传感器基础：常见传感器类型的工作原理、输出格式与选型要点
在Edge AI项目中，传感器是物理世界与数字系统的接口，其数据质量直接决定后续模型推理的准确性与可靠性。本章聚焦加速度计、陀螺仪、温湿度、气压、麦克风、摄像头六类最常用的传感器，从工作原理、输出格式、选型要点三个维度展开，帮助你在实际项目中建立“需求→参数→器件→验证”的完整决策链路。理解传感器不仅是读懂数据手册，更要清楚其物理限制、噪声特性与功耗模型，这直接关系到低功耗部署策略的成败。
2.1 惯性传感器：加速度计与陀螺仪
核心原理
加速度计基于MEMS（微机电系统）技术，内部包含一个由硅悬臂梁支撑的检测质量块。当设备加速时，质量块因惯性发生位移，改变差分电容的间距，通过电容检测电路将位移量转换为电压信号。现代加速度计多采用闭环力平衡架构，通过反馈电压将质量块保持在零位，从而提升线性度和带宽。陀螺仪则利用科里奥利效应——当质量块在驱动方向做高频振动，同时设备绕敏感轴旋转时，会产生与旋转角速度成正比的科里奥利力，该力使检测质量块在垂直于驱动方向产生位移，同样通过电容检测实现角速度测量。
输出格式与接口
主流数字IMU（如BMI160、LSM6DS3）通过I2C或SPI接口输出16位有符号整数。以加速度计为例，量程设置为±2g时，灵敏度为16384 LSB/g，即1g加速度对应原始值16384。陀螺仪在±2000°/s量程下，灵敏度为16.4 LSB/(°/s)。数据手册中通常给出各量程对应的灵敏度系数，实际物理值 = 原始值 / 灵敏度。部分高端IMU支持24位输出和FIFO缓冲，可减少MCU唤醒频率。
// 加速度计读取示例（I2C接口，BMI160）
uint8_t reg[6];
bmi160_read_reg(0x0A, reg, 6); // 读取X/Y/Z轴低字节+高字节
int16_t ax = (reg[1] << 8) | reg[0];
int16_t ay = (reg[3] << 8) | reg[2];
int16_t az = (reg[5] << 8) | reg[4];
float acc_x = ax / 16384.0f; // 转换为g值（±2g量程）选型要点
| 参数 | 加速度计 | 陀螺仪 | 选型建议 |
|---|---|---|---|
| 量程 | ±2g ~ ±16g | ±125 ~ ±2000°/s | 手持设备选±2g/±250°/s；机器人选±8g/±1000°/s |
| 噪声密度 | 80-300 μg/√Hz | 0.003-0.02 °/s/√Hz | 低噪声用于姿态解算，高噪声仅用于运动检测 |
| 零偏稳定性 | ±20 mg | ±5 °/s | 陀螺仪零偏需温漂补偿，否则积分漂移严重 |
| 功耗 | 0.5-2 mA | 0.5-3 mA | 低功耗模式可降至μA级，但输出数据率受限 |
| 输出数据率 | 1 Hz ~ 6.4 kHz | 1 Hz ~ 6.4 kHz | 振动检测需≥1kHz，姿态解算100-500Hz足够 |
实战场景与误区
在可穿戴跌倒检测项目中，加速度计量程应选±16g以捕捉撞击瞬间的冲击峰值，而日常活动监测则用±2g保证分辨率。常见误区是忽略陀螺仪的零偏温漂——在温度变化超过10°C时，零偏可能漂移数°/s，导致姿态角在数分钟内漂移数十度。解决方案是上电后静止采样100帧求平均作为零偏，并在运行中定期校准。
2.2 环境传感器：温湿度与气压
核心原理
温湿度传感器（如SHT30、DHT20）采用电容式感湿原理：高分子薄膜吸收水分子后介电常数变化，导致电容值改变，通过振荡电路转换为频率信号。温度测量则利用PN结正向压降或铂电阻阻值随温度变化的特性。气压传感器（如BMP280、LPS22HH）基于压阻效应——硅膜片在气压作用下形变，使惠斯通电桥的四个压敏电阻阻值失衡，输出电压与气压成正比。现代气压计内部集成温度补偿和24位ADC，分辨率可达0.18 Pa（约1.5 cm高度差）。
输出格式与校准
数字温湿度传感器通常输出20位原始数据，其中湿度分辨率0.01%RH，温度0.01°C。气压传感器输出24位无符号整数，需结合校准系数（从芯片OTP中读取）进行二阶温度补偿。以BMP280为例，其校准流程包含温度补偿和压力补偿两步，涉及11个校准参数。
// BMP280 温度补偿简化流程
int32_t t_fine;
int32_t adc_T = read_register(0xFA, 3); // 读取20位温度原始值
int32_t var1 = (((adc_T >> 3) - (int32_t)dig_T1 << 1)) * (int32_t)dig_T2 >> 11;
int32_t var2 = (((((adc_T >> 4) - (int32_t)dig_T1) * ((adc_T >> 4) - (int32_t)dig_T1)) >> 12) * (int32_t)dig_T3) >> 14;
t_fine = var1 + var2;
float T = (t_fine * 5 + 128) >> 8; // 温度值，单位0.01°C选型要点
- 精度等级：消费级湿度精度±2%RH，工业级±1%RH；气压计消费级±1 hPa，航模级±0.1 hPa
- 响应时间：湿度传感器响应时间通常8-30秒，气压计响应时间<1ms，适合快速高度变化检测
- 长期漂移：湿度传感器每年漂移0.5%RH，需定期校准；气压计漂移较小但受温度循环影响
