在不需要連續觀測的應用中，平均功耗與噪聲的關系變得更有意義。或許令人難以置信，但噪聲和功耗的關系甚至可能變成互補式。這對工程師來說無疑是個好消息。因為在之前的設計中，工程師可能因難以確定該讓功耗還是性能主導其設計而延誤了時機。而現在，無需等待其他人在這一權衡中做出決定，智能傳感器架構師可自行對權衡范圍內的相關選項進行量化；這一做法將重新定義架構師的工作。

組成智能傳感器架構的5個部分，你都造嗎？圖1是智能傳感器架構的一般例子，其中包含了最常見的功能。

核心傳感器

智能傳感器節點中的信號鏈從核心傳感器功能開始。最基本形式的核心傳感器也稱為變換器，其將物理條件或屬性轉換成代表性的電信號。傳感器的比例因子描述其電響應與其監控的物理屬性或條件的線性關系。

濾波器

濾波器的作用是降低核心傳感器可能支持，但與應用無關的頻段中的噪聲。在振動監控應用中，這可能是一個帶通濾波器，它將隨機振動與可能指示機器壽命減損的特定頻譜特征分離開來。在傾斜傳感器中，這可能是一個簡單的低通濾波器，例如移動平均濾波器。這種情況下，時長是建立時間與濾波器輸出殘余噪聲之間的一個重要權衡因素。圖2顯示了ADXL355艾倫方差曲線的例子，它表示相對于產生測量的均值時間，測量的不確定性（噪聲）。

圖2. 艾倫方差曲線：ADXL355和ADXL362

校準

校準功能的作用是通過應用校正公式來提高測量精度。在要求極高的應用中，通常是在嚴格受控條件下進行測量，通過直接觀測傳感器響應來獲得此類校正公式。例如在傾斜傳感器應用中，校準過程涉及到觀測MEMS加速度計在多個不同方向上相對于重力的輸出。這種觀測的一般目標是觀測傳感器對足夠多取向的響應，從而求解如下關系式（參見方程1）中所有12個校正系數（m11、m12、m13、m21、m22、m23、m31、m32、m33、bx、by、bz）：

數據處理

?

數據處理功能用于將校準且濾波的傳感器數據轉換成適當的測量結果以對應用提供最佳支持。在振動監控系統中，這可能是簡單的RMS-DC轉換或帶頻譜報警的快速傅里葉變換（FFT）。在傾斜檢測應用中，智能傳感器會利用如下將傳感器對重力的加速度響應轉換成方位角估計值。

這三個關系式分別代表使用一個、兩個和三個加速度計測量結果的傾斜估計，假設各加速度計完全正交。