基於MCU的系統從面向使用者的設計角度獲益

　　超便攜設計，可穿戴式裝置驅動的一種新方法微控制器的選型和系統設計。

　　而不是定義的功能和能力，將作為該專案的頂級車手設定的常規方法，新方法通過蘋果和其他領先的公司率先開始驗證的定義，產品應該產生的使用者體驗。

　　可穿戴式裝置是不是唯一的，可以從一個面向使用者的方法來設計盈利裝置。實際上任何產品都可以受益。然而，價值最大的產品，在不斷的使用和一個親密的使用者依賴是建立在人機介面是產品的驗收至關重要。

　　產品類別包括所有可穿戴裝置，當然，也有可能被視為超行動式電腦，如健康監測和智慧手機。

　　可穿戴裝置市場也駕駛更要求能源效率因為小電池有重型週期和使用者的期望是，電荷將持續很長時間。可穿戴裝置依賴於物聯網(IOT)來創造自己的價值;反過來，物聯網，推動其他的能源消耗情況，如放在偏遠的地方，需要電池操作幾個月甚至一次充電年裝置。

　　MCU架構正在發展以應對這些挑戰

　　MCU廠商現在提供多能源模式，根據系統的活動水平結構。智慧外設，過程一步一步的方向從排隊資訊沒有微控制器現在已經被自治外設需要更少的互動與微控制器直接與DMA通訊連線。也越來越常見的硬體輔助發動機，如浮點單元(FPU)執行需要密集的數字運算效能的演算法。

　　作為能源的執行狀態、數量的外設，和指令集的排列數激增，為一個特定的設計指數上升。

　　有時，能源效率最好的微控制器可以違反直覺的選擇。

　　基線考慮

　　從希望的使用者體驗開始。這應該是一個嚴格的鍛鍊，考慮產品的使用者互動的各個方面。有，但是，從一個電子設計視角的三個基本範疇：易於安裝;操作直觀;和最小的維護(包括延長電池壽命)。

　　理想的使用者體驗的概念設計工程師熟悉的設定引數：使用案例。主要有三個要素：裝置將執行什麼任務;需要執行他們的資源;和的條件下，它將執行。

　　為了進入下一級別的粒度，有必要進一步討論本文中識別特定型別的裝置。服飾，使用案例包括對資料的裝置將收集的型別的詳細資訊，它將如何與使用者和其他裝置進行互動，其預期的操作環境(溫度、耐水性、耐衝擊性，和更多)，它的運營模式(資料的收集和分析，你服務互動、溝通)，並經常與其他裝置同步。一旦這些細節是已知的，設計團隊可以組裝一個物料清單(BOM)和能量預算(見名單的能源預算驅動表1)。

　　簡化能源預算清單

　　資料生物統計學型別

　　環境的

　　數字

　　與使用者秒的互動頻率

　　分鐘

　　天

　　月

　　與外界互動的頻率

　　互動作用持續時間秒

　　分鐘

　　天

　　月

　　裝置如何與使用者遠端介面互動

　　鍵盤

　　觸控式螢幕

　　聲音

　　綜合資料顯示

　　以上全部或部分

　　空中通訊藍芽

　　無線區域網

　　ZigBee

　　亞GHz

　　其他

　　與其他裝置的同步頻率

　　互動作用持續時間秒

　　分鐘

　　天

　　月

　　表1：建立使用生物特徵資料的裝置使用情況的引數。

　　能源需求概況

　　用例提供了一系列的能量需求概況，取決於使用者是否與裝置互動;該裝置是否自主行動(例如收集資料);以及它是否處於不同關機水平。然後將該資訊轉換為系統的需求週期，特別是MCU。

　　在這一運動的這一階段特別感興趣的是用於將物理資料轉化為可用於MCU進行計算和決策的資訊的演算法，這些計算和決策為使用者提供準確、可靠的結果。如果輪廓被嚴格定義，所得的能量預算應該是在現場條件下與原型裝置獲得的值的良好近似。

