CN117309020A - 传感芯片校准系统及传感信号处理方法 - Google Patents
传感芯片校准系统及传感信号处理方法 Download PDFInfo
- Publication number
- CN117309020A CN117309020A CN202311169703.2A CN202311169703A CN117309020A CN 117309020 A CN117309020 A CN 117309020A CN 202311169703 A CN202311169703 A CN 202311169703A CN 117309020 A CN117309020 A CN 117309020A
- Authority
- CN
- China
- Prior art keywords
- sensing
- sensor chip
- training
- chip
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000000034 method Methods 0.000 claims abstract description 55
- 239000013078 crystal Substances 0.000 claims abstract description 36
- 238000003860 storage Methods 0.000 claims abstract description 32
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000004519 manufacturing process Methods 0.000 claims abstract description 28
- 238000012549 training Methods 0.000 claims description 63
- 238000006243 chemical reaction Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 claims description 9
- 239000004065 semiconductor Substances 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 230000008447 perception Effects 0.000 claims description 5
- 238000003066 decision tree Methods 0.000 claims description 4
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 3
- 239000000654 additive Substances 0.000 claims description 3
- 230000000996 additive effect Effects 0.000 claims description 3
- 150000001875 compounds Chemical class 0.000 claims description 3
- 238000003062 neural network model Methods 0.000 claims description 3
- 229910052710 silicon Inorganic materials 0.000 claims description 3
- 239000010703 silicon Substances 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 8
- 238000012216 screening Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012858 packaging process Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 230000010485 coping Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011031 large-scale manufacturing process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000012536 packaging technology Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
- G01D18/002—Automatic recalibration
