报码 > 978tk.com > 正文

如何有效使用智能运动传感器进行运动跟踪?

发布时间 2019-09-11

  消费者对于健身跟踪器和其他个人移动设备具备“始终开启”运动跟踪功能的需求不断增长,在过去,这意味着设计人员需要在这些功能与寿命之间做出取舍。若是尝试降低功耗,势必会牺牲跟踪功能或分辨率,因而会使用户的体验受到影响。

  不过,随着内置运动检测功能的低功耗传感器的出现,将有助于开发人员消除这一设计局限性。

  本文将介绍并展示如何使用 STMicroelectronics 推出的智能运动传感器,该传感器集成了精密的运动处理功能,能提供更有效的解决方案来实现低功耗、始终开启的运动跟踪。

  在典型的低功耗移动系统设计中,主机微控制器在正常有源模式下所用功耗占系统总功耗的绝大部分。因此,开发人员会寻找一切机会让微控制器在低功耗休眠模式下运行,并将处理器的唤醒时间控制在仅仅足够让处理器完成传感器数据处理或通信等任务的程度内。

  多年来,开发人员一直通过使用可独立收集主机处理器数据的传感器实现这一目标。在对传感器输出数据速率要求不高的应用中,传感器可能会将一系列测量数据填入片载缓冲区,甚至执行直接存储器访问 (DMA) 事务以将数据传输到系统内存中,然后再发出中断信号唤醒处理器以使其完成处理任务。由于传感器的集成式信号链可以执行信号调节、转换和滤波,因此处理器可以立即开始处理经过预处理的数据,并寻找对于应用意义重大的事件。

  在这些传感器中集成了阈值检测功能之后,开发人员可以进一步延长处理器持续处于低功耗模式的时间。传感器不需要处理器识别重要事件,传感器仅在测得超出开发人员所设定阈值的事件时发出唤醒信号。例如,设计人员可以对这种高级温度传感器进行编程,让它只在测得的温度超过指定的最大阈值或低于指定的最小阈值时发出唤醒信号。

  这种降低功耗的方法对于比较简单的需求虽然有效,但用来检测更为复杂的事件时,它的效果却要大打折扣。再加上对始终开启感测的要求,检测这些复杂事件意味着处理器的有效占空比变得更高,这样会导致个人可穿戴设备中常用的容量相对较小的充电电池电量很快耗尽。因此,随着用户对始终开启检测和更长电池续航时间的需求越来越高,以往使用主机微控制器执行检测的这一做法变得难以为继。

  如果传感器能够执行更复杂的检测算法,那么开发人员就可以沿用目前的最佳实践,通过低功耗工作模式和处理器休眠状态来降低系统功耗。与此同时,这种更加智能的传感器还需要为开发人员提供高度灵活性。仅仅将几种特定的算法硬写到传感器中并不能满足人们对于更新颖、更出色产品特性的需求。STMicroelectronics 的 LSM6DSOX iNEMO (LSM6DSOXTR) 惯性传感器可提供这一灵活性,还有内置在该器件内的多种信号处理功能和灵活计算能力。

  LSM6DSOX iNEMO 是一个系统级封装 (SiP),在一个接点栅格阵列 (LGA) 封装中整合了微机电系统 (MEMS) 传感器、专用的信号链、滤波器和专用的计算引擎,体积仅为 2.5 x 3.0 x 0.83 mm。该器件还具有内置的三轴加速计和三轴数字陀螺仪 MEMS 传感器,因此可以将其配置为一个传感器中枢,用来通过专用的中枢寄存器单独安排最多四个外部传感器的运行。

  LSM6DSOX 采用与以前的 STMicroelectronics LSM6DSO 相同的架构,可提供早期器件的所有功能和特性(请参阅“IMU:通过板载机器学习让主机休眠”)。不过,LSM6DSOX 让 STMicroelectronics 在早期的器件中提供的有限状态机 (FSM) 具备了机器学习 (ML) 内核,可通过最多 8 个决策树对数据集进行分类。即使不激活 FSM 和 ML 内核能力,开发人员也可以实现高级运动检测能力,这要归功于用于预处理 MEMS 传感器数据的高级信号链。

  与很多高级传感器一样,LSM6DSOX 架构也具有多级信号链,可以将模数转换器ADC) 与多个滤波级组合在一起。陀螺仪信号链将 ADC 级与一系列可选择的数字滤波器(包括高通滤波器 (HPF)、低通滤波器 (LPF1) 和第二个低通滤波器 (LPF2))配合使用,这些数字滤波器在器件的高性能模式下运行,但在正常模式或低功耗模式下会被绕过(图 1)。

  由于很多集成式功能都需要加速计,因此在这种架构中显著增强了加速计信号链。它的初始级提供了大多数高级传感器都具备的基本信号调节和转换能力。例如,模拟抗混叠低通滤波器提供了基本信号调节能力,一个 16 位 ADC 会对调节信号进行数字化处理,并通过数字低通滤波器传输数字化的结果。该器件与其他器件的不同之处在于,它采用精密的复合滤波器块来跟踪此初始转换级(图 2)。

  通过将处理块与滤波器配合使用,加速计的复合滤波器部分能够自主检测多种迄今仍然要用处理器来唤醒和运行专用事件检测代码的那些复杂事件。而现在,开发人员可以对滤波器参数进行编程,以自动检测多种复杂运动事件并发出中断信号,这些事件包括单抽头或双抽头、自由落体、活动/非活动、六自由度 (6D) 方向或者通常用来检测器件运动的 4D 方向。例如,从纵向到横向模式。

