传感器融合技术&机器学习可模仿人脑思考

 自从传感器(sensor)及传感器融合(sensor fusion)技术被广泛运用在手机等电子产品后，大幅提升消费者使用体验。目前随着用户对装置侦测环境的要求不断提高，传感器被赋予的任务也更加复杂，许多厂商也于是开始开发产品，来满足消费者需求。

据Electronics360网站报导，MEMS Industry Group(MIG)策略长表示，由于单一传感器只能提供有限数据，若将多种传感器结合，将可获得更全面的体验。

分析师也指出，传感器融合技术目前已大幅提升，但仍属于开发初期阶段，而且随着物联网(IoT)、移动及穿戴式技术成熟，电子装置设计师也打算将传感器融合进一步发扬光大，于是新的挑战开始出现。

首先便是融入更多感知功能。一般人谈到加速计或陀螺仪等动作传感器时，都会想到传感器融合技术，但若将后者视为管理所有感测结果的软体，其可发挥的功用将更多元。

Audience公司商业开发主管指出，目前湿度、光线、光学距离、超音波与气体等传感器或多光谱摄影机(multispectral camera)都已出现，开发人员必须先了解其所提供的讯息为何，以及思考如何将其转换为有价值的资讯。

目前传感器融合技术在智能家庭与工业应用程式最有趣的应用例子，便是存在侦测(presence detection)，也就是能正确判断用户是否正走向装置并能自动启动回应。

另外，微控制器大厂Atmel资深副总表示，从单纯功能角度来看，语音唤醒、情境感知(context awareness)与位置相关的功能也开始越加重要。

除了应付其他新的传感器外，开发人员也必须在降低耗能与让装置随时待命之间取得平衡，以便满足消费者希望装置能侦测环境的要求。对此，设计人员则开始以多处理器整合，来解决这项难题。

目前为了让装置功耗更具效率，系统开发人员必须限制显示器、应用处理器、无线及GPS执行的时间，只让特殊传感器维持随时运作状态，例如可透过传感器中枢处理传感器数据。甚至部分系统开发人员更进一步增加中央处理器(CPU)来处理特定种类传感器数据。

InvenSense产品行销主管指出，缩短数据处理的流程将代表越节省电力消耗，这也是最具功耗效率的架构。举例像是InvenSense的ICM-30630，该产品包括1个ARM Cortex-M0微控制器与低功耗DMP3及DMP4数位运动处理(Digital Motion Processor)，DMP3可卸载所有动作处理任务，DMP4则卸载运算密集的任务。

由于ICM-30630可透过即时作业系统执行感测管理工作，并支援处理内来自6轴陀螺仪、加速计与外部传感器的数据，因此，可保持随时运作状态并可提供客户客制软体功能。

另外，Audience推出的N100多传感器处理器则结合MotionQ与VoiceQ技术。其中MotionQ设计在低功耗动作处理器MQQ100旁边，可执行手势与情境感知功能。

VoiceQ则包括eS700系列处理器与随时侦测语音的侦测器，一旦侦测到语音，便开始进行比对及准备启动，而过程中，除N100处理器与数位麦克风外，所有元件都保持在睡眠状态。

随着开发人员将传感器融合技术优点与机器学习结合，可开发出模仿人脑思考模式的功能，并让传感器融合技术逐步改变。飞思卡尔(Freescale Semiconductor)日前也指出，传感器融合将可进一步开发出可侦测心理状态的传感器，进而开发出可观察情绪的服务。

飞思卡尔代表指出，随着传感器数据分析进步，将带动新一代智能装置及家电问世，而借由即时数据可提升业者效率，远端情绪运算则可提升用户介面使用体验。