尽管仅在几年前还是个新鲜事物，但由于智能设备的爆炸式增长，传感器现在几乎无处不在。许多应用程序都具有读取和解释环境条件（例如压力、温度和距离）的能力。复杂的传感器应用程序结合来自多个来源的传感器数据以提供更高阶的功能。这种做法称为传感器融合。结合加速度计、陀螺仪和磁力计（罗盘）来创建的运动传感器是传感器融合的一个主要示例。

越来越复杂的传感器融合算法需要额外的处理能力和软件开销。为了减少对应用处理器的影响，传感器功能由片外协处理器以及集成的片上子系统处理。本文重点介绍了一些有趣的传感器融合应用，以及对支持必要功能的 IP 解决方案的日益增长的需求，以便集成到传感器融合算法发挥重要作用的广泛市场应用中。

传感器融合市场的增长 
随着越来越多的半导体供应商将传感器接口集成到他们的片上系统 (SoC) 中，采用传感器融合技术的系统有了显着增长。尽管智能手机中的运动感应是传感器融合实现的常见示例，但这些功能也被整合到许多不同的应用中，例如汽车、消费电子和数字家庭市场中的应用。根据 Semico 的研究，采用传感器融合的系统数量预计将从 2012 年的 4 亿个增加到 2016 年的 2.5B 个以上——年增长率接近 60%。

图 1：传感器融合系统到 2016 年将增长到 25 亿个

随着人们对跟踪个人健康和/或健身目标越来越感兴趣，日常融合 
可穿戴设备变得非常流行。从测量心率和睡眠模式到跟踪步数和更的锻炼监测，人们使用可穿戴设备记录的个人活动范围是天文数字。这些产品每年售出数千万件。事实上，这些类型设备的出货量估计每年达到 3 亿（BI Intelligence 的“可穿戴设备单位出货量”）。

今天的可穿戴设备主要计算一维测量值，例如计算卡路里或跑步英里数。通过组合多个传感器，可以创建和分析更准确的活动图片。传感器软件公司已经在展示可以提供有关身体各部位的角度、速度和定位的数据的技术，这些数据实时传送到移动设备。这种传感器硬件和软件算法的复杂组合将成为下一代可穿戴设备的主流特征。

传感器融合的另一个有趣的进步与位置有关。自 GPS 成为主流技术以来，创建地理围栏或虚拟周界的概念就已经存在。例如，可以在您的家庭或公司周围动态创建地理围栏，并与智能手机等基于位置的设备结合使用以使其发挥作用。当移动设备进入或离开地理围栏区域时，可以向设备（或其他地方）发送通知以指示事件已经发生。

现在正在增强此通信概念，以根据位置向目标移动设备生成特定消息。例如，地理围栏使商店能够知道您何时接近商店的特定部分，并通知您该区域的商品。

可以根据一般位置启用或禁用功能和应用程序。将“粗粒度”GPS 数据与低功耗蓝牙 (LE) 或近场通信 (NFC) 等更“细粒度”的室内定位协议相结合，供应商可以为购物者提供更加个性化的体验。这是 Apple iBeacons 背后的基本概念，很可能成为 iOS 和 Android 设备的标准功能。

传感器集成趋势 
在当今许多基于传感器的应用中，传感器处理是在“片外”处理的。也就是说，传感器数据的融合是在单独的设备（通常是微控制器）上完成的，该设备具有连接到应用程序处理器的接口（通常是 SPI 或 I2C）。 图 2 显示了使用分立元件的典型传感器实现。此示例重点介绍了模拟传感器实现，但数字传感器系统是使用类似架构实现的。

图 2：使用分立元件的传感器实现

有充分的理由以这种方式构建传感器实现——尤其是在移动设备领域。虽然移动应用处理器正在推进到 28nm 及以上，但传感器生态系统落后于多种工艺技术。例如，传感器本身可能仍采用 180 纳米工艺制造，而用于管理传感器数据的微控制器可能采用 90 纳米或 55 纳米闪存工艺技术制造。性能足够，并且由于低成本至关重要，设计人员继续实施分立器件。