  复合滤波器的高级检测器综合了来自处理块和滤波器的结果来执行检测。例如,单抽头检测功能采用内置的斜率滤波器,此滤波器会为当前的加速计样本 acc(tn) 连续生成斜率,如下所示:

  对于单抽头事件,相比更宽的冲击事件,斜率会升至某个阈值以上,然后快速回落(图 3)。使用开发人员设置的抽头阈值和冲击窗口持续时间值,器件可以自动检测单抽头事件,并向主机微控制器发出中断信号。

  双抽头检测功能在这种方法的基础上增加了另一个参数,以指定两个单抽头事件之间所需的等待时间。

  图 3:LSM6DSO 和 LSM6DSOX 运动传感器利用内置的斜率函数执行独立于主机的单抽头事件检测。此斜率函数表明,与宽冲击事件 (b) 的特征相比,单抽头 (a) 更快地回到基线水平。(图片来源:STMicroelectronics)

  该器件能够生成衍生数据(例如斜率),因此在集成式 FSM 和机器学习 (ML) 内核的更高级功能中发挥着核心作用。由于前面提到的文章中已经讨论了 FSM 功能,因此本文的其余部分将侧重于 LSM6DSOX 的 ML 内核及其如何检测复杂得多的运动事件,包括运动序列甚至复杂的健身活动,例如特定的锻炼。

  LSM6DSOX 的 ML 内核提供了基于传感器的处理,且其处理能力远远超过很多高级智能传感器中常用的参数化阈值设置。使用 ML 内核,开发人员可以在该器件中实施复杂的检测算法,以便在无需唤醒微控制器的情况下始终开启复杂运动事件检测。为此,ML 内核利用决策树,基于输入数据的模式来识别事件。

  决策树已经在决策支持系统中使用多年,其会对照预定义的条件测试输入数据或属性,以便将复杂的决策分解成一系列选择。从初始节点或根开始,对属性的值进行测试,并根据结果确定是否继续前往特定的子节点(图 4)。

  图 4:决策树会利用一系列节点生成结果,每个节点都会对照某个条件(例如特定的阈值水平)测试某个输入值的特定属性,然后根据测试结果继续前往不同的子节点。(图片来源:STMicroelectronics)

  例如,在每个更新周期都会调用决策树,以使决策树通过它的节点确定可用于此更新的数据表示无运动、向前运动还是某种其他的运动,如下所示:

  1.2.否则,前往某个分支的子节点,以测试在同一个时间窗口中取得的陀螺仪测量结果

  1.2.2.继续前往更深的子节点,以测试在同一个时间窗口中测得的其他属性,或者对照另一个条件测试同一个属性。

  重复此过程,直到测试达到终端节点,在这种情况下对应于一个特定的复杂运动事件或类。在这个简单的示例中:

  当然,要用到决策树的现实世界问题要复杂得多,需要采用大量包含许多不同属性和条件的特性集。事实上,LSM6DSOX 为开发人员提供了丰富的可用特性,以使他们能够开始处理来自加速计、陀螺仪以及在传感器中枢连接模式下安装的任何外部传感器的相关数据(图 5)。

  图 5:STMicroelectronics 的 LSM6DSOX 独特内置 ML 内核使用主要传感器数据、经过滤波的数据和衍生的参数(例如均值和方差),并将它们输入到该器件所支持的 8 个决策树之一。(图片来源:STMicroelectronics)

  根据这些主要传感器数据,该器件会生成大量的特性,这些特性是根据滑动时间窗口内的主要数据计算得出,包括:

  对于特定特性,例如零交叉点检测器和峰值检测器,开发人员还可以指定一个阈值,分别用于改变零交叉点轴或峰值阈值。

  利用这些特性对 LSM6DSOX 的 ML 内核实施决策树时,需要遵循一个大多数机器学习模型开发工作都会用到的典型受监督学习工作流。一般而言,此工作流会首先识别相关的活动,并收集与这些活动相关的数据样本。

  在这种情况下,开发人员只需使用 LSM6DSOX 来收集数据,并执行最终应用需要检测的一组特定运动活动。对于这一开发阶段,开发人员可以利用 STMicroelectronics 提供的板和软件构建一个数据采集平台。对于硬件平台,开发人员只需将 STEVAL-MKI197V1 的 LSM6DSOX适配器板插入到 STEVAL-MKI109V3 评估主板中。对于软件,开发人员可以使用 STMicroelectronics 免费提供的 Unico 软件工具,此工具具有 Windows、Mac OSX 和Linux版本。

  Unico 需要与 STEVAL-MKI109V3 主板配合使用,它利用一种简单的方法来收集 LSM6DSOX 生成的数据。要收集数据,开发人员可以将此主板与 Unico 配合使用。为此,开发人员或助理需要紧紧握住主板,并反复执行其中一种特定的相关运动活动,同时利用 Unico 来收集 LSM6DSOX 运动数据。

  在多次反复执行同一个活动期间从 LSM6DSOX 收集的数据可以为相应的类(例如上一个示例中的“向前运动”)提供训练集。由于在此运动期间收集的数据都对应于同一个类,因此这种主动收集数据的方法不需要单独的数据标记阶段,此阶段有时会拖慢受监督的学习工作流。

  在收集每个相关运动事件类的运动数据之后,开发人员需要使用 Unico 来查看数据和类标签。Unico 除了用于查看数据以外,还允许开发人员配置所需决策树的多个方面、定义滤波器、设置时间窗口持续时间以及选择要在构建决策树时使用的特定特性。

