答疑汇总|STM32技术周-Day2人工智能&智能出行 在线演讲Q&A

Day2:技术内容回看入口>>

% N0 r& h; V$ t# s0 `4 M4 z3 I% D今天为大家带来第二天技术问答，欢迎大家来学习。

2 w( g* T& Y# v+ z$ pSTELLAR E 家族产品介绍
Q：我从事的是时钟行业，在我们的产品中大规模使用的是STM32G431单片机，我使用其中的一个32位定时器来进行守时程序编写，目前需要进一步提高守时精度，我查到网上能够使用结合硬件定时器编写64位的软件定时器，不知道这种方法的误差大么？官方有没有相应的例程？
A：可以实现，使用TIMER级联方式，使用TIMER update event作为触发信号给下一级做时钟信号，多级级联可实现任意位数的定时；该方式配置好后，精度跟随TIMER时钟。
' G  f) R8 L/ D
) Z* }$ s# q* \0 h9 e) JQ: Stellar E1的产品定位是针对什么样应用？
" K! N7 g1 a! f3 U* t/ Y% QA:Stellar E1重点针对OBC/DCDC的典型应用需求而设计的，面向高效的能量转换，支持碳化硅、砷化镓器件所需要的高频率开关控制，满足高集成度，低功耗，高实时性，高安全性的要求。作为一个双核300MHz的MCU, 支持ASIL-D和HSM，当然也可以用于其他汽车应用领域。
9 H0 y: W7 R5 G/ G
Q:Stellar E1如何申请样品和详细的资料？
A：由于Stellar E1是新产品，在网上公开的资料有限，客户需要资料和样品时，可以通过当地的ST代理或者销售人员联系我们汽车产品的相关负责人员。

Q：Sellar E系列MCU有产品路线图吗？
A：有的。后续会有多核或者单核以及不同封装和不同存储容量的产品推出，会集成旋变解码，支持双路驱动等功能。
$ ^, S5 w; ~2 {* ^
/ r8 O. Y! f+ s7 CQ：Stellar E1的设计是否成熟？
1 p  i* W0 Z; u- BA：Stellar E1的设计IP和相关的生产技术，都是在ST的其他MCU产品上已经得到量产验证的，所以E1从样品到量产的时间比一般的新产品会缩短一些测试周期。
2 m: f& O) w0 i+ ~" v( M
3 ?% X+ b2 P, v. }Q：Stellar E1 什么时候可以量产？明年有产能支持吗？
  m; g& C# |( {1 J& {4 u  KA：Stellar E1的PPAP时间定在2023年的Q2，PPAP就意味着产品达到量产状态了，具体的排产时间是与客户的量产订单向关联的。Y23 H2有预留一定的产能，早入的订单会优先排产。
8 G: ~1 }- p% G# ^
# \6 i- D5 F* o) N7 ?Q：Stellar E1有哪些技术优势？
% }5 w* A5 Q9 P6 S% sA：Stellar E MCU会给未来的OBC/DCDC设计带来这些优势：快速控制回路支持最高1MHz的开关频率，非常快（<100ns PWM shut-off）的保护响应，一颗MCU可以对应普通的MCU+DSP的功能，单颗MCU可控制完整的3相OBC系统，ASIL-D，HSM，OTA ready，AutoSAR support, 等等。
7 _& f4 {$ z2 o
Q：UNICO有哪些功能？
1 {$ L, K  s9 q' u" Y0 k9 ?( yA：PC端的Unico可以配置传感器内部寄存器，实时查看传感器数据，以及中断和FIFO的数据。针对一些特殊传感器，还可实现FSM, FFT, MLC的配置评估。

Q：ST的MEMS传感器支持哪些通讯方式？蓝牙，ZigBee，sub1G，LoRa，WiFi，以太网？
A：ST的MEMS传感器通常支持I2C和SPI总线通讯，目前最新的传感器还支持I3C总线。

Q: Stellar E 和 nxp的power pc有啥优势?
6 l( O( p" Y7 ?A: Stellar E采用了ARM核，主要是针对NEV的应用系统开发的。
( h4 a' D) r8 Q- D' V" h3 k6 g9 N
5 @6 H. y/ O# J/ nQ: 车规里会要求有备份运行的系统吗？Stellar系列如果做双系统，有参考设计吗?
A: E1有FOTA的硬件设计，可以实现快速的备份切换。
: q& B& [% T9 F
Q：您好，Stellar E 芯片的工作温度有多宽，能适应 - 55 和85摄氏度的环境么？
' S! g0 f0 ]1 L6 Q/ ?4 FA：工作温度-40C to 125C。
$ H: }! a. U! v# y# F5 N
! b& G. H' ~7 }Q：支持哪些通讯协议？
A：CAN-FD，LIN， SPI，I2C, etc.

