TW201640272A - 用於類比前端的低功率上下文感知控制 - Google Patents
用於類比前端的低功率上下文感知控制 Download PDFInfo
- Publication number
- TW201640272A TW201640272A TW104138813A TW104138813A TW201640272A TW 201640272 A TW201640272 A TW 201640272A TW 104138813 A TW104138813 A TW 104138813A TW 104138813 A TW104138813 A TW 104138813A TW 201640272 A TW201640272 A TW 201640272A
- Authority
- TW
- Taiwan
- Prior art keywords
- sensor
- afe
- processor
- data
- input
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/40—Bus structure
- G06F13/4004—Coupling between buses
- G06F13/4022—Coupling between buses using switching circuits, e.g. switching matrix, connection or expansion network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
- G06F1/26—Power supply means, e.g. regulation thereof
- G06F1/32—Means for saving power
- G06F1/3203—Power management, i.e. event-based initiation of a power-saving mode
- G06F1/3234—Power saving characterised by the action undertaken
- G06F1/3293—Power saving characterised by the action undertaken by switching to a less power-consuming processor, e.g. sub-CPU
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/03—Arrangements for converting the position or the displacement of a member into a coded form
- G06F3/041—Digitisers, e.g. for touch screens or touch pads, characterised by the transducing means
- G06F3/0416—Control or interface arrangements specially adapted for digitisers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/461—Saving or restoring of program or task context
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2203/00—Indexing scheme relating to G06F3/00 - G06F3/048
- G06F2203/041—Indexing scheme relating to G06F3/041 - G06F3/045
- G06F2203/04106—Multi-sensing digitiser, i.e. digitiser using at least two different sensing technologies simultaneously or alternatively, e.g. for detecting pen and finger, for saving power or for improving position detection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Computer Hardware Design (AREA)
- Human Computer Interaction (AREA)
- Power Sources (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
- Control Of Eletrric Generators (AREA)
- Direct Current Feeding And Distribution (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Information Transfer Systems (AREA)
- Bus Control (AREA)
Abstract
一種類比前端(AFE)介面,依據決定之操作狀態而可動態地程控。AFE包括硬體用以與多個不同感測器介接。AFE包括類比處理硬體,其可從多個感測器之一者選擇輸入資料。類比處理硬體耦接至處理器,其運算來自感測器之特徵,其中特徵代表感測器之AFE的選擇之操作狀況資訊。處理器用以依據運算之特徵而決定感測器之AFE的多個分立操作狀態之一者,及依據決定之操作狀態,動態地調整AFE之操作而與感測器介接。動態地調整AFE之操作包括控制AFE之組態,其控制AFE如何從感測器接收輸入感測器資料。
Description
本發明之實施例大體上關於I/O介面,更特定地關於上下文感知控制,用於動態地組配類比前端電路。
本專利文件之揭露部分可包含受著作權保護之材料。著作權所有者不反對專利文件或出現在專利商標局之專利檔案或紀錄之專利揭露之任一者複製,但保留所有著作權。著作權通知應用於以下描述之所有資料、附圖、以及以下描述之任何軟體:Intel公司2014著作權,所有權利保留。
行動裝置之數量及該些裝置所提供之功能性已顯著增加。行動裝置可包括諸如智慧手機之裝置,可穿戴裝置諸如擴音實體耳機或類似裝置、手錶、或其他可穿戴裝置,及手持式運算、閱讀、及/或遊戲裝置。該些行
動裝置藉由增加感測器或環境檢測裝備(文中統稱為感測器)數量,而提供改進之使用者介面及增加之功能性。許多感測器產生類比輸出(可變電壓及/或可變電流輸出),在其可由數位處理組件(微控制器、數位信號處理器、或其他處理裝置)處理之前,必須首先轉換為數位形式。感測器之範例可包括運動感測器、加速計、溫度感測器、陀螺儀、位置感測器、光檢測器、聲音/雜訊檢測器、或其他感測器。
許多感測器併入行動裝置,而使用者對裝置具有「永遠開啟」之期待。因而,裝置可經設計而無延遲或終端使用者感覺不到之延遲地追蹤運動或回應於環境、移動、或其他狀況改變。具感測器之裝置的永遠開啟操作傳統上藉由類比信號及感測器輸入之類比數位轉換的相應永遠開啟放大完成。然而,該等永遠開啟操作需要電力。需要縮小尺寸外形將更多感測器及更多介面整合於現代裝置中。然而,隨著外形縮小,製造具較小特徵之電子組件即具有固有較小增益。該等組件一定是難以驅動而為感測器提供適當信號放大。
此外,並非所有感測器需要與AFE相同性能。若干感測器不需啟動某些組件方塊來產生充分輸入信號。某些感測器需要較其他感測器更高帶寬及/或更高增益及/或更高取樣率。然而,傳統合併的AFE係組配而提供不良狀況輸入之操作,及/或係組配而通用並消耗過多電力用於現代穿戴或行動裝置(例如,1mW功率預算
以上)。AFE中企圖合併,傳統解決方案無法達到大量同步紀錄感測器卻未消耗顯著電力。
100、200、300、500、700‧‧‧系統
110、210、310、312、314、724‧‧‧感測器
120‧‧‧主機
122、230、722、812‧‧‧類比前端
124、520、720、810‧‧‧處理器
126、376、730‧‧‧記憶體
220、332、334、352‧‧‧多工器
240、374‧‧‧類比前端控制
250‧‧‧特徵引擎
252‧‧‧特徵產生方塊
260‧‧‧分類引擎
262‧‧‧分類方塊
270‧‧‧排程/資料處置引擎
280、380‧‧‧應用處理器
320‧‧‧前端
322‧‧‧電壓模式輸入電路
324‧‧‧電流模式輸入電路
342‧‧‧程控增益放大器
344‧‧‧轉阻放大器
354、372‧‧‧濾波器
356‧‧‧類比數位轉換器
360、710‧‧‧匯流排
362‧‧‧控制信號
370‧‧‧預處理器
378、530‧‧‧邏輯
400‧‧‧圖
410‧‧‧決策樹
420‧‧‧硬體狀態表
430‧‧‧圖表
510‧‧‧信號
600、620、640‧‧‧程序
730‧‧‧記憶體子系統
732、862‧‧‧記憶體裝置
734、864‧‧‧記憶體控制器
736‧‧‧作業系統
738‧‧‧指令
740‧‧‧輸入/輸出介面
750‧‧‧網路介面
760‧‧‧內部大量儲存裝置
762‧‧‧資料
770‧‧‧周邊介面
800‧‧‧裝置
820‧‧‧音頻子系統
830‧‧‧顯示子系統
832‧‧‧顯示介面
840‧‧‧輸入/輸出控制器
850‧‧‧電力管理
860‧‧‧記憶體子系統
870‧‧‧連接件
872‧‧‧蜂巢式連接件
874‧‧‧無線連接件
880‧‧‧周邊連接
882‧‧‧至
884‧‧‧自
下列描述包括具有藉由本發明之實施例之實施範例提供之描繪的圖式討論。圖式應藉由範例而非限制予以了解。如文中所使用,提及一或更多「實施例」將理解為描述本發明之至少一實施中所包括之特定特徵、結構、及/或特性。因而,文中出現之諸如「在一實施例中」或「在替代實施例中」用語描述本發明之各式實施例及實施,不一定均指相同實施例。然而,其亦不一定互斥。
圖1為具主機上動態程控AFE之系統實施例的方塊圖,其中AFE係依據相對於感測器輸入之AFE的決定之操作狀況調整。
圖2為具動態程控AFE電路之系統實施例的方塊圖,AFE電路係依據輸入特徵之特徵計算及/或分類而調整。
圖3為具多工動態程控類比前端電路之系統實施例的方塊圖。
圖4為AFE控制系統之操作實施例的代表。
圖5為依據圖形透視及邏輯透視之特徵計算實施例的代表。
圖6A為用於操作動態程控AFE之程序實施
例的流程圖。
圖6B為用於決定動態程控AFE之操作狀態之程序實施例的流程圖。
圖6C為用於決定動態程控AFE之分類之程序實施例的流程圖。
圖7為其中可實施動態程控AFE之運算系統實施例的方塊圖。
圖8為其中可實施動態程控AFE之行動裝置實施例的方塊圖。
下列某些細節及實施之描述包括圖式描述可描繪以下所描述之若干或全部實施例,並討論文中呈現之發明概念的其他可能實施例或實施。
如文中所描述,系統依據決定之操作狀態控而控制動態程控類比前端(AFE)介面之操作組態。AFE包括與多個不同感測器介接之硬體,及類比處理硬體,可從一或更多感測器選擇輸入資料。類比處理硬體耦接至預處理器,其運算來自輸入感測器資料之特徵(例如,原始感測器資料)、該些特徵代表感測器之AFE的選擇之操作狀況資訊。預處理器決定AFE之多個分立操作狀態之哪一者係依據感測器輸入資料。預處理器可依據運算特徵及分類引擎實施決定。預處理器可動態地調整AFE之組態,而依據決定之操作狀態調整如何與感測器介接。
在一實施例中,AFE將感測器介接至感測器集線器及/或微控制器、應用處理器、或其他處理器。AFE接收原始感測器資料,其係指未處理之資料。AFE可控制任何數量之組態尺寸進行介接,包括但不侷限於控制使用之放大器的放大、帶寬、取樣率、解析度、數量及類型及/或依據AFE之組態的其他參數。AFE控制可控制AFE之設定而影響任何一或更多組態尺寸。每一者可控制為開啟或關閉,及/或設定為多個不同設定之一者。
在一實施例中,預處理器包括一或更多濾波器,及/或經由組態設定而應用濾波器拋棄或忽略信號,或主要處理器或應用處理器沒興趣之信號部分。因而,預處理器可產生輸入信號之特徵及分類,其致能減少主要處理器之工作量。在一實施例中,預處理器中AFE控制器或控制邏輯可持續更新AFE組態,以改進或優化感測器資料之品質,同時為取樣效率亦最小化冗餘樣本。將理解的是諸如「優化」及「最小化」表達為相對用詞,不一定表示達到絕對優化或最大或最小。而是,優化及最小化係指依據感測器輸入之最近歷史,達成最適於電流狀況之程度,包括系統之組態及操作,及特定時間限制內可用之處理功率量。因而,優化或最小可限制於系統架構所建立之容限內。
AFE控制可提供一或更多控制信號,致使AFE一次從多個連接之感測器選擇一個。在一實施例中,由AFE控制提供之控制為至AFE組件之設定每一組件組態
的數位信令。對每一感測器而言,AFE控制可依據特定感AFE控制測器之操作狀況而組配AFE。每一感測器之該等組態可離線學習,且係組配而施加適當設定或不同操作狀況。AFE控制接著可運算指出有關AFE操作狀況之資訊的特徵,同時與選擇之感測器介接。依據運算之資訊,AFE控制可決定操作狀態及組配AFE介面用於感測器之特定操作狀態。因而,預處理器或AFE控制可視為上下文感知,其控制及調整可組配AFE用於較低電力消耗。在一實施例中,AFE控制可選擇地關閉來自一或更多感測器之輸入,例如提供特定操作狀態中冗餘資訊之感測器。AFE控制可持續忽略來自感測器之感測器資料,直至其檢測到另一操作狀況,建議來自感測器之資料可為有助於主要處理器之資訊為止。另一方面,完全關閉感測器輸入,AFE控制可簡單地減少感測器之取樣頻率。其他變化亦可。