  在实践中,开发人员通常会根据经验和试验尽可能减少用于检测特定一组活动的特性。即使只有极少的特性集,能否高效地实施决策树这一任务也主要取决于:确定要在决策树的各个节点测试那些特性或属性中的哪一些。选择要在每个节点测试的“最佳”属性对于尽可能减少决策树的大小非常重要,而决策树的大小对于资源有限的器件(例如传感器)尤其重要。

  读者须知:到目前为止,您可能对特性 (feature) 与属性 (attribute) 的使用感到疑惑。难点在于,对于 ML 模型,我们探讨的是“特性”,但谈及决策树时,这些特性被称为“属性”。我们曾尝试在某一部分内容中只使用其中一个术语,但在这里,我们会在随后的决策树讨论中从“特性”改为“属性”。毫无疑问,您会注意到在其他地方,这两个术语会互换使用,不过在这里以及随后的“arff”部分,我们将使用“属性”。

  尽管概念简单,但在每个决策节点选择要使用的最佳属性却并不直观,因为决策树具有大量属性,其中每个属性都由各种数据值表示。要确定要在每个节点测试的最佳属性,首选方法是利用下面的等式 2 计算每个属性在此节点的香农熵:

  结果是信息内容,显示为 0 到 1 之间的位值,而不仅仅是人们更熟悉的数位定义中的 0 或 1。

  随后,每个属性的信息“增益”会成为此信息值与基线信息值之间的差异,而基线值是根据在不使用决策节点的情况下做出正确决策的概率,并针对属性计算得出。尽管本文无法就这一计算进行详细探讨,但要直观地解读这一计算,需要比较哪种方法更有可能更高效地取得所需的结果:是根据此属性的值(“基线”)对数据集进行强力自下向上分割来取得结果,还是根据此属性的特定值范围进行自上向下选择来取得结果。自上向下选择采用“各个击破”方法,这种方法通常能够比自下向上方法更快地减少可能的结果数量。

  幸运的是,开发人员几乎不需要亲自考虑信息增益详细信息以及如何优化属性的选择。相反,他们可以利用免费的第三方机器学习工具(例如 Weka)来自动执行必要的计算,以生成最佳决策树。

  事实上,Unico 和 Weka 可以密切协同工作,以提供一个用于快速实施决策树的工作流。特定决策树开发工作流中的关键步骤通常是前面提到的数据收集步骤,具体而言是指利用 LSM6DSOX 来为每个相关的活动类收集具有代表性的数据集,然后利用 Unico 来细化这些数据集并定义决策树配置。完成后,这两个工具会相互结合来加速执行此过程的最后阶段。

  在 Unico 中细化了数据和决策树配置之后,开发人员可以使用此工具将所选的特性集转换为一种称为属性-关系文件格式 (arff) 的标准格式。arff 文件具有一个标题部分,其中会列出所选的属性(特性)和可能的类,还具有一个数据部分,其中会列出所收集的每一组数据和相关的类(列表 1)。在此示例中只使用了很少的几个特性,而且只使用了很小的一组数据实例来识别有限的一组类,包括二头肌弯曲训练、侧举和深蹲。

  列表 1:标准属性-关系文件格式 (arff) 文件包括一个标题部分,其中定义了属性和类,还包括一个数据部分,其中包含每个属性的数据实例和相关的类。(数据来源:STMicroelectronics)

  使用 Weka,开发人员可以在 Preprocess(预处理)窗口中加载 arff 文件并查看整个特性集的图形化概览(图 6)。

  图 6:使用 STMicroelectronics 的 Unico 工具为自己的数据集生成一个 arff 文件之后,开发人员可以使用第三方机器学习工具 Weka 来查看整个数据集,这里显示了列表 1 中的 arff 数据的数据集。(图片来源:

  要构建决策树,开发人员需要切换到 Weka 的 Classify(分类)窗口并选择 Weka J48 分类器(Weka 的决策树分类器),然后单击 Start(开始)。在其输出窗口中,分类器会列出汇总的输入数据,并同时以图形格式(图 7)和文本格式(图 8)提供决策树。

  图 7:要构建决策树,开发人员只需加载一个 arff 文件、选择 Weka J48 决策树分类器并生成最终的树。内置的 Weka 可视化工具用于查看结果,并列出了每个节点的属性和条件 - 在此示例中使用的是列表 1 中的 arff 数据。(图片来源:Digi-Key Electronics)

  图 8:除了直观地显示决策树以外,Weka 还会生成实际 J48 决策树规格 - 在此示例中使用列表 1 中的 arff 数据来生成列表 2 中的 J48 规格。(图片来源:Digi-Key Electronics)

  列表 2:Weka 会为列表 1 中的 arff 数据生成一个类似于此规格的 J48 决策树规格。开发人员将此规格加载到 STMicroelectronics 的 Unico 工具中,以生成一个配置文件,然后将其加载到 STMicroelectronics 的 LSM6DSOX 传感器中。(数据来源:STMicroelectronics)

  复制 J48 树文本并将其保存到文件中之后,开发人员将此文本文件加载到 Unico 中,以生成一个寄存器配置文件。最后,开发人员使用 Unico 的 Load/Save(加载/保存)选项卡完成此工作流,以便将此配置文件加载到 LSM6DSOX 中。此时,开发人员可以持续使用上文所述的 STEVAL-MKI109V3 主板执行支持性的运动,并利用 Unico 从所配置决策树的 LSM6DSOX 输出寄存器中读取决策树分类结果。

