- Advertisement -
首頁 首頁Top區塊

首頁Top區塊

- Advertisement -

Wi-SUN進攻智慧家庭 2022前有望成為通用通訊協定

Wi-SUN通訊協定在日本政府的推廣之下,逐漸導入至智慧電表應用之中,近期更將應用拓展至智慧家庭領域之中。由於該連線技術傳輸距離遠、省電等特性,有望在智慧家庭領域大顯身手。隨著Wi-SUN技術在日本區域市場的滲透率逐漸提升,該模組單價競爭力也將逐漸提升,價位有望在2022年前與藍牙(Bluetooth)、Wi-Fi抗衡,成為重要的通用通訊協定。 羅姆半導體(ROHM Semiconductor)台灣董事長勝野英和認為,今後在物聯網市場上,Wi-SUN將是具備雄厚潛力的連線技術。也正因如此,近日該公司與大賀智聯網以及聯齊科技攜手,推出智慧門鎖新品。該產品搭載了ROHM製Wi-SUN無線模組,並經由IoT閘道器進行遠端控制,建構智慧家庭安全。期盼藉此拓展Wi-SUN連線技術的知名度與應用範疇,在日本電子業盛事CEATEC之後,該產品也將在日本市場正式發表。 羅姆半導體營業部課長李師誠則表示,Wi-SUN通訊協定相較於藍牙而言,傳輸距離更遠;與Wi-Fi相比之下,Wi-SUN則又更為省電。Wi-SUN同時具備了藍牙與Wi-Fi的優勢於一體。因此受到京都大學研究單位肯定,積極與日本政府與合作,導入智慧電表應用之中。也正因如此,Wi-SUN連線技術便一直以來都隨著智慧能源、智慧電表的應用發展。 李師誠指出,目前在日本已有800萬用戶使用Wi-SUN智慧電表,使得該技術累積了巨量的數據資料,也由於Wi-SUN的發展歷程,對於未來台灣的智慧電表發展、智慧家庭的開發上,也有極大助益。然而,目前Wi-SUN模組單價依然比藍牙與Wi-Fi模組高上一倍,這也是目前Wi-SUN最大的劣勢所在。智慧電表、智慧家庭商機龐大,假設日本市場推廣成功,Wi-SUN成本便有望下降。李師誠進一步預測,在2020年~2022年之間,Wi-SUN模組單價將有望與藍牙、Wi-Fi匹敵,屆時Wi-SUN將成為僅次於藍牙與Wi-Fi的第三大通用通訊協定。  
0

拓展自製晶片大計 蘋果斥6億收購Dialog部分資產

蘋果(Apple)積極提升自製晶片能力,近日宣布斥資6億美元,收購電源管理晶片(PMIC)供應商戴樂格(Dialog)部分資產及專利授權,並吸收Dialog 超過300名員工(約占Dialog員工總數16%)到旗下工作;這筆收購交易預計將在2019年上半年完成,目前正在等待監管部門的批准。 蘋果硬體部門的高級副總裁Johny Srouji表示,Dialog在晶片開發方面擁有深厚的專業知識,我們很高興有這群才華橫溢的工程師,他們長期以來一直支持我們的產品,而現在將會直接為蘋果工作。該公司與Dialog的合作關係可以追溯到早期的iPhone,未來也希望雙方能繼續建立長期的合作關係。 根據此一交易內容,蘋果將支付3億美元現金,用於前期資產收購,並預付3億美元,為後續三年的收購做出承諾;涉及收購的技術包括電源管理、音頻子系統、充電和其他混合訊號IC的開發和供應,同時將會有超過300名Dialog工程師加入蘋果工作,且蘋果還將接手Dialog在義大利、英國和德國的部分設備。 另外,此一交易案也有助於Dialog加速實現轉型計畫。Dialog於聲明中指出,未來將更專注在物聯網、行動、車用及運算領域,也會強化在客製晶片和可配置混合訊號晶片(Configurable Mixed-signal IC)的專業,以及世界級的電源效率管理設計,以滿足更廣泛的市場需求及提供客製化服務。 戴樂格CEO Jalal Bagherli說明,此次交易再次展現了該公司與蘋果間的合作關係,以及Dialog的業務價值;並同時證明了Dialog的長期目標,未來Dialog將會有一個明確的戰略,專注於可配置混合訊號晶片和節能設計。另外,我們也相信此一交易符合員工的最佳利益,股東也會受益於更佳明確的業務重點,該公司也擁有額外的財務靈活性可進行其他戰略投資。
0