在一實施例中,感測器指出使用者狀態或環境狀況。預處理器可依據感測器指出之感測器或使用者狀態或環境狀況的實時分類,而選擇地取樣及放大感測器信號。在一實施例中,AFE控制依據決定之使用者狀態或操作狀態,為省電而調整AFE之取樣率及/或準確性(解析度)。藉由控制取樣率或頻率、放大因子、及至AFE之電源,裝置所需之淨準時及電力減少。在一實施例中,由AFE控制運算或決定之特徵,為從實時輸入資料提取之運算便宜統計特徵。在一實施例中,該等特徵可包括但
不侷限於信號平均、冪次、及標準差。在一實施例中,AFE控制依據預定參數而分類感測器之電流操作狀態。例如,AFE控制可訓練或預編程而將輸入資料解譯以標示某些操作狀況。
在一實施例中,選擇顯著統計特徵而從原始感測器資料提取用於特徵或參數決定及/或準確分類,係使用機器學習技術離線實施。AFE控制可包括一或更多運算引擎以實施實時特徵提取及/或分類。在一實施例中,運算引擎可為硬體引擎,同時控制決定之參數可為可程控及可調整。在一實施例中,該等參數可於任何時間動態地改變。該等參數可由機器學習技術設定,其可為線上及/或離線機器學習。
圖1為主機上具動態程控AFE之系統實施例的方塊圖,其中依據相對於感測器輸入之AFE的決定之操作狀況,而調整AFE。系統100可為系統之一範例,其中感測器產生由運算核心使用之輸入,由主機120代表。主機120回應於感測器輸入而實施某些操作。在一實施例中,主機120回應於感測器輸入而與人類使用者介接。在一實施例中,主機120為系統晶片(SoC)。在一實施例中,主機120為處理器或中央處理單元。將理解的是SoC包括處理器或處理單元以及其他組件。SoC可為具多個元件整合在一起之單一晶片,或可為具多個晶片組合在一起之單一封裝(更普遍地稱為多晶片封裝(MCP))。
不論具SoC或處理器,主機120為運算裝置
之運算核心,其可為可穿戴裝置、感測器反饋單元、或採用感測器輸入之其他系統。在一實施例中,主機120為封裝之一部分,其致能物聯網(IoT),其中裝置可為網路的及互連的。主機120包括處理器124,其可為CPU(中央處理單元)或其他主要處理器。在一實施例中,處理器124為多核心裝置之一或多個核心。在一實施例中,處理器124為專用處理器。在一實施例中,處理器124為通用處理器。處理器124執行主機120之主機作業系統,通常包括硬體控制邏輯以控制主機120之整體作業。處理器124亦可執行軟體控制邏輯以控制主機120之整體作業。處理器124可直接耦接至AFE 122,或經由感測器集線器或比較電路而耦接至AFE 122。處理器124依據從感測器110匯集之資料而執行作業,因而據稱為使用感測器資料之組件。
在一實施例中,主機120包括記憶體126,其代表主機120本機之記憶體儲存資源。本機記憶體資源係指可由處理器124直接定址之記憶體資源,並可指快取記憶體及/或主記憶體資源。在一實施例中,記憶體126可直接整合於相同積體電路上或相同封裝內做為處理器124(例如,晶載快取)。在一實施例中,記憶體126為包括處理器124之實體封裝外部。在一實施例中,記憶體126包括揮發性記憶體資源。在一實施例中,記憶體126包括非揮發性記憶體資源。非揮發性記憶體為即使針對記憶體之電力中斷,仍維持狀態之記憶體。揮發性記憶體為針對
記憶體之電力中斷,則其狀態中止之記憶體。記憶體126通常儲存資料及碼以支援處理器124之作業執行。
主機120包括AFE 122,其為依據文中所描述之任何實施例的前端電路。AFE 122將主機120介接至感測器110。在一實施例中,AFE 122為分立電路(例如,具來自處理器124之個別基板及/或PCB(印刷電路板))。在一實施例中,AFE 122可實施為整合及分立組件之組合(例如,整合預處理器及實施其他元件做為分立組件)。因而,AFE 122可實施為整合組件設計及/或來自現成或特定分立組件之組合。
AFE 122可包括電壓模式及/或電流模式輸入。電壓模式感測器輸入提供可變或類比電壓以代表感測器資料。電流模式感測器輸入提供可變或類比電流以代表感測器資料。在一實施例中,AFE 122多路傳輸來自感測器110之輸入,以減少實施前端所需之類比電路的量。AFE 122可動態地組配,其允許前端電路調整其作業及類比輸入取樣,以改進作業效率。AFE 122包括預處理器(未明確顯示)以產生反饋至類比輸入元件(未明確顯示),而動態地調整其作業。因而,AFE 122可改變運行時間作業,而改進與感測器110之介面效率。
感測器110提供資料至主機120。資料可包括一或更多環境資料(運動、溫度、周圍光、或其他資料)、生物資料(心率、脈搏、皮膚指標、指紋、光學掃描資訊、或其他生物資訊)、或有關狀況及/或使用者檢
測之其他資料。感測器110包括至少一組件,其產生類比輸出。在一實施例中,一或更多感測器110包括感測器封裝內之類比介面電路。由該等本機類比介面電路提供之處理程度可為最小或可更顯著(例如,提供數位輸出)。感測器110之範例可包括加速計、運動感測器、陀螺儀、溫度感測器、位置感測器、光檢測器、聲音/雜訊檢測器、或其他感測器。
將理解的是並非所有感測器110於相同時序週期上操作。每一感測器110可具有不同作業頻率,及/或提供資料至主機120之不同週期(及主機120應讀取資料之週期)。典型地,主機120之組件的操作頻率係以較感測器更高頻率操作(例如,感測器可以低於1kHz之頻率操作,同時主機120之組件中,處理器係以MHz的範圍操作,及若干取樣組件係以數十至數百kHz的範圍操作)。
系統100將類比前端電路與AFE電路122合併。在一實施例中,AFE 122為獨立組件,或合併來自感測器110之感測器電路以提供至處理器124之感測器集線器。在一實施例中,AFE 122耦接至感測器集線器(未明確顯示),其可與AFE 122平行操作。在一實施例中,AFE 122為處理器124或SoC或多晶片封裝之組件或電路的一部分。AFE 122允許多個感測器110經操作而具感測器封裝本身內最少或可能無類比前端。在一實施例中,感測器110上之類比前端可旁通而與AFE 122介接。感測器
110上赤裸或最小前端仍需若干類比介接,諸如電容性電路及/或放大器,以避免寄生壓倒輸出信號。在一實施例中,AFE 122接收來自感測器110之未處理類比信號。未處理可指任何類比輸出,其為來自具赤裸或最小前端之感測器的類比信號。因而,未處理之信號可仍包括放大及/或電容性濾波之信號,以避免寄生壓倒輸出信號。未處理係指在AFE 122可控制信號之取樣、數位化及處理處提供之信號。
AFE 122包括處理組件,其將來自感測器110之類比信號轉換為數位信號。在一實施例中,AFE 122包括處理邏輯(例如,預處理器),其於資料發送至主處理器124之前,在數位信號資料上實施作業。處理邏輯可包括AFE控制邏輯,其係依據來自感測器110之輸入而組配AFE作業。在一實施例中,處理邏輯及AFE控制邏輯可為處理器124之一部分,及於資料提供至專用處理器、專用執行緒、或專用核心之前,在信號上實施作業。
AFE控制邏輯從感測器輸入之間選擇,及提取或運算來自選擇之感測器輸入的特徵。可存在少數特徵,或多達數十或一百個不同特徵,可從感測器輸入資料運算。特徵可包括可直接從資料檢測(例如,量測之資料)及/或可直接從資料決定(例如,運算之資料)的任何類型特徵。在一實施例中,AFE控制邏輯從總特徵之子集選擇,該子集可顯著少於可提取之特徵總數量。依據選擇之特徵數量,AFE控制邏輯決定AFE之操作狀態並設定
AFE之組態。
在一實施例中,AFE控制邏輯儲存一或更多特徵。AFE控制邏輯可依據儲存之特徵而決定操作狀態。在一實施例中,AFE控制邏輯分類特徵,該分類可用以決定操作狀態。AFE控制邏輯可依據決定之操作狀態而控制AFE作業。控制AFE 122之作業可包括設定取樣參數或與感測器介接之其他觀點。參數之設定可用於特定選擇之感測器(例如,設定組態下次使用選擇之取樣的特定感測器)。此外,參數之設定可用於不同感測器,諸如提供互補或冗餘資料至選擇之感測器的感測器。
圖2為具依據輸入特徵之特徵計算及/或分類而調整之動態程控AFE電路之系統實施例的方塊圖。系統200可為系統之一範例,其中感測器產生由運算核心使用之輸入,並可為依據圖1之系統100的系統範例。系統200包括多個感測器210,其產生由應用處理器280使用之類比資料。在一實施例中,系統200包括一或更多個多工器(mux)220,於感測器210之間選擇。在一實施例中,多工器220包括電壓模式輸入用於電壓模式感測器。在一實施例中,多工器220包括電流模式輸入用於電流模式感測器。感測器數量可達任何數量,可能包括數十個感測器。
多工器220選擇一感測器210。mux 220將來自選擇之感測器的信號傳送至AFE 230。AFE 230包括用於信號放大及數位轉換之組件,諸如放大器、濾波器(例
如,低通反重疊濾波器)、及類比數位轉換器(ADC)。在一實施例中,AFE 230於發送用於提取統計特徵之資料前,超取樣信號(例如,數位低通濾波器作業)以減少雜訊。系統200包括AFE控制240,其代表依據文中所描述之任何實施例控制AFE之邏輯。AFE控制240接收來自AFE 230之資料,提取來自資料之特徵,及決定如何依據AFE控制決定之操作狀態,而控制AFE之動態可程式性。
在一實施例中,AFE控制240包括特徵引擎250,用以從輸入感測器資料產生或提取特徵。在一實施例中,AFE控制240包括分類引擎260,用以分類來自輸入感測器資料之特徵。AFE控制240包括排程/資料處置引擎270,用以排程來自感測器210之感測器輸入,控制mux 220而依據排程選擇感測器,及產生控制信號以控制AFE 230之設定。在一實施例中,引擎270之若干作業可視為特徵引擎250之一部分。在一實施例中,引擎270之若干作業可視為分類引擎260之一部分。每一引擎250、260、270係由硬體處理資源執行。硬體可組配用於韌體及/或其他碼之作業,以執行與每一引擎相關聯之作業。硬體可為執行所有三引擎之相同硬體,或可為個別硬體用於一或更多引擎。
特徵引擎250係以特徵產生方塊252描繪,其代表提取或判斷來自輸入感測器資料之特徵的邏輯(例如,硬體邏輯、或組配軟體邏輯之硬體處理器)。在一實
施例中,特徵產生依據程控視窗尺寸及視窗間之重疊而產生特徵。圖5中提供該等實施之範例。特徵產生252於實施計算之前可收集來自選擇之感測器的資料,接著於資料樣本之一或更多視窗上操作。在一實施例中,特徵產生252儲存充分資料以填充視窗尺寸,並從資料視窗產生特徵。類似於上述,可從資料產生/提取任何數量特徵。典型地,將存在較實時設定中合理提取更多之特徵。因而,特徵產生252可選擇主要特徵並僅產生最有助於特定感測器者。每一感測器之主要特徵可由管理者組態及/或機器學習決定。特徵產生252可將特徵儲存於引擎270中。特徵產生252可將收集之資料或樣本儲存於AFE控制240中之快取記憶體中。
在一實施例中,特徵產生252依據分類所需準確性或決定操作狀態所需準確性而提取特徵。特徵產生252亦可依據與AFE 230介接之感測器210類型而產生特徵。在一實施例中,操作狀態之決定可為簡單活動/非活動檢測(或應用處理器對於輸入有興趣或沒興趣之類似地二元決定)。在該等狀態下,特徵產生252可產生三特徵平均、標準差、及冪次。依據該些特徵,AFE控制240可準確地分類或決定檢測之操作狀態。該等簡單實施提供更簡單及更高功率效率架構。在一實施例中,其他實施利用更複雜上下文處理,使用諸如FFT(快速傅立葉轉換)或小波變換、及/或其他特徵。產生及使用該等特徵可能花費更多功率。特徵產生252可產生特定實施所需之特徵,
以提供操作狀態之準確決定。
特徵產生252可產生具運算廉價及可重複使用計算邏輯方塊之特徵。因而,相同邏輯元件方塊可用以運算不同特徵。在一實施例中,特徵產生252實施可變視窗尺寸以收集資料,並運算來自不同視窗之特徵。在一實施例中,特徵產生252藉由於以可重複使用邏輯方塊實施運算之後,重複使用記憶體資源,而以最小記憶體需求實施視窗對視窗重疊。
在一實施例中,分類引擎260分類從感測器接收之資料,其可依據由特徵引擎250產生及儲存之特徵。在一實施例中,特徵引擎250產生較分類引擎260將使用之更多特徵。在一實施例中,分類係依據一或更多特徵。分類引擎260係描繪為具有分類方塊262,其實施關於感測器資料之分類特徵的運算。將理解的是分類引擎260之作業不一定與特徵引擎250之作業時序相關聯。因而,例如特徵引擎250可從多個不同感測器210產生相同特徵,並將特徵儲存於引擎270中。分類262接著可於從一感測器或多個不同感測器決定之相同特徵上實施分類。分類262亦依據來自一或多個感測器之多個特徵實施分類。在一實施例中,分類262可已來自不同感測器之不同特徵實施分析。因而,分類262僅實施來自一感測器之特徵分析或基於來自多個感測器之特徵組合實施分析。
在一實施例中,分類可為用於決定操作狀態之機構。在一實施例中,簡單查找決定可依據計算之特徵
而識別操作狀態。在一實施例中,分類可視為包括該等簡單查找決定。在一實施例中,分類262基於二元決策樹而實施分類。如圖4中所描繪之一範例,允許四不同狀態。然而,將理解的是AFE控制240可擴展而允許更大量狀態。
