智能传感器信号处理(下)

　　类似地，需要对热电偶和红外(IR)温度检测器所产生的非线性输出进行数学运算，使其线性化。例如，K型热电偶使用下列线性化多项式：

　　温度 = a1 * V + a2 * V2 + a3 * V3 +⋯

　　其中，a1 = 25132.785，a2 = -60883.423 ⋯，V = 传感器输出电压

　　在dsPIC33F DSC上使用两个累加器和DSP指令执行此线性化任务时，计算过程(上述多项式仅计算到第2阶)需要7个指令周期——4个数据传送周期、2个乘法周期以及1个乘减运算周期。通过该公式可以很明显看出，在通用微处理器或MCU架构上执行此运算会耗费更多时间，这也间接说明了使用DSC的优势。

　　而且，热电偶的输出电压(即使在放大之后)特别容易受60 Hz(或50 Hz，具体取决于区域)的电源线路噪声影响。考虑到热电偶输出的变化率较慢，此噪声容易与热电偶输出位于同一频带，并且需要使用中心频率为60 Hz的陷波滤波器小心地进行滤波。

　　FIR和IIR滤波算法均可以在DSC上高效执行，但是IIR滤波器需要的系数一般要少得多，因而需要较少的乘法和加法运算。不过，IIR滤波器具有反馈项，因而会造成一些稳定性方面的难题。幸运的是，数据自动饱和是DSC架构中相当常见的硬件特性，可以尽可能降低由于溢出造成的数据损坏。图5频率响应图展示了用于抑制60 Hz电源线路信号的16阶IIR陷波滤波器(采样率为1 kHz)的频率选择特性。

　　对于DSP设计经验不甚丰富的系统开发人员而言，设计数字滤波器(尤其是IIR滤波器)过程中涉及的理论和步骤可能相当复杂，对数学功底的要求极高。幸运的是，很多DSC制造商和第三方工具厂商都提供了低成本的工具，开发人员只需要在这些工具中指定通带和阻带的转移频率以及所需的衰减度即可。这些工具可以计算滤波器系数并生成应用软件可以直接使用的源文件和数据文件。图3展示了四种最常见的数字滤波问题。

　　除了线性滤波和数字滤波外，应用软件还需要在从热电偶采样的电压中加上从外部温度传感器IC(如TC1047A)采样的电压，以执行冷结点补偿。此外，很可能需要定期计算ADC转换结果的平均值，具体视所采用的ADC采样率而定。平均值计算可以通过DSC架构中通常提供的基于累加器的加法和多位移位运算高效完成。

　　指纹识别

　　在上文中我们已经讨论了最常见的一类智能传感器应用，现在我们讨论一种本质上更复杂且计算要求更高的基于传感器的应用——指纹识别。

　　指纹识别在安全区域(如房间或车辆)的进出控制、设备访问(如手机)、PC或网络登录以及仅作为可靠的个人身份识别形式等方面的应用日趋增多。目前，市面上有很多类型的指纹传感器，如电容式传感器、光学传感器、热传感器和电场传感器。例如，电容式传感器依赖于人手指上的纹路起伏产生的电容变化。

　　负责从指纹传感器捕捉指纹数据的控制器需要具有某些特性：

　　1.足够快的ADC，用于接收传感器采样的值;

　　2.高速串行通信接口(如SPI)，用于与系统中的其他模块进行通信;

　　3.闪存，用于存储指纹“模板”数据库，然后在验证或识别指纹时高效访问这些模板。

　　最重要的是，需要拥有强大的DSP功能来执行指纹匹配操作。最后需要指出的是，控制器应该不仅能够处理16位数据，还要能够高效处理8位数据(如DSC可以处理8位和16位的数据)，因为大多数传感器都使用8位的值来代表指纹。