智能集成传感器系统的研究进展

合集下载

MEMS传感器现状及应用

MEMS传感器现状及应用王淑华(中国电子科技集团公司第十三研究所,石家庄050051)摘要:M EM S传感器种类繁多,发展迅猛,应用广泛。

首先,简单介绍了M EMS传感器的分类和典型应用。

其次,对M EM S压力传感器、加速度计和陀螺仪三种最典型的MEM S传感器进行了详细阐述,包括类别、技术现状和性能指标、最新研究进展、产品,及应用情况。

介绍MEM S压力传感器时,给出了国内外采用新型材料制作用于极端环境下压力传感器的研究情况。

最后,从新材料、加工和组装技术方面对MEM S传感器的发展趋势进行了展望。

关键词:微电子机械系统(M EM S);传感器;加速度计;陀螺仪;压力传感器中图分类号:TH703文献标识码:A文章编号:1671-4776(2011)08-0516-07Current Status and Applications of MEMS SensorsWang Shuhua(T he13th Resear ch I ns titute,CE T C,S hij iaz huang050051,China)Abstract:MEMS sensors feature great varieties,rapid development and w ide applications.Firstly, the catego ries and ty pical applicatio ns of M EM S sensor s are introduced briefly.T hen three typ-i cal M EMS sensors,i1e.the pressure sensor,acceler ometer and g yrosco pe ar e illustrated in de-tail,including the subdiv ision,current technical capability and perfo rmance index,latest resear ch pro gress,products and their applications.Besides that,the research status of the MEM S pr es-sur e sensor using new m aterials for the extreme enviro nm ent at ho me and abro ad is presented. Finally,developm ent trends of M EM S sensors ar e predicted in term s o f new materials,pro ces-sing and assembling technolog y.Key words:micr oelectr omechanical system(M EM S);sensor;accelerom eter;gyr oscope;pr es-sur e sensorDOI:10.3969/j.issn.1671-4776.2011.08.008EEACC:25750引言MEM S传感器是采用微机械加工技术制造的新型传感器,是M EMS器件的一个重要分支。

电子信息工程中的人工智能技术研究综述

电子信息工程中的人工智能技术研究综述引言：人工智能（Artificial Intelligence, AI）作为一种模拟人类智能的技术，近年来在电子信息工程领域得到了广泛的应用和研究。

本文将对电子信息工程中人工智能技术的研究进展进行综述，包括目标检测与识别、智能传感器、智能通信系统等。

一、目标检测与识别目标检测与识别是人工智能技术在电子信息工程中的重要应用领域之一，以提高系统的自动化和智能化水平。

在目标检测方面，深度学习技术的发展为该领域带来了显著的进步，如使用卷积神经网络（Convolutional Neural Networks, CNN）进行目标检测和图像分类。