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明提供了一种传感芯片校准系统及传感信号处理方法,该传感芯片校准系统包括传感芯片及外部处理控制器,其在传感芯片外连接了外部处理控制器,该外部处理控制器可以基于智能模型参数存储晶粒存储的预先训练的模型对数据进行补偿,将敏感晶粒在制造过程中带有的工艺误差等因素进行有效修正,从而降低了对于高性能信号读出电路的要求、降低传感芯片对敏感晶粒的加工精度要求,提高了数据精度,降低传感芯片的制造成本以及高精度传感芯片的整体使用成本。
Description
技术领域
本发明涉及传感信号处理技术领域,具体而言,涉及一种传感芯片校准系统及传感信号处理方法。
背景技术
在传感芯片的生产制造过程中,可能存在各种误差因素对性能指标的影响。在传感芯片的前道晶圆加工和后道封装过程中,存在多个生产制造环节的误差因素,包括晶圆加工误差、信号读出电路加工误差以及芯片封装工艺误差等。这些误差因素会导致传感芯片的各个性能指标与设计指标不完全一致,而是呈现一定的概率特征分布在一定范围内。
根据应用场景的不同,对传感芯片的使用精度要求也不同。一些对使用精度要求不高的场景,如消费电子等,能够容忍性能指标的不一致性造成的传感误差。而对使用精度要求高的场景,如汽车、航空、航天、国防等领域,需要修正上述不一致性。
现有三种主要方法来解决传感芯片性能指标的不一致性问题,如下:
a.提高生产工艺精度:这种方式从生产工艺入手,使用加工精度更高的半导体制造和封测设备,以提高传感芯片的性能一致性。通过改进制造工艺,减少误差因素的影响,可以使传感芯片获得更高的性能一致性。
b.增加性能参数标定环节:在传感芯片的生产流程中增加性能参数标定环节,对每一颗传感芯片进行精确的性能参数标定。通过标定过程,可以获得每颗芯片的实际性能指标,并将其用于后续的应用中,从而修正性能指标的不一致性。
c.增加产品筛选环节:在传感芯片封装后增加产品筛选环节,从大量产品中挑选出符合标称性能参数的传感芯片。通过筛选过程,可以将性能指标较差的芯片排除,只选择具有较高一致性的芯片供应给高要求的应用场景。
这些应对方式可以根据具体的应用需求和成本考虑进行选择,以提高传感芯片的性能一致性,并满足不同领域对传感芯片使用精度的要求。
目前针对传感芯片在制造环节因工艺误差影响的三种应对方法存在着不足。
a.使用加工精度更高的半导体制造和封测设备的方法,确实可以提高传感芯片的性能一致性,但也存在两个主要问题。首先,这些高精度设备的投入会增加芯片生产的成本,导致传感芯片价格上升,难以满足低成本的需求。其次,即使是当前精度最高的半导体生产设备,仍然无法完全消除加工误差问题,因此无法完全避免传感芯片性能的不一致性。
b.在传感芯片的生产流程中增加参数标定环节,需要较长的测试标定时间和较多的人力投入,这将显著推高传感芯片的成本。这种方法对于大规模生产来说可能不太可行,因为它会增加生产时间和成本,难以满足低成本的需求。
c.在传感芯片封装后增加产品筛选环节,可以提高传感芯片的性能一致性,但也会增加芯片的整体成本。筛选过程需要额外的设备和人力投入,可能导致传感芯片的产能下降,从而影响供应能力和成本效益。
面对当前市场对低成本、高精度和性能长期稳定的传感芯片的需求,伴随智能信号处理技术的发展,提出一种新的传感芯片及对应的信号处理流程来满足这些需求。
发明内容
为解决上述问题,本发明实施例提供一种传感芯片校准系统,包括传感芯片及外部处理控制器;所述传感芯片包括敏感晶粒、转换晶粒及智能模型参数存储晶粒;所述敏感晶粒用于获取目标物理量数据;所述转换晶粒用于将所述目标物理量数据进行转换,得到原始传感信号;所述智能模型参数存储晶粒用于存储预先训练的模型;所述预先训练的模型由所述传感芯片获取的外部原始传感信号以及所述传感芯片所处环境的外部基准数据训练至满足感知精度后得到;所述外部处理控制器用于从所述智能模型参数存储晶粒中读取所述模型以及接收所述原始传感信号,然后基于所述模型对所述原始传感信号进行补偿处理得到感知数据。
可选地,所述智能模型参数存储晶粒还用于:控制进入算法训练与校准工作状态;所述传感芯片置于预设的训练校准环境中,所述训练校准环境为所述传感芯片提供预设范围的外部物理量载荷;获取原始传感信号;根据所述原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练;对训练后的所述智能信号处理算法进行数据精度验证;若满足感知精度要求则停止训练,若不满足感知精度要求则返回执行所述根据所述原始传感信号以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤。
可选地,所述敏感晶粒为硅基工艺制造的微结构,或者为增材制造、化合物半导体工艺制造的具有物理量敏感功能的微结构。
可选地,所述转换晶粒包括反馈控制功能对应的硬件单元。
可选地,所述敏感晶粒、所述转换晶粒及所述智能模型参数存储晶粒包含于同一芯片封装内。
本发明实施例提供一种传感信号处理方法,应用于上述传感芯片校准系统,所述方法包括:所述传感芯片获取目标物理量数据;所述传感芯片将所述目标物理量数据进行转换得到原始传感信号;所述传感芯片将所述原始传感信号发送至所述外部处理控制器;所述外部处理控制器从所述智能模型参数存储晶粒中读取所述模型,以及基于所述模型对所述原始传感信号进行修正处理得到感知数据。
