中国传动网：全景扫描MEMS运动传感器

MEMS在电子圈外也是一个受追捧的技术名词，普及这个词汇的最大功臣无疑是智能手机的动作感应功能，而背后扮演重要角色的是那些MEMS运动传感器。这些运动控制传感器将非电量(如速度、压力)的变化转变为电量变化，其技术水平的发展促进电子设备的运动感知能力愈来愈智能。

常见的运动传感器包括陀螺仪、加速度计和磁力计等，在运动跟踪和绝对方向方面每种传感器都有自己固有的强项和弱点，但通过融合的多轴传感器组合、集成压力传感器/处理器/射频单元等方式，测试精度的发展日新月异。

“求助：传感器数据不准确?”

在我们的论坛求助上，如何获取准确的传感器数据一直是工程师在系统设计时所面临的一大挑战。针对此挑战，博世传感器发言人指出实现准确的传感器数据，需要注意不同阶段的设备设计：“阶段一是传感器硬件和软件共同设计阶段，在该阶段我们定义了最优初始参数例如噪声和补偿;第二阶段是系统软件层次上，提供最佳的传感器数据融合库(BSX);第三阶段是对客户系统实现的支持，比如针对磁力仪集成，我们为客户的PCB上提供亥姆霍兹线圈测量。”要实现最优的传感器性能，传感器和软件必须恰当匹配，并且传感器供应商能够很好的支持OEM端传感器硬件和软件的实现。

对于工程师所提到的“传感器数据不准确”疑惑，Kionix中国区总经理邓川军指出，传感器数据不准确这个说法不太准确，因为传感器会如实地汇报原始数据，“但如何准确地使用原始数据去联系我们的应用，这个需要很好的算法。”

Kionix这方面投入很大，在硅谷专门有个团队从事算法和应用的开发，以提供给客户比较好的用户体验，邓川军表示。例如Kionix为加速度计提供的嵌入式算法包括轻击检测、屏幕旋转、手势识别及活动监测等，努力为客户提供更多价值。”

Invensense也是如此，不仅在所有产品中通过提供“自我矫正输出”功能来持续提供高性能检测，同时也针对具体应用提供一些自动活动识别(AAR)软件库，比如在其产品ICM-20655中的AAR就能为检测步行、跑步、自行车、静止和睡眠等不同状态的手腕穿戴式产品提供“Always-On”的检测功能。

“传感器的数据准确度除了受制于器件本身之外，还涉及到焊接和装配之后的校正，以及针对不同应用的合适选型和配套的算法。”ADI微机械产品线高级应用工程师赵延辉指出，他表示公司就在提高产品本身精度的同时也对客户提供良好的技术支持，从而帮助系统设计者获得满意的系统精度。

“我们提供给客户的MEMS传感器硬件/软件都是做好的产品，通过了严格的出厂测试校准。”意法半导体MEMS和传感器市场经理许永刚指出，“甚至我们还会提供PCB设计指导。”

算法：多轴传感器数据融合的关键

每一种MEMS运动传感器都有其自身的优点和缺陷，笔者把这些优缺点整理在表一中。要达到精益求精的传感数据，除了传感器本身的精度之外，通过复杂的传感器融合软件将来自各种传感器的输入组合在一起，产生一个更加精确的运动检测结果十分必要。传感器融合软件将来自多种传感器的数据融合，弥补了单个传感器在计算准确的位置和方向时的不足，从而实现高精度的运动检测，为手机、导航系统、游戏机等应用创造更多新机会。此外，集成化的趋势减少了电路板的整体空间和总成本，为进入更多轻巧便携电子设备/穿戴式产品带来可能。

“我们的独特性在于融合软件BSX都是自行开发的，这意味着不同方案都可以通过硬件和软件的协同设计完美匹配。”博世传感器发言人表示。此外，其软件是基于混合传感器数据融合方法，这意味着紧密传感器耦合与松散传感器耦合能并行使用，这种方法的优点是在传感器数据处理能力(功耗)和整体感知准确性之间的最佳折衷。

飞思卡尔市场经理高小龙表示，情境感知的广泛需求敦促传感器厂商不单只提供硬件芯片，而且能够针对客户的应用需求提供更加丰富的软件方案及算法。Freescale能够免费提供6/9/10轴的传感器数据融合算法及相关软件，能够提供给系统厂商丰富、准确的软件接口去开发更多的定制化应用。

意法半导体的iNEMO引擎则是基于卡尔曼滤波器(KalmanFilter)理论，采用一套自适应预测和滤波算法，能够识别由加速度计、陀螺仪、罗盘以及压力传感器组成的多个传感器的输入信息，并可自动修正传感器的测量失真、错误以及干扰，从而大幅提升用户体验以及感应精度、分辨率、稳定性和响应时间。