此外，目标识别方面的研究也取得了重要进展，如人脸识别、车牌识别和行人检测等。

二、智能传感器智能传感器作为电子信息工程中的重要组成部分，通过感知和采集环境信息，并进行处理和分析，实现对环境的智能化监测和控制。

人工智能技术在智能传感器中的应用主要包括智能图像传感器和智能光传感器。

智能图像传感器利用机器学习和深度学习算法，实现对图像的快速处理和分析，如图像识别、目标跟踪和行为分析等。

智能光传感器则采用基于人工智能算法的辐射计算模型，实现对大气物质、光照和能量等参数的智能感知和分析。

三、智能通信系统智能通信系统是电子信息工程中另一个重要的领域，其中人工智能技术的应用对提高通信系统的性能和效率具有重要作用。

在智能通信系统中，人工智能技术主要应用于自适应调制识别、智能天线阵列和智能频谱分配等方面。

自适应调制识别利用机器学习算法和神经网络技术，实现对无线信号的自动调制识别。

智能天线阵列通过智能算法和数据处理，实现天线模式的自适应调整，提高信号的传输质量。

智能频谱分配则通过智能算法优化频谱资源的分配，提高频谱利用效率。

四、智能机器人智能机器人作为电子信息工程中的重要应用领域，将人工智能技术与机器人技术相结合，实现对环境的感知、决策和控制。

目前，智能机器人在自动导航、人机交互和物体识别等方面取得了显著进展。

走向信息时代之智能传感器

走向信息时代之智能传感器作者：王特来源：《数字化用户》2013年第28期【摘要】随着科学技术的发展和进步，当前人们正处于信息化社会。

传感器作为信息获取的重要工具，在很大程度上得到了进一步的完善。

随着时代的发展，传感器已经向集成化的方向发展，其应用更加方便，已经被广泛的应用于人们的生活中。

【关键词】信息时代智能传感器发展很多人会产生疑问，智能传感器到底是什么？怎么应用？怎样进行检测呢？为此文章将带着这些问题对信息时代智能传感器进行深入探讨和分析。

一、智能传感器的含义智能传感器的使用功能极强，其中可以对信息进行处理和检测、储藏和加深信息的记忆、对信息进行判断等，这些用途具备了人大脑的智能。

为了使传感器技术得到提高，将现代的信息技术和机械功能以及电子产品有效的结合在一起，以发挥传感器的实用效应。

在过去，人们所使用的传感器，其功能结构都比较单一，传感器设计的结构和面积比较大，所耗费的功量大，已经不能适应现代的多种控制系统的需求，所以，智能传感器的得到了广泛的宣传和应用。

之所以人们称传感器为智能传感器，究其原因是因为智能传感器具有非常强的通信功能。

智能传感器是由电源、敏感元件、信号处理单元和通信接口组成的。

当敏感元件在测物理量时，就会形成电信号，经过放大处理，就会形成数字信号，在处理相关的数据时，通过交换通信接口和相关的数据，将智能传感器的控制和测量的基本功能充分发挥出来。

可见智能传感器的优势有很多，主要应用和体现在以下几个方面：（一）如果智能传感器的功能上面体现出带有加速度时，就可以将加速度值进行连续的输出，对于应用者来说，对触发阈值的选择是非常灵活的，也就是说应用者可以按照自己的意愿对车的轮胎速度进行监测。

（二）当我们对车子的行驶速度进行测试时，对车子设定的速度比车子的时速慢，那么此时的传感器就会将车子轮胎的信息发射出来。

如果车子的时速越来越高，那么对车子的监测次数就会越来越多，通过智能传感器，大大提高了人们的行车安全质量。

超高精度MEMS惯性导航系统研究

超高精度MEMS惯性导航系统研究随着科技的发展和应用的深入，惯性导航系统在多个领域得以广泛应用，如军事、民用航天、航空、海洋测绘、智能车辆等。

其中，MEMS惯性导航系统因为其小型化、集成化、低功耗、高精度等优点，成为了近年来重要的研究方向和应用领域。

一. MEMS惯性导航系统及其重要性MEMS惯性导航系统是一种利用微机电系统（MEMS）芯片实现导航、定位和姿态控制的技术，其使用惯性传感器来检测物体的运动状态，以实现导航和航迹测量。

该系统由加速度计和陀螺仪组成，具有较高的稳定性和精度，能够满足在复杂环境下的导航需求。

MEMS惯性导航系统在飞行器、导弹、舰船、无人机等多个领域得到广泛应用。

在航空领域，MEMS惯性导航系统可以降低飞行器的依赖于卫星导航系统的程度，提高飞行器的精度和可靠性。

在海洋测绘领域，MEMS惯性导航系统可以实现船舶的自主导航和定位。

在智能车辆领域，MEMS惯性导航系统可以实现车辆的姿态控制和车辆路径规划。

二. MEMS惯性导航系统的研究进展MEMS惯性导航系统的研究已经取得了不少进展，其中最主要的不仅是研究了MEMS元件的制备、设计和优化方法，而且重点是提高惯性传感器和导航算法的精度和可靠性。