# t) I7 D0 q. D! \) C! XQ：应用领域有哪些？
A：OBC/DCDC， Traction inverter，etc.

' n6 D0 t2 }" s9 H, c4 HST NFC助力工业及汽车创新
; x9 G7 x, h" h+ GQ:  ST25-I2C功耗在什么水平？休眠功耗多少？
A：休眠功耗0.1uA，工作最大电流小于1mA。
1 o% M1 W6 r# v$ C+ ~
Q：ST25R系列支持哪些射频标准？开发集成环境是什么？
A：ISO1443, ISO15693, ST25R只是射频前端，可以搭配客户自己选用的MCU，代码开源。

& G; k# W/ T8 E; o8 yQ：NFC车钥匙和蓝牙车钥匙方案各自的特点和优势？
A：互相补充，NFC安全，功耗低，可以支持手机关机操作。
% \! _% e: K. d  X& Q" q2 J
  J: }4 Z+ B& W  GQ：如果手机和卡一起放在NFC识别区 他会识别到手机还是卡？
A：在汽车应用中，我们的目的是保护卡，所以只要有卡，我们在逻辑上就终止充电。
; t/ I2 f% `/ a' S# t# d' y2 b% R
Q：请问动态标签的传输距离？
A: 根据实际天线设计，我们最远有做1米的应用，通常NFC的通信距离在10cm内.
& A/ \! [) g9 b2 G$ q
Q: ST25TN数据保存时间多长时间？
A: 40年。

Q：NFC无线充的距离可支持多远，可移动着充电吗？
. c5 ^! G, Z# T4 jA：移动着充电是指充电天线和产品之间的距离变化吗？这样会导致电流不稳定。但是相对于Qi，NFC对于充电距离更灵活。

Q：目前客户中，FSM使用的比较多应用是什么？
A：智能手表上做翻腕检测实现唤醒系统亮屏功能，相对于软件算法，功耗低，响应快。
% A' `% T+ x4 y7 B
ST智能传感器的状态机和机器学习功能介绍
+ E  P2 {  X& w/ Y' S: e
5 v  K5 P0 I0 A0 C0 t4 c# h1 D" g! L* CQ：MLC是开发过程中有哪些需要特别注意的事项吗？
8 n% d, h' O6 h5 VA：首先，采集数据的质量是训练高准确性的决策树的关键，要保证数据是干净的，
& i2 i% m* {  J" ~

举个例子，如果在走路类别的数据中，参杂有静止的数据，就会导致决策树输出的结果不准确，有可能当静止的时候，也输出走路的结果。

其次，要选择合适的窗口长度，一次取多少样本数据进行特征运算。如果太长，延迟会很大； 太短，检测不到一个完整的活动周期。


3 d* }5 q) a7 h) e7 {" X举个例子，假设要识别走路的活动，步频一般在1~3Hz, 设置窗口长度为1秒比较合适。

最后，滤波器可以用来在频域上做一些不同场景的区分，
) ?" ]1 [& o7 g  e: g4 |

8 S  k$ x* D1 b5 A' @2 {+ E特征的选择的话，可以借助于一些开源工具，如Weka，对不同的特征进行排名，选择对不同类别识别或者区分准确率高的特征。
$ ~9 o2 T. y$ C, e$ s+ m1 s1 z6 Z
  p, p/ L1 x, i! AQ：FSM和MLC可以结合起来使用吗？
A：是可以的，MLC滤波以后的数据可以做为FSM的数据输入，另外MLC的输出结果可以送到FSM里面利用CHKDT指令进行判断。

Q：运行MLC的存储开销需要多少字节？
+ s7 d2 ~; g% ^: A: mA：MLC的开发流程：决策树是在PC上训练出来的，然后将其转换为寄存器配置，最终MLC是跑在sensor里面。所以，在MCU里面，只需要存储MLC寄存器配置即可，是很小的。
" {2 x# X: n& C$ K$ ~6 w' B3 T5 ~
Q：抽象的状态识别有哪些？动作定义有几种？
( e: h7 o9 l8 i; l: H; I; d8 g4 c9 t3 BA：自己定义需要识别的状态或者姿态，像走跑骑乘，抬腕，翻腕，翻转。
( ^( h+ J$ |0 ]  Q$ b# I  x" r
ST人工智能应用解决方案
Q：怎样建立人工智能机器学习模版？
A：如果需要建立AI的模型，可以用网上通用的tensorflowlite, Keras, ONNX来建立自己需要神经网络的模型，也可以使用sklearn来建立机械学习的模型。
; X, m9 t' v# N; }
Q：STM32Cube.AI适用于全系列STM32吗
" n/ q2 h! p2 Q; J" p0 c" J/ \# @A：STM32Cube.AI目前支持出M3核以外的全系列MCU。开发者可以根据需求选择合适的MCU开发部署AI模型。
+ `& F) C$ h4 ^% V
Q：哪些CPU支持人工智能啊？
6 B1 p4 v* p0 f5 j, ]4 RA：整体来讲，STM32的MCU都可以支持人工智能。 具体会看您的人工智能场景需要的算力和推理时间，来选择STM32的MCU和AI工具。
5 _" X8 p9 M( B1 d# u, m! z
Q：ISPU是否相当于一个处理器?
# x0 [  Y2 b: nA：ISPU相当于一个小的专门针对人工智能的处理单元，集成在传感器中。

