智能传感器信号处理(上)

　　除了滤波和放大之外，还需要使用模数转换器(ADC)将信号转换成数字形式，这增加了信号调理要求。除了要放大信号，可能还需要对信号进行转换，使其能适应不同的ADC参考电压。但是，很多ADC，尤其是MCU或数字信号控制器(DSC)中包含的ADC，仅对单极性输入有效。也就是说，输入电压不能相对于地在正负电平之间变换。在这种情况下，就需要使用电平位移器。

　　图2举例示出了某个具体的传感器处理应用所需的信号调理电路。在本例中，使用一个三运放差分放大器将热电偶产生的差分输出电压放大，然后送入片上ADC的输入端。与此相似， ADC的另一个输入可用于补偿热电偶引线结点和PCB(印制板)布线交汇处产生的电压的影响(更多地用于补偿后者)。

　　传感器的处理器

　　即使在经过相当多的信号调理之后，若可从随时间变化的电信号中提取出相关信息，传感器产生的信号才有用。这一提取过程通过嵌入式微处理器来完成，传统上使用MCU或DSP。因此，显而易见，处理器的功能以及其上运行的应用软件的功能才是系统中最关键的因素——这就是为智能传感器处理系统提供所有“智能”的处理器子系统。

　　处理传感器的输出的第一步是将模拟信号(通常被调理成提供变化的模拟电压)转换成数字形式。由此可以推断，ADC在决定整个传感器处理系统的精确度方面起着至关重要的作用。ADC必须提供足够高的分辨率和具有较好的精度特性，如积分非线性(Integral Non-Linearity，INL)和微分非线性(Differential Non-Linearity，DNL)。

　　通常，可能需要对从传感器获取的数据执行大量的后处理操作。此类操作的例子如下。

　　● 数据的有限冲激响应(Finite Impulse Response，FIR)和无限冲激响应(Infinite Impulse Response，IIR)滤波，主要用于消除噪声。可能需要不同类型的滤波器。例如，如果目标仅仅是限制信号的带宽和去除高频噪声，则使用低通滤波器或带通滤波器比较合适。另一方面，如果系统易受电源引入的噪声的影响，则使用高通滤波器或陷波滤波器(具体取决于所需信号的频谱)更合适。

　　● 进行快速傅里叶变换(FFT)计算以分析数据，以便将频域数据用于进一步的处理阶段。这一操作对于信息包含在输出信号的频率中的传感器尤为重要，例如基于多普勒效应的超声波传感器或声音传感器。

　　● 传感器数据的静态或周期性校准。校准是通过提供一组已知的传感器输入并测量相应的输出来设置传感器输出与所需物理参数之间的映射的过程。

　　● 传感器输出与所测量的物理参数之间通常不是线性关系。在此类情况下(例如热电偶)，必须将采样后的传感器数据“线性化”以补偿输入/输出之间的这种非线性关系。该过程通常会涉及高密集度的计算，如应用高次多项式。

　　● 根据输入数据的大小对其进行换算和归一化。此类计算要求传感器接口使用的处理器具有相当高速的数学运算能力，普通的16位MCU架构无法满足要求。

　　此外，在很多应用中，并不只是简单地对传感器信号进行分析和解读，还需要执行控制操作对传感器信号进行响应。这些操作可能包括以下任务：

　　● 调整传感器信号分析软件所使用的校准参数，以便可以正确分析传感器输出;

　　● 向其他处理子系统传送数据，例如，汽车轮胎上的胎压监视器向仪表盘定期发送压力数据并发送警报;

　　● 在互联网上更新数据，例如定期读取电表读数或定期收集工业数据采集系统的数据;

　　● 控制电机、电源、继电器、开关和其他器件;

　　● 容错措施，如修正与故障传感器对应的数据或切换到其他传感元件。

　　传统上使用数字信号处理器(DSP)执行此类数学计算密集的任务。不过，DSP本身(没有关联MCU)并不是非常适用于传感器接口，理由主要有四个：

　　● DSP器件没有灵活的中断结构;

　　● DSP器件在控制位(例如单独的I/O引脚)方面的效率不高;