????????

傳感器為什么需要智能？這是一個很好的問題！設(shè)想一下，MEMS傳感器可以測量如加速度、角速度、壓力、溫度和濕度等物理量并轉(zhuǎn)化為數(shù)字信號，但如果我們的傳感器只能簡單地采集和傳遞數(shù)據(jù)，那它就像一個靜默的觀察者、被動的上報者，無法主動參與到系統(tǒng)中。

然而，當我們賦予傳感器智能時，在算法的加持下，它可以主動地在器件上基于所采集的數(shù)據(jù)進行融合、分類和預測，從而更加智能地應對各種情況，協(xié)助決策，優(yōu)化產(chǎn)品。

ST作為在MEMS傳感器和執(zhí)行器領(lǐng)域擁有豐富經(jīng)驗和成熟專業(yè)知識的公司，其傳感器產(chǎn)品是怎么一步步走向智能之路的呢？

上圖是ST的傳感器智慧功能路線圖。最早我們推出基于MLC（Machine Learning Core，機器學習核心）跟FSM（Finite States Machine，有限狀態(tài)機）的1.0版本的智慧功能 — ST所有帶嵌入式MLC功能的MEMS產(chǎn)品，在產(chǎn)品編號末尾均帶有X標記，方便工程師進行識別。在消費級應用上，我們有LSM6DSOX — 針對手機穿戴設(shè)備光學防抖應用的器件；LSM6DSRX — 針對虛擬現(xiàn)實跟正常現(xiàn)實無人機應用的器件。工業(yè)級應用上我們有ISM330DHCX以及傾角儀IIS2ICLX。

ST MEMS傳感器內(nèi)置的機器學習核心（MLC）基于決策樹分類器，可以在傳感器中以極低的功耗執(zhí)行程序化決策樹，檢測運動數(shù)據(jù)的同時運行不同任務(wù)。具體的機器學習模型設(shè)計過程可以參考之前的推文《AI技術(shù)專題之二：機器學習模型設(shè)計過程和MEMS MLC》或《DT0139設(shè)計建議：決策樹生成》

MLC與FSM有什么差別？

MLC主要用于活動跟蹤，即在做一些周期性長時間的運動時，對活動場景進行檢測，例如檢測人是在走路、跑步、騎車還是乘車；FSM則主要針對短時間一次性動作的手勢或姿態(tài)識別。

MLC與FSM兩者的差異包括：
1）輸入數(shù)據(jù)源差異 — MLC的輸入數(shù)據(jù)源是非原始數(shù)據(jù)，而是基于原始數(shù)據(jù)進行標記并計算的特征值。而FSM基于原始的加速度或陀螺儀的樣本數(shù)據(jù)。
2）邏輯方面的差異 — MLC基于機器學習決策樹的邏輯；而FSM基于閥值/計時器的事件觸發(fā)器的邏輯，進行判斷和比較。
3）輸出方面的差異 — MLC基于決策樹邏輯進行模式匹配，再輸出不同的分類結(jié)果；FSM則是基于命令和條件進行判斷，再輸出事件檢測的結(jié)果。

進入MLC和FSM 2.0階段后，以LSM6DSV16X/LSM6DSV16BX/LIS2DUX12為代表的器件引入2.0功能并集成了SFLP低功耗融合算法。

SFLP（Sensor Fusion Low Power）是6軸低功耗傳感器融合的縮寫。ST 6DSV系列IMU中均配置了SFLP功能。

其主要特點包括：
1）基于加速度及陀螺儀數(shù)據(jù)進行融合的算法，可以輸出游戲旋轉(zhuǎn)矢量，相當于表現(xiàn)在空間姿態(tài)的一個四元數(shù)。這個四元數(shù)也可通過一個算法轉(zhuǎn)換成歐拉角，展現(xiàn)成空間姿態(tài)，即從A點移動到B點時，在空間中的運動軌跡。同時這個數(shù)據(jù)還可以保存在FIFO中。
2）可以輸出重力矢量，用來表示重力方向的三維向量。
3）可以提供陀螺儀的bias，相當于陀螺儀一個零偏支持靜態(tài)校準。同時也集成動態(tài)零偏校準算法，實時計算陀螺儀的零偏，減少積分誤差。

SFLP低功耗傳感器融合在消費電子領(lǐng)域有廣泛的應用場景；例如游戲手柄、賽車、AR/VR/MR的游戲裝備空間姿態(tài)檢測；在可穿戴領(lǐng)域，如手表中的運動實時檢測和手勢識別、耳機TWS的3D空間音效，即當用戶移動頭部時，音頻能夠跟隨頭部運動播放；在手機導航和無人機中，也可以使用SFLP進行3D空間姿態(tài)檢測。畢竟，SFLP具有卓越的性能 — 不僅可以輸出6軸游戲旋轉(zhuǎn)矢量，而且無論靜止精度、低動態(tài)精度還是高動態(tài)精度都非常高。校準時間即達到穩(wěn)定狀態(tài)所需要的校準時間僅為0.8秒，姿態(tài)穩(wěn)定時間為0.7秒。功耗方面，在15Hz下僅需3.5μA，120Hz時功耗也只有28μA。

為了方便開發(fā)者使用，我們在GitHub上提供了詳細的參考代碼。通過參考代碼，開發(fā)者可以了解如何實現(xiàn)軟件復位，配置加速度陀螺儀量程和ODR，配置FIFO buffer觸發(fā)中斷，設(shè)置SFLP數(shù)據(jù)保存到FIFO中，配置FIFO模式，設(shè)置FIFO為stream模式，使能sensor及SFLP算，設(shè)置Gbias，陀螺儀零偏動態(tài)獲取，提高算法的精準度等等細節(jié)。

基于專業(yè)的MEMS評估母板加上適用于各種工業(yè)級、消費級、汽車級傳感器的適配板，然后連接電腦，進入Unico-GUI功能界面，通過搜索選擇傳感器，點擊Fusion功能，然后您就可以看見下面視頻中的茶壺會跟隨板子的移動進行旋轉(zhuǎn)或者說空中姿態(tài)檢測。