單晶片設計發威 77GHz雷達應用更多元

車用領域的頻率調變連續波(FMCW)雷達應用眾多,涵蓋多項人身安全與舒適功能,例如盲點偵測、車道切換輔助、自動車距控制巡航系統、停車輔助等,這些功能均仰賴雷達能夠在各種天候與任何周遭照明環境下,準確可靠地偵測與定位障礙物。 另外在車用領域內,透過雷達感測器獨特的優勢,也能幫助以下幾項應用: .自由空間感測 .駕駛生命跡象監控 .手勢辨識 .使用狀態偵測 FMCW雷達可判斷物體的距離與速度,效能不受周遭照明環境影響,也不須額外增設訊號源,高運作頻率(77GHz)可直接轉譯為較小型的整體方案尺寸。FMCW雷達訊號可穿過塑膠材質,故感測器可安裝在設備背面,如保險桿、儀表板或車身包覆層內,不會影響車體外觀。 FMCW雷達原理 圖1為FMCW雷達原理圖,包含發射器(TX)鏈與接收器(RX)鏈各一做為代表(不過實際上共有多鏈支援多件TX與RX天線),本地振盪器(LO)產生線性頻率斜坡(又稱為Chirp),傳輸至TX天線,自雷達前場景所反射的訊號進入RX天線後,混合傳送訊號,產生中頻(IF)訊號,再由類比數位轉換器(ADC)將接收到的IF訊號數位化,供後續處理。 快速傅立葉轉換(FFT)處理數位化樣本之後,可以判斷物體距離,距離FFT的峰值頻率直接對應於場景中各物體的距離,如圖1右側所示。 圖1 FMCW雷達原理圖 當距離FFT峰值頻率直接對應至物體距離時,峰值相位對於物體距離的微小變化極為敏感,例如物體位置若改變四分之一個波長(以77GHz情況≈1公釐),相位會完全翻轉180度。相位敏感度讓雷達能夠估算振動物體的頻率,也成為估算速度的基礎。 為了判斷現場物體的速度,雷達通常會傳送一系列的線性調頻序列,時間間隔相同,稱為「訊框」(圖2),藉由線性調頻之間的相位差異,判斷與衡量現場場景中物體的速度。 圖2 訊框內包括多項間隔相同的線性調頻。 在一般典型訊號處理鏈之中,裝置以距離FFT執行數位化樣本,對應至每項線性調頻,輸出並儲存在矩陣裡的連續列(圖3矩陣A)。裝置一接收與處理訊框裡的所有線性調頻後,在矩陣A各行的線性調頻產生第二FFT系列(都卜勒FFT)。在執行距離FFT(列)與都卜勒FFT(行)後,可視為對應訊框的數位化樣本平面FFT,判斷物體距離及速度。平面FFT峰值位置將直接對應至雷達前方物體的距離和速度(圖3矩陣B)。 圖3 FMCW雷達的範圍距離與都卜勒處理。 若要判斷斜前方物體,需多項RX天線,裝置先處理每項天線接收到的訊號,形成平面FFT。在處理多項天線獲得的平面FFT矩陣後,可得知前方物體角度。因此雷達能判斷物體距離、速度和角度,雷達效能取決於傳輸訊號,如擴大線性調頻頻寬後,可改善距離解析度;增加訊框長度後,能提高速度解析度,測量速度上限與線性調頻間隔大小成反比;TX/RX天線數量限制角度解析度。 自由空間感測須考量天線配置與視野 自由空間感測器可延伸雷達原有能力,偵測障礙物,例如在打開車門或後車廂時防止撞擊,此種應用仰賴雷達的距離高解析度,以及能夠在近距離偵測障礙物(燈柱、停車擋桿、牆面、鄰近車輛),見圖4;自由空間感測器亦可做為停車輔助感測器。 圖4 自由空間感測器應用 圖5說明自由空間感測器應用的一般處理鏈,本裝置執行平面FFT,處理訊框內的類比數位轉換器(ADC)資料,判斷物體距離及都卜勒,並區別移動物體與靜止物體。雷達若安裝於車門等活動設備上,都卜勒解析度也能判斷靜止物體與雷達的相對速度,而各天線平面FFT矩陣的非同調資料,會形成偵測演算法能夠處理的距離/都卜勒熱點圖。 圖5 自由空間感測器應用的處理鏈示意圖 偵測演算法可做為基本的平均恆虛警率(CFAR-CA)偵測器,有序統計量恆虛警率(CFAR-OS)等版本更加精密,可改善地面雜波存在時的偵測能力。 處理平面FFT矩陣的對應分類後,可估算物體接近的角度,為善用既有TX/RX天線,建議以多重輸入/輸出(MIMO)模式操作系統。在MIMO模式下,角度估算區塊在虛擬天線使用平面FFT處理後的訊號;角度估算演算法能以FFT或波束成形技術演算法為基礎,若使用多訊號分類(MUSIC)等更精密的演算法,角度解析會更精密。 在自由空間感測器應用當中,天線配置與天線元件視野(FOV)都是重要考量,一般必須在仰角視野與抑制地面雜波之間取捨,或是在仰角估算能力與方位解析度之間抉擇。在眾多可能設計之中,以下介紹兩種策略。一是以方位及仰角廣視野設計天線,而天線擺放位置讓MIMO模式能形成平面虛擬陣列,因此可同時估算仰角及方位的角度。 圖6提供幾項範例,雖然方位及仰角廣視野可提供真正的立體感測,但雷達擺放位置必須謹慎思考,才可將地面雜波降至最低。 圖6 平面2-D天線配置(a和b:TI AWR1642,c:TI AWR1443) 另一選項是以仰角窄視野與方位廣視野設計天線,利用天線擺放位置確保方位估算達到最高解析度(圖7)。表1為自由空間感測應用的線性調頻配置範例。 圖7 1-D天線配置 駕駛生命跡象監控應用設計 FMCW雷達技術是促進道路安全的重要應用,可準確監控駕駛心跳和呼吸速率,持續監控生命跡象。這項感測器尺寸小,可達到非侵入式監控,例如嵌入在駕駛座椅背內。 FMCW雷達對於物體位置微小變化的接收訊號相位極為敏感。