對于那些為物聯網應用領域開發智能傳感器的人士而言，性能與功耗的關系是最微妙的權衡考慮。在廣闊的性能空間中，噪聲常常是一個重要的評估因素，因為它能制約智能傳感器中關鍵功能模塊的器件選擇，進而提高功耗負擔。此外，噪聲特性在很大程度上決定了濾波要求，而這又會影響傳感器對條件快速變化的響應能力，延長產生高質量測量結果所需的時間。

在支持連續觀測（采樣、處理、通信）的應用中，系統架構師常常不得不解決噪聲與功耗相互對立的關系，因為噪聲最低的解決方案很少正好也是功耗最低的解決方案（就特定功能類別的器件而言）。例如，MEMS加速度計常常用作遠程傾斜測量系統的核心傳感器。表1顯示了兩款不同產品的重要特性，它們提供目前在業界領先的噪聲或功耗性能：ADXL355（低噪聲）和ADXL362（低功耗）。

表1包括四行，其中三行對應ADXL362的可選工作模式，剩下的一行給出了ADXL355的主要指標。從這一權衡空間的關鍵邊界開始，ADXL355的噪聲比最低功耗模式的ADXL362要低幾乎27倍，但前者的功耗要高得多。性能要求更具挑戰性的應用可能需要考慮ADXL362的最高性能模式，此時ADXL355的噪聲要低9倍，但ADXL362的功耗要低13倍。

表1． MEMS加速度計比較

在不需要連續觀測的應用中，平均功耗與噪聲的關系變得更有意義。或許令人難以置信，但噪聲和功耗的關系甚至可能變成互補式。這對開發人員來說無疑是個好消息。因為在之前的設計中，開發人員可能因難以確定該讓功耗還是性能主導其設計而延誤了時機。而現在，無需等待其他人在這一權衡中做出決定，智能傳感器架構師可自行對權衡范圍內的相關選項進行量化；這一做法將重新定義架構師的工作。

智能傳感器架構

為了量化特定應用的相關選項，首先需要對信號鏈做一些假設，因此可以從概念架構開始。圖1是智能傳感器架構的一般例子，其中包含了最常見的功能。

圖1． 智能傳感器架構

核心傳感器

智能傳感器節點中的信號鏈從核心傳感器功能開始。最基本形式的核心傳感器也稱為變換器，其將物理條件或屬性轉換成代表性的電信號。傳感器的比例因子描述其電響應與其監控的物理屬性或條件的線性關系。例如，提供模擬輸出的溫度傳感器（如AD590）的比例因子單位為mV／°C；數字加速度計（如ADXL355）的比例因子用LSB／g或碼數／g來表示。

濾波器

信號鏈（圖1）的下一個功能模塊是濾波器。這一級的作用是降低核心傳感器可能支持，但與應用無關的頻段中的噪聲。在振動監控應用中，這可能是一個帶通濾波器，它將隨機振動與可能指示機器壽命減損的特定頻譜特征分離開來。在傾斜傳感器中，這可能是一個簡單的低通濾波器，例如移動平均濾波器。這種情況下，時長是建立時間與濾波器輸出殘余噪聲之間的一個重要權衡因素。圖2顯示了ADXL355艾倫方差曲線的例子，它表示相對于產生測量的均值時間，測量的不確定性（噪聲）。

圖2． 艾倫方差曲線：ADXL355和ADXL362

校準

校準功能的作用是通過應用校正公式來提高測量精度。在要求極高的應用中，通常是在嚴格受控條件下進行測量，通過直接觀測傳感器響應來獲得此類校正公式。例如在傾斜傳感器應用中，校準過程涉及到觀測MEMS加速度計在多個不同方向上相對于重力的輸出。這種觀測的一般目標是觀測傳感器對足夠多取向的響應，從而求解如下關系式（參見方程1）中所有12個校正系數（m11、m12、m13、m21、m22、m23、m31、m32、m33、bx、by、bz）：

方程1中的校正系數用于處理偏置、靈敏度和對準誤差。此公式還可以擴展以包括更高階傳感器特性（非線性）或環境相關性（溫度、電源電平）。

數據處理

數據處理功能用于將校準且濾波的傳感器數據轉換成適當的測量結果以對應用提供最佳支持。在振動監控系統中，這可能是簡單的RMS－DC轉換或帶頻譜報警的快速傅里葉變換（FFT）（參見ADIS16228）。在傾斜檢測應用中，智能傳感器會利用方程2、方程3或方程4將傳感器對重力的加速度響應轉換成方位角估計值。

這三個關系式分別代表使用一個、兩個和三個加速度計測量結果的傾斜估計，假設各加速度計完全正交。

通信／存儲

通信／存儲功能支持所有物聯網云服務的數據分級和連接（加密／安全、存儲和分析）。

周期供電操作

電源管理（PM）功能對典型智能傳感器有三個作用。第一個作用是管理信號鏈中所有器件的上電時序要求。第二個作用是將電源供應轉換成適當的電壓來支持信號鏈中所有器件的最優運行。最后一個作用是在以一定時間間隔進行測量的系統中，提供排程信號來觸發每次測量事件。

