鉅大LARGE | 點擊量:944次 | 2020年04月29日
提高跟蹤精度和電池續航能力,ST推出全新運動傳感器
機器學習技術可分類處理運動數據,提高運動跟蹤精度
嵌入式智能和其它強化功能大幅降低功耗,延長智能手機、穿戴設備和游戲控制器的電池續航時間
半導體供應商意法半導體(STMicroelectronics,簡稱ST;紐約證券交易所代碼:STM)在其先進的慣性傳感器內集成機器學習技術,提高手機和穿戴設備的運動跟蹤性能和電池續航能力。
LSM6DSOXiNEMO?傳感器內部集成一個機器學習內核,可根據已知運動模式對運動數據進行分類處理,接替主處理器處理運動跟蹤的第一階段任務,這種方法可以節能降耗,加快健身記錄、健康監測、個人導航、跌倒檢測應用等運動類應用程序的運行速度。
意法半導體模擬、MEMS和傳感器產品部副總裁AndreaOnetti表示:“機器學習已大范圍用于社交媒體、金融建模或自動駕駛等應用以提高模式識別的速度和效率,LSM6DSOX運動傳感器集成了機器學習功能,可增強智能手機和穿戴設備的運動跟蹤性能。”
配備意法半導體LSM6DSOX的設備可以為用戶帶來便利、響應迅速的“永遠開啟”的使用體驗,且對電池續航時間沒有任何影響。LSM6DSOX集成于傳統傳感器相比,增添了更大的內存空間,并配備最先進的高速I3C數字接口,使得傳感器與主控制器的交互間隔更長,連接時間更短,節能省電效果更好。
該傳感器易于集成到主流移動平臺(例如:Android和iOS)上,可簡化消費、醫療和工業智能設備使用流程。
LSM6DSOX現已量產上市。
更多技術信息:
LSM6DSOX包含一個3DMEMS加速度計和3DMEMS陀螺儀,并使用機器學習內核跟蹤復雜的運動,典型工作電流僅為0.55mA,電池負載得到大幅降低。
機器學習內核與傳感器集成的有限狀態機邏輯協同工作,執行運動模式識別或振動檢測功能。使用LSM6DSOX創建運動跟蹤產品,要用開源pC應用程序Weka對機器學習內核進行決策樹分類培訓,從樣本數據生成設置參數和限值,例如,用于表征被檢測運動類型的加速度、速度和磁傾角。
因為支持自由落體檢測、喚醒、6D/4D方向檢測、單擊和雙擊中斷,LSM6DSOX可用于運動跟蹤外的其它的多種應用,例如,用戶界面管理和筆記本電腦保護。輔助輸出和配置選項還簡化其光學防抖(OIS)應用。