#物聯網IoT #智慧穿戴 #醫療照護 #智慧家庭 #人工智慧AI #深度學習DeepLearning #微控制器MCU #能源採集 #EnOcean #Wi-SUN #家庭能源管理系統HEMS #類比前端AFE #磁阻感測MI Sensor #全球衛星定位系統GPS #無線充電
【奈米級電流、光＋磁感測搭配「能源採集」，Wearable 與智慧家庭完美共舞】
穿戴式產品是「資料收集」的絕佳載具，可經由遠端監測確認運作內容及狀態，而深度學習 (Deep Learning) 有助於產出內容！此外，大數據分析加上眼動追蹤等的 AI 加持，更易於獲取資訊並持續更新。與此同時，硬體將聚焦「移動性、自然化與使用介面」三大特性；而感測器、無線模組、MCU ／處理器、電源管理等關鍵零組件，將朝向追求微型化、高整合／複合式、低耗電、低成本。
一個典型穿戴式電子裝置，當中可能有 CPU、記憶體、感測器、顯示、音訊與通常不只一種的通訊模組；電池的小型化，增長壽命或安全性的改良是電池業者需要面臨的挑戰，而「低功耗電源晶片」是 IC 業者的基本要求之一。「奈米級」切換整流技術，標榜能將電路待機電流降至極限，不僅可延長智慧穿戴／物聯網 (IoT) 裝置的運作時間，也可能搭配能源採集的微型發電技術來自我運作。
特別一提，偵測心率、血壓等脈搏感測器有兩大評比要點：1.強化消除紅光干擾，讓 LED 綠光感測更穩定；2.減少類比前端 (AFE) 等的消耗電流、優化整個系統的耗電量。此外，追蹤、定位也是穿戴裝置常見功能，磁阻感測 (MagnetoImpedance Sensor, MI Sensor) 亦是重點元件，可應用於金屬探測，室內停車場管理，或者是彌補全球衛星定位系統 (GPS) 無法發揮的室內導航。
另為解決更換電池或充電維護的不便，不需額外供電、線纜，可借助開開動作、將動能轉換為電能的「EnOcean」能源採集通訊技術可運用於電影院或大眾交通系統等公共場域的座位管理，迄今歐美已約有 40 萬棟建築物案例建置系統。對接在日本智慧電表推廣有成的 Wi-SUN 通訊規範，結合用電量資訊及智慧穿戴感測，可發展居家照護及節能管理等的應用。
P.S.
免電池、免配線特性，「EnOcean＋Wi-SUN」也是智慧工廠的理想部署：https://www.facebook.com/lookcompotech/posts/1572343556198262。
回顧濾除紅光干擾的感測原理：
https://www.facebook.com/lookcompotech/posts/1526955077403777。
延伸閱讀：
《數據為王！穿戴裝置是絕佳載具》
http://compotechasia.com/a/____//2018/0211/38092.html
(點擊內文標題即可閱讀全文)
#羅姆半導體ROHM #NanoEnergy #新能源產業技術綜合開發機構NEDO #LAPIS半導體 #Kionix # KX126三軸加速度感測器 #SensorMedal感測器評估套件 #BM1385GLV氣壓感測器 #BH1790GLC脈膊感測晶片
★★【智慧應用開發論壇】(FB 不公開社團：https://www.facebook.com/groups/smart.application/) 誠邀各界擁有工程專業或實作經驗的好手參與討論，採「實名制」入社。申請加入前請至 https://goo.gl/forms/829J9rWjR3lVJ67S2 填寫基本資料，以利規劃議題方向；未留資料者恕不受理。★★
三軸加速度感測器 在 Re: [問題] 六軸IMU使用- 看板Electronics - 批踢踢實業坊 的推薦與評價
※ 引述《adaj (ada)》之銘言：
: 標題: [問題] 六軸IMU使用
: 時間: Wed Apr 20 17:36:39 2016
:
: 大家好
: 最近小弟想使用一顆六軸的慣性感測器
: 他可得到三軸加速度及角速度（100Hz)
: 想要積分兩次得到位移的軌跡
: 但是怎麼計算都不太對
: 想問各位大大有沒有使用過的經驗能夠指導一下小弟QQ
我做機器人大概10幾年 IMU跟KF玩了大概10年，略懂一點。(叔叔有練過小朋友不要學)
一顆六軸IMU可以經由sensor fusion估測出兩軸角度 (X,Y軸)
Z | 重力(g)
^ |
| |
| V
|
/--------->X
/
/
Y
原理是利用重力夾角的關係,因為Z軸怎麼轉跟重力夾角都固定,有一軸(Z軸)算不出來
要算那一軸一般用三軸電磁感測器(electrical compass)去得到地磁數據,算出來的。
這就是為啥有些IMU會到9軸的原因(加速度*3,角速度*3,磁力*3)。
OK,回到你的問題。
那......... 用IMU算位移哩?? 用積分不行嗎???