（1）MEMS元件制备技术的研究MEMS惯性导航系统的核心元件是加速度计和陀螺仪，研究人员通过探索各种工艺方法，努力提高加速度计和陀螺仪的精度和空间分辨率。

一般来说，MEMS里的惯性传感器包括加速度计和角速度计。

原则上角速度计的灵敏度要高于加速度计，这样就会导致较高的姿态稳定和角度读数的理想情况。

而加速度计对加速度和位置变化的读取具备高精度的优势。

研究人员在元件制备过程中的相应技术方案上不断优化，使得MEMS惯性导航系统随着等越来越适应目前多种实际的应用基础设施和技术应用。

（2）导航算法的研究在MEMS惯性导航系统中，导航算法决定着其导航精度和可靠性的高低。

目前，导航算法主要包括基于传感器模型的动态位置估计算法、基于卡尔曼滤波（Kalman filter）的状态估计算法和基于系统辨识（system identification）的状态估计算法。

海洋环境监测中的传感器技术应用与研究

海洋环境监测中的传感器技术应用与研究【引言】海洋是人类赖以生存的重要资源，也是全球环境变化的重要指标之一。

随着现代化技术的发展，海洋环境监测的手段越来越精细化和智能化，其中传感器技术是不可缺少的重要环节。

本文将重点介绍海洋环境监测中传感器技术的应用与研究。

【传感器技术在海洋环境监测中的应用】1.浮标传感器浮标传感器是一种重要的海洋环境监测设备，主要用于测量海洋表层温度和盐度等参数。

根据海洋温度和盐度的变化可对海洋环境的变化趋势进行分析和预测。

一些高端的浮标传感器还可以测量海流、氧气含量等参数，可以满足海洋环境监测的多种需求。

2.水下传感器水下传感器是一种用于在海洋底部或者水下进行环境检测的设备。

主要用于监测海洋底部生态环境、水下气体、泥沙等参数。

同时，水下传感器还可以用于探测沉船遗迹及其周围环境，其应用范围非常广泛。

3.可穿戴式传感器可穿戴式传感器可以通过佩戴在人体表面或者动物体表面，对周围环境和身体状态等参数进行实时监测。

在海洋环境监测中，可穿戴式传感器主要用于对海洋动物的运动状态、心率、呼吸等体征的监测。

得益于其便携、低成本的优点，可穿戴式传感器在海洋生态研究领域具有广阔的应用前景。

【传感器技术在海洋环境监测中的研究进展】1.多功能传感器的研发多功能传感器集成了多种传感器功能，是目前研究的热点之一。

通过在一个传感器内部集成多个传感器模块，可以大幅度提升传感器的智能度和可靠性。

这种多功能传感器的研发不仅可以应用于海洋环境监测，还可以应用于机器人、智能家居等领域。

2.传感器网络技术的研究传感器网络技术可以将多个传感器相互联通，形成一个强大的传感器网络，实现对更广范围内的海洋环境进行监测。

传感器网络技术可以实现数据的快速传输和共享，提升监测效率和准确性。

此外，传感器网络技术还可以实现监测结果的实时反馈和联动控制，为环保治理和应急处置等方面的应用提供更强大的技术支持。

【结论】传感器技术在海洋环境监测中具有重要的应用和研究价值。

可穿戴智能设备在健康监测中的应用研究

可穿戴智能设备在健康监测中的应用研究随着科技的迅猛发展，可穿戴智能设备正日益成为人们生活中不可或缺的一部分。

这些设备具备高度智能化的功能，并广泛应用于健康监测领域。

本文将探讨可穿戴智能设备在健康监测中的应用研究并分析其对人类健康的积极影响。

首先，可穿戴智能设备在健康监测中起到了重要的作用。

这些设备通过集成多种传感器，能够实时监测用户的生理指标，如心率、呼吸频率、体温等。

此外，它们还能够记录用户的运动轨迹、步数以及睡眠质量等信息。

通过这些详细的数据，用户可以实时了解自身的健康状况，并据此做出相应的调整和改善。

其次，可穿戴智能设备的应用研究在健康监测中取得了显著的进展。

研究者们通过对大量的数据进行分析，发现了许多与健康相关的关联性。

例如，他们发现人体的睡眠质量与心脏病和糖尿病等慢性疾病之间存在着密切关系。

借助可穿戴智能设备提供的睡眠数据，人们可以对自己的睡眠状态进行监测和改善以降低患病风险。

此外，研究者们还发现，人体活动的强度和频率与肥胖和心血管疾病的关系密切。

可穿戴智能设备的运动监测功能可以帮助用户掌握自己的运动情况，并制定相应的健身计划，以维持理想的体重和健康状况。

另外，可穿戴智能设备的应用研究还在疾病预防和诊断方面发挥了重要作用。

通过分析用户的生理指标数据，这些设备可以帮助早期发现和预防潜在的健康问题。

例如，一些可穿戴智能设备可以监测血压值，并通过与数据库的比对来预测患高血压的风险。

此外，这些设备还可以追踪心电图信号，提前发现心脏疾病的征兆，从而预防心脏病的发展。

这些功能的应用，大大提高了健康监测的效率和准确性。

然而，可穿戴智能设备的广泛应用也带来了一些挑战和问题。

首先，用户对于隐私和数据安全的担忧逐渐增加。

由于这些设备涉及到用户的生理和个人数据，一旦数据泄露，将对用户的隐私安全造成巨大威胁。

因此，如何保护用户的隐私和数据安全成为了研究者们面临的一项重要任务。

其次，传感器的准确性和稳定性也是一个值得关注的问题。

人工智能在电子信息工程中的应用及研究进展

人工智能在电子信息工程中的应用及研究进展近年来，人工智能（Artificial Intelligence, AI）技术的发展取得了长足的进步，并在电子信息工程领域中得到了广泛应用。