可选地,所述预先训练的模型的训练过程如下:控制进入算法训练与校准工作状态;所述传感芯片置于预设的训练校准环境中,所述训练校准环境为所述传感芯片提供预设范围的外部物理量载荷;控制获取原始传感信号;根据所述原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练;对训练后的所述智能信号处理算法进行数据精度验证;若满足感知精度要求则停止训练以及将训练得到的模型存储于所述智能模型参数存储晶粒,若不满足感知精度要求则返回执行所述根据所述原始传感信号以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤。
可选地,所述智能信号处理算法包括:神经网络模型、支持向量机、决策树、有限状态机模型。
可选地,所述方法还包括:将所述感知数据输出至目标设备。
可选地,所述方法还包括:将所述原始传感信号处理后输出至驱动电路,以对所述获取目标物理量数据的过程进行反馈控制。
本发明实施例提供的传感芯片校准系统及传感信号处理方法,在传感芯片外连接了外部处理控制器,该外部处理控制器可以基于智能模型参数存储晶粒存储的预先训练的模型对数据进行补偿,将敏感晶粒在制造过程中带有的工艺误差等因素进行有效修正,从而降低了对于高性能信号读出电路的要求、降低传感芯片对敏感晶粒的加工精度要求,提高了数据精度,降低传感芯片的制造成本以及高精度传感芯片的整体使用成本。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明实施例中传感芯片校准系统的组成原理图;
图2为本发明实施例中一种传感信号处理方法的示意性流程图;
图3为本发明实施例中传感芯片的算法训练校准状态的工作流程图;
图4为本发明实施例中传感芯片的数据感知状态的工作流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂,下面结合附图对本发明的具体实施例做详细的说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供了一种传感芯片校准系统,以及对应的传感信号处理方法。该传感芯片校准系统可以将芯片生产环节造成的误差,通过外部处理控制器及算法进行补偿,使芯片得以输出高精度的传感数据。同时,由于该传感芯片可以对工艺误差造成的性能不一致性进行补偿,降低了对加工精度要求,从而可以提升高精度芯片的生产效率,降低高精度芯片的生产成本。
图1示出了本发明实施例提供的传感芯片校准系统的组成原理图。如图1所示,该传感芯片校准系统包括传感芯片及外部处理控制器,该传感芯片包括以下组成部分:敏感晶粒①、转换晶粒②及智能模型参数存储晶粒③。可选地,上述传感芯片的各组成部分通过系统级封装④封装于同一芯片封装内。智能模型参数存储晶粒③与外部处理控制器⑤连接。
敏感晶粒,用于获取目标物理量数据。该部分是起到物理量转换作用的晶粒,可包含单个或者多个MEMS敏感结构(例如MEMS电容结构、压阻结构、谐振结构等),用于将被感知的物理量(例如加速度、角速度、声音、温度、压力等)转化为便于后续测量的物理量(如电容、电阻)。
可选地,上述敏感晶粒可以是硅基工艺制造的微结构,或者增材制造、化合物半导体工艺制造的具有物理量敏感功能的微结构。
转换晶粒,用于将目标物理量数据进行转换,得到原始传感信号。该部分将敏感晶粒所转换的信号,进行信号转换、放大、滤波等模拟电路的处理,最终由模数转换器转化为原始传感信号(即未被智能信号处理算法解算的原始传感数据),并输出到智能信号处理晶粒。另外,对于一些需要反馈控制的敏感晶粒,该部分信号也可以同时被传输到转换晶粒中的信号处理器,经过驱动算法的处理,经由驱动电路对敏感晶粒进行反馈控制。基于此,上述转换晶粒还可以包括反馈控制功能对应的硬件单元。
智能模型参数存储晶粒,用于存储预先训练的模型。上述预先训练的模型由传感芯片获取的外部原始传感信号以及传感芯片所处环境的外部基准数据训练至满足感知精度后得到。该部分的主要功能是存储事先训练好的模型数据。
外部处理控制器,用于从智能模型参数存储晶粒中读取模型以及接收原始传感信号,然后基于模型对原始传感信号进行补偿处理得到感知数据。该部分的主要功能是将原始传感数据通过智能信号处理算法,转化为高精度感知数据。具体包括:首先,外部处理单元从智能模型参数存储晶粒读取事先训练好的模型数据;然后,外部处理单元接收通信接口传输来的原始传感信号,再将原始传感信号进行运算处理获得高精度的感知数据。
可选地,智能模型参数存储晶粒中模型的训练过程如下:
(1)控制进入算法训练与校准工作状态。将传感芯片置于预设的训练校准环境中,该训练校准环境为传感芯片提供预设范围的外部物理量载荷。
(2)获取原始传感信号。
(3)根据原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练。其中,外部输入的外部基准数据可以是当前的训练校准环境的准确采集数据,例如可以通过经校准的传感器获取。在训练过程中可以对选择多次改变训练校准环境的相关参数和物理量,并循环开展上述第(2)和(3)步骤。
(4)对训练后的智能信号处理算法进行数据精度验证。
(5)若满足感知精度要求则停止训练,若不满足感知精度要求则返回执行根据原始传感信号的步骤(3)以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤(2)。