當然不行 很不準 因為加速度計有漂移 有誤差 你一直積 累積誤差會很大
新手1: 很大?! 請問誤差有多大?
ANS: 我8年前的經驗,用日本的IMU大概1美元,用DSP 100HZ兩次積分誤差會一直變大
變大的速度大概20~50cm/sec,因為這誤差還會隨時間增加...
好一點的Sensor誤差小一點,但這積出來的數據不能用。
你用尺量都比較準!
新手2: 那誤差跟實際值不會剛好一正一負加加減減抵銷嗎? 積分後不就沒有誤差了!
ANS: 這機率比買樂透十次都中還低。
OK. 所以到底要怎麼用IMU量到比較精確的位移呢?
答案是 sensor fusion, 你需要另外一個sensor幫助IMU才能算位移
例如你現在手邊有個不太準的sonar, IR or Laser 可以量直線距離
你可以用Kalman filter 把加速規 跟 sonar 的數據作融合得到更精確的數據。
(當然前提是假設你的sensor 量距離不太準, 準的話用這個量就好了,IMU直接丟掉)
:
: --
: ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.136.252.126
: ※ 文章網址: https://www.ptt.cc/bbs/Electronics/M.1461145001.A.015.html
: → Schottky: 這會準才有鬼 04/20 17:45
Sch大講話真實在....
: → adaj: 短時間內也不行嗎？ 04/20 20:01
: → MasterChang: 用ADIS16448試試，會好一點點。 04/20 20:32
: → adaj: 想請問有計算的流程能參考一下嗎 04/20 21:31
你的問題不在於積分計算 你的問題在於不懂sensor特性(感測的物理量跟更新頻率etc.)
聽好了,接下來講的從Wii搖桿用到火星機器人,再到擴增實境(AR)
你現在可能聽不懂,但多年後你會挖出這篇廢文,一拍天靈蓋說:阿!~賭喜阿內!
以下教一個解這問題的正途,未來也可以延伸到更複雜應用。
Kalman filter在台灣一般修"估測理論"的課,也幾乎不教或提點皮毛,
所以找個應用,蒐集一些相關PAPER,tutorial,自己練習是一個可行的方案。
當然最好有一些機率,隨機程序的基礎
參考一下以下這篇論文:
https://www.cs.unc.edu/~welch/media/pdf/kalman_intro.pdf
計算流程:
(Equation 1.9~1.13) 因為你問題是1D而已,寫出來大概5行CODE。
假設你有兩個sensors, sonar 量到是zk, IMU量到的加速度是uk (k是time step)
已知sensor 起始位置離牆壁 L cm, 求IMU的即時位移X=?
L
冏牆<---------Sonar (量到距離 zk)
IMU (量到加速度 uk)
KF 有兩個步驟,"Prediction" 跟 "Correction"
Prediction:
根據國中學的v=v0+at & x=v0t+0.5*at^2 你可以推算出EQ1.9內的 A跟 B 矩陣
Correction:
根據國小學的 L-zk=X 你可以推算出 EQ1.12~1.13的 H矩陣
寫出 Equation 1.9~1.13, Q,R 參數調好 單晶片就能自動估測出IMU的位移了。
這個會了以後,你就可以開始挑戰2D,3D的sensor fusion了,
現實中9成9的應用Model會有非線性, 所以要用 Extended Kalman filter (EKF)
用泰勒展開式(Taylor series,就是你高中學過但不知道有啥用的東西)線性逼近
EQ1.9~1.13 變成 EQ2.14~2.18 還是一樣5行CODE (當然要CALL一些線代library)
這個好好學以後一定有飯碗,現在越來越多手機,AR應用需要即時估測
人或環境的狀態，這些只有上帝才知道的真實數據,
我們人類能做的就是用sensor fusion猜一猜! Good Luck!
--
他高傲,但是宅心仁厚;他謙虛,但是受萬人敬仰:
他可以把神仙賜給人的機械運用的出神入化...
可以做出堪稱神之藝術的超級機械!
他究竟是神仙的化身?還是地獄的使者?沒人知道!
但是可以肯定,每個人都給他一個稱號............................機械小天才!!
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 160.94.47.18
※ 文章網址: https://www.ptt.cc/bbs/Electronics/M.1461388077.A.3C1.html
※ 編輯: Seabook (160.94.47.18), 04/23/2016 13:15:28
... <看更多>