  在定制设计中,开发人员可以利用决策树输出寄存器中发生的变化向微控制器发送信号,将其唤醒并执行代码以通知用户、增大锻炼计数器或者酌情执行应用所需的其他高级操作。

  尽管此示例极其简单,但 LSM6DSOX ML 内核可以利用更多的上述各种特性对复杂得多的运动事件进行分类。例如,STMicroelectronics 为这种简单的应用描述了一个更高级版本:使用更多的特性将健身房的活动分类为多种锻炼,包括二头肌弯曲训练、开合跳、侧举、俯卧撑和深蹲。

  除了这个简单的示例中使用的均值和峰峰值特性以外,这个复杂的示例还增加了为一个两秒钟的时间窗口计算出的方差、最小值、最大值和零交叉点特性。在 LSM6DSOX ML 内核中运行的这个更先进的应用会消耗大约 569 μA 的电流(当电压为 1.8 V 时),其中只有 13 μA 的电流是 ML 内核本身所消耗的电流。如此低的功耗能够让开发人员放心大胆地执行始终开启的运动检测,而且只会对电池的充电状态产生轻微的影响。

  机器学习的实际应用取决于受监督的学习工作流,这些工作流会不可避免地导致最终机器学习模型出现某种形式的偏差,无论此模型是非常复杂的卷积神经网络还是相对比较简单的决策树。特别值得一提的是,基于运动的数据还在很大程度上取决于身体形态和运动机能,因此从开展活动的某一个人那里收集的数据可能明显不同于从另一个人那里收集的数据。

  因此,使用基于 ML 的活动检测功能的开发人员面临着这样一个持续的挑战:在数据特异性与普遍性之间找到平衡点。过高的特异性通常会限制普遍性,而过高的普遍性通常无法精确地检测不同的个人做同一个动作时的独特变化。尽管这些问题并不是这个具体的实施所独有的,但由于面临着如何在个性化运动检测器件中找到这个平衡点的挑战,因此需要能够利用用户的特定数据来更新决策树。但在仔细考虑这些对于机器学习数据科学的各种要求之后,开发人员已经能够利用 LSM6DSOX 和现有的工作流将始终开启精密运动检测功能整合到功率受限的设计中。

  用户需要始终开启运动跟踪和更长电池续航时间,这为健身设备和其他小型可穿戴设备的开发人员带来了似乎无法克服的冲突。尽管很多高级传感器都能提供一定水平的独立于处理器的运动检测,但由于用户需要始终开启对更复杂运动的检测,因此一些新兴的应用抛弃了这种方法。

  不过,使用 STMicroelectronics 的 LSM6DSOX 运动传感器提供的机器学习能力,开发人员可以解决始终开启跟踪与更长电池续航时间之间的冲突,从而构建更加高级并能够感知活动的健身腕带和其他可穿戴设备。

  活动内容人工智能技术将在未来对传统产业产生重大颠覆性影响,人工智能将在各行各业为创新设计带来新的动力,它也将催生新的

  磁电式传感器主要用于振动测量。其中惯性式传感器不需要静止的基座作为参考基准,它直接安装在振动体上进行....

  传感器技术是当代科学技术发展的一个重要标志,发展迅猛,同计算机技术与通信技术一起被称为信息技术的三大....

  自2006年深度学习算法被提出,人工智能技术应用取得突破性发展。2012年以来,数据的爆发式增长为人....

  使用数字技术来自动化、简化和改进建筑内部运营的结构。简单地说,智能建筑只不过是以与云互动的方式来改造....

  深度学习是机器学习,它使用“深层”神经网络,允许计算机基本上“通过实例”进行学习。

  最近在上海的SENSOR CHINA展上,多家公司不同形态和应用的传感器产品技术及市场策略令人印象深....

  诺基亚10 PureView渲染图曝光,搭载Snapdragon855Plus或865CPU

  在之前,外网曝光了一组诺基亚10 PureView的设计师渲染图。与诺基亚9pureview相比,全....

  机器学习和人工智能是当今IT专业人员的热门话题,而在企业的数据中心,它们拥有真正的前景。

  2019年9月10日 – 致力于快速引入新产品与新技术的业界知名分销商贸泽电子 (Mouser El....

  机器学习和人工智能是当今IT专业人员的热门话题,而在企业的数据中心,它们拥有真正的前景。

  他们不仅需要管理越来越多的数据、更复杂的机器和基础设施,还需要更快地生成有关数据的改进信息。

  磁电式传感器是利用电磁感应原理,将输入的运动速度转换成线圈中的感应电势输出。它直接将被测物体的机械能....

  车速传感器检测电控汽车的车速,控制电脑用这个输入信号来控制发动机怠速,自动变速器的变扭器锁止,自动变....

  在农业生态环境监测领域,农业物联网主要利用高科技手段构建先进农业生态环境监测网络,利用无线传感器技术....

  车速传感器一般安装在驱动桥的桥壳内,还有的安装在变速箱壳体内。车速传感器是一个比较重要的传感器,这个....

  随着越来越多的企业开始采用机器学习技术以实现流程的自动化,人们也逐渐开始质疑计算机决策中的伦理含义。

  车速传感器全名汽车速度传感器,按类型可分为磁电式、霍尔式和光电式三种。它的功能主要是检测电控汽车的车....

  车速传感器是用来检测电控汽车的车速的装置,有控制电脑用这个输入信号来控制发动机怠速,自动变速器的变扭....