先前提到,物體每移動1公釐,距離FFT處理資料的相位改變180度,只要善用這項特性,就能估算物體振動頻率,例如心跳及呼吸氣息所產生的振動。這項裝置傳送一系列的線性調頻,距離FFT峰值代表駕駛胸部的強烈反射,裝置內的演算法追蹤線性調頻內的峰值相位,對相位序列進行頻譜分析,以計算駕駛的心跳及呼吸速率。 圖8是以單一處理鏈代表的原理圖,裝置首先使用距離FFT,處理對應至每項傳輸線性調頻的ADC資料,找到相關峰值後,記錄線性調頻內的峰值相位。呼吸所造成的胸部移動約12公釐,是雷達操作波長的數倍(以77GHz情況~4公釐),因此必須適當分析相位,才能正確解讀結果。 圖8 駕駛生命跡象監控應用的處理鏈範例 裝置內的演算法以帶通過濾相位序列,取得相關頻譜(呼吸為0.1~0.5Hz,心跳為0.8~2Hz),以FFT分析產出頻譜之後,可找到心跳及呼吸速率;若希望資訊更加完整,可偵測駕駛體內動作,以彌補缺漏數據或可捨棄讀數。此一應用內無訊框,而是以持續傳送線性調頻方式,並在運作中同時處理。 表2是這項應用的線性調頻配置範例,為求最佳效能,選擇距離解析度能達到最高的線性調頻,有助於區分胸部反應及其他鄰近雜波。若使用多項RX天線衡量角度,可進一步區別駕駛及周遭雜波,甚至可同時測量多人生命跡象。由於心跳和呼吸均為低頻率,可擴大線性調頻間隔,每秒20次的線性調頻就足以確保採樣時,不會出現相位連接;若提高每秒的線性調頻,更可測量心率變化,研究顯示這項數據和睡意有關。 FMCW雷達適用手勢辨識應用 FMCW雷達造就距離與速度(或都卜勒)高解析度的特性,很適合手勢無觸控介面,車用用途包括手勢開啟車門/車廂(圖9),以及手勢控制車載資訊娛樂系統(例如揮手切換螢幕或扭動手指控制音量)。 圖9 手勢開啟車門/車廂應用 圖10是建議的手勢辨識應用處理鏈。首先,對於訊框內線性調頻蒐集的ADC資料,進行平面FFT,判斷現場的距離及都卜勒,再為每項RX天線(若雷達為MIMO模式則為虛擬天線)運算平面FFT矩陣,而各天線平面FFT矩陣的非同調資料,會形成距離/都卜勒熱點圖。 圖10 手勢辨識應用的處理鏈範例 下一步為從距離/都卜勒熱點圖擷取多項特徵,每項特徵(如平均都卜勒或平均距離)就像從熱點圖內計算一個數字,數值反映出特定參數的加權均值,通常是在預估手勢會出現的熱點圖區域內擷取特徵,例如距離50公分內、都卜勒每秒正負2公尺,這個區域可預先固定或動態調整。 雷達的單一訊框為各個特徵擷取單一數值,而一系列的訊框為各個特徵產生時間系列,分析對應各擷取特徵的時間系列可辨別與分類各種手勢,圖10說明處理區塊中特徵的操作步驟。 特徵處理的策略非常多樣,其中一項是在特定時間範圍內擷取特徵後,傳送至機器學習演算法,例如人工神經網路、決策樹、支援向量機,再進行分類;另一種策略是由人工設定邏輯,辨別特徵內的各種標誌;亦可運用混合方案。 特徵處理的產出為被偵測的手勢類型,特徵處理亦可產出與手勢相關的額外數據(如手勢速度),進而改善使用者體驗。 距離與速度解析度高低是手勢辦識優勢的關鍵,故須選擇高頻寬線性調頻,訊框時間也應夠長,才能改善速度解析度。由於最大速度需求不高,可擴大線性調頻間隔,將線性調頻數量(及記憶體需求)降至最低,並維持長訊框時間,表3為線性調頻配置範例。 舉例來說,使用德州儀器旗下的AWR單晶片雷達系列的手勢辨識解決方案,對於開啟車門/車廂的單種手勢應用,AWR1443或許適合;當應用內需分類多種手勢時(如資訊娛樂介面),內建C674x DSP的AWR1642就比較適合。 使用狀態偵測 若孩童和動物困在上鎖的車輛內,很快就會因高溫喪命,此時車內若是有安裝FMCW雷達,便可在車輛無人看管時偵測到他們,進而即時介入拯救生命。 這項應用主要取決於雷達的速度解析度高低,雷達必須從車內靜止雜波區分出就算只有些微動靜的物體(如睡著的孩童)。 圖11為處理鏈範例,訊框包括MIMO模式內,一系列間隔相同的線性調頻。在TX1與TX2之間切換,每一對線性調頻之間的巨大間隙,是為延長訊框時間,並改善速度解析度。 圖11 使用狀態偵測應用的處理鏈範例 首先,裝置計算訊框內所有線性調頻的距離FFT。產出的距離FFT傳送至雜波移除區塊,可以排除對應至靜止雜波的訊號,確保後續區塊能針對有關訊號操作(即對應至緩慢/間歇移動的物體)。 這個區塊可以估算每個距離分類內的DC元件(線性調頻內的距離分類均值),再從對應的距離分類中移除(涵蓋訊框內所有距離FFT)。 所有天線的距離FFT進入角度頻譜估算區塊,計算每個距離分類中的角度頻譜。經過多項線性調頻所計算出的距離FFT峰值相位,能以相關物體的微小動作排除關聯,藉以提高角度解析度。 當距離FFT判斷訊號距離、角度頻譜估算判斷角度後,空間熱點圖可在平面x-y軸或距離方位軸內,繪出訊號密度,接續的後處理能依據偵測演算法(如CFAR),或更精密的特徵擷取及分析技巧,在熱點圖內偵測物體,再標示出有關物體是否存在。 此外,後處理區塊也能說明有關物體的空間位置。總而言之,高度整合的AWR雷達裝置系列可開發出小體積的「雷達單晶片」解決方案,提升ADAS以外的駕駛體驗,包括自由空間感測、駕駛生命跡象監控、手勢辨識與使用狀態偵測。 (本文作者皆任職於德州儀器)
0