人工智能的兴起为电子信息工程带来了革命性的变革，并为这一领域的发展打开了新的研究方向。

本文将介绍人工智能在电子信息工程中的应用，并探讨其研究进展。

一、人工智能在电子信息工程中的应用1. 机器学习应用于电子信息工程机器学习是人工智能的重要组成部分，它通过训练模型从大量数据中学习并做出预测。

在电子信息工程中，机器学习广泛应用于信号处理、模式识别、图像处理等领域。

例如，机器学习技术可以识别无线电频谱中的信号类型，用于智能无线电感知；还可以进行图像分析，实现自动目标检测和跟踪。

2. 深度学习在电子信息工程中的应用深度学习是机器学习的分支，它通过构建多层神经网络来实现目标识别和分类等任务。

在电子信息工程中，深度学习广泛应用于语音识别、图像识别和自然语言处理等方面。

例如，深度学习算法可以实现语音识别技术，使得智能音箱和智能助手能够更好地理解和执行人们的命令。

3. 自动控制系统中的人工智能应用自动控制系统是电子信息工程的重要组成部分，而人工智能技术为自动控制系统的设计和优化提供了新的思路。

人工智能在自动控制系统中的应用可以提高系统的稳定性和控制性能。

例如，基于强化学习的自适应控制算法可以使得控制系统能够从与环境的交互中学习，不断优化控制策略。

4. 物联网中的人工智能应用物联网是指通过无线通信技术将各种物体连接起来，形成智能化的网络系统。

人工智能技术在物联网中的应用可以实现智能感知、智能决策和智能控制等功能。

例如，利用机器学习和深度学习算法可以对大量的传感器数据进行处理和分析，实现智能环境监测和智能交通管理。

二、人工智能在电子信息工程中的研究进展1. 新兴算法的提出研究人员在探索新的人工智能算法，并将其应用于电子信息工程中。

例如，基于Capsule神经网络的图像识别算法可以更准确地进行目标识别，相比传统的卷积神经网络具有更好的鲁棒性和泛化能力。

片上光学传感器技术进展与应用前景

片上光学传感器技术进展与应用前景近年来，随着人们对高质量环境和智能技术要求的提高，片上光学传感器技术逐渐成为了研究和应用的热点之一。

片上光学传感器技术广泛应用于光通信、光传感、生物医学、环境监测等领域，在提高传感器精度、减小尺寸、降低成本等方面有重要作用。

本文将对片上光学传感器技术的进展和应用前景进行分析和归纳。

首先，片上光学传感器技术的进展主要体现在传感器精度和性能的提高。

传统的光学传感器技术通常依赖于离散的光学器件，如光纤、光栅等，这些器件存在尺寸大、制造复杂、精度低等问题。

而片上光学传感器技术将传感器集成在芯片上，可以充分利用集成制造技术的优势，实现传感器的小型化、高精度和低成本。

目前，利用半导体材料和微纳加工技术，已经实现了片上光学传感器的制造和集成。

例如，利用微型波导和微腔技术实现了微型光谱传感器，可以实现高分辨率、大动态范围、快速响应和高灵敏度的光谱检测，广泛应用于光谱分析、环境监测和生物医学等领域。

其次，片上光学传感器技术的应用前景非常广阔。