  请问怎样才能实现读写slave register上特定位的数据呢? 用void I2CMasterDataPut(uint32_t ui32Base, uint8_t ui8Data)...

  这个小设备叫AllSee,是一个小尺寸的传感器,它可以配套现有技术来创建一个基于手势操作的用户界面。....

  本文主要介绍了转速传感器分类及作用。发动机控制系统用转速传感器是整个汽车传感器的核心,种类很多,包括....

  磁电式转速传感器是以磁电感应为基本原理来实现转速测量的,磁电式转速传感器是由铁芯、磁钢、感应线圈等部....

  机器人水母、智能飞鸟、仿生机器人、机器人超级工厂……在2019世界机器人大会现场,这个行业向人们展示....

  汽车转速传感器的主要功能是感应式转速传感器跟脉冲盘相配合,用于无分电器点火系统中提供发动机转速信息和....

  在发动机转速传感器失灵时无法启动发动机或运转发动机。如果只是发动机的曲轴转速传感器,大部分的车是无法....

  各种机器学习的应用场景分别是什么?例如,k近邻,贝叶斯,决策树,svm,逻辑斯蒂回归和最大熵模型...

  传感器是物联网技术的最底层和最前沿,对物联网产业发展有着十分重要的意义。

  今年,“工业互联网”首度写入政府工作报告,正成为互联网巨头重点发力的领域,而工业大数据则是工业互联网....

  电动汽车开关磁阻电动机的定子和转子都是凸极结构,转子仅由硅钢片叠成,定子上有励磁绕组,把定子上相对两....

  开关磁阻式电动机调速系统优点突出,应用领域日益扩大,不足的是开关磁阻式电动机调速系统功率变换器输出的....

  MLX90614ESF红外非接触温度测量传感器模块的程序和工程文件免费下载

  本文档的主要内容详细介绍的是MLX90614ESF红外非接触温度测量传感器模块的程序和工程文件免费下....

  XR4151是一种设计用于提供将直流电压转换为比例脉冲重复频率的简单、低成本方法的设备。它还能够将输....

  VALUER SpaceVector高动态空间角度传感器的产品手册免费下载

  VALUER SpaceVector 是一款高性能角度测量传感器,能够实时测量出物体在空间中的角度、....

  你好, 我的应用程序我使用压电元件作为麦克风。 我需要安抚和处理它,但我有2个问题: 1。如何使用内部Op amp(单电源)来制...

  这里面的VCE是2.5V那P5处应该输出多少电压啊 ?怎么分析的?本人运放小白 ...

  这几年来,国内涌现出来不少传感器芯片和方案初创企业。在2019年光博会上,电子发烧友网的小编就见到了....

  想问一下充电桩专家们,现在直流充电桩中是否有使用直流传感器/互感器呢? ...

  机器人有着良好的发展前景,尤其是协作机器人。在未来,机器人会创造出我们想不到的岗位,并将与人类合作,....

  人体接近传感器在很多领域都得到了广泛应用,而且也赢得了人们的认可和欢迎,比如在用于自动取款机的触发监....

  如今RFID技术不再只是单独存在的技术,为RFID标签加入传感器更成为如今普遍做法,并协助业者执行定....

  无人机(drone)的正式名称为无人飞行器(unmanned aerial vehicle),它是一....

  农业物联网,即通过各种仪器仪表实时显示或作为自动控制的参变量参与到自动控制中的物联网。

  “家庭网络”不断发展,如今物联产品之间可以无缝协作,提供智能又安全的家庭体验。实际上,最新的智能家居....

  人工智能可能是人类最具创造性和最复杂的发明之一。根据人工智能执行不同任务的能力,这里有两种分类系统。

  MPU-6500是一个6轴运动跟踪设备,它将3轴陀螺仪、3轴加速度计和数字运动处理器™(DMP)组合....

  本文描述了通用评估板(uevb)的硬件和电路,uevb用于评估invense的大多数电流运动传感(陀....

  通过理论计算、有限元模型和试验研究了非传统表面几何结构的单形压电悬臂梁。在这项工作中,我们成功地证明....

  全球第二大市场研究机构MarketsandMarkets近日发布了一则关于全球边缘计算的市场报告。报....

  接近传感器是非接触式传感器,当目标进入传感器的场时,该传感器检测物体的存在(通常称为“目标”)。取决....

  在如此先进的自动化时代,离不开一样东西,那就是电机。今天就来谈谈电机是如何工作的。

  大家好,我现在正在一个接口SPI 3线工作,用来从infineon传送dspic33fj256mc710a和角度传感器TLE 5012B。我试图使用DMA...

  AR0237AT CMOS图像传感器 数字 2.1 MP /全高清 1 / 2.7英寸

  美半导体的AR0237AT是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928(H)×1088(V)。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0237AT可以产生非常清晰,清晰的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 卓越的低光性能 采用安森美半导体DR-Pix技术的最新3.0米像素具有双转换增益 高达1080p 60 fps的全高清支持,实现卓越的视频性能 线性或高动态范围捕获 支持线读出以启用ISP芯片中的HDR处理 支持用于外部机械快门 片上锁相环(PLL)振荡器 ...

  AT是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928Hx1088V。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0230AT可生成非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择。 特性 高动态范围 应用 汽车 电路图、引脚图和封装图...

