物联网智能传感器中低噪声的力量

性能与功耗的关系;对于那些正在为新兴的基于物联网的应用空间开发智能传感器的人来说，这是最微妙的权衡之一。在广泛的性能空间中，噪声通常是需要评估的重要属性，因为它会限制智能传感器中关键功能块的组件选择，从而增加功率负担。此外，噪声行为会推动滤波要求，这会影响传感器对条件快速变化的响应能力，并延长开发质量测量所需的时间。

在支持连续观察（采样、处理、通信）的应用中，系统架构师通常必须处理噪声和功耗之间的对抗关系，因为最低噪声解决方案很少是同时提供最低功耗的解决方案（在特定功能类别的设备中）。例如，MEMS加速度计通常用作远程倾斜测量系统中的核心传感器。表1列出了目前在噪声或功耗方面均具有业界领先性能的两种不同产品的亮点： ADXL355（低噪声）和ADXL362（低功耗）。

表1中的四个条目中的三个表示ADXL362中的可选工作模式，第四个条目表示ADXL355的关键指标。从这个交易领域的关键边界开始，ADXL355的噪声比ADXL362中最低功耗模式低近27倍，但功耗要高得多。对于性能要求更具挑战性的应用，可能需要考虑ADXL362的最高性能模式，ADXL355的噪声将降低9倍，而ADXL362的功耗将降低13倍。

当支持不需要连续观察和测量的应用时，平均功耗和噪声之间的关系变得更加有趣。噪声和功耗之间的关系甚至可以成为互补关系，这对某些人来说似乎令人惊讶。对于一些人来说，这是个好消息，因为上一代设计可能已被推迟，而开发人员正在努力确定功率或性能是否应该驱动他们的设计。现在，智能传感器架构师不再等待其他人回答同样的老问题，而是迫切要求通过量化这个贸易领域的相关选项来重新定义自己的工作。

智能传感器架构

量化特定应用的相关选项首先要对信号链进行一些假设，以便从概念架构开始。图1提供了包含最常见功能的智能传感器架构的通用示例。

图1.智能传感器架构。

传感器核心

智能传感器节点中的信号链从核心传感器功能开始。在其最基本的形式中，核心传感器也称为换能器，它将物理条件或属性转换为具有代表性的电信号。传感器的比例因子描述了其对所监测的物理特性或条件的电响应的线性部分。例如，具有interwetten与威廉的赔率体系 输出的温度传感器（如AD590）将提供以mV/°C为单位的比例因子。 数字加速度计（如ADXL355）将以LSB/g或代码/g为单位提供其比例因子。

滤波器

信号链中的下一个功能模块（图1）是滤波器。此阶段的目的是降低核心传感器可能支持但在应用中无关的频段的噪声。在振动监测应用中，这可能是一个带通滤波器，它将随机振动与特定的光谱特征分开，该特征可以指示机器健康状况的恶化。在倾斜传感器中，这可以是一个简单的低通滤波器，例如运行平均值。在这种情况下，时间长度在建立时间和滤波器输出中的残余噪声之间是一个重要的权衡。图2提供了ADXL355的艾伦方差曲线示例，该曲线显示了测量的不确定性（噪声）相对于产生该测量的平均时间。

图2.艾伦方差曲线：ADXL355 和 ADXL362。

校准

校准功能的目的是通过应用校正公式来提高测量精度。在最苛刻的应用中，这些校正公式通常来自对传感器响应的直接观察，同时测量严格控制的条件。例如，在倾斜传感器应用中，校准过程将涉及观察MEMS加速度计相对于重力的几个不同方向的输出。这些观测的总体目标是观察传感器对足够方向的响应，以解决所有12个校正因子（m11， m12， m13， m21， m22， m23， m31， m32， m33- Cx- Cy- Cz） 在以下关系中（参见公式 1）：

公式1中的校正因子解决了偏置、灵敏度和对准误差。该公式还可以扩展，以考虑高阶传感器行为（非线性）或环境依赖性（温度、电源电平）。

数据处理

数据处理功能将校准和过滤的传感器数据转换为最能支持应用的测量结果。在振动监控系统中，这可以是简单的均方根直流对话，也可以是带有频谱报警的快速傅里叶变换（FFT）（参见ADIS16228）。在倾斜传感应用中，智能传感器将使用公式2、公式3或公式4将基于加速度的重力响应转换为方向角估计值。

这三个关系分别表示一个、两个和三个加速度计测量的倾斜估计，假设每个加速度计之间完全正交。

通信/存储

通信/存储功能支持数据暂存和与所有物联网云服务（加密/安全、存储和分析）的连接。

电源循环操作

电源管理（PM）功能为典型的智能传感器提供三种不同的功能。PM的第一个功能是管理信号链中所有组件的所有电源排序要求。PM的第二个功能是将来自能源的电源转换为电压，以支持信号链中所有组件的最佳操作。最后，在具有定期测量间隔的系统中，PM系统提供调度来触发每个测量事件。