在一實施例中,分類262包括多個不同分類樹。藉由採用多個不同分類樹,分類262可改進決策之準確性及模組化。在使用不同分類樹之實施中,不同樹可具有用於分類之不同任意深度(其將由記憶體使用加以限制)。分類引擎260可離線訓練以決定使用哪一參數或特徵,及該些樹可如何組配。在二元決策樹中,每一葉可持有活動狀態標記及相應於不同輸入狀況組。在一實施例中,決策樹可由特徵閾值操縱,允許分類262依據相較於特徵閾值之特徵值而沿著每一分枝工作。該些閾值可藉由測試各種分裂標準及輸入組合而離線決定,以最小化概括誤差。將理解的是,由於當可使用較不精準感測器資料時,AFE控制240可減少AFE 230之取樣率及/或其他參數,改進之預測準確性將導致更大的省電。在一實施例中,於時域特徵上,特徵產生252產生及分類262分類。僅使用時域特徵可導致更簡單及更高記憶體效率設計。在一實施例中,在頻域技術有關之特徵上,特徵產生252產生及分類262分類。
在一實施例中,分類引擎260包括多個不同分類樹,其可具有不同複雜程度。將理解的是最簡單樹的
請求可能可導致最高功率效率作業。然而,基於較低複雜性之樹,無法準確地分類邊緣狀況。在一實施例中,分類262可躍樹,係指從一分類樹躍至另一者。躍樹之觸發器可依據特定輸入特徵、閒置時間而設定,或可經由應用處理器280而相互設定。因而,當AFE控制240檢測某些特徵狀況時,可預期許多邊緣狀況,及致使分類引擎260使用更複雜分類樹。此外,應用處理器280可將基於躍樹而更準確地分類之特殊狀況的預期,發信號至更複雜決策樹。因而,在一實施例中,分類262代表可做為預設狀況之最簡單分類樹,並可依據檢測之輸入及/或依據來自應用處理器280之信令而改變為更複雜決定演算法。藉由監控在閒置狀態花費之時間量,使用躍樹可額外有益於系統200,並可避免系統於特定狀態獲得阻塞。在一實施例中,分類引擎260包括一或更多計時器,並決定相同操作狀態是否持續分類達閾值時間量。若達閾值時間,則分類262可躍至不同樹(例如,更複雜樹)以驗證目前操作狀態正確,而非因檢測邊緣狀態失敗而簡單阻塞。
引擎270可使用分類結果來決定感測器210之取樣率及/或AFE 230之特定組態的其他設定。引擎270可產生控制信號或其他信號而設定AFE 230之組態。因而,AFE控制240可依據感測器輸入而即時動態地控制AFE 230之組態及作業。將理解的是實時作業係指當輸入產生時,回應於輸入而持續監控及持續動態作業。實時暗示在回應於輸入時幾乎無延遲。
在一實施例中,引擎270使用應用處理器280於組態期間載入之一或更多個表。該些表可於啟動實載入一次,或依據應用處理器280之評估而動態地載入。引擎270可依據一或更多表而排程感測器取樣。在一實施例中,該些表可實施為暫存器檔案,持有每一分類之AFE 230之所有組件的組態資訊。因而,在一實施例中,引擎270可依據查找表(LUT)機構排程。引擎270可於每一感測器及每一分類基礎上組配AFE 230。在一實施例中,當排程衝突產生時(例如,多個感測器210之每一者具有多個不同狀態以避免預先排程AFE 230之樣本),AFE 230中之ADC可僅依據排程表觸發。AFE 230可佇列輸入,以便於AFE埠忙碌時執行。該等排程允許無中斷作業,排程取樣時間及實際取樣時間之間具最小延遲。
引擎270可包括針對AFE 230之任何數量不同參數之控制,致能AFE控制240以任何數量方式動態地調整AFE 230之作業。控制範例包括但不侷限於控制取樣率、致能及停用AFE 230內之整個電路或邏輯方塊、控制ADC之取樣解析度、控制帶寬、控制增益、高功率及低功率組件(例如,放大器)間之切換、高精密度及低精密度組件(例如,放大器)間之切換、為低頻雜訊改進而開啟或關閉截波器、或其他控制、或組合。
在一實施例中,每當特徵產生252將特徵儲存於引擎270中時,分類引擎260便觸發分類262之作業。因而,每當刷新特徵時,分類262可刷新分類。刷新
分類可刷新AFE 230之狀態。在一實施例中,分類262決定整個系統200之操作狀態,而非僅單一感測器之操作狀態。將理解的是,為決定系統200之操作狀態,分類262將使用來自多個感測器210之輸入。
關於一簡單範例,提供做為描繪且不以任何方式侷限,考慮到系統200併入可穿戴活動感測裝置中。活動感測裝置之人類使用者整天將替代地越來越不活躍。在該等實施中,單獨心跳可指出運動,假設裝置傾向於追蹤運動活動。然而,心跳資料及/或與加速計資料組合之其他生物感測器資料可決定而指出運動。回應於從心跳感測器及加速計產生之特徵,可致使系統200決定主動運動之操作狀態。回應於決定主動運動已開始,引擎270可依據決定之操作狀態而增加取樣率及心跳感測器(例如,ECG)之ADC準確性。將理解的是可能的範例過多,此處無法列出或建議。
在一實施例中,引擎270儲存所有感測器210之目前活動狀態。在一實施例中,引擎270選擇地發送目前活動狀態資訊及/或感測器資料至應用處理器280。應用處理器280代表其中併入系統200之運算裝置的主要處理器。當處理器包括組態或程控及專用時間方塊用於特定應用之運算時,處理器可稱為應用處理器。因而,應用處理器280可視為感測器輸入資料之用戶,並依據資料實施作業。
在一實施例中,引擎270包括用於排程之疏
散演算法,其可實施用於預期衝突之狀況。例如,當排程何時取樣感測器210時,引擎270可寫入下一取樣時間,係執行時間而非執行理想時間。因而,引擎270可藉由自然地配置適當時間偏移而避免下一回中衝突。在一實施例中,引擎270可開啟及關閉,或簡單地排程及不排程取樣某些感測器210。在該等狀況下,引擎270可包括感測器210之開啟及穩定時間的組態資訊。在實際感測器停用之狀況下,引擎270可發送控制信號至個別感測器,以改進系統200中整體系統電力使用。
圖3為具多工動態程控類比前端電路之系統實施例的方塊圖。系統300可為依據圖1之系統100或依據圖2之系統200之一系統範例。系統300包括前端320,其可為AFE之範例。在系統200中,多工器描繪為AFE外部,然而前端320包括多工類比輸入。前端320耦接至相關聯處理器380,其最終使用來自類比輸入之資料,而控制運算裝置之作業。處理器380可為運算裝置之主要處理器或主機處理器,或與主要處理器平行執行之周邊處理器。前端320內之處理元件可為依據文中所描述之任何實施例之AFE的處理組件範例。
在一實施例中,系統300包括一或更多感測器312,其產生電壓模式類比輸出。在一實施例中,系統300包括一或更多感測器314,其產生電流模式類比輸出。電壓模式輸入可為單端或差動。前端320於電壓模式輸入電路322接收來自電壓模式感測器312之輸入。前端
320於電流模式輸入電路324接收來自電流模式感測器314之輸入。輸入322及324代表接腳或連接器及信號線,而接收感測器信號。在一實施例中,前端320為多工AFE,其中多個感測器共用相同類比電路(例如,類比放大器及資料轉換器),其可節省面積及電力。因而,輸入322及324提供類比輸入至個別多工器332(電壓模式)及334(電流模式)。
在一實施例中,多工器332可選擇來自感測器312之特定類比輸入,供放大器342放大。在一實施例中,放大器342為程控增益放大器(PGA),其可用以增加匯入電壓信號之振幅。在一實施例中,電流模式多工器334可選擇來自感測器314之特定類比輸入,供放大器344放大。在一實施例中,放大器344為轉阻放大器(TIA),其依據匯入電流之振幅,而提供可變電壓輸出。因而,放大器342及344均可產生輸出電壓。
放大器342及344提供其電壓輸出至一或更多類比數位轉換器(ADC)356。在一實施例中,前端320包括多工器352或其他選擇邏輯,而按路線發送輸出信號從放大器至一或更多ADC。在一實施例中,前端320包括濾波器354,以在ADC之前提供濾波器級。濾波器354可包括低通抗混疊濾波器及/或其他更複雜濾波器組件。在一實施例中,濾波器354包括可調整行為,其可回應於預處理器370之分析而調諧或調整。濾波器354可依據ADC 356將取樣之輸入類型而調整。ADC 356代表類
比數位轉換級,其可包括多個不同裝置。亦將理解的是電壓模式輸入322及/或電流模式輸入324可細分為多個不同裝置,如多工器332及/或334。ADC 356將類比信號轉換為數位代表。由ADC 356轉換之放大信號為離散樣本,典型地由感測器持續輸出。因而,ADC 356可說是創造樣本之數位代表,或產生數位樣本。
在一實施例中,ADC 356經由匯流排360而傳遞數位輸出至預處理器370。在一實施例中,預處理器370包括多個數位信號處理(DSP)方塊。在一實施例中,預處理器370為或包括改變為共同感測器類型之多個DSP單元,並包括動態程控DSP單元,可客製化而與其他(例如,未來)感測器類型介接。匯流排360代表任何一或更多個與多個不同電路組件介接之信號線群組。匯流排360典型地於基板上按路線發送,其上前端320被處理為各式組件,配置於基板上(或基板中)。在一實施例中,預處理器370可實施最初分析而決定感測器資料樣本之品質,及/或決定是否已發生或正發生值予注意之事件(例如,資料是否指出需處理器380執行作業)。因而,預處理可致能處理器380(或感測器集線器、微控制器、微處理器、DSP、或其他處理組件)休眠,直至接收相關感測器資料為止。
在一實施例中,預處理器370包括硬線式演算法、及/或評估品質之程控單元及匯入資料之設施的組合。在一實施例中,預處理器370為混合處理方塊,其係
處理器380之一部分,但具個別電源。處理器380可為專用處理器。依據最初處理或預處理,預處理器370提供反饋至前端320之類比組件。因而,預處理器370提供類比組件之動態運行時間控制,其可改進組件之作業效率。如系統300中所描繪,控制信號362從匯流排360反饋至類比組件。在一實施例中,預處理器370可產生控制信號362,用於一或更多多工器(332、334、352)、放大器(342、344)、及/或ADC 356。如上述,控制信號362可調整類比組件之取樣率、帶寬、增益、或其他作業參數。
預處理器370係描繪為包括濾波器372及AFE控制374。濾波器372代表預處理器370中之功能性,其致能預處理輸入之數位樣本。濾波器372可包括任何一或更多處理能力,諸如但不侷限於數位濾波、去噪、離散傅立葉轉換(DFT)濾波、檢測匯入信號中之峰值,諸如頻率、脈衝或信號強度,或其他。AFE控制374代表預處理器370中之功能性,產生反饋或控制信號而控制類比組件之取樣作業。
AFE控制374可產生反饋控制信號,而以感測器控制前端320之取樣及介接作業。AFE控制374可產生任何一或更多個下列控制信號。在一實施例中,AFE控制374致能預處理器370產生放大器增益控制信號。放大器增益可向上調整增益用於具擺動之信號,其未利用放大器之全擺動或ADC之振幅範圍。相反地,對於進入導軌運
行之信號而言,增益控制信號可向下調整增益。在一實施例中,AFE控制374致能預處理器370產生放大器帶寬控制信號。放大器帶寬控制信號可調整放大器342及/或344之帶寬及增益間之折衷作業。在一實施例中,AFE控制374致能預處理器370產生控制信號,而從多工器332、334、及/或352選擇特定輸入。在一實施例中,AFE控制374致能預處理器370產生控制信號,而調整濾波器354之濾波,諸如依據取樣之輸入類型調整作業。在一實施例中,AFE控制374致能預處理器370產生控制信號,而調整ADC 356之取樣率,及/或調整由ADC 356產生之輸出信號之解析度的位元數(例如,當ADC可產生12位元解析度時,僅輸出8位元解析度)。在一實施例中,AFE控制374致能預處理器370產生控制信號,而致使類比組件休眠或進入低電力狀態。在一實施例中,AFE控制374致能預處理器370產生控制信號,而致使類比組件從低電力狀態醒來,諸如在特定狀況醒來(例如,特定輸入、大於或小於閾值之輸入、輸入改變、或其他狀況)。在一實施例中,AFE控制374致能預處理器370產生控制信號,而控制前端320將使用之放大級數量。例如,放大器342及/或344可為多級放大器,其中控制信號362可將任一或二放大器之作業從單級放大器切換至多級放大器。將理解的是所描述之範例僅為描繪,且AFE控制374可產生未具體描述之範例及/或控制信號之選擇者。
在一實施例中,AFE控制374包括記憶體376。在一實施例中,AFE控制374包括邏輯378,其致能AFE控制374從感測器之輸入資料產生特徵。依據邏輯378產生之特徵,AFE控制374產生控制信號362,而依據文中所描述之任何實施例控制前端320之作業。AFE控制374回應於藉由分析產生之特徵以決定前端320之操作狀態,而產生控制信號。記憶體376代表AFE控制器本機之記憶體裝置。AFE控制374將產生之特徵儲存於記憶體376中,用於分析及決定前端320之操作狀態。
在一實施例中,前端320與信號介接並經其直接饋送而不需放大。將理解的是ADC 356可能無法將電流模式信號轉換為數位輸出,因而,其不可能繞過TIA 344。然而,在一實施例中,對電壓模式信號而言,一或更多控制信號362可控制多工器352繞過PGA 342,直接至多工器352(或至ADC 356,取決於系統組態)。預處理器370可產生控制信號362,而控制輸入信號是否繞過放大器。