　　經常意識到與通常驅動設計過程的傳統決策樹不同的場景是一個好主意。可穿戴裝置最有可能的情況之一——或者任何收集生物統計資料的裝置——是基於其核心的MCU的棘手選擇。

　　ARM核心整合到許多領先的半導體公司的MCU中，這使得ARM成為目前最流行的32位嵌入式應用供應商。ARM CORTEX-M系列處理器核心是專為應用，其中MCU效能必須平衡的能源效率和低解決方案成本。

　　M3核心的目標更加狹窄，在成本敏感的應用中，仍然需要高效能運算和提示系統對低動態和靜態功耗的真實事件的響應。

　　大多數設計者自然會被吸引到整合ARM CORTEX-M3核心的MCU中，然而，這可能不是最好的選擇的原因。

　　微控制器選型

　　更常見的可穿戴之一是健身監視器。在這種使用情況下，MCU使用多軸加速度計接收關於使用者的身體活動的資料。它使用IR接近感測器監測心率，並且可以使用其他感測器來檢測體溫和血氧水平。在採集感測器資料之後，MCU在確定實際的步數和頻率之前，對原始加速度計資料進行濾波，以消除噪聲和其他偽影，或者將其與心率資料相結合，以區分特定型別的活動。

　　卡爾曼濾波器演算法通常用於消除依賴於這些型別的資料的應用中的噪聲。它的計算需求是驅動可穿戴設計中採用32位架構的演算法的典型。

　　實現MCU能量效率的基本原則之一是儘可能經常地將MCU保持在減少的能耗模式中，並且儘可能長地保持。

　　在剛剛描述的健身監視器的情況下，執行卡爾曼濾波器提出了一個有趣的問題：什麼是CORTEX-M4F(F整合FPU)和CorTX-M3之間的能量折衷?

　　與M3相比，M4F核心整合了FPU硬體輔助引擎和DSP指令集擴充套件。因此，在全油門操作時消耗更多的能量。必須在軟體中執行演算法的M3意味著它在活動模式下比M4F長。

　　圖1中圖示了折衷。當通過提高處理速度和減少活躍和睡眠電流來優化應用時，節省的能量(藍色區域)增加。

　　矽實驗室MCU待機模式影象

　　圖1：快速返回MCU到待機模式可以彌補高峰值處理能耗。

　　當這種分析用於健身監測，採用Kalman濾波演算法濾除噪聲，原來m4f核心提供比M3核心的顯著更快的執行。這是由於(1)的m4f的增強指令集，其中包括一個功能強大的數字訊號處理(DSP)和圖書館功能;(2)的m4f核心的單精度浮點運算單元。

　　圖2說明了如何快速的MCU可以用Cortex-M3核心和一個cortex-m4f核心計算軟體512點FFT。的cortex-m4f比Cortex-M3能量約三倍更有效，因為它返回睡眠模式更快。

　　基於m4f核心節能Silicon Labs微控制器的影象

　　圖2：基於m4f核心MCU是高效節能的M3核心的計算一個512點FFT時的三倍。

　　MCU與精心設計的睡眠模式乘以這個節能效果。Silicon Labs的奇蹟Gecko MCU具有幾個明顯的低能量模式，包括20和950 NA NA切斷深睡眠模式(實時時鐘，充分的記憶體，和登記留存和棕色的檢測內容啟用)。更大的差異之間的活動和睡眠模式下的功耗的一個低能態快速回報的收益更大。

　　基於改進的m4f核心，Silicon Labs的EFM32 Gecko的家庭採用的能量狀態的手臂提供和增加了一些自己的。

　　睡眠/待機–(EM1模式EFM32)使快速返回主動模式僅略高於功耗。在這種模式下，對emf32 = 45μ/ MHz功率消耗;典型等效的32位MCU = 200µA.

　　深睡眠–(EM2模式EFM32)葉微控制器的關鍵元素活躍而禁用高頻系統時鐘和其他的不必要的負荷。在這種模式下，對emf32功耗為900 nA的低;典型等效的32位MCU = 10μ一至50μA.