  AR0237SR CMOS图像传感器 2.1 MP 1 / 2.7 更低成本

  是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1928(H)x 1088(V)。它采用滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如像素内合并,窗口以及视频和单帧模式。它专为低光和高动态范围场景性能而设计,可通过简单的双线串行接口进行编程。 AR0237可以产生非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 具有双转换增益的DR-PIX技术 全高清支持1080p 60 fps,提供卓越的视频性能 线性或高动态范围捕获 片上锁相环(PLL)振荡器 支持线读出以在ISP芯片中启用HDR处理 基于位置的集成颜色和镜头阴影校正 用于精确帧率控制的从属模式 ...

  NCP135 LDO稳压器 500 mA 超低压降 超高PSRR 带偏置轨

  是一款500 mA LDO,配有NMOS passtransistor和独立的偏置电源电压(V BIAS )。该器件提供非常稳定,精确的输出电压和低噪声,适用于空间受限,噪声敏感的应用。为了优化电池供电的便携式应用的性能,NCP135具有低I Q 消耗。 NCP135采用DWFN6 2 mm x 2 mm封装。 类似产品: NCP13x系列 NCP130 NCP133 NCP134 NCP135 NCP137 NCP139 输出电流(A) 0.3 0.5 0.5 0.5 0.7 PSRR f = 1 kHz(dB) 70 70

  60 压差电压(V) 0.060 0.090 0.090 0.053 0.060 0.060 特性 优势 Typ的超低压降。 53mV 允许节省功率并以非常低的Vin-Vout电压工作。 0.4V固定输出电压选项 0.4V应用的最佳选择 保证输出电流从0mA到500mA 高电流应用的非常好的选择 0.5%典型输出电压精度 非常适合POL应用 li

  输出有效放电选项 输出电流超过500mA 应用 终端产品 电池供电和便携式设备 图像传感器应用 来了ras,相机模块 电路图、引脚图和封装图...

  NCP153 LDO稳压器 130 mA 双输出 低Iq 高PSRR 带折返式

  是130 mA,双输出线性稳压器,可提供非常稳定和精确的电压,具有极低的噪声和高电源抑制比(PSRR),适用于RF应用。为了优化电池供电的便携式应用的性能,NCP153采用自适应接地电流特性,在轻负载条件下实现低接地电流消耗。器件还具有折返式电流保护功能,可降低短路电流并保护受电设备。 特性 优势 低压降:130 mV典型值130 mA 支持输入电压要求非常低的应用 高PSRR:1kHz时为75dB 适用于功耗敏感的应用 热关断和过流保护 坚固的设计和高可靠性 典型的低静态电流。 50μA 轻载条件下的高效溶液 XDFN-6 1.2 x 1.2 mm包中提供 非常适合空间受限的应用 工作输入电压范围:1.7 V至5.5 V 非常适合电池供电的应用程序 折返短路保护 将SC电流降至非常低的值 - 55 mA typ。 应用 终端产品 指纹传感器供应 相机 RF电源 智能手机 便携式设备 无线手机 平板电脑 电池供电设备 电路图、引脚图和封装图...

  NCP156 LDO稳压器 500 mA / 250 mA 双输出 超低压降 低Iq 超低噪声

  是双输出线性稳压器,专为相机模块应用而优化。该器件提供独特的高电流低电压偏置轨拓扑组合,用于提供数字模块和非常精确的第二输出,用于为模拟传感器模块供电。这种组合可以实现最佳性能和功效。 特性 优势 N-MOS和P-MOS双LDO 针对相机传感器应用进行了优化。用于数字轨和超低噪声的高电流N-MOS输出和用于模拟轨的高PSRR P-MOS 低静态电流典型值。 100 uA 提高适合电池供电设备的效率 输出电压摆率控制 两次摆动速率选项允许为传感器应用选择正确的速度 极低压差140 mV,500 mA 最大限度地降低功耗并提高效率 超低噪音典型。 6.5 OUTV上的uVRMS 非常适合功率敏感设备 提供CSP6 1.2 mm x 0.8 mm 非常适合空间约束应用 应用 终端产品 相机传感器电源 图像传感应用程序 智能手机和平板电脑 相机和Camcoders IP摄像机 集成电源 电路图、引脚图和封装图...

  1A是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高可达25 A. 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 500KHz开关频率 需要小电感和少量输出电容 无损耗低端FET电流检测 良好的散热性能 0.6V内部参考电压 外部可编程软启动 输出o电压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电源良好指示灯 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...

  1B是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高可达25 A. 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 1MHz开关频率 需要小电感和少量输出电容 无损耗低端FET电流检测 良好的散热性能 0.6V内部参考电压 外部可编程软启动 输出ove r电压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电源良好指示灯 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...

  1是一款高电流,高效率电压模式同步降压转换器,工作电压为4.5 V至18 V,输出电压低至0.6 V,最高25 A DC负载或30 A瞬时负载。 特性 优势 宽输入电压范围4.5V至18V 支持广泛的应用 500KHz开关频率 需要小电感和少量输出电容 无损耗低 - 侧FET电流检测 提高效率 0.6V内部参考电压 外部可编程软启动 输出过压保护和欠压保护 使用热敏电阻或传感器进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调节输出电压 电力良好输出 内部过热保护 应用 终端产品 采用6x6 QFN封装的25A稳压器 ASIC,FPGA,DSP和CPU内核及I / O电源 移动电话基站 电信和网络设备 服务器和存储系统 电路图、引脚图和封装图...