在一實施例中,預處理器370產生控制信號362而致使前端320之類比組件使用提供清楚信號所需最小增益及最小電力。在一實施例中,預處理器370可依據感測器相關性而濾波及控制輸入。例如,考量二感測器未產生完全相同資料,但其資料在某些環境下可複製。在一實施例中,預處理器370可依據感測器間之資料的相關性,而濾波及/或越過輸入。該等邏輯可建於預處理器
370中及/或於預處理器370之程控元件中編程。
雖然前端320描繪為具每一描述組件之單一方塊,將理解的是可存在所描繪及描述之一或更多類比前端組件之倍數。因而,可存在許多感測器310,耦接至多個輸入322及/或324。多個輸入可提供信號輸入至一或更多個多工器332及/或334。一或更多個多工器332及/或334可提供輸入至一或更多放大器342及/或344。一或更多放大器342及/或344可提供信號至一或更多個多工器352,其依序可提供信號至一或更多濾波器354。一或更多濾波器354可提供信號至一或更多ADC 356,其取樣預處理器370之輸入。因而,在前端320內不一定為一對一組件關係,而是可為一組件及另一組件之倍數。
圖4為AFE控制系統之作業實施例代表。依據文中所描述之任何實施例,圖400包括AFE控制邏輯之邏輯作業的三不同代表。例如,圖400之描繪可為圖3之AFE控制374或圖2之AFF控制240之實施的示例。為予簡化,圖400僅採特徵及三不同閾值。然而,圖400之代表可擴展而允許顯著更多特徵及閾值。系統之一測試採用決策樹架構,用於採用7特徵之AFE控制。此實施將以更多或更少特徵衡量。
圖400描繪決策樹410,其可為用於分類之樹的一範例。因而,決策樹410亦可稱為分類樹之範例。決策樹410描繪運算變數是否低於閾值T1之決定。若變數低於T1,即「是(YES)」分枝,則穿越決策樹410之
AFE控制邏輯決定平均值是否低於閾值T2。若平均值低於閾值T2,即「是(YES)」分枝,則穿越決策樹410之AFE控制邏輯決定操作狀態是否為狀態S1。若平均值高於T2,即「否(NO)」分枝,則穿越決策樹410之AFE控制邏輯決定操作狀態是否為狀態S2。返回至變數決定,若變數高於T1,即「否(NO)」分枝,則穿越決策樹410之AFE控制邏輯決定平均值是否低於閾值T3。若平均值低於T3,即「是(YES)」分枝,則穿越決策樹410之AFE控制邏輯決定操作狀態是否為狀態S3。若平均值高於T3,即「否(NO)」分枝,則穿越決策樹410之AFE控制邏輯決定操作狀態為狀態S4。
在一實施例中,AFE控制實施決策樹410為暫存器檔案。關於暫存器檔案,AFE控制邏輯可儲存相關特徵及一或更多閾值用以決策。控制邏輯亦可儲存下一節點而依據先前決定移動,及節點移動之位址。將觀察到決策樹410之架構具有「左子樹」做為YES分枝,及「右子樹」做為NO分枝。左子樹係指圖400中圖形代表為決定節點左下方之子節點,及右子樹為決定節點右下方之子節點。因而,平均值<T2為Var<T1之左子樹,S1為平均值<T2之左子樹,及S3為平均值<T3之左子樹。其他子節點為右子節點。在一實施例中,該等架構如決策樹410中所描繪,可於實際實施中節省記憶體。例如,AFE控制邏輯可僅儲存左子樹位址,若特徵小於閾值,則此為目的地。若特徵大於閾值,則AFE控制邏輯可組配而存
取大於儲存之左子樹記憶體位置的位置。
將理解的是決策樹410不一定僅為與圖400相關聯之系統中的決策樹,其可決定系統是否處於操作狀態S1、S2、S3、或S4中。類似於以上所描述,系統可允許躍樹,從決策樹410跳至另一決策樹(未顯示),其可包括其餘及/或不同特徵。另一決策樹亦可包括其餘及/或不同閾值。該等其餘決策樹可較決策樹410更複雜,而有助於決定邊緣狀況。
硬體狀態表420可為一表代表,用於實施決策樹,其可包括決策樹410。在一實施例中,表420為預載狀態資訊之查找表(LUT)。反之,將觀察到決策樹410僅包括二特徵(變數及平均值),表420包括第三方、非特定特徵及其餘閾值T4之項目。在一實施例中,決策樹410以外之決策樹包括特徵3及閾值T4之尺寸。在一實施例中,AFE控制中排程及資料處置方塊儲存特徵,其接著可依據針對系統獲悉之預定閾值而分類。分類諸如可藉由穿越決策樹410決定操作狀態。
閾值允許決策樹依據特徵值是否在不同閾值範圍維度內,而選擇操作狀態。圖表430描繪操作狀態之二維圖。操作狀態存在於二維中,因為僅二特徵用以決定操作狀態。若圖表430描繪相對於其餘閾值之其餘特徵的狀態,則將更為複雜(包括額外維度)。圖400描繪從感測器資料運算之特徵之操作狀態的決定,可經由產生統計特徵及依據特徵分類感測器(或整個系統)之狀態,減少
感測器資料之維度,而予完成。
依據於表420中識別之操作狀態或活動狀態之一者的決定,依據圖400實施之AFE控制邏輯可調整取樣率及/或AFE之其他屬性,可改進作業,同時最小化電力損耗。例如,當無重要資訊處理時(例如,對活動追蹤裝置而言,使用者坐、睡、或其他未活動之地點),不需以高取樣率取樣及具高準確性。然而,當從輸入感測器資料提取之特徵指出,發生有興趣的事件而應發送至應用處理器時,AFE控制可增加取樣率、準確性及/或其他參數至高水準,其中較高水準將取決於應用。分類亦可依據來自多個感測器之輸入,經由使用感測器資訊而導致較高準確性。另一方面,藉由定影提取相同上下文之資訊,或有關不可能實施之上下文的推論,可較少取樣高耗電感測器。
操作狀態之分類或選擇可擴展上下文達一或更多感測器。例如,系統可擴展慣性感測器之上下文至更多特定動作(例如,走、跑、坐),或擴展空氣品質感測器之上下文至室內相對於戶外,或曝露於污染物相對於未曝露,以指定極簡單範例之耦接。在此狀況下,上下文可指可於系統中檢測之操作狀態數量。在某些實施中,二種上下文(例如,有興趣/無興趣)便足夠。在其他實施中,對每一感測器而言,可提供更多種上下文(例如,四種或更多)。
圖5為依據圖形透視及邏輯透視之特徵計算
實施例的代表。系統500描繪特徵計算作業,其可依據文中所描述之任何實施例的AFE控制實施。例如,圖2之特徵引擎250及/或圖3之AFE控制邏輯378可類似於系統500中所描繪而實施計算。
將理解的是運算或提取特徵可需要記憶體資源。用以運算特徵之資料及/或運算特徵本身可能需被至少暫時儲存。然而,使用顯著記憶體數量可增加尺寸、成本、及特徵提取之電力損耗。典型地,記憶體使用量為系統限制。系統500描繪特徵決定,其亦管理記憶體使用量。因而,系統500描繪為保持歷史,但係小量歷史。系統500描繪用於描繪之特定特徵(即平均值、變數、及功率)。然而,將理解的是可使用所描繪之相同技術,從輸入感測器資料計算任何數量不同特徵。
信號510代表從模擬資料產生之三不同信號的原始資料。信號510代表時域之感測器輸入信號。在系統500之描繪中,信號資料之細節係指無法檢測之不同信號。然而,信號之細節不一定顯著,假定來自不同感測器之任何數量不同信號均不同。顯著點在於隨時間而異之多個感測器輸入信號資料及資料,可加以分析用於特徵決定。
在一實施例中,AFE控制使用資料視窗尺寸來決定特徵。視窗1、2、及3為相同尺寸,並於不同時間點測量資料。在一實施例中,如同所描繪,特徵決定可採用重疊視窗。將觀察到視窗2始自穿越視窗1的一半,
及視窗3始自穿越視窗2的一半(事實上,視窗1一結束,視窗3立即開始)。在一實施例中,視窗可重疊較所視更多。在一實施例中,視窗可重疊較所視更少。在視窗重疊更多之實施中,存在若干期間,其中視窗1、2、及3將同時作用。在視窗重疊更少之實施中,存在若干期間,其中視窗1已結束,視窗2已開始,但視窗3尚未作用或尚未開始。重疊視窗可避免遺失邊緣狀況資料。
在每一視窗中,特徵產生引擎運算信號功率加總(Σx),以及信號功率平方加總(Σx2)。在一實施例中,特徵產生引擎運算整個視窗尺寸之加總。在一實施例中,特徵產生引擎運算視窗子集之加總。記憶體520儲存和,並將計算之和平方,用於特定視窗。在儲存資料視窗後,邏輯530從資料運算及提取特徵。
平均值取決於樣本之和。功率及標準差(變數)取決於樣本之和及和的平方。因而,在一實施例中,其中平均值、功率、及變數為使用之特徵,特徵產生引擎可僅從記憶體520中保持之累積之和及平方和結果來運算特徵。在一實施例中,邏輯530分別計算每一視窗之非重疊及重疊區域之二結果。在一實施例中,一旦視窗尺寸完整,邏輯530計算視窗之累積之和及平方和。在一實施例中,先前視窗之儲存資料被複寫。因而,在一實施例中,特徵產生引擎可基於程控視窗尺寸提取所有所需特徵(採用所示三特徵),及使用每一感測器四緩衝器重疊(各分別用於非重疊加總、非重疊加總平方、重疊加總、及重疊
加總平方)。
在一實施例中,邏輯530包括三可重複使用運算方塊:加法、平方、及平方根。在系統500之範例中,系統可一次實例化該些方塊,及排程該些方塊之共用,同時產生不同特徵。該等實施可節省電力及面積。在一實施例中,該等實施可利用該事實,在下一資料樣本匯入之前(例如,若干數量方塊週期之後),特徵產生不需完成。
如同所描繪,在一實施例中,邏輯530可運算平均值(例如,信號機制)、變數(例如,信號標準差)、及功率(例如,實際功率)如下。為求清楚,具不同短劃之線描繪用以運算各式特徵之邏輯流程。例如,邏輯530沿點劃線之邏輯流程運算平均值,沿虛線之邏輯流程運算變數、及沿實線之邏輯流程運算功率。因此,邏輯530藉由平均N樣本之和而運算平均值;藉由採用平方和減去和的差,接著平均N樣本,及平均結果採平方根而運算變數;以及藉由平均N樣本之平方和,及平均結果採平方根而運算功率。
圖6A為動態操作程控AFE之程序實施例的流程圖。程序600描述藉由決定輸入信號之特徵,及依據特徵決定操作狀態,而操作動態程控AFE。在一實施例中,AFE電路為部分處理器、處理單元、系統晶片、或與多個感測器裝置介接之其他系統。具體地,AFE與產生類比輸出之感測器介接。
在一實施例中,AFE決定於602檢查類比輸入。在一實施例中,AFE應要求感測器輸入資料之系統級處理器的要求,而檢查類比輸入。在一實施例中,AFE持續監控類比輸入,持續從多個感測器裝置選擇,而依據排程演算法取樣類比輸入。在一實施例中,AFE藉由循環通過依據一或更多計時器或排程機構用以保持追蹤哪一感測器取樣之排程上的輸入,而半持續監控感測器。不論係藉由來自外部處理器之要求,或藉由來自內部常式之排程或決定,AFE據稱可接收類比輸入,或依據觸發器取樣類比輸入。觸發器可為要求、計時器值、或程序決定而取樣類比輸入。
如AFE控制所設定,AFE於604將控制設定施加於類比電路組件。在一實施例中,AFE提供每一不同輸入之不同控制設定。因而,AFE可動態地調整將取樣之每一不同類比輸入的取樣作業。AFE依據如AFE控制所決定之操作狀態,而將電流設定施加於類比電路組件。在一實施例中,AFE為多路傳輸。因而,做為設定的一部分或結合其他設定,AFE可於606設定類比多工器,而取樣多個不同類比輸入信號之一者。
在一實施例中,預處理器或其他AFE控制邏輯處理輸入信號,及運算來自輸入感測器資料之特徵。於608,運算之特徵代表依據感測器輸入信號之AFE的操作狀況資訊。因而,每一不同感測器可相應於AFE之不同操作狀況。於610,AFE控制之特徵產生引擎儲存運算之
特徵,且分類引擎或操作狀態決定引擎依據儲存之運算特徵而決定AFE之操作狀態。在一實施例中,操作狀態為每一感測器獨特。在一實施例中,分類引擎依據來自多個感測器之特徵,而決定操作狀態。
在一實施例中,在發送資料至主要處理器或應用處理器之前,AFE控制為實施資料初步分析之預處理器,或預處理器之一部分。因而,於612,預處理器可選擇地發送資料至應用處理器。在一實施例中,預處理級依據操作狀態,而決定輸入資料是否代表顯著資料。將理解的是關於何為顯著資料之決定,係隨著感測器或隨著實施而異。於614,AFE控制選擇地調整AFE組態之一或更多參數,而依據決定之操作狀態調整其介接作業。例如,AFE控制可產生一或更多控制信號而調整關於AFE之品質或精準度或解析度的一或更多設定,調整取樣精準度、帶寬、解析度、功率,及/或若干其他調整。
圖6B為依據操作狀態而動態調整程控AFE之程序實施例的流程圖。程序620描述選擇地改變AFE組態,諸如在圖6A中,於614所描述者。AFE控制邏輯於622依據運算之特徵而決定操作狀態。特徵之運算係藉由實施資料儲存及於儲存之資料上實施計算,而予實施。在一實施例中,AFE控制於624相應於決定之操作狀態,而決定AFE之設定。在一實施例中,AFE控制可藉由參照LUT或其他儲存資訊而實施該等決定。
依據設定,AFE控制可決定任何設定是否需
改變。在一實施例中,每當AFE控制決定不同操作狀態時,便改變AFE設定。若AFE控制於626,決定改變AFE設定,即YES分枝,AFE控制便於628,動態地調整一或更多控制設定,其改變AFE如何接收輸入感測器資料。AFE控制接著可於630,選擇地發送資料至應用處理器。若AFE控制於626,決定不改變AFE設定,即NO分枝,AFE控制便可於630選擇地發送資料至應用處理器。經由決定是否依據操作狀態決定而調整AFE設定,AFE控制可持續循環。在一實施例中,每當操作狀態改變時,觸發改變AFE設定之程序。
圖6C為決定動態程控AFE之分類之程序實施例的流程圖。程序640描述操作狀態之分類,諸如圖6A之612所描述者。在一實施例中,AFE控制於642識別用於運算之特徵的分類樹。AFE控制分類引擎可存取由特徵產生引擎儲存之特徵。AFE控制接著可於644橫貫選擇之分類樹,而決定操作狀態。
