MEMS传感器中的小型化_凯利讯半导体

       微机械加工已成为传感器小型化的关键技术。通过使用标准的半导体制造技术能够减小传感元件的尺寸,使得尺寸急剧减小。将信号处理与传感元件集成在一起进一步增强了减小系统尺寸的机会,消除了额外引脚连接到外部设备的需要。微加工工艺技术的选择也可以确定小型化的极限,但这通常是由传感器类型决定的。用于压力传感的压电微机械元件比在衬底表面上由CMOS硅制成的膜片具有更小的缩放比例,但是可以提供更高的性能。

  表面微机械传感元件的图像


  图1:表面微机械传感元件。

  传感器也会遇到减小灵敏度和性能的结垢问题,尽管这可以通过元件结构的创新设计来减轻。这种创新设计还可以用于将多个元件集成到单个传感器中。这是最明显的六轴加速度计的元素精心设计可以提供移动数据沿多轴。这也有助于小型化系统,用一个装置更换几个传感器。

  然而,这种集成和小型化的移动通常是在噪声和动态范围内进行的。例如,添加滤波和信号处理来确定作用在复杂传感元件上的不同力,并滤除来自不同元件的噪声,这会导致响应时间变慢,并限制整个动态范围。虽然这可能是可接受的小,空间受限的应用,如可穿戴电子设备,它可能不

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
这个设计技巧解释了如何分析和识别MEMS传感器的噪声。解释了Allan方差和hadamard方差,以及它们的变化(重叠、修正和总计),还提到了理论方差1(Theo1)。     好处:   如何通过Allan和其他方差来表征MEMS传感器   基本假设是,在测量过程,感兴趣的信号是恒定和平坦的。然而,传感器输出是感兴趣的信号和噪声的总和。粗略地说,从长期来看,噪音应该平均为零。在测量过程采集了许多样本。噪声的分析和识别有助于确定可以平均多少个样本以最小化传感器输出的方差。   标准方差的问题是它在增加数据运行时间方面表现得不好。为了解决这个问题,发展了Allan方差。Allan方差σ2计算为连续“样本”(2-样本方差)之间平方差的平均值。“样本”通过在时间间隔τ=m*Ts内对m个样本进行平均计算,其Ts=1/Fs是采样间隔,Fs是采样频率。   Allan方差σ(τ)是Allan方差σ2(τ)的平方根,对数图的斜率取决于噪声类型。这是能够识别噪声类型的斜率。见下表。   Allan方差(非重叠AVAR、重叠OAVAR、修正MAVAR)和Hadamard方差(非重叠HVAR和重叠OHVAR)可使用数字滤波器链计算:   M(M)M样本上的移动平均值   ·D1(m)样品n和样品(n+m+1)th之间的第一个差值   m:1下采样,从m选择1个样本   输出不得出现瞬变。方差是通过平方和平均输出样本来计算的。偏差是方差的平方根。偏差的置信度可以估计为偏差本身除以平均输出样本数的平方根。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值