光通信是片上光学传感器技术的主要应用之一。

传统的光通信系统通常需要使用离散的光学器件和光纤，造成系统复杂、成本高和维护困难。

而片上光学传感器技术可以实现光学器件的集成，减小系统尺寸和成本。

同时，利用片上光学传感器技术可以实现高速、高精度的光通信传输和检测，提高通信质量和容量，促进信息技术的发展和应用。

另外，片上光学传感器技术在生物医学领域也有广泛的应用前景。

传统的生物医学传感器通常使用离散的光学器件和化学试剂，制造和操作复杂。

而片上光学传感器技术可以实现传感器的微型化和快速检测，方便实时监测和诊断。

例如，将生物分子与片上波导耦合，利用光学传感检测技术可以实现生物分子的灵敏检测和生物分子的相互作用分析，用于生物分子检测、药物研发和临床诊断等领域。

此外，片上光学传感器技术还可以应用于环境监测领域。

传统的环境监测通常需要使用复杂的仪器和传感器，安装和维护成本高。

生物传感器的研究进展综述

生物传感器的研究进展综述生物传感器是一种利用生物分子识别元件和转换元件将生物分子浓度转换为可量化电信号的装置。

本文综述了生物传感器的研究现状、研究成果及未来发展方向。

本文将介绍生物传感器的分类，概述其在医学、环境监测等领域的应用，并指出未来生物传感器研究的关键问题和研究方向。

关键词：生物传感器、生物分子识别、转换元件、应用领域、研究现状、未来发展生物传感器是一种具有极高选择性和灵敏度的生物分析工具，可用于检测生物分子、药物、微生物等物质。

本文旨在综述生物传感器的研究进展，包括研究现状、研究成果及未来发展方向。

我们将介绍生物传感器的分类，概述其在医学、环境监测等领域的应用，并指出未来研究的关键问题和研究方向。

近年来，生物传感器技术取得了显著的进展。

在制造工艺方面，研究人员采用纳米技术、微制造工艺等手段，实现了传感器的高灵敏度、低噪声和微型化。

在材料选择方面，新型生物兼容性材料如碳纳米管、石墨烯等的应用为生物传感器的性能提升提供了新的途径。

同时，信号检测与处理技术的不断进步也为生物传感器的准确性和可靠性提供了保障。

生物传感器在医学、环境监测等领域具有广泛的应用前景。

在医学领域，生物传感器可用于实时监测患者的生理参数，如血糖、尿酸等，为医生的诊断和治疗提供依据。

在环境监测领域，生物传感器可用于检测空气、水体中的有害物质，为环境保护和公共卫生提供信息支持。

然而，生物传感器研究仍存在一定的不足。

生物传感器的稳定性仍有待提高，尤其是对温度、湿度等环境因素的抗干扰能力。

当前生物传感器的灵敏度和选择性仍不能满足某些复杂体系的需求。

生物传感器的应用领域仍需进一步拓展，特别是在食品检测、农业等领域的应用仍需加强研究。

随着科学技术的不断发展，生物传感器未来的发展方向将涉及以下几个方面：新型传感器材料的研发：未来生物传感器将更多地采用新型纳米材料、高分子材料等具有优异物理化学性能的材料，以提高传感器的灵敏度、稳定性和耐用性。