在一實施例中,於646,AFE控制(經由分類引擎)可依據特徵歷史決定是否應使用不同分類樹。在一實施例中,若選擇相同操作狀態達一時段,則實施躍樹決定。若AFE控制於648決定使用不同分類樹,即YES分枝,則AFE控制可於650依據操作狀態及/或運算特徵而設定不同樹。於652,AFE控制接著可依據分類而設定操作狀態。若AFE控制於648決定不使用不同樹,即NO分枝,AFE控制可於652依據分類而設定操作狀態,並經
由決定新運算特徵之操作狀態,而持續循環。
圖7為其中可實施動態程控AFE之運算系統實施例的方塊圖。系統700代表依據文中所描述之任何實施例的運算裝置,可為膝上型電腦、桌上型電腦、伺服器、遊戲或娛樂控制系統、掃描器、影印機、印表機、路由或切換裝置、或其他電子裝置。系統700包括處理器720,其提供處理、作業管理、及系統700之指令的執行。處理器720可包括任何類型微處理器、中央處理單元(CPU)、處理核心、或提供系統700之處理的其他處理硬體。處理器720控制系統700之整體作業,並可為或包括一或更多程控通用或專用微處理器、數位信號處理器(DSP)、程控控制器、專用積體電路(ASIC)、程控邏輯裝置(PLD)等、或該等裝置之組合。
記憶體子系統730代表系統700之主記憶體,並提供暫時儲存器用於將由處理器720之碼,或將用於執行常式之資料值。記憶體子系統730可包括一或更多記憶體裝置,諸如唯讀記憶體(ROM)、快閃記憶體、一或更多種類之隨機存取記憶體(RAM)、或其他記憶體裝置、或該等裝置之組合。記憶體子系統730儲存及主宰作業系統(OS)736,而提供軟體平台用於執行系統700中之指令。此外,儲存及執行來自記憶體子系統730之其他指令738,而提供系統700之邏輯及處理。OS 736及指令738係由處理器720執行。記憶體子系統730包括記憶體裝置732,其中儲存資料、指令、程式、或其他項目。在
一實施例中,記憶體子系統包括記憶體控制器734,其係記憶體控制器以產生及發布命令至記憶體裝置732。將理解的是記憶體控制器734可為處理器720之實體部分。
處理器720及記憶體子系統730耦接至匯流排/匯流排系統710。匯流排710為一種抽象概念,代表任何一或更多個別實體匯流排、通訊線路/介面、及/或由適當橋接器、適配器、及/或控制器連接之點對點連接。因此,匯流排710可包括例如一或更多系統匯流排、周邊組件互連(PCI)匯流排、超傳輸或工業標準架構(ISA)匯流排、小型電腦系統介面(SCSI)匯流排、通用序列匯流排(USB)、或電氣及電子工程師協會(IEEE)標準1394匯流排(通稱為「火線」)。匯流排710之匯流排亦可相應於網路介面750中之介面。
系統700亦包括一或更多輸入/輸出(I/O)介面740、網路介面750、一或更多內部大量儲存裝置760、及耦接至匯流排710之周邊介面770。I/O介面740可包括一或更多介面組件,使用者經此而與系統700互動(例如,視訊、音頻及/或文數介接)。在一實施例中,I/O介面740包括組件,提供視覺及/或觸覺顯示,及/或視覺感知輸出,供使用者與系統700互動。在一實施例中,顯示器包括觸控螢幕裝置,其提供輸出至使用者並自使用者接收輸入。在一實施例中,顯示器包括高解析度(HD)顯示器,其提供輸出至使用者。高解析度可指具有約100 PPI(每英吋像素)或更大像素密度之顯示器,
並可包括諸如全HD(例如1080p)、視網膜顯示器、4K(超高解析度或UHD)、或其他之格式。
網路介面750提供系統700透過一或更多網路與遠端裝置(例如,伺服器、其他運算裝置)通訊之能力。網路介面750可包括乙太網路適配器、無線互連組件、USB(通用序列匯流排)、或基於其他有線或無線標準或優先性介面。儲存器760可為或包括任何傳統媒體,用於以非揮發性方式儲存大量資料,諸如一或更多磁性、固態、或基於光學之碟片,或組合。儲存器760以永久狀態持有碼或指令及資料762(即,儘管系統700電力中斷,仍保有值)。儲存器760大體上可視為「記憶體」,儘管記憶體730執行或操作記憶體而提供指令至處理器720。反之,儲存器760為非揮發性,記憶體730可包括揮發性記憶體(即,若系統700電力中斷,則資料之值或狀態中止)。
周邊介面770可包括非上述指定之任何硬體介面。周邊通常係指裝置相依於系統700連接。相依連接係指系統700提供其上執行作業之軟體及/或硬體平台,並據以與使用者互動。
在一實施例中,處理器720包括AFE 722,其係依據文中所描述之任何實施例的前端電路。AFE 722將處理器720介接至可連接之多個感測器724,例如經由I/O介面740及/或周邊介面770。在一實施例中,感測器724係經由系統700中未直接顯示之介面連接。AFE
722動態地組配,其允許前端電路依據決定之操作狀態而調整其作業。AFE 722包括AFE控制(未明確顯示),其產生來自輸入感測器資料之特徵,並從產生之特徵決定操作狀態。依據操作狀態,AFE控制調整AFE作業以改進介面並省電。
圖8為其中可實施動態程控AFE之行動裝置實施例的方塊圖。裝置800代表行動運算裝置,諸如運算平板、行動電話或智慧手機、無線致能閱讀器、可穿戴運算裝置、或其他行動裝置。將理解的是一般顯示某些組件,且裝置800中未顯示該等裝置之所有組件。
裝置800包括處理器810,其實施裝置800之主要處理作業。處理器810可包括一或更多實體裝置,諸如微處理器、應用處理器、微控制器、程控邏輯裝置、或其他處理機制。處理器810實施之處理作業包括其上執行應用及/或裝置功能之作業平台或作業系統的執行。處理作業包括與人類使用者或其他裝置I/O(輸入/輸出)相關之作業、關於電力管理之作業、及/或關於將裝置800連接至另一裝置之作業。處理作業亦可包括關於音頻I/O及/或顯示I/O之作業。
在一實施例中,裝置800包括音頻子系統820,其代表與提供音頻功能至運算裝置相關聯之硬體(例如,音頻硬體及音頻電路)及軟體(例如,驅動程式、編解碼)組件。音頻功能可包括揚聲器及/或頭戴式耳機輸出,以及麥克風輸入。該等功能之裝置可整合於裝
置800中,或連接至裝置800。在一實施例中,使用者藉由提供由處理器810接收及處理之音頻命令,而與裝置800互動。
顯示子系統830代表硬體(例如,顯示裝置)及軟體(例如,驅動程式)組件,其提供視覺及/或觸覺顯示及/或視覺感知輸出,供使用者與運算裝置互動。顯示子系統830包括顯示介面832包括特定螢幕或硬體裝置,用以提供顯示至使用者。在一實施例中,顯示介面832包括與處理器810分離之邏輯,而實施與顯示相關之至少若干處理。在一實施例中,顯示子系統830包括觸控螢幕裝置,提供輸出至使用者,及自使用者接收輸入。在一實施例中,顯示子系統830包括高解析度(HD)顯示器,其提供輸出至使用者。高解析度可指具有約100PPI(每英吋像素)或更大像素密度之顯示器,並可包括諸如全HD(例如1080p)、視網膜顯示器、4K(超高解析度或UHD)、或其他之格式。
I/O控制器840代表與使用者互動相關之硬體裝置及軟體組件。I/O控制器840可操作而管理硬體,其係音頻子系統820及/或顯示子系統830之一部分。此外,I/O控制器840描繪其餘裝置之連接點,其連接至裝置800且使用者經此而可與系統互動。例如,可附著至裝置800之裝置可包括麥克風裝置、揚聲器或立體聲系統、視訊系統或其他顯示裝置、鍵盤或鍵板裝置、或其他I/O裝置,供用於特定應用,諸如讀卡機或其他裝置。
如上述,I/O控制器840可與音頻子系統820及/或顯示子系統830互動。例如,經由麥克風或其他音頻裝置之輸入可提供裝置800之一或更多應用或功能之輸入或命令。此外,取代或除了顯示輸出以外,可提供音頻輸出。在另一範例中,若顯示子系統包括觸控螢幕,顯示裝置亦可做為輸入裝置,其至少部分可由I/O控制器840管理。裝置800上亦可存在其餘按鈕或開關,以提供由I/O控制器840管理之I/O功能。
在一實施例中,I/O控制器840管理裝置,諸如加速計、相機、光感測器或其他環境感測器、陀螺儀、全球定位系統(GPS)、或裝置800中可包括之其他硬體。輸入可為部分直接使用者互動,以及提供環境輸入至系統而影響其作業(諸如雜訊濾波、亮度檢測之調整顯示、相機閃光燈、或其他特徵)。在一實施例中,裝置800包括電力管理850,其管理電池電力使用、電池充電、及與省電作業相關之特徵。
記憶體子系統860包括用於將資訊儲存於裝置800中之記憶體裝置862。記憶體子系統860可包括非揮發性(若記憶體裝置電力中斷,狀態未改變)及/或揮發性(若記憶體裝置電力中斷,狀態中止)記憶體裝置。記憶體860可儲存應用資料、使用者資料、音樂、相片、文件、或其他資料,以及與系統800之應用及功能的執行相關之系統資料(不論是長期或暫時)。在一實施例中,記憶體子系統860包括記憶體控制器864(其亦可視為裝
置800之部分控制,並可能視為處理器810之一部分)。記憶體控制器864包括排程器而產生及發布命令至記憶體裝置862。
連接件870包括硬體裝置(例如,無線及/或有線連接器及通訊硬體)及軟體組件(例如,驅動程式、協定堆疊)以致能裝置800與外部裝置通訊。外部裝置可為個別裝置,諸如其他運算裝置、無線存取點或基地台,以及周邊裝置,諸如耳機、印表機、或其他裝置。
連接件870可包括多個不同類型連接件。概括而言,裝置800係描繪具蜂巢式連接件872及無線連接件874。蜂巢式連接件872一般係指由無線載體提供之蜂巢式網路連接件諸如經由GSM(全球行動通訊系統)或變化或衍生、CDMA(碼分多路存取)或變化或衍生、TDM(時分多路傳輸)或變化或衍生、LTE(長期演化,或稱為「4G」)、或其他蜂巢式服務標準所提供。無線連接件874係指並非蜂巢式之無線連接件,可包括個人區域網路(諸如藍牙)、局域網路(諸如WiFi)、及/或廣域網路(諸如WiMax),或其他無線通訊。無線通訊係指經由使用調變輻射,通過非固態媒體轉移資料。有線通訊係經由固態通訊媒體發生。
周邊連接880包括硬體介面及連接器,以及軟體組件(例如,驅動程式、協定堆疊),而實施周邊連接。將理解的是裝置800可為至其他運算裝置之周邊裝置(「至」882),以及具有與其相連接之周邊裝置
(「自」884)。裝置800通常具有「對接」連接或為諸如管理(例如,下載及/或上載、改變、同步化)裝置800上之內容的目的,而連接至其他運算裝置。此外,對接連接器可允許裝置800連接至某些周邊裝置,其允許裝置800控制內容輸出至例如音頻視覺或其他系統。
除了專屬對接連接器或其他專屬連接硬體外,裝置800可經由共同或標準連接器實施周邊連接880。共同類型可包括通用序列匯流排(USB)連接器(其可包括任何數量不同硬體介面)、包括迷你顯示埠(MDP)之顯示埠、高解析度多媒體介面(HDMI)、火線、或其他類型。
在一實施例中,處理器810包括AFE 812,其係依據文中所描述之任何實施例的前端電路。AFE 812將處理器810介接至多個感測器(未明確顯示,但可經由I/O控制器840連接)。AFE 812係動態地組配,其允許前端電路依據決定之操作狀態而調整其作業。AFE 812包括AFE控制(未明確顯示),其從輸入感測器資料產生特徵,並從產生之特徵決定操作狀態。依據操作狀態,AFE控制調整AFE之作業以改進介面並省電。
在一觀點中,一種類比前端(AFE)之操作方法,包含:選擇耦接至AFE之多個感測器之一者;從感測器接收輸入感測器資料;依據輸入感測器資料而運算感測器之特徵,特徵代表感測器之AFE之選擇的操作狀況資訊;依據運算之特徵而決定感測器之AFE的多個分立
操作狀態之一者;以及依據決定之操作狀態,動態地調整AFE之操作而與感測器介接,調整包括控制AFE之組態,其控制AFE如何從感測器接收輸入感測器資料。
在一實施例中,其中,運算特徵進一步包含:運算至少信號平均值、信號標準偏差、及實際功率。在一實施例中,其中,運算特徵進一步包含:藉由累積時間窗之資料而運算特徵。在一實施例中,其中,累積時間窗之資料進一步包含:累積重疊時間窗及連續非重疊時間窗之資料。在一實施例中,其中,決定多個分立操作狀態之一者,包含:藉由穿越依據儲存之運算之特徵的決策樹,將操作狀況資訊分類為多個分立操作狀態。在一實施例中,其中,分類操作狀況資訊,包含:依據運算之操作狀況資訊,於多個決策樹之一者間切換。在一實施例中,其中,感測器為多個感測器之一者,且其中,接收輸入感測器資料包含從多個感測器接收輸入感測器資料;其中,決定多個分立操作狀態之一者包含依據來自多個感測器之輸入感測器資料之決定。在一實施例中,其中,控制AFE之組態包含:相對於感測器,動態地改變AFE之取樣解析度的設定。在一實施例中,其中,控制AFE之組態包含:相對於感測器,動態地改變AFE之帶寬的設定。在一實施例中,其中,控制AFE之組態包含:當與感測器介接時,選擇地致能及停用AFE之硬體組件。在一實施例中,其中,控制AFE之組態包含:動態地於與感測器介接之AFE的高精密度組件及低精密度對應組件之間切
換。在一實施例中,其中,控制AFE之組態包含:動態地於與感測器介接之AFE的高功率組件及低功率對應組件之間切換。
在一觀點中,一種前端電路,包括:多個硬體輸入介面,用以接收來自多個感測器之多個未處理之輸入感測器資料;類比處理硬體,用以選擇多個感測器之一者,及處理選擇之感測器的輸入感測器資料;以及處理器,用以依據輸入感測器資料而運算感測器之特徵,特徵代表感測器之類比處理硬體的選擇之操作狀況資訊;依據運算之特徵而決定感測器之類比處理硬體的多個分立操作狀態之一者;以及依據決定之操作狀態,動態地調整類比處理硬體之操作,而與感測器介接,調整包括控制類比處理硬體之組態,其控制類比處理硬體如何從感測器接收輸入感測器資料。