時脈產生器加強奧援 資料中心頻寬全面提升

為了滿足目前和未來需求,服務供應商、資料中心營運商和Web服務公司正在迅速轉型到軟體定義網路(SDN)模式,進而將軟體和服務從基礎運算、交換和儲存硬體中轉移出來。服務供應商和資料中心營運商正在採用新的硬體技術,支援業界向SDN轉型,同時提高資料中心之間和資料中心內的速度和頻寬。伺服器、儲存系統、葉脊交換機(Spine/Leaf Switch)、聚合路由器和光學轉發器都在經歷劇烈的技術變革,這包括採用新的100G/200G/400G光傳輸技術、用於加速器資料匯流排的更高速PCIe Gen4和快取互連一致性測試晶片(CCIX)、基於NVM Express(NVMe)的固態儲存、特別針對機器學習和人工智慧而最佳化的處理技術,以及新的記憶體技術等等,以滿足對於高頻寬網路不斷成長的需求。 整個資料中心硬體頻寬升級的共同之處在於參考時脈對於時脈要求越來越嚴格。現在,系統架構者在硬體設計時比以往更注重時脈和時脈樹設計。 光纖連結資料中心 資料中心透過高速光纖將相互間以及底層核心和匯聚電信網路連接在一起。相干光學是在資料中心聚合交換機和光轉發器中實現的最新技術,其能適應不斷增加的資訊量,光纖資料速度能夠從目前的100G升級到未來的600G。整體來說,相干光學技術結合了先進的高速數位訊號處理,和高速資料轉換器,來調變在每個發射器和接收器之間傳輸光的幅度和相位,因此能夠透過現有光纖網路發送更多資料。 發射器和接收器中的資料轉換器通常需要超過1.7GHz的超低抖動、高頻參考時脈。此外,參考時脈需要支援數位訊號處理。起初100G相干光線路卡和模組設計使用多個時脈IC和振盪器來滿足這些時脈要求,但這需要大量的電路板空間和成本。 葉脊交換機擔分配流量要責 葉脊交換機用於建置伺服器機架和存放裝置之間的連接網路,在整個資料中心均勻分配流量。如圖1所示,葉脊交換機位於每個機架的頂部,提供到伺服器的下游連接和到網路中每個脊交換機的上游連接。 圖1 葉脊網路架構 下一代葉脊交換機設計正採用交換機SoC,其包括28G和56G串列/解串器(SerDes),支援頻寬可從10GbE遷移到25/40GbE的下行埠和遷移到100GbE的上行埠。這些增加的速度需要參考時脈抖動性能有顯著的提升,56G SerDes在12kHz~20MHz積分頻寬下最大規格低至150fs rms。在這些設計中使用的FPGA、CPU、記憶體、CPLD和電路板管理控制器(BMC)也需要額外的系統時脈。 目前已有廠商針對該需求推出任意頻率時脈產生器,以及任意頻率抖動衰減時脈可滿足相關應用的超低抖動性能要求,同時在單晶片時脈解決方案中提供多達10路獨特頻率輸出,使其成為在100GbE設計中結合28G和56G SerDes和同步或非同步葉脊交換機設計的理想選擇。 PCIe為伺服器/儲存主要匯流排 現今資料中心的大多數伺服器和儲存處理器均採用Intel x86架構。基於IBM Power和ARM架構的新品正在不斷推出。相較於x86平台,基於Power和ARM的平台通常需要為處理器和其他I/O功能提供額外的時脈。無論CPU偏好如何,每種架構和平台都會使用高速資料匯流排在CPU、記憶體、存放裝置和擴充卡之間傳輸資料。 PCIe是伺服器中使用的主要資料匯流排,這是因為其實現成本低、頻寬高、大多數CPU、FPGA、SoC和ASIC都支援的緣故。PCI-SIG最近推出了第四代PCIe規範,將資料速率從8Gbps提高至16Gbps。 除了在伺服器主機板上使用之外,隨著固態硬碟(SSD)在硬碟媒體上受到青睞,PCIe在資料中心儲存應用中也日益廣泛應用。PCIe資料匯流排的擴展使用正驅動整個機架上各組件對於更多、更高精度PCIe參考時脈的需求,從伺服器上的CPU到每個SSD。固態儲存使用NVMe協定,而不是傳統硬碟儲存設計中使用的SAS或SATA串列協定。基於NVMe的SSD透過標準PCIe連接器連接到儲存系統,這意味著所有基於NVMe的SSD都需要PCIe參考時脈。快閃記憶體陣列儲存系統通常使用FPGA和客製化的控制器ASIC來管理伺服器和SSD之間的通訊流量,每個SSD都需要自己的高性能參考時脈。 雖然預計硬碟儲存將是未來幾年主流的資料中心儲存介質,但快閃記憶體陣列儲存系統的部署正在迅速成長。產業分析師預計,在2018~2020年間,快閃記憶體陣列儲存採用率將急劇上升,而這主要由Web服務資料中心驅動。廠商亦推出新款低抖動時脈產生器系列專門滿足x86、Power、ARM和快閃記憶體陣列儲存系統提出的時脈樹要求。如Silicon Labs旗下的Si5332任意頻率時脈產生器系列能以不到230 fs rms的抖動性能為快閃記憶體陣列儲存系統中的PCIe端點、FPGA、處理器和其他SoC/ASIC元件提供多達12路時脈輸出。該元件能夠產生分數和整數相關時脈頻率、展頻調變時脈,且能實現低功耗和頻率控制,而可將儲存系統設計中所需的所有時脈整合到單個IC中,節省了印刷電路板(PCB)面積和系統成本。 加速卡擴充伺服器功能 新資料中心設備的設計週期通常為兩年。為了更快速的安排新軟體和Web服務產品發布,資料中心架構者已開始開發專門的處理器擴充卡,可以針對網路搜尋、人工智慧或機器學習提供最佳的處理能力替代。擴充卡透過PCIe連接器插入標準伺服器主機板,立即向現有伺服器提供擴充功能。擴充卡的設計週期可能短至六個月,這使得營運商和網路公司能夠在資料中心內增加功能,且毋須使用新伺服器重新建構整個資料中心。 過去幾年,使用FPGA、圖形處理單元(GPU)和客製化ASIC的資料中心伺服器已部署了許多類型的擴充卡。隨著針對特定應用而優化的新型GPU、FPGA和SoC產品的上市,預計此趨勢將會加速。除了PCIe之外,新的替代協定也開始被採用,PCIe Gen4、CCIX、NVLink、OpenCAPI和GenZ正在CPU、記憶體和加速卡之間實現更快的資料傳輸,可實現16~32Gbps的資料速率。考量到這些高速資料速率,參考時脈必須非常精準,以確保穩健的訊號完整性和最小化誤碼損失。 資料中心在我們生活的許多方面正在變得越來越重要,使得資訊能儲存在廣泛的服務(例如雲端服務)和新興的人工智慧系統之中。為了繼續支援運行在雲端架構上的創新和應用的快速發展,架構者和硬體設計人員必須繼續擴大資料中心內的伺服器、存放裝置和交換式網路中的頻寬。在資料中心互連和葉脊交換機中遷移到100GbE、在伺服器和擴充卡中採用PCIe Gen4、在固態儲存中採用NVMe,這都是為滿足更高頻寬需求而採用的新技術。為了確保達到這些技術的最大潛力,系統設計人員必須更加重視時脈樹設計,並在整個資料中心使用超低抖動參考時脈。 (本文作者為Silicon Labs時脈產品行銷經理)
0