MEMS技术发展概述

MEMS技术的研究现状与进展摘要：介绍了MEMS技术在国内外的发展状况，MEMS的技术特点，主要加工工艺以及加工材料，并对MEMS目前的应用状况作出了分类总结。

关键词：MEMS ；加工工艺；应用状况The research and development of MEMS technology Abstract: This paper introduces the MEMS development status at home and abroad, the characteristics of MEMS technology, the main processing technology and processing materials, and summarizes the classification of current MEMS applications.Key Words：MEMS ；Processing technology；Processing status微小型化始终是当代科学技术发展的重要方向。

微电子技术的发展,不仅使计算机与信息技术等领域面貌一新,而且在许多领域引发了一场微小型化的革命。

以加工微米/纳米机构和系统为目的的微米/纳米技术在此背景下应运而生。

一方面,人们利用物理、化学方法将原子和分子组装起来,形成有一定功能的微米/纳米结构;另一方面,人们利用精细加工手段加工出微米/纳米结构。

前者导致了纳米生物学、纳米化学等边缘学科的产生；后者在小型机械制造领域开始了一场革命,导致了MEMS技术的出现[1]。

微机电系统（Micro Electro-mechanical Systems，MEMS）一般是指1μm～100μm的微米系统，或者说轮廓尺寸在毫米级，组成元件尺寸在微米数量级的系统。

随着产品尺寸的微小化，MEMS的应用范围日益扩大，包括无线传感网络、智能型药丸、芯片上实验室(Chip-On-Lab)等，并广泛应用于汽车、生物医学、通信以及消费类产品[2]。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

文章编号:100423365(2003)0520428204

智能集成传感器系统的研究进展

周再发,秦　明,张中平,黄庆安(东南大学　MEMS教育部重点实验室,江苏　南京　210096)

摘　要:　介绍了具有高级智能,即含有微控制器,的集成传感器系统的基本结构,其硬件、软件实现方式,以及这种高智能集成传感器系统的发展给传感器系统设计带来的影响。讨论了根据不同需要,采用适当的通信方式,以扩大高智能集成传感器系统的应用范围。给出了典型的例子,介绍了国外智能集成传感器系统研究的最新进展。关键词:　MEMS;传感器系统;集成传感器;智能传感器系统中图分类号:　TN492文献标识码:　A

　LatestDevelopmentoftheSmartIntegratedSensorSystem

ZHOUZai2fa,QINMing,ZHANGZhong2ping,HUANGQing2an(KeyLaboratoryofMEMSoftheMinistryofEducation,SoutheastUniversity,Nanjing,Jiangsu210096,P1R1China)　

Abstract:

Theintegratedsensorsystem(ISS)withhighintelligenceisdealtwithinthepaper,withregardtoits

basicstructure,hardwareandsoftwareimplementations1Also,newideastodesignsensorsystemsresultingfromthedevelopmentofISSareintroduced1Inaddition,extendedapplicationsofISSwithhighintelligencebyusingpropermeansofcommunicationdependingondifferentrequirementsisdiscussed1TypicalexamplesarepresentedtoillustratethelatestdevelopmentoftheISS1Keywords:

MEMS;Sensorsystem;Integratedsensor;Intelligentsensorsystem

EEACC:

