物聯網智能傳感器中低噪聲的力量

性能與功耗的關系;對于那些正在為新興的基于物聯網的應用空間開發智能傳感器的人來說，這是最微妙的權衡之一。在廣泛的性能空間中，噪聲通常是需要評估的重要屬性，因為它會限制智能傳感器中關鍵功能塊的組件選擇，從而增加功率負擔。此外，噪聲行為會推動濾波要求，這會影響傳感器對條件快速變化的響應能力，并延長開發質量測量所需的時間。

在支持連續觀察（采樣、處理、通信）的應用中，系統架構師通常必須處理噪聲和功耗之間的對抗關系，因為最低噪聲解決方案很少是同時提供最低功耗的解決方案（在特定功能類別的設備中）。例如，MEMS加速度計通常用作遠程傾斜測量系統中的核心傳感器。表1列出了目前在噪聲或功耗方面均具有業界領先性能的兩種不同產品的亮點： ADXL355（低噪聲）和ADXL362（低功耗）。

表1中的四個條目中的三個表示ADXL362中的可選工作模式，第四個條目表示ADXL355的關鍵指標。從這個交易領域的關鍵邊界開始，ADXL355的噪聲比ADXL362中最低功耗模式低近27倍，但功耗要高得多。對于性能要求更具挑戰性的應用，可能需要考慮ADXL362的最高性能模式，ADXL355的噪聲將降低9倍，而ADXL362的功耗將降低13倍。

當支持不需要連續觀察和測量的應用時，平均功耗和噪聲之間的關系變得更加有趣。噪聲和功耗之間的關系甚至可以成為互補關系，這對某些人來說似乎令人驚訝。對于一些人來說，這是個好消息，因為上一代設計可能已被推遲，而開發人員正在努力確定功率或性能是否應該驅動他們的設計?，F在，智能傳感器架構師不再等待其他人回答同樣的老問題，而是迫切要求通過量化這個貿易領域的相關選項來重新定義自己的工作。

智能傳感器架構

量化特定應用的相關選項首先要對信號鏈進行一些假設，以便從概念架構開始。圖1提供了包含最常見功能的智能傳感器架構的通用示例。

圖1.智能傳感器架構。

傳感器核心

智能傳感器節點中的信號鏈從核心傳感器功能開始。在其最基本的形式中，核心傳感器也稱為換能器，它將物理條件或屬性轉換為具有代表性的電信號。傳感器的比例因子描述了其對所監測的物理特性或條件的電響應的線性部分。例如，具有模擬輸出的溫度傳感器（如AD590）將提供以mV/°C為單位的比例因子。 數字加速度計（如ADXL355）將以LSB/g或代碼/g為單位提供其比例因子。

濾波器

信號鏈中的下一個功能模塊（圖1）是濾波器。此階段的目的是降低核心傳感器可能支持但在應用中無關的頻段的噪聲。在振動監測應用中，這可能是一個帶通濾波器，它將隨機振動與特定的光譜特征分開，該特征可以指示機器健康狀況的惡化。在傾斜傳感器中，這可以是一個簡單的低通濾波器，例如運行平均值。在這種情況下，時間長度在建立時間和濾波器輸出中的殘余噪聲之間是一個重要的權衡。圖2提供了ADXL355的艾倫方差曲線示例，該曲線顯示了測量的不確定性（噪聲）相對于產生該測量的平均時間。

圖2.艾倫方差曲線：ADXL355 和 ADXL362。

校準

校準功能的目的是通過應用校正公式來提高測量精度。在最苛刻的應用中，這些校正公式通常來自對傳感器響應的直接觀察，同時測量嚴格控制的條件。例如，在傾斜傳感器應用中，校準過程將涉及觀察MEMS加速度計相對于重力的幾個不同方向的輸出。這些觀測的總體目標是觀察傳感器對足夠方向的響應，以解決所有12個校正因子（m11， m12， m13， m21， m22， m23， m31， m32， m33- Cx- Cy- Cz） 在以下關系中（參見公式 1）：

公式1中的校正因子解決了偏置、靈敏度和對準誤差。該公式還可以擴展，以考慮高階傳感器行為（非線性）或環境依賴性（溫度、電源電平）。

數據處理

數據處理功能將校準和過濾的傳感器數據轉換為最能支持應用的測量結果。在振動監控系統中，這可以是簡單的均方根直流對話，也可以是帶有頻譜報警的快速傅里葉變換（FFT）（參見ADIS16228）。在傾斜傳感應用中，智能傳感器將使用公式2、公式3或公式4將基于加速度的重力響應轉換為方向角估計值。

這三個關系分別表示一個、兩個和三個加速度計測量的傾斜估計，假設每個加速度計之間完全正交。

通信/存儲

通信/存儲功能支持數據暫存和與所有物聯網云服務（加密/安全、存儲和分析）的連接。

電源循環操作

電源管理（PM）功能為典型的智能傳感器提供三種不同的功能。PM的第一個功能是管理信號鏈中所有組件的所有電源排序要求。PM的第二個功能是將來自能源的電源轉換為電壓，以支持信號鏈中所有組件的最佳操作。最后，在具有定期測量間隔的系統中，PM系統提供調度來觸發每個測量事件。