示例性地,补偿处理包括以下步骤:首先,外部处理单元从智能模型参数存储晶粒读取事先训练好的模型数据;然后,外部处理单元接收通信接口传输来的原始传感信号,再将原始传感信号进行运算处理获得高精度的感知数据。
可选地,上述敏感晶粒、转换晶粒及智能模型参数存储晶粒包含于同一芯片封装内。本实施例中通过SiP(System In a Package系统级封装)、MCM(Multi-Chip Module,多芯片模块)、WLP(Wafer level packaging,晶圆级封装)等先进封装技术,将敏感晶粒、转换晶粒及智能模型参数存储晶粒包含于同一芯片封装内,从而降低信号传输过程的损耗和干扰,进一步提高传感芯片的数据精度。
本发明实施例提供的传感芯片校准系统,在传感芯片外连接了外部处理控制器,该外部处理控制器可以基于智能模型参数存储晶粒存储的预先训练的模型对数据进行补偿,将敏感晶粒在制造过程中带有的工艺误差等因素进行有效修正,从而降低了对于高性能信号读出电路的要求、降低传感芯片对敏感晶粒的加工精度要求,提高了数据精度,降低传感芯片的制造成本以及高精度传感芯片的整体使用成本。
图2示出了本发明实施例中一种传感信号处理方法的示意性流程图,该方法应用于上述传感芯片校准系统,包括:
S202,传感芯片获取目标物理量数据。
S204,传感芯片将目标物理量数据进行转换得到原始传感信号。
S206,传感芯片将原始传感信号发送至外部处理控制器。传感芯片对上位机或外界通信设备输出感知数据,该外部处理控制器位于上述上位机或外界通信设备中。
S208,外部处理控制器从智能模型参数存储晶粒中读取模型,以及基于模型对原始传感信号进行修正处理得到感知数据。
其中,上述预先训练的模型的训练过程如下:
(1)控制进入算法训练与校准工作状态;传感芯片置于预设的训练校准环境中,训练校准环境为传感芯片提供预设范围的外部物理量载荷。其中,可以通过外部通信接口设置传感芯片的运行模式,以使传感芯片进入算法训练与校准工作状态。
(2)控制获取原始传感信号。
(3)根据原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练。示例性地,该算法包括:神经网络模型、支持向量机、决策树、有限状态机模型等。
(4)对训练后的智能信号处理算法进行数据精度验证。
(5)若满足感知精度要求则停止训练以及将训练得到的模型存储于智能模型参数存储晶粒,若不满足感知精度要求则返回执行根据原始传感信号以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤。
本实施例中的传感芯片具备两个工作状态,分别为:算法训练校准状态和数据感知状态。下面分别介绍这两个工作状态的芯片工作流程及方法。
算法训练校准状态的传感芯片的运行方式如下:
该工作状态用于训练传感芯片中智能信号处理算法中的相关参数。可以在传感芯片进行产品交付前,以及整个工作生命周期中的空闲时段,设置传感芯片进入该状态工作。图3示出了本发明实施例中传感芯片的算法训练校准状态的工作流程图,具体流程如下:
S301,算法训练与校准开始:通过外部通信接口设置传感芯片,进入算法训练与校准工作状态。
S302,将传感芯片置于训练与校准环境:将传感芯片置于专门设置的训练校准环境中,该环境可以为传感芯片提供特定范围的外部物理量载荷,从而提供足以保证智能信号模型训练效果的训练数据。
S303,获取外部基准数据:传感芯片通过通信接口获取用于训练智能信号处理算法的参考基准数据。这些数据包含的信息可以是传感芯片当前所处的状态、环境中的相关物理量等。
S304,获取原始传感信号:传感芯片通过内部的敏感晶粒和转换晶粒,获取当前所处环境下的原始传感信号。
S305,改变训练校准环境参数:根据智能信号处理算法训练过程的具体要求,可以选择多次改变训练校准环境的相关参数和物理量,并循环开展上述S303和S304。
S306,训练智能信号处理模型参数:通过S304获取的原始传感信号和S303获取的外部基准数据,训练传感芯片中的智能信号处理算法相关参数,使原始传感信号经过该算法处理后所得到的数据质量提升。
S307,检验训练校准结果:将传感芯片置于性能检测环境中,对比传感芯片中的原始传感数据和经过智能信号处理算法修正后的高精度感知数据,检验修正后的数据精度是否满足要求。
S308,算法训练校准完成:当传感器经过智能信号处理晶粒所输出的高精度感知数据满足使用要求时,算法训练校准完成。
数据感知状态的传感芯片的运行方式如下:
该工作状态为传感芯片的一般工作状态。处于该工作状态下的传感芯片,可以向上位机输出高精度的感知数据。图4示出了本发明实施例中传感芯片的数据感知状态的工作流程图,具体流程如下:
S401,数据感知开始:传感通电启动,并通过寄存器设置或外部信号设置进入数据感知状态。
S402,敏感晶粒感知外部数据:外部待感知物理量与敏感晶粒发生相互作用。敏感晶粒将待感知物理量转化为便于转换晶粒处理的信号形式。
S403,转换晶粒转换得到原始传感信号:转换晶粒通过信号转换、放大、滤波、模数转换等步骤,并配合必要的反馈控制步骤,将敏感晶粒输出的信号转换为数字形式的原始传感信号。