2575

1　引　言简单的集成传感器系统是将敏感单元与简单的信号调理电路集成在一块芯片上。目前,这种集成传感器系统已实现了商品化,很多著名厂家都推出了成熟的产品。但从功能上讲,它只是采用智能调理电路实现比较简单的自动调零、非线性校正、温度补偿等功能。高智能集成传感器系统[1],是利用超大规模集成电路工艺技术及微机械加工技术,将传感器敏感单元和微控制器等集成在同一块芯片上,或封装在同一管壳内,组成的传感器系统。一方面,随着超大规模集成电路技术及微机械加工技术的发展,实现具有自诊断、自校准、信号处理、通讯等功能的高智能集成传感器系统已成为可能[223];另一方面,随着自动化时代的到来,控制系统需要采集、处理的原始数据迅速增加,使用的传感器越来越多,简单的集成传感器系统已不能满足自动化技术发展的要求。高智能的集成传感器系统以其精度高、体积小、信号处理能力强等优点,能很好地满足并进一步促进自动化技术的发展。目前,世界各国都在积极研制与开发各种高智能集成传感器系统。本文介绍了这方面的研究进展。

2　系统构成[4]高智能集成传感器系统与简单的集成传感器系统相比,两者最基本的差别在于前者内部包含了微控制器单元,可以利用软件实现强大的智能化功能。一般来说,高智能集成传感器系统包含四个主要功能块:1)外围功能块,提供附属的定时及一些外围电路功能,如提供参考电流、参考电压、电源以及与

第33卷第5期2003年10月微电子学MicroelectronicsVol133,№

Oct12003© 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. http://www.cnki.net温度无关的传感器偏置网络等;2)信号调理功能块,包含传感器结果输出电路,并具有非线性补偿、独立的校正、测试、监测等功能;3)信号处理功能块,具有滤波、信号分析、线性化、数据融合、数据压缩功能;4)输出接口功能块,具有数据显示、传输、存储功能。其中,信号调理、信号处理及输出接口功能块通常需要微控制器执行相应的程序来配合实现其功能。由于硅材料既具有优良的电性能,又有极好的机械性能,目前,智能集成传感器系统主要是基于硅材料制作的。基于硅材料的传感器会表现出诸如漂移、非线性、噪音等非理想特性。此外,传感器最基本的特性(如灵敏度)会受制作时的容差、材料特性和环境的影响。为了对诸如温度等随时间变化的因素的影响进行补偿,必须连续监控温度变化,作出实时的判断,才能采取有效的补偿措施。校正时,不变因素的影响只需采用一次校正的方法。不论补偿还是校正,都很可能需要额外的硬件或软件,甚至同时需要额外的硬件和软件。集成传感器设计方法强调传感器的集成,而较少考虑有关传感器系统实现方面的问题。与之不同,在设计高智能集成传感器系统的时候,为了减少多余的劳动,提高系统的性价比,必须在系统设计之前充分考虑如何应用硬件和软件实现系统功能,优化系统的结构。随着微控制器信号处理能力的增强,越来越多的硬件功能通过软件实现,将使系统的硬件结构进一步简化。3　硬件实现方法实现高智能集成传感器系统有两条途径:混合实现和单片集成化实现。311　混合实现混合实现是指根据需要与可能,将系统各个集成化环节,如敏感单元、信号调理电路、微控制器单元、数字总线接口,以不同的组合方式集成在两块或三块芯片上,并封装在一个外壳里。这种实现方法既能根据需要灵活地采用集成方案,降低集成实现的难度,又能灵活地利用信息融合等信号处理技术,确保系统具有极优越的性能。与非集成化传感器系统或简单的集成传感器系统相比,系统功耗较低、体积较小、重量较低、可靠性更高、速度更快。采用表面安装技术(SMT)进行二次封装,系统的某些模块失效后,可以将其替换,从而大大提高系统的性价比。混合实现高智能集成传感器系统,是各国科技界研究的热门课题之一。日本、美国等国家已开发出在一块硅片上集成同时测量两个、三个甚至四个参量的多功能传感器,如测量温度和压力,测量湿度、温度和亮度,测量温度、湿度和风速。用这种多功能传感器组成的高智能集成传感器系统,既降低了系统中传感器的重量,又可方便地采用信息融合技术,

并且把更多的处理电路与传感器集成在一起,进一步简化了系统组成,改善了系统性能。这里介绍美国密歇根大学K1D1Wise等人采用混合实现方法集成的一个用于监测环境参数变化的高智能集成传感器系统[5,6]。图1是其系统框图。

