,從而顯著降低總功耗。LSM6DSV16X中MLC的運行速度是前代產品的兩倍,輸出數據率(ODR)提高到100 Hz～240 Hz。因此,工程師可在給定時間內處理更多數據,節省更多能量。
用戶也可使用16個有限狀態機(FSM),識別特定模式。此外,這個新器件支持自適應配置,使FSM能夠重新進行自我配置,而無需喚醒MCU。開發人員可對將觸發重新配置的各種條件和環境進行編程,實現更高的靈活性。最后,MLC和FSM均可以相互通知,實現更智能的應用,更準確地跟蹤物理活動,如檢測智能手機是否朝下放置等功能。
Qvar為人數統計等新應用開啟大門
LSM6DSV16X將Qvar引入了LSM6系列MEMS慣性傳感器。工程師只需連接兩個電極即可測量環境靜電荷的變化,并通過更改兩個寄存器來啟用此功能。Qvar為人數統計等新應用開啟了大門。工程師可將電極置于墻壁,來測量是否有人靠近,而無需使用LED和光電二極管。我們還編寫了相應的應用筆記,幫助設計人員開發演示模型。此外,意法半導體將在年底前提供更多使用案例。LSM6DSV16X通過Qvar與測試引腳之間的引腳共享機制,與LSM6DS系列的其他成員引腳兼容。
LPS22DF和LPS28DFW
水體感應的難題隨著可穿戴設備的廣泛應用,活動跟蹤功能成為標配,壓力傳感器必須適應更廣泛的物理場景。從爬山到游泳,傳感器必須能夠可靠地跟蹤用戶,提供其物理活動的準確信息。而其中的挑戰在于,爬山或爬樓梯與在泳池中游泳完全不同,因為水體會帶來不同的壓力。例如,潛入10米深的水中時會施加14.5 PSI的壓力,與海平面的大氣壓力相同。因此,壓力傳感器必須考慮到截然不同的物理條件,而不會產生過大的功耗。
高性能模式下僅耗電9.1 μA和7 μA
首款支持雙滿量程的壓力傳感器LPS22DF和LPS28DFW可幫助解決這個問題。它們可以檢測用戶是位于水上還是水下,并切換到相應的量程。LPS22DF最大支持1,260 hPa的壓力,而LPS28DFW則支持高達4000 hPa的壓力,兩者在高性能模式下消耗分別為9.1 μA和7 μA。相比之下,LPS22HB在1260 hPa的最大壓力下消耗12 μA。
LIS2DU12
LIS2DU12在性能與能耗之間實現了新的平衡。由于配備了新型LC濾波器和抗混疊濾波器,該產品比前代更加精確。LC濾波器可以過濾電氣噪聲,抗混疊濾波器可以防止采樣誤差,兩者均可大幅提高信號質量,而不會顯著增加功耗。上一代的LIS2DW12在低功耗模式下僅消耗380 nA,而更精確的新型LIS2DU12只消耗450 nA。相比之下,競爭對手的產品功耗往往在1 μA左右徘徊。