电源循环是在智能传感器节点中识别此类不连续操作的常用方法。通过在测量事件之间处于低功耗（或零功率）状态，该威廉希尔官方网站 有助于节省智能传感器的能量。图3显示了利用该威廉希尔官方网站 的智能传感器在整个测量周期内的瞬时功耗。

图3.基本电源循环图。

公式5提供了使用图3中的工作属性估算平均功耗（PAV）的简单关系。

P上是智能传感器节点在采样和处理数据以产生和通信相关测量结果时的平均功耗。

P关闭是智能传感器节点支持其低功耗休眠模式所需的平均功耗。

t上是智能传感器打开、生成测量结果、将该结果传达给物联网云并重新关闭所需的时间。

t关闭是智能传感器处于休眠状态（睡眠模式或完全关闭电源）的时间。

T 是平均测量周期时间。

测量过程

在其准时（t上），智能传感器通常会经历几种不同的操作状态。图4和公式6提供了一个示例序列，将导通时间分为四个不同的部分：初始化、建立、处理和通信。

图4.智能传感器测量周期顺序。

t我为初始化时间，表示通电之间的时间（VSP），以及信号链中每个组件准备好支持数据采样和处理的时间。

tS是建立时间，表示第一个数据样本与滤波器输出时间（V唰唰��） 已稳定到足够的准确性水平。

tP是处理时间，表示滤波器稳定后产生测量结果所需的时间。这可以包括校准公式的应用、特定于应用的信号处理以及物联网安全协议的数据加密。

tC是通信时间，表示连接云服务、传输加密数据以及支持任何错误检查或身份验证服务所需的时间。

稳定时间影响

使用测量周期中不同相位的分段（图 4），滤波器的建立时间是一个明显的区域，噪声会影响功率循环智能传感器节点中的功耗。通常，平均产生的噪声幅度的降低与平均时间的平方根成正比，而能耗的增加与平均时间成正比。因此，将噪声幅度降低10倍将导致能耗（在滤波器建立期间）增加100倍！这种不成比例的权衡可以迅速有利于需要最少滤波量（最低噪声）的传感器。

应用示例

考虑图5中的微波天线平台，它位于塔式平台上。在这种类型的通信系统中，数据链路的可靠性取决于指向角度的精度。保持指向角度可能需要手动调整，尤其是在地震和这些天线所在的平台受到其他干扰之后。由于这种类型的远程维护成本高昂且响应时间有限，一家天线运营商正在研究使用MEMS加速度计监测天线主体方向变化的可行性，作为其维护响应策略的一部分。

图5.微波天线平台。

系统架构师从他们最基本的功能要求开始这项调查：在每个天线平台上保持可靠的通信。在该系统中，可靠的数据通信要求天线的指向角度必须始终保持在天线的半功率波束宽度（HPBW，见图5）内。因此，他们确定，当天线的方向在短时间内改变天线HPBW的25%时，他们希望触发维护访问。

在支持此目标的误差预算内，架构师允许倾斜测量中的峰值噪声为测量目标的10%（HPBW的25%）。为简单起见，架构师还指定噪声的峰值等于噪声均方根（rms）值的三倍。公式7捕获了所有这些定义输入，并将其简化为一个关系，简单地说，倾斜测量中的噪声需要比HPBW低120倍。

为了将这种角度噪声要求与MEMS加速度计中的相同性能指标相关联，公式8来自将公式7的结果代入公式2中的基本加速度计倾斜公式。

因此，对于HPBW为0.7°的天线，加速度计中的噪声必须小于100 μg，才能满足现有标准。

该结果建立了一个指标，用于确定每个候选传感器（来自表1）所需的平均时间量，以便在测量中实现100 μg的不确定度。查看图2显示，ADXL355需要~0.01秒的平均时间（tS355系列= 0.01，参见公式 10）以低于此水平。

为了快速近似，可以假设ADXL362的噪声是ADXL355的9倍，因此需要的平均时间为ADXL355的81倍（tS362系列= 81 x tS355系列，参见等式11），以达到相同的目标。公式10捕获了ADXL355建立时间产生的能耗，公式11捕获了ADXL362建立时间产生的能耗（见表1）。

具有讽刺意味的是，这种噪声性能水平的最低能耗来自使用最低噪声加速度计，而不是最低功耗加速度计。公式12将公式10和公式11中每个传感器的能量估计值除以测量间隔（T = 10秒），以估算建立时间对功耗的贡献。

结论

这个特殊的讨论揭示了一个特定的场景，其中最低功耗的解决方案来自使用噪声最低的核心传感器，而不是提供最低功耗的传感器。对于那些正在为新兴物联网应用开发智能传感器概念的人来说，这些应用具有苛刻的性能要求和有限的能源获取，这种类型的解决方案路径可以提供重要的经验教训。从本质上讲，对于那些愿意首先理解，然后挑战最基本的范式的人来说，聪明的解决方案可能是可用的。有时，最佳性能和最低功耗实际上可能来自同一传感器。

审核编辑：郭婷