在一實施例中,其中,處理器運算特徵進一步包含處理器實施時間窗之一或更多項累積資料,或運算至少信號平均值、信號標準偏差、及實際功率。在一實施例中,其中,處理器運算特徵進一步包含處理器累積時間窗之資料。在一實施例中,其中,處理器累積重疊時間窗及連續非重疊時間窗的資料。在一實施例中,進一步包含處理器藉由穿越依據儲存之運算之特徵的決策樹,將操作狀況資訊分類為多個分立操作狀態。在一實施例中,其中,處理器分類操作狀況資訊包含處理器依據運算之操作狀況資訊,而於多個決策樹之一者之間切換。在一實施例
中,其中,感測器為多個感測器之一者,且其中,多個硬體輸入介面用以從多個感測器接收輸入感測器資料;其中,處理器用以依據來自多個感測器之輸入感測器資料,決定多個分立操作狀態之一者。在一實施例中,其中,處理器用以控制類比處理硬體之組態包括相對於感測器,動態地改變類比處理硬體之取樣解析度的設定。在一實施例中,其中,處理器用以控制類比處理硬體之組態包括相對於感測器,動態地改變類比處理硬體之帶寬的設定。在一實施例中,其中,處理器用以控制類比處理硬體之組態包括當與感測器介接時,選擇地致能及停用類比處理硬體之硬體組件。在一實施例中,其中,處理器用以控制類比處理硬體之組態包括動態地於與感測器介接之類比處理硬體的高精密度組件及低精密度對應組件之間切換。在一實施例中,其中,處理器用以控制類比處理硬體之組態包括動態地於與感測器介接之類比處理硬體的高功率組件及低功率對應組件之間切換。
在一觀點中,一種系統,包含:前端電路,其包含:多個硬體輸入介面,用以接收來自多個感測器之多個未處理之輸入感測器資料;類比處理硬體,用以選擇多個感測器之一者,及處理選擇之感測器的輸入感測器資料;以及處理器,用以依據輸入感測器資料而運算感測器之特徵,特徵代表感測器之類比處理硬體的選擇之操作狀況資訊;依據運算之特徵而決定感測器之類比處理硬體的多個分立操作狀態之一者;以及依據決定之操作狀態,動
態地調整類比處理硬體之操作,而與感測器介接,調整包括控制類比處理硬體之組態,其控制類比處理硬體如何從感測器接收輸入感測器資料;以及觸控螢幕顯示器,係組配而依據在前端電路接收之資料,而產生顯示。相對於前端電路所描述之任何實施例亦可應用於系統。
在一觀點中,一種製品包含具有儲存於其上之內容的電腦可讀取儲存媒體,當存取時致使運算裝置於類比前端(AFE)實施運算,包括:選擇耦接至AFE之多個感測器之一者;從感測器接收輸入感測器資料;依據輸入感測器資料而運算感測器之特徵,特徵代表感測器之AFE之選擇的操作狀況資訊;依據運算之特徵而決定感測器之AFE的多個分立操作狀態之一者;以及依據決定之操作狀態,動態地調整AFE之操作而與感測器介接,調整包括控制AFE之組態,其控制AFE如何從感測器接收輸入感測器資料。相對於AFE之方法所描述之任何實施例亦可應用於製品。
在一觀點中,用於操作類比前端(AFE)之設備包括:選擇耦接至AFE之多個感測器之一者的機制;從感測器接收輸入感測器資料的機制;依據輸入感測器資料而運算感測器之特徵的機制,特徵代表感測器之AFE之選擇的操作狀況資訊;依據運算之特徵而決定感測器之AFE的多個分立操作狀態之一者的機制;以及依據決定之操作狀態,動態地調整AFE之操作而與感測器介接的機制,調整包括控制AFE之組態,其控制AFE如何從感測
器接收輸入感測器資料。相對於AFE之方法所描述之任何實施例亦可應用於設備。
如文中所描繪之流程圖提供各式處理動作之序列範例。流程圖可指出由軟體或韌體常式執行之操作,以及實體操作。在一實施例中,流程圖可描繪有限狀態機器(FSM)之狀態,其可以硬體及/或軟體實施。儘管以特定序列或順序顯示,除非特別指明,動作之順序可修改。因而,所描繪之實施例應僅理解為範例,並可以不同順序實施處理,且若干動作可平行實施。此外,各式實施例中可省略一或更多動作;因而,並非每一實施例中均需所有動作。其他處理流程是可能的。組件可組配而實施操作或與另一組件互動。組件可經由硬體機制或軟體機制或組合而組配。組件可經由電路或互連裝置提供之實體連接而組配。
關於文中描述之各式操作或功能,可描述或定義為軟體碼、指令、組態、及/或資料。內容可為可直接執行(「物件」或「可執行」形式)原始碼或差分碼(「差量」或「插入」碼)。文中所描述之實施例的軟體內容可經由具儲存於其上之內容的製品提供,或經由操作通訊介面而經由通訊介面發送資料之方法提供。機器可讀取儲存媒體可致使機器實施所描述之功能或操作,並包括任何機構,其以可由機器(例如,運算裝置、電子系統等)存取之形式儲存資訊,諸如可記錄/非可記錄媒體(例如,唯讀記憶體(ROM)、隨機存取記憶體
(RAM)、磁碟儲存媒體、光學儲存媒體、快閃記憶體裝置等)。通訊介面包括任何機構,其介接至任何硬線式、無線、光學等媒體而傳遞至另一裝置,諸如記憶體匯流排介面、處理器匯流排介面、網際網路連接、磁碟控制器等。藉由提供組態參數及/或發送準備通訊介面之信號而組配通訊介面,以提供描述軟體內容之資料信號。經由發送至通訊介面之一或更多命令或信號,可存取通訊介面。
文中所描述之各式組件可為用於實施所描述操作或功能之機制。文中所描述之每一組件包括軟體、硬體、或其組合。該些組件可實施為軟體模組、硬體模組、專用硬體(例如,專用硬體、專用積體電路(ASIC)、數位信號處理器(DSP)等)、嵌入式控制器、硬線式電路等。
除了文中所描述之外,可針對所揭露實施例及本發明之實施,而未偏離其精神。因此,文中之描繪及範例應以描繪而非限制之意義解譯。本發明之範圍應僅參照申請項而量測。
100‧‧‧系統
110‧‧‧感測器
120‧‧‧主機
122‧‧‧類比前端
124‧‧‧處理器
126‧‧‧記憶體
Claims (22)
- 一種類比前端(AFE)之操作方法,包含:選擇耦接至該AFE之多個感測器之一者;從該感測器接收輸入感測器資料;依據該輸入感測器資料而運算該感測器之特徵,該特徵代表用於該感測器之該AFE之選擇的操作狀況資訊;依據該運算之特徵而決定用於該感測器之該AFE的多個分立操作狀態之一者;以及依據該決定之操作狀態,動態地調整該AFE之操作而與該感測器介接,該調整包括控制該AFE之組態,其控制該AFE如何從該感測器接收該輸入感測器資料。
- 如申請專利範圍第1項之方法,其中,運算特徵進一步包含:運算至少信號平均值、信號標準偏差、及實際功率。
- 如申請專利範圍第1項之方法,其中,運算特徵進一步包含:藉由累積時間窗之資料而運算特徵。
- 如申請專利範圍第3項之方法,其中,累積該時間窗之資料進一步包含:累積重疊時間窗及連續非重疊時間窗之資料。
- 如申請專利範圍第1項之方法,其中,決定多個分立操作狀態之一者,包含:藉由穿越依據儲存之運算之特徵的決策樹,將操作狀況資訊分類為該多個分立操作狀態。
- 如申請專利範圍第5項之方法,其中,分類該操作狀況資訊,包含:依據運算之操作狀況資訊,於多個決策樹之一者間切換。
- 如申請專利範圍第1項之方法,其中,該感測器為多個感測器之一者,且其中,接收該輸入感測器資料包含從多個感測器接收輸入感測器資料;其中,該決定多個分立操作狀態之該一者包含依據來自該多個感測器之該輸入感測器資料之決定。
- 如申請專利範圍第1項之方法,其中,控制該AFE之該組態包含:相對於該感測器,動態地改變用於該AFE之取樣解析度的設定。
- 如申請專利範圍第1項之方法,其中,控制該AFE之該組態包含:相對於該感測器,動態地改變用於該AFE之帶寬的設定。
- 如申請專利範圍第1項之方法,其中,控制該AFE之該組態包含:當與該感測器介接時,選擇地致能及停用該AFE之硬體組件。
- 如申請專利範圍第1項之方法,其中,控制該AFE之該組態包含:動態地於與該感測器介接之該AFE的高精密度組件 及低精密度對應組件之間切換。
- 如申請專利範圍第1項之方法,其中,控制該AFE之該組態包含:動態地於與該感測器介接之該AFE的高功率組件及低功率對應組件之間切換。
- 一種前端電路,包含:多個硬體輸入介面,用以接收來自多個感測器之多個未處理之輸入感測器資料;類比處理硬體,用以選擇該多個感測器之一者,及處理用於該選擇之感測器的輸入感測器資料;以及處理器,用以依據該輸入感測器資料而運算用於該感測器之特徵,該特徵代表用於該感測器之該類比處理硬體的選擇之操作狀況資訊;依據該運算之特徵而決定用於該感測器之該類比處理硬體的多個分立操作狀態之一者;以及依據該決定之操作狀態,動態地調整該類比處理硬體之操作,而與該感測器介接,該調整包括控制該類比處理硬體之組態,其控制該類比處理硬體如何從該感測器接收該輸入感測器資料。
- 如申請專利範圍第13項之前端電路,其中,該處理器運算特徵進一步包含該處理器實施時間窗之一或更多項累積資料,或運算至少信號平均值、信號標準偏差、及實際功率。
- 如申請專利範圍第13項之前端電路,進一步包含該處理器藉由穿越依據儲存之運算特徵的決策樹,將操 作狀況資訊分類為該多個分立操作狀態。
- 如申請專利範圍第13項之前端電路,其中,該感測器為多個感測器之一者,且其中,該多個硬體輸入介面用以從多個感測器接收該輸入感測器資料;其中,該處理器用以依據來自該多個感測器之該輸入感測器資料,決定多個分立操作狀態之該一者。
- 如申請專利範圍第13項之前端電路,其中,該處理器用以控制該類比處理硬體之該組態包括下列一或更多項:相對於該感測器,動態地改變該類比處理硬體之取樣解析度的設定;相對於該感測器,動態地改變該類比處理硬體之帶寬的設定;當與該感測器介接時,選擇地致能及停用該類比處理硬體之硬體組件;動態地於與該感測器介接之該類比處理硬體的高精密度組件及低精密度對應組件之間切換;或動態地於與該感測器介接之該類比處理硬體的高功率組件及低功率對應組件之間切換。
- 一種系統,包含:前端電路,包含:多個硬體輸入介面,用以接收來自多個感測器之多個未處理之輸入感測器資料;類比處理硬體,用以選擇該多個感測器之一者,及處理該選擇之感測器的輸入感測器資料;以及處理器,用以依據該輸入感測器資料而運算該感測器之特徵,該特徵代表該感測器之該類比處理硬體的選擇之操作狀況資訊;依據該運算特徵而決定該感測器之該 類比處理硬體的多個分立操作狀態之一者;以及依據該決定之操作狀態,動態地調整該類比處理硬體之操作,而與該感測器介接,該調整包括控制該類比處理硬體之組態,其控制該類比處理硬體如何從該感測器接收該輸入感測器資料;以及觸控螢幕顯示器,係組配而依據在該前端電路接收之資料,而產生顯示。
- 如申請專利範圍第18項之系統,其中,該處理器運算特徵進一步包含該處理器實施時間窗之一或更多項累積資料,或運算至少信號平均值、信號標準偏差、及實際功率。
- 如申請專利範圍第18項之系統,進一步包含該處理器藉由穿越依據儲存之運算特徵的決策樹,將操作狀況資訊分類為該多個分立操作狀態。
- 如申請專利範圍第18項之系統,其中,該感測器為多個感測器之一者,且其中,該多個硬體輸入介面用以從多個感測器接收該輸入感測器資料;其中,該處理器用以依據來自該多個感測器之該輸入感測器資料,決定多個分立操作狀態之該一者。
- 如申請專利範圍第18項之系統,其中,該處理器用以控制該類比處理硬體之該組態包括下列一或更多項:相對於該感測器,動態地改變該類比處理硬體之取樣解析度的設定;相對於該感測器,動態地改變該類比處理硬體之帶寬的設定;當與該感測器介接時,選擇地致能及 停用該類比處理硬體之硬體組件;動態地於與該感測器介接之該類比處理硬體的高精密度組件及低精密度對應組件之間切換;或動態地於與該感測器介接之該類比處理硬體的高功率組件及低功率對應組件之間切換。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/583,049 US9690361B2 (en) | 2014-12-24 | 2014-12-24 | Low-power context-aware control for analog frontend |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201640272A true TW201640272A (zh) | 2016-11-16 |
TWI567543B TWI567543B (zh) | 2017-01-21 |
Family
ID=56151371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW104138813A TWI567543B (zh) | 2014-12-24 | 2015-11-23 | 用於類比前端的低功率上下文感知控制 |
Country Status (7)
Country | Link |
---|---|
US (1) | US9690361B2 (zh) |
EP (1) | EP3238076A4 (zh) |
JP (1) | JP6746583B2 (zh) |
KR (1) | KR102443490B1 (zh) |
CN (1) | CN107003973B (zh) |
TW (1) | TWI567543B (zh) |
WO (1) | WO2016105856A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI718667B (zh) * | 2019-09-12 | 2021-02-11 | 大陸商北京集創北方科技股份有限公司 | 光學指紋採集方法及利用其之光學指紋感測裝置和手持裝置 |
