Einsparung von Platz und Energie mit intelligenteren Sensoren

Mit großer Geschwindigkeit gewöhnen sich die Verbraucher selbst an die anspruchsvollsten Funktionen der heutigen Smartphones und Tablets. Das moderne Leben verlässt sich zunehmend auf eine unmittelbare Kontext- und Standorterkennung. Infolgedessen stellen die Benutzer jedoch auch immer höhere Anforderungen an intelligente Geräte, die in den unterschiedlichsten Bereichen – z. B. in industriellen Prozessen oder im Gesundheitswesen – zum Einsatz kommen. Wenn es darum geht, die erforderliche Geschwindigkeit und Präzision sicherzustellen, während zugleich enge Vorgaben in Bezug auf Systemgröße und Energieverbrauch beachtet werden müssen, ist intelligentes Hardware- und Softwaredesign von entscheidender Bedeutung.

Vernetzung von Sensoren

Hoch entwickelte Technologien wie Bewegungsverfolgung und Standorterkennung sind der Schlüssel zu neuen Funktionen und Anwendungen im Bereich der Verbrauchergeräte. Sie tragen dazu bei, neue Marktchancen – so z. B. das aufkeimende Segment der Wearables – zu schaffen. Die fortschrittliche Sensortechnik steigert auch die Erwartungen, die beispielsweise in Geräte für die Industrieautomatisierung, die medizinische Überwachung von Patienten und das Internet der Dinge (Internet of Things, IoT) gesetzt werden. Die Benutzer verlangen intelligente Funktionen und autonomes, kontextsensitives Verhalten.

Winzige MEMS-Sensoren wie Beschleunigungsmesser, Gyroskope und Magnetometer ermöglichen die Bereitstellung von Technologien zur Bewegungsverfolgung und Standorterkennung in tragbaren Geräten auf dem Preisniveau eines Verbrauchergeräts.

Dem Ruf der Endbenutzer nach mehr Präzision und besserer Leistung wird durch den kombinierten Einsatz dieser Sensoren nachgekommen, da die einzelnen Sensortypen für sich genommen gewissen Einschränkungen unterliegen. So kann beispielsweise ein Beschleunigungsmesser grundlegende Informationen zur Ausrichtung und Neigung bereitstellen sowie Nick- und Rollwinkel verfolgen, wenn das Gerät nicht in Bewegung ist. Durch Hinzufügen eines Gyroskops können auch komplexere Bewegungen wie Nick- und Rollwinkel bei bewegtem Gerät oder Rotationsbewegungen bei hoher Geschwindigkeit präzise gemessen werden. Ein Magnetometer kann wiederum dazu verwendet werden, Rotationsfehler eines Beschleunigungsmessers zu korrigieren, indem die Bewegung in Bezug zum magnetischen Norden überwacht wird. Das Magnetometer verfügt jedoch über eine begrenzte Bandbreite und ist anfällig für externe elektromagnetische Störungen.

Bei der Sensorfusion wird die Ausgabe mehrerer Sensoren in einem System kombiniert, um komplexe oder schnelle Bewegungen präzise zu überwachen, z. B. für die Gestensteuerung oder die Erfassung von Körperbewegungen für Computerspiele oder zu Forschungszwecken. Die Art der Anwendung entscheidet darüber, ob die Sensorfusion am besten im Hauptprozessor, einem externen Sensor-Hub oder im Sensor selbst durchgeführt werden kann. Aber auch Faktoren wie der Energieverbrauch, Größenbeschränkungen, die Batterielebensdauer und Verarbeitungsressourcen sind dabei von elementarer Bedeutung.