  2N是一款高电流,高效率电压模式同步降压转换器,可在4.5V至21V输入电压下工作,在高达15A的负载下可产生低至0.6V的输出电压。 特性 优势 4.5 V至21 V的宽输入电压范围 支持广泛的应用 0.6V内部参考电压 支持小电感和少量输出电容 500kHz开关频率 良好的散热性能 外部可编程软启动 无损耗低侧FET电流检测 输出过压和欠压保护 使用热敏电阻或传感器通过OTS引脚进行系统过热保护 所有故障的打嗝模式操作 预偏置启动 可调输出电压 电源良好指标 内部过热保护 应用 终端产品 用于电信和网络应用的15A负载电源模块 蜂窝基站 电信和网络设备 服务器和存储系统 计算系统 电路图、引脚图和封装图...

  是一款超低压降稳压器,可提供高达1 A的负载电流,并在-40至85℃范围内保持1.0%的出色输出电压精度。工作输入电压范围为1.8 V至5.5 V,使该器件适用于锂离子电池供电的产品以及后调节应用。该产品提供多种固定输出电压选项,其他产品可根据要求提供,范围为1.2 V至3.9 V.NCP186具有完全的过热保护和输出短路保护。小型8引脚XDFN6 1.2 mm x 1.6 mm封装使该器件成为可能特别适用于空间受限的应用。 特性 优势 1.8 V至5.5 V工作输入电压范围 适用于锂离子电池或后期调节应用 多种固定输出电压选项及其他可根据要求提供1.2 V至3.9 V 设计灵活性 Typ的低静态电流。 90μA 延长电池寿命 极低压差:100 mV典型值。在Iout = 1 A(3.0V版本) 扩展电池范围 1 kHz PSRR时高75 dB 适用于噪声敏感电路 内部软启动 限制浪涌电流 在-40至85℃温度范围内的±1.0%精度 高输出电压精度 热关断和限流保护 保护产品和系统免受损坏 使用小型1μF陶瓷电容器稳定 节省PCB空间和系统成本 应用 终端产品 电池供电设备 便携式通讯设...

  NCP176 LDO稳压器 500 mA 超低压降 高PSRR 带使能

  是一款超低压差稳压器,可提供高达0.5 A的负载电流,并在25°C时保持0.8%的出色输出电压精度。工作输入电压范围为1.4 V至5.5 V,使该器件适用于锂离子电池供电产品以及后调节应用。该产品提供3.3 V固定输出电压选项,其他电压选项可根据要求提供,范围为0.7 V至3.6 V.NCP176具有完全的过热保护和输出短路保护。小型6引脚XDFN6 1.2 mm x 1.2 mm封装使该设备特别适用于空间受限的应用程序。 特性 优势 1.4 V至5.5 V工作输入电压范围 适用于锂离子电池或后调节应用 几种固定输出电压可根据要求提供的选项和其他选项范围为0.7 V至3.6 V 设计灵活性 Typ的低静态电流。 60μA 延长电池寿命 极低压降:130 mV典型值。在Iout = 0.5 A(2.5V版本) 扩展电池范围 1 kHz PSRR时高75 dB 适用于噪声敏感电路 内部软启动 限制浪涌电流 室温下±0.8%精度 高输出电压精度 热关断和限流保护 保护产品和系统免受损坏 使用小型1μF陶瓷电容器稳定 节省PCB空间和系统成本 应用 终端产品 电池供电设备 便携式通信设备 相机,...

  是双模式LDO,在ActiveMode中提供高达80 mA的电流,在低功耗模式下低至50 nA的Iq。双模式功能可通过ECO引脚选择,允许动态和低功耗模式之间的动态切换,非常适用于长寿命电池供电的无线应用。低功耗模式下的输出电压可降低50 mV,100 mV,150的内部工厂编程值相对于活动模式下的标称输出电压,mVor为200 mV。此功能进一步降低了睡眠模式下的应用消耗.NCP171采用SLIQ(超低Iq)LDO系列,具有50nA的超低静态电流,可用于小XDFN4 1.2 x 1.2包。 特性 优势 超低水平50nA 非常适合电池供电的应用 双模式功能针对主动模式和待机模式操作进行了优化 系统灵活地在两种不同的操作模式之间切换,优化性能和延长电池寿命 工作模式,高达80mA,具有出色的PSRR和噪声性能 非常适用于射频电源和高精度传感器 低功耗模式(SLIQ),50nA Iq 当系统处于扩展待机(低功耗)模式时延长电池寿命 模式选择,ECO Pin 灵活选择主动和低功率模式 XDFN 1.2x1.2包 空间受限应用程序的小尺寸 应用 终端产品 无线电池供电的物联网传感器 电池供电的医疗...

  AR1337 CMOS成像传感器 13 MP 采用SuperPD™PDAF技术

  是一款采用SuperPD™PDAF技术的13万像素CMOS成像传感器。这款先进的传感器具有独特的PDAF微透镜和PDAF图案技术,在低光照条件下具有出色的自动对焦性能。采用1.1μm像素构建,提供符合行业标准的1 / 3.2“光学格式,使AR1337具有适合大批量设计的尺寸。图像质量由领先的量子效率和灵敏度驱动,同时保持低读取噪声。这种组合可在明亮的日光或低室内照明条件下提供出色的图像。 AR1337以每秒30帧的速度运行在13 MP,并支持每秒30帧的4k2k视频和高达每秒60帧的全高清1080P视频。 特性 优势 SuperPD™PDAF技术 领先的低光自动对焦性能 独特的PDAF图案和微透镜技术 高精度相位检测自动聚焦(PDAF)功能 片上坏像素校正和AF计算 简化的相机模块积分校准和与后端应用处理器的集成 具有低读取噪声的高量子效率和灵敏度 卓越的图像质量,尤其是在光线不足 应用 终端产品 智能手机相机 平板电脑相机 智能手机 平板电脑 电路图、引脚图和封装图...