- 功耗策略：温湿度传感器单次测量电流约1mA，持续1ms；气压计测量时间5.5ms，电流1.3mA。低功耗设计应降低采样频率而非依赖睡眠模式
案例：气象站高度测量误差分析
某户外设备使用BMP280测量海拔，初始校准后精度±1m。运行3个月后发现高度读数漂移了8m。排查发现：设备内部温度从25°C升至45°C，导致气压计温度补偿系数偏差；同时PCB受潮导致湿度传感器读数异常，间接影响了气压补偿算法。解决方案：将气压计远离发热元件，增加透气孔并加装防水透气膜，同时将温度补偿算法改为分段线性拟合。修复后高度误差恢复至±1.5m。
2.3 声学传感器：麦克风
核心原理
MEMS麦克风基于电容式或压电式原理。电容式MEMS麦克风由振膜和背板构成可变电容，声压使振膜振动改变电容值，通过ASIC中的电荷泵和缓冲器输出模拟信号或经ADC转换为数字PDM（脉冲密度调制）信号。振膜直径通常1-3mm，厚度仅数微米，灵敏度可达-38 dBV/Pa。数字麦克风（如ICS-43434）内部集成ADC和PDM调制器，输出1-bit数据流，由处理器进行抽取滤波。
输出格式与接口
模拟麦克风输出模拟电压，需外接ADC和放大电路；数字麦克风输出PDM信号，需要MCU的PDM接口或GPIO模拟时序进行采样。PDM数据率为1-3.2 MHz，过采样率64-128倍，经CIC滤波器降采样后得到16-bit PCM数据。I2S接口麦克风（如INMP441）直接输出24-bit PCM数据，简化了软件处理。
| 接口类型 | 输出格式 | 优势 | 劣势 |
|---|---|---|---|
| 模拟 | 模拟电压 | 兼容性强，成本低 | 易受干扰，需外接ADC |
| PDM | 1-bit 脉冲流 | 抗干扰强，单线传输 | 需软件滤波，占用CPU |
| I2S | 16/24-bit PCM | 即采即用，低延迟 | 引脚多，封装较大 |
选型要点
语音唤醒场景需关注信噪比（SNR）≥65dB，灵敏度一致性±1dB；工业声学监测需关注最大声压级（130dB SPL）和低频响应（20Hz-20kHz平坦度）。功耗方面，MEMS麦克风工作电流80-300μA，待机电流可低至1μA。对于多麦克风阵列，需选择相位匹配度高的器件，避免波束成形性能下降。
2.4 视觉传感器：摄像头
核心原理
CMOS图像传感器（CIS）采用主动像素感光结构，每个像素包含一个光电二极管和3-4个晶体管。光线照射产生光生电子，通过行选通和列读出电路转换为电压信号。现代CIS采用背照式（BSI）或堆栈式结构，量子效率可达70%以上。彩色摄像头通过Bayer滤色阵列（RGGB）获取颜色信息，需经ISP进行去马赛克、白平衡、降噪等处理。
输出格式与接口
摄像头输出格式包括RAW Bayer、YUV422、RGB565、JPEG压缩流等。RAW格式保留原始感光数据，适合自定义ISP处理，但数据量大；JPEG格式适合存储和传输，但丢失细节。接口方面，DVP并行接口（8/10/12-bit）逐渐被MIPI CSI-2串行接口取代，后者支持更高分辨率和帧率，且引脚更少。低功耗摄像头（如OV2640）在VGA分辨率下功耗约80mW，支持硬件休眠模式。
// 摄像头初始化关键参数（OV2640）
// 输出格式：JPEG 640x480 @ 15fps
write_reg(0xFF, 0x01); // 切换到传感器寄存器组
write_reg(0x12, 0x40); // 选择RGB/YUV输出
write_reg(0x11, 0x01); // 输出数据率分频
write_reg(0x2C, 0x00); // 关闭自动曝光，手动控制
write_reg(0x2D, 0x30); // 曝光时间设置选型要点
- 分辨率与帧率：边缘AI视觉通常VGA（640×480）即可满足物体检测，过高分辨率增加功耗和延迟
- 动态范围：户外场景需≥80dB，室内60dB足够；HDR模式可提升逆光表现但增加处理开销
- 全局快门 vs 卷帘快门：运动物体检测必须用全局快门，避免果冻效应
- 功耗预算：传感器功耗+ISP功耗+传输功耗，整体需控制在200mW以内（电池供电场景）
案例：低功耗图像分类节点
某智能门铃项目需实现人体检测，要求电池供电工作6个月。初始方案使用1080p@30fps摄像头+NPU，实测功耗1.2W，电池仅能维持3天。优化后：改用VGA@10fps输出RAW格式，关闭ISP自动功能，仅在PIR触发后唤醒摄像头，单次检测功耗降至180mW，检测时间200ms。最终平均功耗0.5mW（待机），电池寿命延长至8个月。
2.5 传感器选型综合决策框架
选型不是简单对比参数表，而是基于系统约束的权衡过程。建议按以下流程操作：
- 明确物理量需求：确定需要测量的物理量范围、精度、带宽、动态响应
- 评估环境约束：温度范围、湿度、振动、电磁干扰、防护等级
- 计算功耗预算：根据电池容量和续航目标，反推传感器平均功耗上限
- 确定接口资源：MCU可用的I2C/SPI/UART/PDM/MIPI通道数量
- 软件处理能力：是否需要片上FIFO、硬件中断、内置算法（如计步器）
- 成本与供货：批量价格、交期、替代料可用性
以智能手环为例，加速度计选型需满足：量程±8g（跑步冲击）、噪声<200μg/√Hz（睡眠监测）、功耗<1mA（连续采集）、内置计步器（减少MCU负载）、FIFO深度≥1KB（突发数据缓存）。这些需求共同决定了最终器件选型，而非单一参数最优。