電源循環是在智能傳感器節點中識別此類不連續操作的常用方法。通過在測量事件之間處于低功耗（或零功率）狀態，該技術有助于節省智能傳感器的能量。圖3顯示了利用該技術的智能傳感器在整個測量周期內的瞬時功耗。

圖3.基本電源循環圖。

公式5提供了使用圖3中的工作屬性估算平均功耗（PAV）的簡單關系。

P上是智能傳感器節點在采樣和處理數據以產生和通信相關測量結果時的平均功耗。

P關閉是智能傳感器節點支持其低功耗休眠模式所需的平均功耗。

t上是智能傳感器打開、生成測量結果、將該結果傳達給物聯網云并重新關閉所需的時間。

t關閉是智能傳感器處于休眠狀態（睡眠模式或完全關閉電源）的時間。

T 是平均測量周期時間。

測量過程

在其準時（t上），智能傳感器通常會經歷幾種不同的操作狀態。圖4和公式6提供了一個示例序列，將導通時間分為四個不同的部分：初始化、建立、處理和通信。

圖4.智能傳感器測量周期順序。

t我為初始化時間，表示通電之間的時間（VSP），以及信號鏈中每個組件準備好支持數據采樣和處理的時間。

tS是建立時間，表示第一個數據樣本與濾波器輸出時間（V唰唰??） 已穩定到足夠的準確性水平。

tP是處理時間，表示濾波器穩定后產生測量結果所需的時間。這可以包括校準公式的應用、特定于應用的信號處理以及物聯網安全協議的數據加密。

tC是通信時間，表示連接云服務、傳輸加密數據以及支持任何錯誤檢查或身份驗證服務所需的時間。

穩定時間影響

使用測量周期中不同相位的分段（圖 4），濾波器的建立時間是一個明顯的區域，噪聲會影響功率循環智能傳感器節點中的功耗。通常，平均產生的噪聲幅度的降低與平均時間的平方根成正比，而能耗的增加與平均時間成正比。因此，將噪聲幅度降低10倍將導致能耗（在濾波器建立期間）增加100倍！這種不成比例的權衡可以迅速有利于需要最少濾波量（最低噪聲）的傳感器。

應用示例

考慮圖5中的微波天線平臺，它位于塔式平臺上。在這種類型的通信系統中，數據鏈路的可靠性取決于指向角度的精度。保持指向角度可能需要手動調整，尤其是在地震和這些天線所在的平臺受到其他干擾之后。由于這種類型的遠程維護成本高昂且響應時間有限，一家天線運營商正在研究使用MEMS加速度計監測天線主體方向變化的可行性，作為其維護響應策略的一部分。

圖5.微波天線平臺。

系統架構師從他們最基本的功能要求開始這項調查：在每個天線平臺上保持可靠的通信。在該系統中，可靠的數據通信要求天線的指向角度必須始終保持在天線的半功率波束寬度（HPBW，見圖5）內。因此，他們確定，當天線的方向在短時間內改變天線HPBW的25%時，他們希望觸發維護訪問。

在支持此目標的誤差預算內，架構師允許傾斜測量中的峰值噪聲為測量目標的10%（HPBW的25%）。為簡單起見，架構師還指定噪聲的峰值等于噪聲均方根（rms）值的三倍。公式7捕獲了所有這些定義輸入，并將其簡化為一個關系，簡單地說，傾斜測量中的噪聲需要比HPBW低120倍。

為了將這種角度噪聲要求與MEMS加速度計中的相同性能指標相關聯，公式8來自將公式7的結果代入公式2中的基本加速度計傾斜公式。

因此，對于HPBW為0.7°的天線，加速度計中的噪聲必須小于100 μg，才能滿足現有標準。

該結果建立了一個指標，用于確定每個候選傳感器（來自表1）所需的平均時間量，以便在測量中實現100 μg的不確定度。查看圖2顯示，ADXL355需要~0.01秒的平均時間（tS355系列= 0.01，參見公式 10）以低于此水平。

為了快速近似，可以假設ADXL362的噪聲是ADXL355的9倍，因此需要的平均時間為ADXL355的81倍（tS362系列= 81 x tS355系列，參見等式11），以達到相同的目標。公式10捕獲了ADXL355建立時間產生的能耗，公式11捕獲了ADXL362建立時間產生的能耗（見表1）。

具有諷刺意味的是，這種噪聲性能水平的最低能耗來自使用最低噪聲加速度計，而不是最低功耗加速度計。公式12將公式10和公式11中每個傳感器的能量估計值除以測量間隔（T = 10秒），以估算建立時間對功耗的貢獻。

結論

這個特殊的討論揭示了一個特定的場景，其中最低功耗的解決方案來自使用噪聲最低的核心傳感器，而不是提供最低功耗的傳感器。對于那些正在為新興物聯網應用開發智能傳感器概念的人來說，這些應用具有苛刻的性能要求和有限的能源獲取，這種類型的解決方案路徑可以提供重要的經驗教訓。從本質上講，對于那些愿意首先理解，然后挑戰最基本的范式的人來說，聰明的解決方案可能是可用的。有時，最佳性能和最低功耗實際上可能來自同一傳感器。

審核編輯：郭婷