　　停止–(EM3模式EFM32)深睡眠模式更深的版本。它提供了節省電源的同時保留有限的自治周活動和快速喚醒。在這種模式下，對於EFM32 = 590 nA的功耗;典型等效的32位MCU = 10μ一至30μA.

　　備用電池–獨特的EFM32功能，關閉模式提供一個有吸引力的選擇，保留一些關鍵功能，使更快的喚醒。

　　開/關–(4或EFM32關閉模式)–保留最小的功能需要觸發從外部刺激喚醒。節約能源是通過延長起床的時間了。在這種模式下，對於EFM32 = 20 nA的功耗(400 NA RTC執行);典型等效的32位MCU = 1.5µA.

　　Silicon Labs提供了一些奇怪的m4f核心Gecko MCU。他們根據不同的封裝型別，記憶體，和連線和I/O選項。一個典型的部分是EFM32 WG230F256 QFN64。Silicon Labs還提供了兩個初學者工具包和一個神奇的壁虎開發工具包。

　　臂cortex-m4f-based MCU從其他公司包括：ATMEL公司的atsamg51g18a-uut，飛思卡爾的mk10dx256vlh7r，英飛凌的xmc4200f64k256abxqsa1，意法半導體的stm32f358vct6，德克薩斯文書的tm4c123fh6pmi。

　　自主外設

　　大多數MCU整合，執行常規的計時裝置，I / O和家務而CPU仍然在它的一個低功耗的睡眠模式。一些微控制器還配備了自治外設執行更復雜的功能(例如，計數器/定時器，ADCs，GPIOs，數模轉換器，序列收發器，其中)無CPU干預。

　　例如，大多數由壁虎EFM32微控制器家庭支援的片上外設可以獨立運作，在一個或多個裝置的睡眠模式保持活躍。與此相反，大多數MCU，其中最低的節能模式只支援最基本的活著的GPIO功能的喚醒和實時時鐘(RTC)操作。

　　其他應用

　　儘管直到應用程式經歷前面描述的使用者體驗分析才能得出結論，但顯然低能耗操作並不總是與削減骨骼處理能力有關。可以肯定的是，任何使用生物識別資料的應用程式都是使用FPU輔助引擎的更高效能MCU的候選者。

　　另一個例子是電池供電的心電圖(心電圖)。像許多其他行動式裝置一樣，當今的行動式ECG在設計週期開始時通過對功率和能量預算限制的假設進行處理，從而節省了處理時間。在ECG的情況下，設計者通過降低取樣率來降低系統效能。這反過來又使裝置不夠精確，患者通常需要不時返回醫院進行全面的心電圖檢查。使用更高效能的MCU可以解決這個問題。

　　涉及用快速傅立葉變換(FFT)處理資料的任何應用程式都是另一種可能的候選。防止家庭安全系統中使用的玻璃破碎探測器出現誤報依賴於FFT濾波來執行聲學分析。例如，探測器必須能夠區分玻璃破碎板和已落入水槽的水或酒杯。

　　不同厚度和組成的玻璃具有特有的聲音和振動，最終以天然玻璃的特徵頻率--13kHz左右達到共振。感測器使用寬頻聲音感測器的輸出，在規定的時間範圍內分析擊碎頻率和玻璃破碎音訊。在使用512點FFT對頻率資訊進行濾波之後，檢查訊號的持續時間和幅度以進一步驗證有效的報警條件。根據佔空比和其他考慮因素，正在執行FFT的事實使得具有FPU輔助功能的MCU核心可能更加節能 - 並且通常會提供更好的效能。

　　結論

　　電池供電的可穿戴裝置正在改變電子設計的最佳做法。 第一步是以期望的使用者體驗開始，而不是列出將用作專案頂級驅動程式的功能和功能。 嚴格標識資料型別，互動型別以及裝置互動頻率是重要的後續練習。 對於一個好奇的設計團隊來說，這可以導致設計具有比傳統設計方法更優越的效能和更低的功耗。