然而，提供更小、更快、更低功耗系统的需求往往会推动更多集成到应用处理器中。随着几何尺寸的缩小，更多的晶体管可以集成到一个芯片上。在某个阈值上，面积节省和性能提升有利于集成解决方案与分立实施方案。这种趋势终将应用于传感器实现，允许传感器逻辑充当片上传感器集线器，从主机或应用处理器卸载传感器融合算法。集成传感器 IP 解决方案 
无论是集成在应用处理器上还是单独的微控制器上，提供专用传感器控制硬件都是许多类型系统的组成部分。在设计这些系统时，一种架构方法是集成用于传感器控制的独立 IP 块。然而，这将负担转移到设计团队来独立验证和调试系统，这既耗时又容易出错。

随着这些传感器系统变得越来越复杂，设计团队越来越多地寻找预先集成的 IP 子系统，包括预先验证的硬件和软件，可以以较低的风险快速集成到系统中，使他们能够将精力集中在设计的差异化部分。

Synopsys 的 DesignWareSensor IP 子系统经过优化以满足这一需求。可配置的集成硬件和软件子系统可有效处理数字和模拟传感器数据。它具有节能和面积高效的 ARC EM4 32 位处理器，其中包括支持专用硬件加速器和紧密集成外设的定制扩展和指令。此外，该子系统包括用于片外传感器连接的多个可配置 GPIO、SPI 和 I2C 数字接口以及 ARM AMBA AHB/APB 协议系统接口，以简化子系统与 SoC 的集成。

SensorIP 子系统还包括用于信号处理功能的专用硬件加速器，例如滤波（FIR、IIR）、相关、矩阵/矢量运算、抽取/插值和复杂的数学运算。这些功能有助于加速传感器应用程序代码开发、减少内存占用并提高传感器融合性能。实施团队可以在专用硬件或作为传感器 IP 子系统的一部分提供的综合软件 DSP 库之间进行选择。这允许设计人员在面积、功耗和性能之间进行权衡，以满足他们特定的应用需求。

通过使用完全集成的传感器 IP 子系统，设计团队可以创建更高效的基于传感器的架构，从而减少片上面积、延迟和整体能耗（图 3 ）。

图 3：Synopsys 传感器 IP 子系统

在比较典型传感器应用功能（即标量数学、复杂数学、向量函数、矩阵函数、IIR 滤波器和 FIR 滤波器）的周期计数和能耗测量结果时，Synopsys 传感器 IP 子系统显示出与使用流行商用嵌入式处理器的分立解决方案相比有显着改进（处理器 A 针对面积进行了优化，处理器 B 针对性能进行了优化）。图 4 和图 5 显示了三种功能相同的解决方案中每一种的相对周期数和能耗。

图 4 – 与 Synopsys 解决方案相比的相对周期数

图 5 – 与 Synopsys 解决方案 (40nm) 相比的相对能耗

利用传感器 IP 子系统的硬件加速器来加速典型的传感器功能可显着提高性能（降低循环次数）。这些改进转化为显着降低的能耗，这要么是因为应用程序运行时间更短（相同频率，更高性能），要么是因为能够降低时钟频率（更低频率和更低功耗，相同运行时间）。

总结 
传感器功能的基本概念——读取和解释压力、温度和接近度等环境条件——正在不断完善和增强。如今，正在构建更复杂的传感器融合应用程序，以提供更高阶的功能，例如基于位置的营销和健身监测。

满足这种新水平的传感器功能所需的处理性能呈指数级增长。为了支持这些处理要求，设计人员正在构建片外和片上传感器集线器，以尽量减少对主机处理器的影响。性能、面积和能耗继续定义系统架构。Synopsys 的传感器 IP 子系统等集成产品正是为了满足这些需求，为传感器融合应用提供效益。