S404,输出感知数据:传感芯片对上位机或外界通信设备输出感知数据。
S405,外部智能信号处理器进行传感信号修正:外部智能信号处理器,通过运行基于神经网络、决策树、有限状态机等事先训练好的智能信号处理算法,将原始传感信号转化为满足用户要求的高精度感知信号。
本实施例降低了传感芯片对高性能读出电路的依赖:传统的高精度传感芯片,通常十分依赖高性能信号读出电路。而本实施例中的传感芯片,由于外部处理器中的智能信号处理算法,对原始传感数据中可能包含的漂移、随机游走、零偏等误差因素进行矫正,从而降低了对于高性能信号读出电路的要求。因此,本实施例中的传感芯片,可基于成本更低的信号读出电路,实现高精度的感知数据输出。
本实施例降低了对敏感晶粒加工精度的要求:传统的高精度MEMS传感芯片,通常对敏感晶粒的加工精度和一致性有极高的要求,导致芯片成本高昂。而本实施例中的传感芯片,通过智能信号处理算法,可以将敏感晶粒在制造过程中带有的工艺误差等因素进行有效修正,从而降低传感芯片对敏感晶粒的加工精度要求,降低传感芯片的制造成本。
本实施例提供了芯片级的信号校准方法:传统的高精度MEMS传感芯片,通常需要在芯片外部配合复杂的信号校准和修正电路,才能发挥高精度的信号传感功能。而本实施例中的传感芯片通过SiP、MCM、WLP等先进封装工艺与敏感晶粒、信号处理晶粒进行集成。基于该芯片架构,结合算法训练校准的工作状态,本传感芯片实现了芯片级的信号校准,极大降低了高精度传感芯片的整体使用成本。
本发明实施例提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
当然,本领域技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程度来指令控制装置来完成,所述的程序可存储于一计算机可读取的存储介质中,所述程序在执行时可包括如上述传感芯片的智能信号处理方法实施例的流程,其中所述的存储介质可为存储器、磁盘、光盘等。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同、相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种传感芯片校准系统,其特征在于,包括传感芯片及外部处理控制器;
所述传感芯片包括敏感晶粒、转换晶粒及智能模型参数存储晶粒;
所述敏感晶粒用于获取目标物理量数据;
所述转换晶粒用于将所述目标物理量数据进行转换,得到原始传感信号;
所述智能模型参数存储晶粒用于存储预先训练的模型;所述预先训练的模型由所述传感芯片获取的外部原始传感信号以及所述传感芯片所处环境的外部基准数据训练至满足感知精度后得到;
所述外部处理控制器用于从所述智能模型参数存储晶粒中读取所述模型以及接收所述原始传感信号,然后基于所述模型对所述原始传感信号进行补偿处理得到感知数据。
2.根据权利要求1所述的传感芯片校准系统,其特征在于,所述智能模型参数存储晶粒还用于:
控制进入算法训练与校准工作状态;所述传感芯片置于预设的训练校准环境中,所述训练校准环境为所述传感芯片提供预设范围的外部物理量载荷;
获取原始传感信号;
根据所述原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练;
对训练后的所述智能信号处理算法进行数据精度验证;
若满足感知精度要求则停止训练,若不满足感知精度要求则返回执行所述根据所述原始传感信号以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤。
3.根据权利要求2所述的传感芯片校准系统,其特征在于,所述敏感晶粒为硅基工艺制造的微结构,或者为增材制造、化合物半导体工艺制造的具有物理量敏感功能的微结构。
4.根据权利要求2所述的传感芯片校准系统,其特征在于,所述转换晶粒包括反馈控制功能对应的硬件单元。
5.根据权利要求2所述的传感芯片,其特征在于,所述敏感晶粒、所述转换晶粒及所述智能模型参数存储晶粒包含于同一芯片封装内。
6.一种传感信号处理方法,其特征在于,应用于权利要求1-5任一项所述的传感芯片校准系统,所述方法包括:
所述传感芯片获取目标物理量数据;
所述传感芯片将所述目标物理量数据进行转换得到原始传感信号;
所述传感芯片将所述原始传感信号发送至所述外部处理控制器;
所述外部处理控制器从所述智能模型参数存储晶粒中读取所述模型,以及基于所述模型对所述原始传感信号进行修正处理得到感知数据。
7.根据权利要求6所述的方法,其特征在于,所述预先训练的模型的训练过程如下:
控制进入算法训练与校准工作状态;所述传感芯片置于预设的训练校准环境中,所述训练校准环境为所述传感芯片提供预设范围的外部物理量载荷;
控制获取原始传感信号;
根据所述原始传感信号以及外部输入的外部基准数据,对智能信号处理算法进行训练;
对训练后的所述智能信号处理算法进行数据精度验证;
若满足感知精度要求则停止训练以及将训练得到的模型存储于所述智能模型参数存储晶粒,若不满足感知精度要求则返回执行所述根据所述原始传感信号以及外部输入的外部基准数据对智能信号处理算法进行训练的步骤。
8.根据权利要求7所述的方法,其特征在于,所述智能信号处理算法包括:神经网络模型、支持向量机、决策树、有限状态机模型。