图1　采用混合实现的总线管理高智能集成传感器系统该智能传感器系统可用于检测气压、温度、湿度、以及振动等参量。系统的核心是摩托罗拉68HC11微控制器(MCU),其中包含ROM、RAM、8位A󰃗D转换器、时序电路、串行通信电路等,通过MCU进行漂移、非线性和温度补偿。与采用传统的激光微调技术相比,系统的分辨率和灵敏度有一个数量级的提高。312　单片集成化实现单片集成化实现是指采用微机械加工技术和超大规模集成电路工艺技术,利用硅作为基本材料,制作敏感元件、信号调理电路、微控制器单元,并将它们集成在同一块芯片上,构成高智能集成传感器系统。这种单片集成的高智能集成传感器系统具有体积小、重量轻、速度快、信号噪声低、不受周围环境的影响等优点;同时,系统的智能化程度高,功耗小,使用方便。Motorola公司已实现了单片集成压力传感器系统[7],图2为其电路结构框图。这种传感器系统基于

双层多晶硅、单层金属CMOS工艺,在一块SOI衬底上集成了压阻式压力传感器、温度传感器、电流、

电压调制器、信号调理电路、10位A󰃗D转换器、8位D󰃗A转换器、用于数据通信的外围电路接口(SPI)、8位MCU(68H05)、2k字节EPROM、128字节RAM和用来启动系统的BootROM。系统采用40管脚DIP封装,校正补偿后的传感器输出误差小于014%。图2　Motorola单片集成压力传感器系统的结构框图单片集成高智能传感器系统集成难度大、使用时灵活性较差,需要大批量的规模生产,才能降低成本。此外,以目前的技术水平,要低成本实现单片集成的高智能传感器系统还非常困难。但单片集成高智能传感器系统在航天、导弹制导、精密控制等方面具有重大的应用价值。4　软件设计集成传感器与微控制器结合所实现的高智能集成传感器系统,都是在尽量减少硬件的基础上,通过微控制器和强大的软件功能,使传感器系统不仅具有传统的信号检测功能,而且还能引入一般通用的数据处理技术、信息融合技术、信号处理技术、神经网络技术、模糊理论,使传感器系统实现自校正、自补偿、自诊断、自检等功能,从而使传感器系统获得高精度、高稳定性、高可靠性和高自适应能力[1]。随着超大规模集成电路技术,尤其是微机械加工技术,的进一步成熟,可集成在高智能传感器系统中的微控制器的功能不断增强,很多原来只能在功能强大的计算机上实现的复杂算法也可被运用于高智能集成传感器系统。这使得它在微型机器人、微型飞行器、复杂系统控制等方面具有广阔的应用前景。微控制器数据处理能力的不断提高,高智能集成传感器系统的软件功能日益增强,新算法被不断地引入,系统实时信号处理、监控能力大大优于传统的传感器系统。这既提高了系统的智能化水平,也给系统的硬件设计带来了新的思路。比如,对具有严重交叉灵敏度和时间漂移的传感器,采用传感器多阵列结构,以便在系统中运用多信息融合技术,以提高对目标参量的选择性和识别能力[8];还可以开发多

功能传感器,便于利用多传感器信息融合技术,既可提高测量精度,又可节约芯片面积、减小系统重量[9]。

5　数据通信多数情况下,高智能集成传感器系统只是整个复杂系统的一部分。集成传感器系统需要与主计算机或者复杂系统的其他子系统进行通信,同时,其系统内部各模块之间也需要进行通信。高智能集成传感器系统外部通信分为有线和无线通信两种方式。有线通信方面,在一般的较简单系统中,可直接通过RS2232串行口或USB接口,实现与主计算机的通信;复杂系统中,由于需要大量采集现场信号、传递数据,并且对精度及可靠性也提出了更高的要求,将发展具有优越性能的现场总线技术,实现高智能集成传感器系统之间、高智能集成传感器系统与复杂系统的其它子系统及控制中心之间的数据通信(图3)。