Mikrocontroller als Sensor-Hub

Die Algorithmen für die Sensorfusion können in einem Mikrocontroller ausgeführt werden, der als Sensor-Hub fungiert. Atmel hat in Zusammenarbeit mit Sensorpartnern wie Kionix und MEMSIC Sensorfusionslösungen für seine Mikrocontroller entwickelt, z. B. für den SAM D20 ARM® Cortex®-M0+ und den SAM G53 mit ARM Cortex-M4-Kern. Auf diese Weise wird die Integration von Sensoren, z. B. der MEMS-Beschleunigungsmesser Kionix KXCJ9 und Memsic MXC62320, vereinfacht. Diese Mikrocontroller unterstützen SleepWalking und das Atmel Event System, wodurch bei Verwendung als Sensor-Hub Energieeinsparungen erzielt werden können. SleepWalking sorgt dafür, dass Peripheriegeräte Teile des Systems asynchron reaktivieren können, auch wenn alle Funktionen und Takte gestoppt sind. Das Event System bietet darüber hinaus die Möglichkeit, dass Peripheriegeräte ohne Eingriff des Prozessors auf Ereignisse wie den Empfang eines Sensorsignals reagieren können, damit optimal vom Ruhemodus des Mikrocontrollers profitiert werden kann.

Senkung des Energieverbrauchs

Bei der Entwicklung von Systemen zur Bewegungsverfolgung nimmt die Senkung des Energieverbrauchs eine immer wichtigere Rolle ein. Die allgegenwärtigen bewegungsbasierten Apps der heutigen Zeit, die insbesondere in Wearable-Geräten wie intelligenten Uhren oder Brillen zum Einsatz kommen, erfordern unabhängig von der zusätzlichen Belastung, die für die Batterie dadurch möglich wird, dass sich die Sensoren im Dauerbetrieb befinden („Always-on“). Dies lässt sich besonders gut anhand der neuesten Entwicklungen bei mobilen Betriebssystemen veranschaulichen: Google hat die Funktionen für die Sensorhandhabung in Version 4.4 seines Android-Betriebssystems grundlegend überarbeitet, um eine stärkere Nutzung der Echtzeit-Standort- und Kontexterkennung zu ermöglichen, ohne die Batterie dadurch übermäßig zu belasten. Pedometerfunktionen wie Schritterkennung und -zählung werden im Hintergrund ausgeführt. Die APIs wurden im Hinblick auf die Verbesserung des Sensormanagements sowie dahingehend überarbeitet, dass eine Beendigung des Ruhemodus des Hauptanwendungsprozessors durch falsche Trigger vermieden wird.

Version 4.4 des Android-Betriebssystem zeigt, wie die Zuständigkeit für die Sensorhandhabung in den Sensor-Hub oder sogar den Sensor selbst verlagert werden kann. Die Sensorfusionsberechnungen für die Ausgaben von Beschleunigungsmesser und Gyroskop erfolgen zwischen Interrupts, während sich der Hauptanwendungsprozessor im Ruhemodus befindet. Darüber hinaus ermöglicht ein Batch-Modus dem Sensor-Hub, die Fusionsergebnisse zu puffern und nur dann zu senden, wenn der Ruhemodus des Anwendungsprozessors durch ein relevantes Sensorereignis beendet wurde.

Dieses Batch-Konzept wurde von STMicroelectronics bei seinem Mikrocontroller STM32F411, der auf dem ARM Cortex-M0-Kern basiert, noch eine Stufe weiter entwickelt. Der Mikrocontroller implementiert seinen eigenen BAM (Batch Acquisition Mode), der bei Verwendung als Sensor-Hub Energieeinsparungen ermöglicht. Zu diesem Zweck werden die Sensordaten direkt im On-Chip-SRAM gespeichert, während sich der eigene CPU-Kern im Ruhemodus befindet. Der Ruhemodus des Kerns wird dann kurz unterbrochen, um die gespeicherten Daten zu verarbeiten. Zusätzliche Energiesparfunktionen wie Flash-Stoppmodus, verzögerungsfreie Ausführung und Spannungsskalierung machen das Gerät – neben der Verwendung in Smartphones und Tablets – für Anwendungen wie industrielle Steuerungen, medizinische Monitore, Gebäudeautomatisierung und Wearables attraktiv.