專訪UL研發總監王凱魯 翻轉觀念正視鋰電池風險

UL研發總監王凱魯表示,由於材料跟結構的緣故,鋰電池先天上就是一種存在相當風險的儲能裝置,但電子系統產品的設計工程師往往將鋰電池當作一般的電子元件看待。太過掉以輕心的結果,就是因鋰電池而產生的火災、爆炸事故頻傳。 當鋰電池發生火災事故後,若進行深入調查,常可發現電池供應商在設計或生產上確有瑕疵,但導致災情擴大的原因,則往往是產品設計上沒有做好萬全對策所導致。以先前三星(Samsung) Galaxy Note 7的事故為例,兩家電池供應商所提供的產品確實都有瑕疵,才會導致手機起火爆炸;但電池設計的餘裕太小,也有一定責任。 至於更大型鋰電池的應用事故,例如波音787型客機所使用的大型鋰電池爆炸起火事件,根據事後調查的結果,除了電池本身的原始設計有瑕疵外,整個系統的損害控管機制也有設計不當之處,才會導致災害擴大。 王凱魯認為,大型鋰電池應用都應該採用這種設計思維,如此一來,即便出了最嚴重問題,其事故發展也是經過設計安排的,也就是所謂的失效模式設計。 展望未來,隨著再生能源的發電量不斷成長,以鋰電池為基礎的商用、電網級儲能系統,安裝量將跟著水漲船高。因此,這類儲能設備在設計時有沒有針對失效狀況最好妥善安排,將會對社會大眾的生命財產安全造成重大影響。 UL近期發表了UL9540A第三版測試方法,就是針對這個議題而來。該測試方法的重點在於評估儲能電池在熱失控狀態下的燃燒情況,讓系統設計者跟消防體系得以據此做出應對的設計規畫。 UL研發總監王凱魯表示,鋰電池儲能系統在發生事故時,其災害蔓延也應該是要被「設計」出來的。  
0