CN113051854A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于硬件结构感知的自适应学习式功率建模方法与系统 |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104483851B (zh) * | 2014-10-30 | 2017-03-15 | 深圳创维-Rgb电子有限公司 | 一种情景感知控制装置、系统及方法 |
GB2534557B (en) * | 2015-01-21 | 2022-03-09 | Arm Ip Ltd | Methods and resources for creating permissions |
US9786298B1 (en) | 2016-04-08 | 2017-10-10 | Source Digital, Inc. | Audio fingerprinting based on audio energy characteristics |
US10637951B2 (en) * | 2016-04-08 | 2020-04-28 | Massachusetts Institute Of Technology | Systems and methods for managing data proxies |
DE112016006822T5 (de) * | 2016-06-30 | 2019-01-10 | Intel Corporation | Sensorbasiertes datensatzverfahren und einrichtung |
CN106815565A (zh) * | 2016-12-28 | 2017-06-09 | 华勤通讯技术有限公司 | 一种电容式指纹识别芯片、移动终端和芯片控制方法 |
TWI712925B (zh) * | 2017-01-24 | 2020-12-11 | 瑞昱半導體股份有限公司 | 電子裝置與其控制方法 |
KR101810504B1 (ko) * | 2017-02-01 | 2017-12-20 | 김원선 | 아날로그 신호 통합 처리 장치 및 그 방법 |
US10467509B2 (en) | 2017-02-14 | 2019-11-05 | Microsoft Technology Licensing, Llc | Computationally-efficient human-identifying smart assistant computer |
US11100384B2 (en) | 2017-02-14 | 2021-08-24 | Microsoft Technology Licensing, Llc | Intelligent device user interactions |
US11010601B2 (en) | 2017-02-14 | 2021-05-18 | Microsoft Technology Licensing, Llc | Intelligent assistant device communicating non-verbal cues |
US10013081B1 (en) * | 2017-04-04 | 2018-07-03 | Google Llc | Electronic circuit and method to account for strain gauge variation |
US10635255B2 (en) | 2017-04-18 | 2020-04-28 | Google Llc | Electronic device response to force-sensitive interface |
US10014026B1 (en) * | 2017-06-20 | 2018-07-03 | Seagate Technology Llc | Head delay calibration and tracking in MSMR systems |
US11262837B2 (en) * | 2017-08-21 | 2022-03-01 | Alibaba Technology (Israel) Ltd. | Dual-precision sensor system using high-precision sensor data to train low-precision sensor data for object localization in a virtual environment |
JP6877594B2 (ja) * | 2017-11-21 | 2021-05-26 | グーグル エルエルシーGoogle LLC | マシンラーニングによる低パワーアンビエントコンピューティングシステム |
US11533055B2 (en) | 2018-09-07 | 2022-12-20 | Cypress Semiconductor Corporation | Ultra-low power adaptively reconfigurable system |
US11741077B2 (en) * | 2018-09-28 | 2023-08-29 | Mitsubishi Electric Corporation | Server device, data distribution system, data provision method, and recording medium |
US11294504B2 (en) | 2018-12-14 | 2022-04-05 | Stmicroelectronics Asia Pacific Pte Ltd | Oversampled high signal to noise ratio analog front end for touch screen controllers |
CN112930138B (zh) * | 2018-12-27 | 2023-04-11 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监测用户生命体征的方法和装置 |
US11682230B2 (en) * | 2019-03-07 | 2023-06-20 | Novatek Microelectronics Corp. | Fingerprint signal processing circuit and method for signal compensation in analog front-end |
US11093648B2 (en) * | 2019-06-28 | 2021-08-17 | Intel Corporation | Hardware-assisted privacy protection using a secure user interface with multi-level access control of sensor data |
JP2021135269A (ja) * | 2020-02-28 | 2021-09-13 | ラピスセミコンダクタ株式会社 | 半導体装置および計測処理システム |
US11221800B2 (en) | 2020-03-02 | 2022-01-11 | Micron Technology, Inc. | Adaptive and/or iterative operations in executing a read command to retrieve data from memory cells |
US11740970B2 (en) | 2020-03-02 | 2023-08-29 | Micron Technology, Inc. | Dynamic adjustment of data integrity operations of a memory system based on error rate classification |
US20210273650A1 (en) * | 2020-03-02 | 2021-09-02 | Micron Technology, Inc. | Classification of error rate of data retrieved from memory cells |
US11086572B1 (en) | 2020-03-02 | 2021-08-10 | Micron Technology, Inc. | Self adapting iterative read calibration to retrieve data from memory cells |
US11029890B1 (en) | 2020-03-02 | 2021-06-08 | Micron Technology, Inc. | Compound feature generation in classification of error rate of data retrieved from memory cells |
US11562793B2 (en) | 2020-05-07 | 2023-01-24 | Micron Technology, Inc. | Read soft bits through boosted modulation following reading hard bits |
US11081200B1 (en) | 2020-05-07 | 2021-08-03 | Micron Technology, Inc. | Intelligent proactive responses to operations to read data from memory cells |
US11493970B2 (en) * | 2020-10-30 | 2022-11-08 | Qualcomm Incorporated | Two-stage dynamic power supply voltage adjustment |
IT202100001322A1 (it) * | 2021-01-25 | 2022-07-25 | St Microelectronics Srl | Circuito elettronico di interfaccia riconfigurabile automaticamente e sensore includente il circuito elettronico di interfaccia e un trasduttore mems |
CN113255746B (zh) * | 2021-05-14 | 2022-03-29 | 国网甘肃省电力公司经济技术研究院 | 基于决策树的新能源电动汽车退役动力电池等级筛选方法 |
Family Cites Families (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7310624B1 (en) * | 2000-05-02 | 2007-12-18 | International Business Machines Corporation | Methods and apparatus for generating decision trees with discriminants and employing same in data classification |
JP3720346B2 (ja) * | 2004-03-30 | 2005-11-24 | シャープ株式会社 | 携帯情報処理装置 |
US7557849B2 (en) * | 2004-10-11 | 2009-07-07 | Mediatek Usa Inc | Processor-controlled timing generator for multiple image sensors |
US7216053B2 (en) * | 2004-12-30 | 2007-05-08 | Nokia Corporation | Low power motion detector |
US20070270671A1 (en) | 2006-04-10 | 2007-11-22 | Vivometrics, Inc. | Physiological signal processing devices and associated processing methods |
JP4977570B2 (ja) * | 2007-10-03 | 2012-07-18 | 株式会社日立製作所 | デジタルキャリブレーション型アナログデジタル変換器及びそれを用いた無線受信回路及び無線送受信回路 |
JP2012026824A (ja) * | 2010-07-22 | 2012-02-09 | Seiko Epson Corp | センシング装置、電子機器 |
US10131419B2 (en) | 2010-10-15 | 2018-11-20 | Goodrich Corporation | Systems and methods for detecting landing gear ground loads |