周期供電是識別智能傳感器節點中此類斷續操作的常見方法。在兩次測量事件之間，智能傳感器處于低功耗（或零功耗）狀態，這種技術有助于節能。圖3顯示了一個采用此技術的智能傳感器在一個完整測量周期上的瞬時功耗。

圖3． 基本周期供電圖

方程5提供了一個利用圖3所示運行特性來估算平均功耗（PAV）的簡單關系式。

PON是智能傳感器節點執行采樣并處理數據以產生和傳輸相關測量結果的平均功耗。

POFF是智能傳感器節點支持低功耗睡眠模式所需的平均功耗。

tON是智能傳感器開啟、產生測量結果、將該結果傳輸到物聯網云、然后關閉所需的時間。

tOFF是智能傳感器處于靜止狀態（睡眠模式或完全關斷）的時間。

T為平均測量周期時間。

測量過程

在其開啟時間（tON）內，智能傳感器通常會經歷多個不同運行狀態。圖4和方程6顯示了一個示例序列，其將開啟時間分為四段：初始化、建立、處理和通信。

圖4． 智能傳感器測量周期序列

tI是初始化時間，代表從施加電源（VSP）到信號鏈中的各器件準備好支持數據采樣和處理的時間。

tS是建立時間，代表從第一個數據樣本到濾波器輸出（VSM）建立于足夠高的精度水平的時間。

tP是處理時間，代表從濾波器建立到產生測量結果所需的時間。這可能包括應用校準公式、專門的信號處理以及根據物聯網安全協議進行數據加密的時間。

tC是通信時間，代表連接云服務、發送加密數據以及支持差錯校驗或身份驗證服務所需的時間。

建立時間影響

根據測量周期的階段劃分（圖4），很明顯，在濾波器建立時間這一段中，噪聲可能會影響周期供電的智能傳感器節點的功耗。一般而言，來自均值操作的噪聲幅度的降低量與均值時間的平方根成比例，而能耗的增加量與均值時間是直接比例關系。因此，噪聲幅度降低10倍會引起能耗（濾波建立期間）增加100倍！這種不成比例的權衡關系很快會對只需最少濾波（最低噪聲）的傳感器有利。

應用示例

考慮圖5所示的微波天線平臺，其?？吭谝粋€塔式平臺上。在此類通信系統中，數據鏈路的可靠性取決于指向角的精度。為了維持指向角，可能需要手動調整，特別是地震或其他原因擾動了天線所停靠的平臺之后。此類遠程維護的成本高昂，而且不能及時響應，因此，作為維護響應策略的一部分，一家天線運營商正研究利用MEMS加速度計監控天線方向變化的可行性。

圖5． 微波天線平臺

系統架構師根據最基本的功能要求開始了此次調研：維持各天線平臺的可靠通信。該系統中，可靠的數據通信要求天線指向角始終位于天線的半功率波束寬度（HPBW，參見圖5）以內。因此，他們決定：如果天線在短時間內的方向變化達到天線HPBW的25％，那么就觸發一次實地維護需求。

在支持此目標的誤差預算內，架構師允許傾斜測量的峰值噪聲為測量目標（HPBW的25％）的10％。為簡明起見，架構師還指定噪聲峰值等于噪聲均方根（rms）值的3倍。方程7反映了所有這些限定條件，并將其簡化為一個關系式，即傾斜測量中的噪聲必須小于HPBW／120。

方程8是該角度噪聲要求與MEMS加速度計的相同性能指標的關系式，它是通過如下方式得來：將方程7的結果代入方程2中的加速度和傾斜角基本公式。

因此，若天線的HPBW為0．7°，則加速度計的噪聲必須小于100 μg才能達到現有標準。

為使測量實現100 μg的不確定度，可以利用這一結果作為指標來確定各候選傳感器（表1）所需的均值時間量?；仡檲D2可知，ADXL355將需要約0．01秒（tS355＝ 0．01，參見方程10）的均值時間才能達到要求。

對于ADXL362，可以做簡單的近似計算：因為其噪聲是ADXL355的9倍，所以為了達到相同的目標，需要的均值時間將是ADXL355的81倍（tS362 ＝ 81 x tS355，參見方程11）。方程10反映了來源于ADXL355建立時間的能耗，方程11反映了來源于ADXL362建立時間的能耗（參見表1）。

出乎意料的是，對于該噪聲性能水平，最低能耗來自最低噪聲的加速度計，而不是來自最低功耗的加速度計。方程12將方程10和方程11中各傳感器的能耗估計值除以測量間隔（T ＝ 10秒），得到建立時間對功耗的估計貢獻。

  結論

本文揭示了一種特殊情況，即最低功耗解決方案是由噪聲最低的核心傳感器實現的，而不是由功耗最低的傳感器實現的。新興物聯網應用對性能要求嚴苛，而可用能源則很有限；對于那些為此類應用開發智能傳感器方案的人士來說，這種解決途徑可能是一個重要的啟示。事實上，愿意了解并挑戰哪怕是最根本的范式的人士，可能會獲得更巧妙的解決方案。有時候，同一傳感器既能提供最高性能，又具有最低功耗。