MCU市場持續看俏 盛群紛推新品搶攻市占率

瞄準微控制器(MCU)市場商機,盛群半導體(HOLTEK)近日舉辦新品發表會,針對智慧家居及安全防護應用,推出9大類新產品。盛群總經理高國棟表示,2018年1~9月,該公司的營收為36.7億元,其中有76%的營收來自於MCU,顯示MCU為該公司相當重要的營收來源;而在市場競爭日趨激烈,以及美中貿易戰情勢不明朗的情況下,更須加緊推出新品,提升市占率。 據悉,此次盛群新品發表會以「智慧生活與安全防護應用」之相關控制及通訊應用,展示32位元MCU、無線通訊、節能馬達、安全防護、智慧家電、觸控應用、健康量測、電源管理,以及顯示音訊等9大類產品。 高國棟指出,該公司2017年1~9月MCU總體銷售量為4.49億顆,而2018年1~9月的MCU總銷售量為5.04億顆,成長12%,市占率明顯提升,推升前9 個月營收新台幣為36.7億元,年增 9%,MCU占比從去年同期的73%成長到 76%。 高國棟透露,MCU的應用非常廣泛,舉凡家電產品、醫療、工業等市場都須使用MCU。在面臨中美貿易戰,以及未來全球需求不確定性(景氣變化)的情況下,盛群所能做的便是不斷推出新的產品,滿足各應用市場的需求,藉此提升市占率,這也是該公司十分重視新產品開發的主要因素。 展望未來,高國棟表示,32位元MCU成功打進手機無線耳機市場,因此有望成為驅動明年業績的主要動力之一。盛群2018年1~9月的32位元MCU出貨量約1,200萬顆,相較於2017年同期的500萬顆,成長幅度高達140%,成長動能來自於智慧家庭應用、工業控制、健康偵測等領域。
0

天線/訊號處理越靠越近 設計模擬面臨新挑戰

對無線通訊設備而言,天線是一個必要卻必須小心處理的元件。傳統上,為了避免訊號收發受到干擾,天線周圍多半會有淨空區,讓天線跟其他電子元件或金屬保持安全距離。而隨著技術進步,天線周圍的淨空區越來越小,甚至發展出無淨空區的天線方案,使得天線得以跟其他元件比鄰而居。然而,天線跟訊號處理單元越靠越近,在工程上仍是一大挑戰。 安矽思(Ansys)產品管理總監Larry Williams表示,相信所有從事無線通訊應用開發的工程師都能感受到天線跟訊號處理單元越靠越近的產品設計趨勢。展望即將到來的5G通訊時代,由於導入毫米波通訊技術,巨大的線路損失使得天線必須跟射頻前端(RF Frontend)整合在同一個封裝中,這為晶片設計跟封裝業者帶來極大的設計挑戰。 Williams進一步解釋,因為採用Antena in Package(AiP)技術,工程師在開發毫米波通訊解決方案時,將更依賴精確的模擬工具,而不是等到產品設計完成,原型(Prototype)裝置生產出來後再來針對實物進行量測。因為這種整合了射頻前端跟天線的複雜模組,除了只能用OTA手法來測試之外,還有很多行為參數根本無法用實測的方式取得,只能靠模擬工具估算。 事實上,回顧無線通訊的發展歷史,模擬跟模型在工程師研發的過程中,扮演的角色越來越吃重的。在西元2000年前後,無線通訊業界開始探討用CMOS設計RF電路的可行性,但當時由於缺乏準確的模擬工具跟模型,設計工程師很難掌握RF CMOS元件的行為模式,因此設計開發的速度難以取得突破。直到可靠的RF CMOS模型出現後,RF CMOS元件的開發才得以加速。如今,用CMOS製作RF電路,對業界已經幾乎不成問題。 Williams認為,AiP將會循著RF CMOS發展的歷史軌跡前進。因為目前讓業界感到棘手的AiP設計難題,答案也是模擬工具跟模型。有鑑於此,Ansys早早就已經投入開發相關工具跟解決方案,並已經有產品可以提供給客戶。 目前對Ansys來說,下一個挑戰是天線、射頻前端跟訊號處理單元的終極整合。有些走得比較快的毫米波通訊技術開發商,已經在著手挑戰這個難題。Williams也坦言,目前Ansys還沒有對應的工具可以滿足這類客戶的需求。但這是無線通訊未來必然的發展方向,因此Ansys將會跟這些前瞻型的客戶密切合作,以推出相關對策。
0

無線充電設備已普及 中高階市場為台廠新商機

無線充電功能已大舉導入消費電子市場,如今搭載無線充電功能的智慧型手機已非新鮮事。皆下來,該市場將更為注重充電速度與效率。儘管無線充電零組件成本高,然而,台灣廠商在未來更該將經營重心設定在較為精緻的中高階設備市場,更須時時關注高功率標準制定與新興應用的進展,才能搶得商機。 安富利(AVNET)台灣產品管理經理楊士緯分享,在2018年Apple(蘋果)將無線充電功能導入iPhone之後,終端使用者開始慢慢認識到無線充電此一功能,對於該功能的要求以嘗鮮居多,鮮少對於充電效率有過多要求;然而在邁入2019年之後,終端使用者將會對於充電效率、充電速度有更高的要求,也將開始有品牌認同出現。在此階段,楊士緯認為接下來無線充電的機會將是較為精緻的中高階市場,而台灣廠商也應當朝此方向經營。 楊士緯進一步說明,在初期無線充電聯盟(Wireless Power Consortium, WPC)將輸出功率5W以下定位為低功率;5~120W為中功率。然而由於5~120W的功率區間過大,因此在2015年重新將功率輸出化分為5W以下的BPP(Baseline Power Profile)和5~15W的EPP(Extended Power Profile)標準。真正的中功率,則定義為60W以上。 面對此中功率的定義發展,有業界人士認為60W的發送端(Tx)也必須向下支援5~15W的充電設備的接收端(Rx)。目前Qi規格的Tx加上Rx一套無線充電模組成本約6~9美元不等,然而,中功率一組成本則有可能高達100美元。因此,為了商業化的成本考量,此路線是否實行依然未成定數。楊士緯說明,現今WPC聯盟已確定將先推出針對廚具、廚房家電市場的高功率(100~2,400W)標準,目前商標與標準名稱已在聯盟投票決議中。 楊士緯進一步預測,自2018年底至2019年初會看到EPP的Tx產品越來越多,65~120W的高功率需求也將在2018下半年逐漸上升;車內載的Tx也會逐漸普及。另一方面,儘管穿戴裝置的Tx與Rx普遍有較多客製化需求,但是因為穿戴式裝置對於防水的需求,因此也將成會帶動無線充電滲透率的重要動能。  
0

