自带AI机器学习的MEMS解析

自带AI功能的新一代传感器

无论是5G还是IoT以及热度不减的智能驾驶都在要求MEMS传感器能够功耗更低，性能更高。ST通过运用人工智能的机器学习技术研发出了最新一代的传感器，可提高系统整体性能，释放开发人员设计潜力。

近日ST宣布研发出了可机器学习的LSM6DSOX 传感器，LSM6DSOX 传感器内部集成一个机器学习内核，可根据已知运动模式对运动数据进行分类处理，接替主处理器处理运动跟踪的第一阶段任务，这种方法可以节能降耗，加快健身记录、健康监测、个人导航、跌倒检测应用等运动类应用程序的运行速度。

配备意法半导体LSM6DSOX的设备可以为用户带来便利、响应迅速的“永远开启”的使用体验，且对电池续航时间没有太大影响。LSM6DSOX相对于传统传感器相比，增添了更大的FIFO内存空间，并配备最先进的高速I3C数字接口，使得传感器与主控制器的交互间隔更长，连接时间更短，节能省电效果更好。

l 该传感器易于集成到主流移动平台（例如：Android和iOS）上，可简化消费、医疗和工业智能设备使用流程。LSM6DSOX包含一个3D MEMS加速度计和3D MEMS陀螺仪，并使用机器学习内核跟踪复杂的运动，具备市场上功耗最低的惯性测量单元 （双模高性能功耗0.55 mA ），传感器硬件运行机器学习算法节能10到1000倍（相对于应用处理器方法）。

l 机器学习内核与传感器集成的有限状态机逻辑（finite-state machine logic）协同工作，执行运动模式识别或振动检测功能。使用LSM6DSOX创建运动跟踪产品，可以用开源PC应用程序Weka，或者云端神经网络对机器学习内核进行决策树分类培训，从样本数据生成设置参数和限值，例如，用于表征被检测运动类型的加速度、速度和磁倾角。

l 因为支持自由落体检测、唤醒、6D/4D方向检测、单击和双击中断，LSM6DSOX可用于运动跟踪外的其它的多种应用，例如，用户界面管理和笔记本电脑保护。辅助输出和配置选项还简化其光学防抖（OIS）应用。

为什么将人工智能加入到MEMS传感器中？

人工智能解决方案可提高检测能力20%，50%识别速度，而且设置简便，只需5个步骤：

1. 用户定义要识别的类

2. 为每个类采集日志数据

3. 定义与要识别类的最匹配的特征

4. 机器学习工具根据这些日志和特征生成可在LSM6DSOX上运行的决策

5. 配置LSM6DSOX，然后运行程序

就这么简单！

ST：20年MEMS发展历史，用实力说话

一张图感受下，ST MEMS的20年发展历史：

MEMS最初设计是用于工业设备和汽车用品的，随着时间的推移，ST已经有了较完善的传感器供应，MEMS 主要分为两部分：一部分是传感器，就是我们耳熟能详的加速度、陀螺仪;另一部分是致动器，这也是MEMS的重要组成部分。ST作为一个IDM的半导体公司，拥有完整的研发生产，虽然这两项原理是正反的关系，但在真正的设计和工艺上，是可以复用的。

2005 年ST首个3轴加速度计研发成功，2008年iOS平台获奖产品被手机广泛采用，2014

年更是应对强大的市场目标：对Android提供了友好支持。

ST的压力传感器运用自己独有技术可实现最高性能，在高压力条件下，线性良好;在量程范围内，灵敏度更高。ST采用独有的一次成型的封装技术，经过市场检验的封装技术，出货量超过3亿片。

ST的MEMS传感器系列繁多，在工业4.0、高端工业和智能驾驶领域都有专门的MEMS传感器。同时有完整的MEMS软件解决方案，从驱动程序到软件开发工具，包括底层驱动程序、X-CUBE-MEMS-XT1、软件库和AlgoBuilder工具。