请选择 进入手机版 | 继续访问电脑版

你的浏览器版本过低,可能导致网站不能正常访问!
为了你能正常使用网站功能,请使用这些浏览器。

传感器的智能实现方法解析

[复制链接]
guoyuli 发布时间:2023-9-15 10:28
以前人们讨论谈人工智能时主要关注云计算 — 数据上传到云端,利用其强大计算能力得到结果。然而,云计算的前提是所有的数据都要传到云端,对带宽要求极高,可能到6G时代才能真正实现。

( u" ?$ H" {4 T
现在我们将人工智能转移到边缘端进行边缘计算。通常情况下,边缘计算是将算法放置到MCU中,传感器只输出数据,MCU运行独立算法。然后,现在我们将算法下沉放到传感器中,有两种不同的方案:
1)基于MLC,采用rPU处理器进行重配置,能将部分算法(如决策树算法)运行于传感器中,再由传感器输出事件结果给MCU。这样就不需要MCU去处理运行全部算法。
2)基于我们今天的主角ISPU,Intelligent Sensor Processing Unit,智能传感器处理单元。
640 (16).png
0 w  V8 p( b" y, Z: x7 `  h6 L
3 e8 B% ^) }4 [1 h, l+ m
ISPU不是传感器,只是嵌入在传感器IMU里面的功能模块。ISPU本质上是一种微型C语言可编程处理器,可在传感器内执行信号处理和AI算法,与常见开发工具兼容,相当于传感器中嵌入了一个DSP,可以运行类似MCU的算法。因此,它拥有更强大的功能,可以运行标准的C指令,支持信号处理和AI推理、机器学习和深度学习,甚至二进制神经网络,同时以µA级的功耗提供广泛的编程灵活性,让传感器的智能程度更进一步!
5 a# z" l5 v1 h( ?. E2 X$ j2 {
目前带ISPU的6轴惯性测量单元(IMU)有两种。面向复杂动作手势识别、事件检测和运动追踪等消费应用的LSM6DSO16IS,以及面向机器人、空调和资产追踪,预测性维护等边缘工业应用的ISM330IS。除了基本的IMU功能(如可配置陀螺仪量程,加速度量程,ODR数据,SPI/I2C接口),内部还集成了ISPU用于人工智能算法和处理超低功耗可编程核心,运行频率最高可达到10兆赫兹,配备32KB用于程序的RAM和8KB用于数据的RAM,总40KB内存,支持浮点运算及32位整数运算。
! R$ h! Y4 @' h3 o% N6 o
ST的ISPU方案基于DSP架构。这种DSP面积很小,只有8K门;封装也很小,仅为3*2.5*0.83;支持浮点运算,同时也支持神经网络。基于32位的哈佛架构,最高主频可达10MHz,最大输出数据达到6.6KHz。

' b+ X' P' N, D. l/ H
ISPU的优势很明显,首先在功耗方面,如果将传感器融合算法运行到ISPU中,5MHz功耗仅为200µA。但是,如果运行在Cortex-M0上,即使主频为4MHz,功耗也需要1300µA。可见,ISPU传感器融合的功耗是比M0低5倍。此外,由于ISPU是DSP直接集成在传感器中,可以直接获取类似加速度仪等传感器的处理数据,无需总线参与,从而降低系统的负载和功效。在104Hz频率下读取数据时,ISPU仅仅耗费1µA,而Cortex-M0在4MHz时就已经需要94.4个µA。
) l6 }' j2 G' x
640 (17).png

2 A: D6 O# @- [: H
当ODR增大,ISPU运行速率加快时,功耗差距越大。例如,当883Hz去提取加速度数据时,ISPU功耗仅为7.5µA,而Context-M0为747µA,两者的差距已达百倍。当然,对于其他算法,如倾角检测,排气检测,传感器融合,手腕倾斜(比如手表穿带的翻腕亮屏功能),ISPU的功耗也很低。
5 \8 B4 q2 |/ F; v1 l; l; y
其次是ISPU的AI优势 — ISPU提供更多选择和更大自由的自学习方案:一方面,它可以支持机器学习,如决策树,Scikit-learn;另一方面,它也支持深度学习算法,如常见的QKeras、TensorFlow、ONNX等,同时,我们采用ISPU的编译器,将基于机器学习和深度学习算法模型进行编译,生成ISPU可运行的UCF配置文件,通过MCU将该配置文件写入ISPU,即可运行算法。这可以广泛应用于个人电子产品(如穿戴设备,头戴设备等)以及工业领域的事件监测等。
% {& @# W8 r+ i6 s
收藏 评论0 发布时间:2023-9-15 10:28

举报

0个回答
关于意法半导体
我们是谁
投资者关系
意法半导体可持续发展举措
创新与技术
招聘信息
联系我们
联系ST分支机构
寻找销售人员和分销渠道
社区
媒体中心
活动与培训
隐私策略
隐私策略
Cookies管理
行使您的权利
关注我们
st-img 微信公众号
st-img 手机版