Einsparung von Leiterplattenplatz

Sechsachsige Sensormodule wie das Freescale FXOS8700CQR1, das einen dreiachsigen Beschleunigungsmesser mit einem dreiachsigen Magnetometer kombiniert, bieten eine bequeme, platzsparende Lösung mit den Funktionen zweier Bewegungssensoren. Das FXOS8700CQR1 verfügt über eine integrierte digitale Signalverarbeitung, die eingebettete, programmierbare Ereignisfunktionen wie Freifallerkennung, Impuls-/Tap-Erkennung, Ausrichtungserkennung und magnetische Messungen unterstützt. Zu den möglichen Anwendungen gehören Indoor-Navigation, die Steuerung von Benutzerschnittstellen oder die Überwachung von Erschütterungen und Vibrationen bei Industrieanlagen. Abbildung 1 zeigt die wichtigsten Blöcke und DSP-Funktionen des Geräts. Als Ergänzung von Freescales Angebotsspektrum an MEMS-Sensoren bietet die Sensor Fusion Library für Kinetis-Mikrocontroller erweiterte Funktionen zur Berechnung der Geräteausrichtung, Linearbeschleunigung und magnetischen Interferenzen für den mit dem Sensormodul verbundenen Mikrocontroller.


Abbildung 1: Der eingebettete DSP des FXOS8700CQR1 führt die grundlegende Verarbeitung der Magnetometer- und Beschleunigungsmesserdaten durch.

InvenSense hat in seinem Bewegungsverfolgungsgerät MPU-6500™ eine DMP-Einheit (Digital Motion Processor) in Verbindung mit einem dreiachsigen Gyroskop und einem dreiachsigen Beschleunigungsmesser implementiert, wie in Abbildung 2 dargestellt. Der DMP kann Algorithmen zur Bewegungsverarbeitung mit geringer Latenz ausführen und bietet eine Reihe von Funktionen, zu denen unter anderem eine Gestenerkennung mithilfe von programmierbaren Interrupts, ein stromsparender Algorithmus zur Bildschirmdrehung, der eine Berechnung der Bildschirmausrichtung ohne Eingriff des Hauptprozessors ermöglicht, sowie ein Pedometer gehören, das eine Schrittzählung ermöglicht, während sich der Hostprozessor im Ruhemodus befindet.


Abbildung 2: Die MPU-6500 integriert die erste Generation des InvenSense DMP, der eine Entlastung des Sensor-Hubs von der Verarbeitung der Sensorfusion ermöglicht.

Künftige Entwicklungen

Der integrierte DMP der InvenSense MPU-6500 läutet die Ankunft einer neuen Generation von Sensoren ein, die ohne Verbindung mit einem Sensor-Hub eine umfassende Sensorfusion ermöglichen. Durch die Verarbeitung der Sensorfusion im Sensormodul können der Energieverbrauch des Systems gesenkt, die Reaktionszeiten verkürzt und das Anwendungsdesign vereinfacht werden. Darüber hinaus können die Stücklistenkosten reduziert und Platz auf der Leiterplatte eingespart werden. Sowohl InvenSense als auch ST haben sechsachsige Trägheitsmodule angekündigt, die die Anforderungen von Android 4.4 erfüllen und eine integrierte Bewegungsverarbeitung bieten, die sowohl den Anwendungsprozessor als auch den Sensor-Hub entlastet.

Fazit

Über ein breites Spektrum an Anwendungen und Märkten hinweg besteht eine wachsende Nachfrage nach kontextsensitiven Funktionen. Aus diesem Grund rücken Ansätze zur Vernetzung von Sensoren zunehmend in den Mittelpunkt des Interesses und neue Methoden zur Einsparung von Energie und Reduzierung der Anzahl von Komponenten werden entwickelt. Die neuesten mobilen Betriebssysteme zeigen auf, wie „Always-on“-Sensorlösungen bei nur minimalem zusätzlichen Energieverbrauch realisiert werden können.