, {/ v6 b# ]; s0 |Q：目前ST的AI方面可以提供那些AI应用包方便学习了解？
" d$ f. _8 v& G& f  yA: https://www.stmcu.com.cn/ecosystem/app/ai， 通过STM32功能包加速开发。有FP-AI- 的包， 有音频传感， 图像视觉，状态检测，面部检测等。
3 I. W( j9 I" ^) z- K
" N& V% w8 l' z* G! sQ：NanoEdge AI Studio免费的吗？
! @& Q% F( A- y3 C! C$ OA：需要license费用，具体可以咨询代理商，或者email给 lisa.ding@st.com

2 I' R5 i. M  m9 H9 p+ J  |4 m/ x7 sQ：部署到设备后还能进行在线学习吗？
! _& u2 F- _0 m  Q% o# hA：NanoEdge AI在异常检测的应用中，可以做在板的在线学习。

Q：做异常检测时，收集并提供给NanoEdge AI studio的正常和异常信号具体由什么要求吗？
( {9 E/ e) [- {" G$ {' V+ J- n4 K2 CA：AI模型的有效性完全取决于提供的数据，我们提供什么数据就会训练出什么样的模型。所以如果我们想要检测设备的异常的话，那我们提供的正常和异常的信号就必须能够反映出设备在正常和异常时的那个差异。比如说假设某一个异常在发生的时候，设备会有一个5KHz的异常振动信号，那我们在提供信号给NEAI的时候呢 就需要让采样频率至少是5KHz的2倍，不然信号里面是反映不出这个异常的行为的。再比如说，如果设备的一个异常行为需要一个500ms的时间过程才能识别出来，那我们提供给NEAI的信号长度就至少要500ms才行。所以这个信号的要求是根据具体的实际情况来决定的。

' C) w. u& h( K2 {- S) o% sQ：目前ST的AI方面可以提供那些AI应用包方便学习了解？
, a3 j1 s: M; L9 B! XA：目前可以直接在st.com的官网上搜索FP-AI开头的字符，你就可以发现AI目前相关的应用开发包，如FP-AI-MONITOR1包含各种传感器开发的应用(人体活动识别，声音场景识别), FP-AI-VISION1则是包含了视觉相关的应用(食物识别，人体检测，人数检测的例子）
5 q( ^5 I# c0 G/ V! d
Q：STM32Cube-AI包是免费的吗？我在哪里可以找到，如何使用？
A：对，STM32Cube-AI包是免费的，可以直接在STM32CubeMX中的”Embedded software package Manager"中找到X-Cube-AI，并进行在线下载，在https://www.st.com/resource/en/u ... icroelectronics.pdf 这个网站下面有详细的使用说明

8 f! A! R, g- y  Q& H) a! WSTM32在计算机视觉上的应用
* l; V, D0 P, @9 e2 UQ：这些解决方案中，ST提供了那些硬件和软件？
A：针对于FP-AI-SENSING的应用，可以用sensortile, sensortile.box, IOT和STWIN的板子上来进行跑，对于FP-AI-VISION的包，建议大家使用STM32H747I-DISCO搭配OMV的摄像头，可以直接跑包中的相关应用。

- ?& n6 ]# n5 j9 h! y% CQ：请问介绍的案例、演示方案的电路图、代码等设计资料是否能提供，如何获取？
! v3 t( {% U; d$ L+ ?  QA：介绍的关于FP-AI相关的方案和X-LINUX-AI的方案，可以直接在ST的官网上就可以搜索获取，有相关ST对应的板子可以直接支持报应用。对应内部的demo，如果大家有兴趣，需要跟我们Marketing联系于我们对接，开发对应的应用。

7 X7 N, i* a8 M9 P. M# VQ：哪些MCU支持计算机视觉功能？
$ P( q8 s9 ~. VA：理论上所有STM32Cube-AI支持的MCU都支持计算机视觉功能，但是需要根据计算速度和MCU资源选择合适的MCU。
: L; n9 `" i' w6 s: M0 G" Y
, X" X; L8 {' t3 b# jQ：STM32F429 也能实现ML?
% @; _0 d7 i& i" e' tA：可以，需要最终的AI模型转化后，资源够用。 需要选择适合嵌入式场景使用的模型。

Q：AI神经网络的自适应性如何?
A：深度学习的泛化能力相较于传统算法，会有一个明显的提升。网上有较多的参考资料，可以参考一下。
6 y* s1 Z9 J6 l  z* \9 m
艾睿AI智能家居
Q：AI目前感觉高高在上，直播中介绍的很多案例都是相对比较大比较复杂的应用中，老师能否介绍一些AI与一些较小的应用邻域结合起来的应用，比如我们应用很广泛的电动自行车，有没有上面AI可以应用到的点，有价值的应用？
A：电动自行车可以增加一些传感器，检测行车状态，然后训练模型，识别车辆是否急刹，跌倒等。

' Z6 _5 w. e1 c6 }- E9 a4 c1 ]
欢迎大家打卡学习，大家有什么问题还以评论区留言！每位评论者可以获得10ST金币！


( B) L# i6 q7 O8 M( p






2 M# A2 @  c, y1 j2 i