US20120254878A1 (en) * | 2011-04-01 | 2012-10-04 | Lama Nachman | Mechanism for outsourcing context-aware application-related functionalities to a sensor hub |
US8838056B2 (en) * | 2011-06-28 | 2014-09-16 | Xilinx, Inc. | Receiver circuit |
US8854064B2 (en) * | 2011-07-15 | 2014-10-07 | Texas Instruments Incorporated | Touch sensing method and apparatus |
US8624871B2 (en) * | 2011-07-15 | 2014-01-07 | Texas Instruments Incorporated | Method and apparatus for sensing and scanning a capacitive touch panel |
US9252769B2 (en) * | 2011-10-07 | 2016-02-02 | Microchip Technology Incorporated | Microcontroller with optimized ADC controller |
US8786481B1 (en) * | 2011-11-07 | 2014-07-22 | Zerowatt Technologies, Inc. | Method and apparatus for event detection and adaptive system power reduction using analog compression engine |
JP5878340B2 (ja) * | 2011-11-15 | 2016-03-08 | ルネサスエレクトロニクス株式会社 | 半導体装置及びセンサシステム |
US9575619B2 (en) * | 2012-01-18 | 2017-02-21 | Texas Instruments Incorporated | Data capture design tool for designing and configuring systems with analog front ends |
AU2013221336B2 (en) | 2012-02-17 | 2017-08-17 | University Of Virginia D/B/A University Of Virginia Licensing & Ventures Group | Energy harvesting and control for sensor node |
JP5990409B2 (ja) * | 2012-06-08 | 2016-09-14 | ルネサスエレクトロニクス株式会社 | 半導体装置のシミュレータ、シミュレーション方法及びシミュレーションプログラム |
US9417925B2 (en) | 2012-10-19 | 2016-08-16 | Microsoft Technology Licensing, Llc | Dynamic functionality partitioning |
JP2014086892A (ja) * | 2012-10-24 | 2014-05-12 | Renesas Electronics Corp | 半導体集積回路装置 |
KR102179811B1 (ko) * | 2012-12-03 | 2020-11-17 | 엘지전자 주식회사 | 포터블 디바이스 및 음성 인식 서비스 제공 방법 |
KR101603752B1 (ko) * | 2013-01-28 | 2016-03-28 | 삼성전자주식회사 | 멀티 모드 지원 프로세서 및 그 프로세서에서 멀티 모드를 지원하는 방법 |
US9268399B2 (en) | 2013-03-01 | 2016-02-23 | Qualcomm Incorporated | Adaptive sensor sampling for power efficient context aware inferences |
US9661221B2 (en) | 2013-03-15 | 2017-05-23 | Qualcomm Incorporated | Always-on camera sampling strategies |
CN104102749B (zh) * | 2013-04-11 | 2019-04-23 | 华为技术有限公司 | 终端设备 |
EP3003148A1 (en) * | 2013-05-31 | 2016-04-13 | NIKE Innovate C.V. | Dynamic sampling |
US9406313B2 (en) | 2014-03-21 | 2016-08-02 | Intel Corporation | Adaptive microphone sampling rate techniques |
US9612993B2 (en) * | 2014-06-28 | 2017-04-04 | Intel Corporation | Dynamically configurable analog frontend circuitry |
-
2014
- 2014-12-24 US US14/583,049 patent/US9690361B2/en active Active
-
2015
- 2015-11-23 TW TW104138813A patent/TWI567543B/zh active
- 2015-11-27 JP JP2017533437A patent/JP6746583B2/ja active Active
- 2015-11-27 WO PCT/US2015/062833 patent/WO2016105856A1/en active Application Filing
- 2015-11-27 CN CN201580065107.7A patent/CN107003973B/zh active Active
- 2015-11-27 EP EP15874054.8A patent/EP3238076A4/en not_active Ceased
- 2015-11-27 KR KR1020177014032A patent/KR102443490B1/ko active IP Right Grant
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI718667B (zh) * | 2019-09-12 | 2021-02-11 | 大陸商北京集創北方科技股份有限公司 | 光學指紋採集方法及利用其之光學指紋感測裝置和手持裝置 |
CN113051854A (zh) * | 2019-12-27 | 2021-06-29 | 财团法人工业技术研究院 | 基于硬件结构感知的自适应学习式功率建模方法与系统 |
TWI747130B (zh) * | 2019-12-27 | 2021-11-21 | 財團法人工業技術研究院 | 基於硬體結構感知之自適應學習式功率建模方法與系統 |
US11657273B2 (en) | 2019-12-27 | 2023-05-23 | Industrial Technology Research Institute | Hardware structure aware adaptive learning based power modeling method and system |
CN113051854B (zh) * | 2019-12-27 | 2024-05-07 | 财团法人工业技术研究院 | 基于硬件结构感知的自适应学习式功率建模方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
KR102443490B1 (ko) | 2022-09-14 |
EP3238076A1 (en) | 2017-11-01 |
US9690361B2 (en) | 2017-06-27 |
EP3238076A4 (en) | 2018-07-11 |
WO2016105856A1 (en) | 2016-06-30 |
US20160187961A1 (en) | 2016-06-30 |
TWI567543B (zh) | 2017-01-21 |
KR20170099858A (ko) | 2017-09-01 |
CN107003973A (zh) | 2017-08-01 |
JP2018512628A (ja) | 2018-05-17 |
JP6746583B2 (ja) | 2020-08-26 |
CN107003973B (zh) | 2020-12-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI567543B (zh) | 用於類比前端的低功率上下文感知控制 | |
JP6316988B2 (ja) | 動的に構成可能なアナログフロントエンド回路 | |
CN103941871B (zh) | 控制智能终端的硬件运行状态的方法和设备 | |
KR101678555B1 (ko) | 오디오 환경들의 분류를 위한 시스템들 및 방법들 | |
TW201621543A (zh) | 可攜式電子裝置以及其電源控制方法 | |
US9541982B2 (en) | Reconfigurable event driven hardware using reservoir computing for monitoring an electronic sensor and waking a processor | |
US11720814B2 (en) | Method and system for classifying time-series data | |
CN107409131B (zh) | 用于无缝数据流送体验的技术 | |
KR20200075185A (ko) | 뉴럴 프로세싱 시스템 및 그것의 동작 방법 | |
US20130268736A1 (en) | Sensor data recording apparatus, method, and program | |
US20180267591A1 (en) | Power management of an nze iot device | |
US9377843B2 (en) | Systems and methods for managing current consumption by an electronic device | |
US10346700B1 (en) | Object recognition in an adaptive resource management system | |
US20160105162A1 (en) | METHODS AND APPARATUSES FOR ULTRA-LOW-POWER SYSTEM ON A CHIP (SoC) ACTIVITY WEARABLE DEVICES | |
TWI583163B (zh) | 用於管理周期性修正請求的方法、前端介面電路及電子裝置 | |
US11288363B2 (en) | System and method of microphone intrusion detection and notification | |
US20110257917A1 (en) | Voltage management methods and systems for performing analog-to-digital conversions | |
US11210398B2 (en) | System and method of webcam intrusion detection and notification | |
US20190196566A1 (en) | Low power internet of things (iot) device with swappable communication module | |
US11888455B2 (en) | Machine learning glitch prediction | |
US20220222126A1 (en) | Ml-to-ml orchestration system and method for system wide information handling system (ihs) optimization | |
JP6561194B1 (ja) | 追跡システム、及び追跡プログラム | |
US11627215B1 (en) | Smart usage monitoring and access control of web and mobile applications | |
CN105988908A (zh) | 单一bmc多服务器的全局数据处理系统 | |
CN104700011A (zh) | 一种终端访问控制的方法和装置 |