2020年物聯網裝置將突破300億個

物聯網產業持續發展,跟據國際電信聯盟(ITU)的定義,物聯網為:各個獨立的物件可以實現互通、互聯的現象。而隨著元件、設備成本下降,越來越多聯網裝置與裝置聯網,根據產業研究機構資策會MIC研究顯示,2015年全球每人平均擁有約三個聯網裝置,如手機、計算機等;到了2020年會成長到將近七個,代表有越來越多物件進行相互通聯,實現更複雜、更多元化的使用經驗,並將產生更多數據資料。 以全球角度來觀察,資策會MIC進一步指出,2015年IoT裝置總數估計約154億1000萬個,最近幾年將穩定成長,2017年裝置數量已經突破200億個,達到203億5000萬個左右,2018年將達231億4000萬個,到2020年將突破300億大關,達到303億7000萬個左右,這些裝置也會導入邊緣運算的功能或架構,賦予物聯網裝置更多智慧化的功能。  
0

感測/運算/安全三管齊下 實現無人駕駛願景非夢事

隨著「互聯網+人工智慧」逐步滲透進入人們的生活中,汽車已成為搭載多種智慧晶片的智慧移動終端,並逐步走向真正的「無人駕駛」。作為強大的智慧移動終端裝置,汽車透過V2X技術與其他車輛和基地台實現無線通訊,將車輛周圍的資料資訊進行分析與處理,而實現脫離駕駛員的操控,避免因人為因素出現的如疲勞駕駛、超速、闖紅燈等危險行為的發生。透過城市智慧交通網路的建立,可以實現整體調控汽車流量和流向,進而改善高峰期壅堵現象,從源頭上降低汽車交通安全事故,提升交通通行率。 「無人駕駛」依據其「自動化」程度可以分為四級。第一級為特定功能的自動駕駛,僅實現自我調整巡航控制、自動刹車和車道保持功能;第二級是合併功能的自動駕駛、實現部分自動停車入位、交通堵塞時提供輔助和帶轉向的緊急刹車等;第三級為有限的自動駕駛、能夠實現自動並線、基於車道中線定位的自我調整巡航控制、自主停車入位。前三級「無人駕駛」的實現就須要搭載先進駕駛輔助系統(ADAS)。 據前瞻產業研究院「2016~2021年中國無人駕駛汽車行業發展前景預測與投資戰略規劃分析報告」指出,目前ADAS逐漸成熟,2019年全球市場滲透率將超過25%。機構預計,到2020年中國ADAS市場規模在700~800億元,年均複合成長約60%。 ADAS並不是一項配置,而是幾項配置協調作用的系統。簡單來說,就是利用安裝在車上的各種互補感測器,如雷達、超音波、V2X技術等,在汽車行駛過程中即時感知周圍環境並收集資料,透過系統運算與分析,預先讓駕駛者察覺到可能發生的危險,從而有效增加汽車駕駛的舒適性和安全性。 實現無人駕駛多重感測器不可或缺 一輛汽車要想擺脫駕駛員實現「無人駕駛」就須要配備多個互補感測器,如雷達、攝影機、雷射定位器、超音波和V2X等。它們彷彿是汽車的「眼睛」,透過對汽車周圍事物和環境的感知和監測,收集相關資料再交由駕駛系統處理,讓汽車可以在各種條件下完成自我調整巡航控制、盲點監測、車道偏離警告、夜視、車道保持輔助和碰撞警告系統,並具有自動轉向和制動干預功能。 V2X為無人駕駛千里眼 V2X技術,即車對車及車對基礎設施技術,藉由在肉眼察覺和駕駛輔助系統探測之前發現交通堵塞或交通風險,並向數百公尺範圍內發出預警資訊的方式,使車輛有效接受如危險路況、突發壅堵、交通搶險或道路作業工地等交通資訊;除此之外,配備有V2X互聯設備的車輛還可以接收來自智慧道路訊號的資訊,並自動識別交通號誌的運行週期,大幅提升道路安全,提高通行效率。安全的V2X技術對於未來無人駕駛和智慧交通系統建設至關重要。根據美國交通部的一份調研報告,安全可靠的V2X技術將減少超過80%的交通事故。 雷達感測器為無人駕駛順風耳 伴隨自動駕駛不同層級的演進,每輛車上會安裝更多的雷達感測器,協助實現更高級的自動駕駛。據IHS Research預測,從2016~2019年,汽車雷達感測器的市場年均成長率將達到27%,預計2021年的市場需求總量將達5,000萬。 晶片商也趁勢推出眾多解決方案,像是恩智浦(NXP)發布如郵戳大小(7.5mm×7.5mm)的單晶片77GHz高解析度RF CMOS IC雷達晶片,能準確提供汽車行駛環境的相關資料,且其功耗比傳統雷達晶片產品低40%,為汽車感測器的設計安裝提供了更多便利。 