凯利讯讲述电容传感器在便携产品中的应用

  电容传感器滚轮在iPod等产品中获得的成功,正在促使其他消费电子产品开发商考虑使用电容传感器来改善产品的用户界面,并使产品看起来更加美观。事实上,电容触摸传感器接口的应用并不仅限于MP3播放器,而是可以用于目前采用传统机械开关的任何产品之中,如新款手机的菜单控制按钮。利用可靠性高、引人注目并具有成本效益的电容触摸传感器,可以轻松地改变这些高级功能菜单控制开关的式样。

  电容触摸传感器接口通常由一个电容传感器、一个电容数字转换器(CDC)和一个主处理器组成(图1)。传感器利用标准两层或四层PCB上的走线(trace)或柔性电路制造,因此不需要任何外部元件或材料。

  

 

  图1 典型电容触摸传感器接口

  可靠的传感器必须不受外界环境变化的影响,能够在任何工作条件下保持精确的灵敏度水平。温度或湿度的变化会导致PCB材料的特性发生变化,因此,印刷电路电容传感器的输出电平将发生漂移。例如,当用户从开启空调的汽车到一个湿热环境时,就可能出现上述情况。为了避免发生断续接触错误,CDC必须包括实时的漂移补偿功能(图2)。

  

 

  图2 两个传感器在环境条件改变时的特性,漂移补偿功能已使能

  随着环境条件的变化(例如,温度或湿度上升),传感器的环境参数(在用户没有与传感器接触期间,由CDC进行测量)会发生漂移。为了进行补偿,需要动态改变高端和低端阈值电平,以确定有效的传感器接触。位置2、3、5、6处的参考电平进行重新调整,以保持最佳的阈值参考电平,从而自动跟踪和补偿漂移误差。

  PCB还可能受到寄生电容的影响,这种电容最大可达20 pF,它会在电容触摸传感器视为受到按压时,使阈值发生偏移,从而改变其灵敏度。为了对寄生电容进行补偿,可以采用对DAC编程的方法,以抵消CDC的输入。对于各PCB来说,这种寄生电容是一致的,因此可以在制造PCB的时候进行简单的调整,这样就不需要外部RC调谐元件,从而使材料、装配和测试相关的成本最低。单独调整每个传感器的偏移,使设计者可以充分利用转换器的分辨率(图3)。

  关注微信公众号“凯利讯半导体商场”更多内容等您来看哦!!!

  最新文章:数字滤波器的原理、分类及优缺点

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像的目标属于哪个类别。 定位问题:确定目标在图像的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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