9.根据权利要求7所述的方法,其特征在于,所述方法还包括:
将所述感知数据输出至目标设备。
10.根据权利要求6所述的方法,其特征在于,所述方法还包括:
将所述原始传感信号处理后输出至驱动电路,以对所述获取目标物理量数据的过程进行反馈控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169703.2A CN117309020A (zh) | 2023-09-11 | 2023-09-11 | 传感芯片校准系统及传感信号处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311169703.2A CN117309020A (zh) | 2023-09-11 | 2023-09-11 | 传感芯片校准系统及传感信号处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117309020A true CN117309020A (zh) | 2023-12-29 |
Family
ID=89248993
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311169703.2A Pending CN117309020A (zh) | 2023-09-11 | 2023-09-11 | 传感芯片校准系统及传感信号处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117309020A (zh) |
-
2023
- 2023-09-11 CN CN202311169703.2A patent/CN117309020A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6283628B1 (en) | Intelligent input/output temperature sensor and calibration method therefor | |
US7398173B2 (en) | Providing nonlinear temperature compensation for sensing means by use of Padé approximant function emulators | |
CN101754506B (zh) | 电磁炉功率自动校准方法及电路 | |
CN104913806A (zh) | 测量装置 | |
CN107884608B (zh) | 一种电能表控制系统及时钟校正方法 | |
US20090057038A1 (en) | Load cell-type electronic balance | |
CN101750185A (zh) | 一种提高小压力测量准确度的方法 | |
CN105974192A (zh) | 满足ir46计量独立性要求电能表数据接口及验证方法 | |
CN108982915A (zh) | 一种加速度传感器温度补偿方法 | |
CN103904998B (zh) | 移动终端频率调整方法和装置 | |
CN106796127B (zh) | 信号处理装置和信号处理方法 | |
CN102788659A (zh) | 数字压力表温度补偿参数自我运算的方法 | |
CN116202656A (zh) | 一种用于半导体温度传感器批量校准的方法和系统 | |
CN101644612A (zh) | 可编程压力传感器 | |
CN117309020A (zh) | 传感芯片校准系统及传感信号处理方法 | |
CN117346827A (zh) | 传感芯片的智能信号处理方法及传感芯片 | |
CN114440866B (zh) | 一种传感器数据校准方法及校准系统 | |
US9109956B2 (en) | Temperature measurement circuit and temperature measurement method | |
CN112731815A (zh) | 一种提高模拟量采集精度的方法 | |
CN114111846B (zh) | 适用于霍尔传感器的补偿方法、装置及存储介质 | |
CN201355876Y (zh) | 电磁炉功率自动校准电路 | |
US20080046182A1 (en) | Integrated Circuit with Self-Proofreading Function, Measuring Device using the same and Method for Self-Recording Parameter | |
CN113836199B (zh) | 车辆的传感数据处理方法、装置、电子设备及存储介质 | |
CN111964836B (zh) | 气压计校准方法、装置和电子设备 | |
CN114035024A (zh) | 一种实时时钟芯片的测试系统及其方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |