透過運用新一代經濟、緊湊及低功耗微機電系統(MEMS)慣性量測單元(IMU)，嵌入式設計者可充分利用這些先進技術的優勢，將動態追蹤功能整合至其系統當中。
然而，這項任務並非看上去那麼簡單。高準確性動態追蹤要求大量的計算資源，以便從當今的六軸及九軸慣性座標系中執行感應器融合。系統必須以高達1kHz的速率處理資料。設計者習慣於簡單地將高速率感應器資料從IMU傳輸至應用處理器來設法解決這個問題。但設計者如何才能在系統處理器不疲於繁重計算負載的情況下實現高度準確性呢？而隨之而來的高頻中斷及高功耗往往會降低效能，導致不良的使用者體驗。
另外，自動背景感應器校準是與任何高效能動態追蹤解決方案相對抗的另一因素。隨著時間的推移，若不進行校準，所有感應器的輸出值均會出現偏差，該偏差將會影響效能、準確性及一致性。而開發先進且久經驗證的自動校準演算法是設計者面臨的一項耗時工作。眾所周知，在消費性市場中，產品上市時間緊迫，生命週期短，設計者如何能夠滿足此一要求呢？
六軸IMU搭九軸感應器融合 動態追蹤設計難度驟降
新興技術能夠讓這些設計難題更易於管理。舉例來說，快捷半導體(Fairchild)的FIS1100是一款六軸MEMS IMU，搭配九軸感應器融合解決方案XKF3。此二合一的解決方案為嵌入式設計者提供可有效整合高效能動態追蹤功能的最佳捷徑。FIS1100將三軸加速計與三軸陀螺儀整合至先進的向量數位訊號處理(DSP)協同處理器AttitudeEngine當中。設計者可透過I2C控制元件將第三方的三軸磁力計連接至FIS1100，從而得到完整帶有與時間同步的慣性資料之9自由度(9-DOF)解決方案。
AttitudeEngine以較高的內部取樣率對高頻運動進行有效編碼，與此同時，在任何輸出資料速率下，均確保資料的完整與準確。此元件在處理慣性資料時，只須耗費極少功率即可在一般主機處理器上執行相同的運送。在諸如步行導航等應用中，相較於未配備內建運動處理器的傳統IMU，FIS1100可減低輸出資料速率達一百倍。透過從主機處理器中卸載這些運算密集型高頻運算，FIS1100將整體系統級功耗降低達十倍，且消除了對主處理器的高頻資料中斷需求，輕而易舉地實現系統整合。與此同時，其確保處理運動資料所需的高度準確性，從而帶來準確、輕鬆的使用者體驗。
將FIS1100與XKF3感應器融合技術相結合，可實現具備極低系統功耗的高準確性動態追蹤解決方案。XKF3是Xsens開發的一項優化估算演算法。基於擴展卡爾曼濾波理論(Extended Kalman Filter Theory)，XKF3將三維(3D)加速計、3D陀螺儀及3D磁力計資料融合，以估算在地心地固座標系統(Earth-Fixed Reference Frame, EFRF)中的3D方位及其他參數。
XKF3提供的一項較重要的功能是自動校準，可在不影響使用者的情形下自動完成，在實現最佳效能的同時不會中斷正常使用。例如，考慮在系統內配備磁力計，則可利用相對於地球磁北的航向。事實上，使用這些感應器相當具有挑戰性，因為感應器的磁場環境始終處於變化之中，會隨著消費性設備本身、設備附近的電流(如音箱和智慧手機)以及環境附近的鐵質物品(如牆內支撐柱樑、車體等)的變化而變化。
為了將動態追蹤應用技術的使用者體驗提升至極致，XKF3使用在正常使用期間持續進行校準的零用戶交互(Zero-user-interaction)磁力計校準技術，自動校準這些硬鐵和軟鐵效應。憑藉該演算法，無須使用者干預，即能同時確保高度準確性及一致效能。
傳統方法功耗大且軟體設計複雜
為了保障動態追蹤應用的準確性，必須以高達1kHz的速率執行慣量的捷聯積分(Strap-down Integration, SDI)，從而最大限度地減少錯誤。從系統架構的角度，此需求將產生重大影響，尤其在電池供電或行動消費類應用中，這些應用中的主機處理器需要盡可能多地進入休眠模式以節省電量。
設計人員習慣於將來自IMU的加速度計和陀螺儀取樣資料導入設計的主機處理器，來建構動態追蹤解決方案主機處理器，然後針對慣量執行SDI計算(圖1)。
 |
| 圖1 方向追蹤(Orientation Tracking)濾波器的傳統架構 |
這對主機處理器造成不必要的負擔，因為最終應用所需的實際更新速率通常從幾赫茲(Hz)(如步行導航)到幾十赫茲(如遊戲、健身記錄及機器人控制)。因此，以高速率傳輸慣性資料的唯一理由是為了準確執行加速及角速度的數值積分。
高速率傳輸為主要任務，然而，由於要達成這項任務須要主機處理器處理非常頻繁的資料中斷，因此，不僅會對功耗造成影響，而且還會因頻繁的高度優先運動中斷(High-priority Motion Interrupts)而讓軟體設計難度更大。這些傳統架構的限制，往往迫使設計者須在效能、功耗、系統整合、成本及使用者體驗之間做出權衡。
採用計算分配結構 提高精度降低功耗
FIS110和XKF3能夠在比傳統結構低一個量級的系統功耗下實現高精度運動跟蹤，其關鍵在於該產品採用計算分配結構(圖2)。
 |
| 圖2 運算繁雜的SDI計算分配到FIS1100 AttitudeEngine上，同時將低速率運動資料傳輸至主機處理器執行XKF3感應器融合及自動校準。 |
此架構明確分割了在AttitudeEngine的SDI步驟與XKF3感應器融合引擎的狀態追蹤及自動校準。SDI計算必須以高速率(1kHz)執行，同時XKF3引擎實際以極低的速率執行，如上所述。
透過對這些工作進行分割，此解決方案大幅降低主機處理器的計算負載，甚至在執行包含全自動校準的高準確度9D融合模式下亦是如此。此架構還實現了更高品質的感應器融合。透過在極低速率下執行狀態追蹤，XKF3可以追蹤相對更多的狀態，例如在統計方面，能夠最有效地追蹤多個校準參數，而不會對系統資源造成影響。
作為遞迴演算法，XKF3只需極少量的資源用於儲存程式碼及記憶體即可，因此，可在相對較小感測器中樞(Sensor Hub)MCU中實施。
圖3針對全新架構與三種不同的傳統實施方案進行比較，結果是加速與角速度取樣頻率為1kHz，且以相同速率直接傳送至MCU；加速與角速度取樣頻率為250Hz，且以相同速率直接傳送至MCU，但在此情況下，動態追蹤準確性降低；加速與角速度取樣頻率為250Hz，並使用FIS1100的大型先進先出(FIFO)在32Hz下直接傳送。但在此情況下，動態追蹤準確性降低。
 |
| 圖3 將FIS1100與XKF3配合使用，相較於一般性IMU實施，嵌入式應用設計者可將系統級功耗降低達十倍。這些測量中使用的MCU為ARM Cortex M4F。 |
將AttitudeEngine與XKF3方向追蹤濾波器配合使用並在通用應用處理器(AP)或標準微控制器上執行，處理器執行完整應用(包括與主機的通訊等等)以及執行感應器融合的功耗僅為1.0毫安培(mA)或更低。使用傳統架構時，加速與角速度取樣以1kHz的速率傳送，例如在標準MCU上的功耗為12.6mA，相比在FIS1100上執行的SDI，高達十倍之多。
高效能動態追蹤應用日廣
消費性應用對高效能動態追蹤功能的需求與日俱增。嵌入式應用設計者必須應對的難題是如何保障動態追蹤的準確性，同時無需複雜的重新設計程序，亦不會對系統效能或功率造成影響。類似FIS1100 AttitudeEngine協同處理器及XKF3感應器融合等技術能夠實現優異的功能，同時不會對效能或功耗造成影響。
(本文作者為快捷運動追蹤解決方案副總裁)