聯網/感應具備 無人駕駛終極大腦不可少 複雜擁擠的路面和瞬息萬變的車況讓智慧聯網汽車只有一雙「千里眼」和一對「順風耳」還遠遠不夠。雖然一系列互補感測器可以繪製出汽車周圍環境的高精度地圖並準確檢測物體,為了做出精確且安全的駕駛操作,汽車還須要配備一個「終極大腦」,快速的處理並整合多條資訊流,並最終完成汽車駕駛操作。 像是恩智浦研發BlueBox平台,為無人駕駛提供人工智慧,還為車間通訊和多重感測器提供介面支援,充當車輛的「神經系統」。在無人駕駛車輛系統中,多個感測器資料流程都匯入BlueBox引擎,資料流程結合起來,將車輛周圍的實體環境創造一個360°的即時模型。 確保道路安全 自駕車須具備完善安全性 無人駕駛當中,最讓人關注的還是資訊的安全性。在一次知名的駭客行動中,由一名Wired雜誌記者駕駛一部吉普車(Jeep),而兩名駭客成功遠距離終止了吉普車的引擎傳動。在那當下,車輛駭客攻擊就此成為真正的威脅。 自此之後,汽車產業歷經諸多改變,車輛安全性自然成為汽車製造商的首要考量。目前的許多新款車輛搭載電子控制器、具有運算能力、能運行程式碼,還能透過無線網路連通外界,因此攻擊面無疑相當廣大。若媒體對外公布一起駭客攻擊事件,其影響將重重傷害汽車製造商的品牌商譽。 如同在吉普車駭客攻擊所看到的,一旦駭客取得收音機的控制權限,就能輕易透過車內網路攻擊導向和煞車系統。事實上,車輛中的安全閘道能作為防火牆,進而監控進出車輛訊息,也能將至關安全性的系統與其他應用程式隔離(例如資訊娛樂系統),但該吉普車的車內網路並未搭載安全閘道。 也因此,車內網路必須受到妥善保護,抵禦意圖操縱並竊取資料的入侵者攻擊。這表示必須重新規畫車載網路架構,以區分、隔離車載網路中不同的領域系統。此外,必須採用高強度的加密和驗證技術,確保車輛僅與已知且信任的實體進行安全通訊,並進而保護車載網路內部的代碼和資料。 車用處理器會產生、處理、交換並儲存龐大的敏感資料,無疑會成為駭客攻擊的目標,因此車用處理器必須具備高度安全性。也因此,汽車處理器供應商特別專注於處理器層級的安全性,推出車用專屬硬體安全模組(HSM),能夠針對車用應用程式提供內建於晶片的安全性功能,防止軟體遭惡意操縱,並且支援安全性軟體更新和資料保護等功能。 像是恩智浦早於2010年,就已推出符合並相容於安全硬體延伸(SHE)的車用MCU產品,且該公司旗下的新款車用處理器和控制器,皆包含專屬的硬體安全性模組,能獨立管理安全性功能,不會影響處理器或控制器本身的效能/功能。這些模組也提高修正作業時的靈活性,讓車輛製造商能修正安全性漏洞,還具備安全的線上更新功能,車輛上路後製造商仍能輕鬆更新軟體,毋須進行耗費高額成本的召回程序;此外還具備生命週期管理機制,能針對若干控制器和處理器功能進行鎖定控制。 另一方面,應用程式處理器也是安全防護的重點。應用程式處理器原本最早的形式是車載資通訊系統,而經過多年發展,今日的駕駛資訊系統包含抬頭顯示器、數位儀表板、導航、媒體播放器、語音和資料通訊,並執行多種複雜的軟體堆疊,無疑需要最高的安全性。因此,半導體業者採用分層次防禦機制,全面保護整個處理單元,從硬體、軟體到通訊連結皆囊括在內。 像是恩智浦的i.MX 8安全控制器(SECO)是系統的信任根(RoT),其功能不局限在金鑰管理,也可用於驗證、監控和鎖住系統的控制器韌體,同時也是電源啟動和執行時間等多種並行作業系統的RoT;其具備硬體式竄改偵測和防護功能,以及處理器內建硬體防火牆網域則能輔助SECO,維持服務的資料與記憶體完整性,進一步提高駕駛資訊系統的安全性基準。 總而言之,發展無人駕駛必須保障安全性,讓駕駛能信任自己的汽車,絕不能讓駭客取得車輛的控制能力,或窺探駕駛及金融資訊等資料的隱私。車輛製造商務必使用安全性解決方案,防止電子系統遭受潛在的網路攻擊。 (本文作者為恩智浦半導體汽車電子事業部技術長)
0
- Advertisement -
- Advertisement -

最新文章

- Advertisement -

熱門文章

- Advertisement -

編輯推薦

- Advertisement -