  HS是一款1080万像素,1英寸光学格式图像传感器,结合了高分辨率成像和3.4微米DR-Pix(动态响应像素),可动态调整以提供卓越的低光性能。在全分辨率下,AR1011HS提供60帧/秒(fps)视频;同时跳至120 fps的1080p高清模式。该传感器非常适合需要高分辨率的高端监控摄像系统,如电子平移,倾斜,变焦(ePTZ)等具有惊人的低光能力的功能。 4K超高清(3840 x 2190)分辨率为每秒60帧的模式,使传感器也成为专业消费类广播相机的理想选择。 应用 相机 安全 电路图、引脚图和封装图...

  美半导体的AR0239是一款1 / 2.7英寸CMOS数字图像传感器,有源像素阵列为1936(H)×1188(V)。它可以在线性或高动态范围模式下捕获图像,并具有滚动快门读数。它包括复杂的相机功能,如像素内装箱,窗口以及视频和单帧模式。它专为低光和高动态范围的场景性能而设计。它可通过简单的双线串行接口进行编程。 AR0239可以产生非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择,包括监控和高清视频。 特性 以90 fps的速度拍摄2.3Mp以获得出色的视频性能 小型光学格式(1 / 2.7英寸 1080p模式适用于16:9视频 卓越的低光性能 3.0um大背面照明像素技术 支持线读数以启用HDR处理ISP芯片处于1080P和30fps 片上锁相环(PLL)振荡器 集成颜色和镜头着色校正 用于精确帧率控制的从模式 数据接口: - HiSPi(SLVS) - 4个车道 - MIPI CSI-2 - 4车道 - 平行 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 多相机同步支持 高速可配置上下文切换 具有灵...

  美半导体专注于卓越的像素性能,为该传感器的卓越图像质量奠定了基础,具有卓越的色彩精度,低光灵敏度和低噪声水平.AR0542是一款1/4英寸CMOS有源像素数字图像传感器集成了复杂的片上相机功能,如窗口,镜像,列和行跳过模式以及快照模式。它可通过简单的双线串行接口进行编程,功耗非常低。 应用 移动 电路图、引脚图和封装图

  是一款1 / 2.5英寸CMOS数字图像传感器,有源像素阵列为2592(H)x 1944(V)。它通过滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如分档,窗口以及视频和单帧模式。它专为低亮度和高动态范围性能而设计,具有线读出功能,可在ISP芯片中支持片外HDR。 AR0521可以产生非常清晰,锐利的数字图像,并且能够捕获连续视频和单帧,使其成为安全应用的最佳选择。 特性 5 Mp为60 fps,具有出色的视频性能 小型光学格式(1 / 2.5英寸) 1440p 16:9模式视频 卓越的低光性能 2.2 m背面照明像素技术 支持线读出以启用ISP芯片中的HDR处理 支持外部机械快门 片上锁相环(PLL)振荡器 集成颜色和镜头阴影校正 精确帧率控制的从属模式 数据接口:♦HiSPi(SLVS) - 4个车道♦MIPI CSI-2 - 4车道 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 应用 终端产品 视频监控 高动态范围成像 安全摄像头 行动相机 车载DVR 电路图、引脚图和封装...

  图像传感器是一款1 / 3.2“光学格式1.4微米像素传感器,能够以每秒42帧的速度捕获其完整的8 MP传感器分辨率,以60fps的速度捕获1080P视频.A-PixHS(tm )技术将安森美半导体的第二代背照式(BSI)像素技术和先进的高速传感器架构结合在一起,实现了许多创新功能。它旨在实现低z高度相机模块,以满足OEM和移动设备制造商的需求。 特性 高动态范围 应用 移动 电路图、引脚图和封装图...

  AR0522 CMOS图像传感器 5.1 MP 1 / 2.5 近红外增强

  是一款1 / 2.5英寸CMOS数字图像传感器,有源像素阵列为2592(H)x 1944(V)。它通过滚动快门读数捕获线性或高动态范围模式的图像,并包括复杂的相机功能,如分档,窗口以及视频和单帧模式。它专为低亮度和高动态范围性能而设计,具有线读出功能,可在ISP芯片中支持片外HDR。 AR0522可生成非常清晰,锐利的数码照片,并且能够捕捉连续视频和单帧,使其成为各种应用的理想选择。 特性 5 Mp,60 fps,优异的视频性能 小光学格式(1 / 2.5英寸) 彩色滤光片阵列:RGB和单色 1440p模式适用于16:9视频 卓越的低光性能 2.2 m背面照明像素技术 支持线读出以启用ISP芯片中的HDR处理 支持外部机械快门 片上锁相环(PLL)振荡器 集成颜色和镜头着色校正 用于精确帧率控制的从模式 数据接口:♦HiSPi(SLVS) - 4条车道♦MIPI CSI-2 - 4车道 自动黑电平校准 高速可配置上下文切换 温度传感器 快速模式兼容2线接口 近红外线增强 应用 终端产品 视频监控 高动态范围成像 机器视觉...今晚开什么特马145期


本港台j2| 香港中特网| 香港挂牌彩图之全篇| www.468707.com| 香港正版挂牌| 一肖中平特高手论坛| 118图库彩图六合神童| www.877222.com| 118图库| 好运一点通藏宝图| www.94997.com| 香港挂牌资料|