IoT
借力區塊鏈技術 物聯網應用安全有感升級
其中一些應用呼應了比特幣區塊鏈先行者最初的想法。1991年,Bellcore的Stuart Haber和W.Scott Stornetta發布了一篇論文,成功地預言了區塊鏈的到來,並提議採用一個完整的加密簽名區塊鏈,以便使相關文檔採用的時間戳記和其他憑證可以設置為防篡改方式。偽造時間戳記的唯一方法是再創建一個新鏈,並以某種方式說服使用者這是合法的記錄。雖然理論上可行,但實際上卻是一個繁瑣的過程,在許多參與者都有自己原始副本的情況下,成功率非常低。
支援分散式帳本 資料安全有保障
進行某些活動需要不可撤銷的事件和交易驗證,區塊鏈能夠提供儲存這些資料的方法,並且以一種不需要中央安全資料庫的方式來儲存資料,然而傳統上卻必須仰仗這些。現代區塊鏈透過支援分散式帳本而不再需要單一的資料庫。
在須要採用分散式帳本的應用中,任何參與者都可以持有自己的相同副本,並且透過區塊鏈協定在幾分鐘內,甚至更短的時間接收更新。對於駭客來說,篡改現有記錄非常困難,因為有這麼多用戶擁有自己的副本,並且出於一致性考量,還可以檢查任何導入的更新。
目前,企業和政府都在探索區塊鏈和分散式帳本技術的潛在價值。例如,愛沙尼亞政府已經採用了一種分散式帳本,讓公民能夠檢查官方記錄,並確保即便是部門內的惡意員工也不能篡改這些記錄。
供應鏈的參與者須要驗證他們製造和發運產品的真實狀況,現在他們也開始採用區塊鏈和分散式帳本來確保交易記錄的安全。這些產品從咖啡豆等簡單商品一直涵蓋到鑽石等更珍貴的物品。
善用分散管理功能 運用資料更有效率
物聯網(IoT)和區塊鏈共用了一些關鍵特性,使它們互相彌補而成為能夠支援安全服務的技術。與分散式帳本一樣,物聯網的基本原則是分散管理,沒有單一故障點。網路上的每個裝置都會根據可用的資料做出即時決定,如果遇到故障,就會集中工作去解決。同樣,區塊鏈也避免了集中式資料庫所面對的問題,如果核心伺服器出現故障,整個系統將面臨風險。
區塊鏈和分散式帳本可以用來管理物聯網裝置,這個過程涵蓋裝置製造之初到被分解和零元件回收之時。例如,當工廠製造物聯網裝置時,可以在相關的分散式帳本中為其提供條目,購買者可以採用這個不變的記錄來驗證其擁有一個合法的裝置,並且在區塊鏈上有一個新條目,聲明對該裝置之所有權。在須要讓裝置終止服務時,區塊鏈將被更新以聲明該裝置不再採用。任何進一步採用該裝置的嘗試,包括可能的駭客試圖侵入系統,都可以對照區塊鏈進行檢查,然後將其與網路隔離。
採用分散式帳本,不須要仰仗單個供應商來維護可靠的資料庫。只要有與區塊鏈交互的系統,那麼就會有帳本的副本,使用者可以確保記錄是完整的。無須將交易僅限於啟動、購買和刪除,區塊鏈可以支援新的業務模式,例如出租服務,甚至是暫時移交裝置。
例如,在農業應用中有一種可以為同一地區的各式各樣農場主承擔任務的自動曳引機。當一個農場主付錢租用曳引機時,會行駛到其田地並一直工作到租期結束。隨著狀態的每一次變化,曳引機都會更新區塊鏈,以表示它做了什麼,為誰工作。在每個階段,曳引機都可能與雲端服務交互,與這些服務相關的區塊鏈上的條目確保對特定的農場主收取相關費用,於是能更加靈活地分配可用資源,並減少各個農場主的資本投入。
醫療物聯網
醫療物聯網是另一個可以利用區塊鏈技術之領域,尤其是近年來出現更複雜的醫療形式。比特幣需要所有參與者能夠看到所有交易的能力。資料是匿名的,有了足夠的外部資料,就可以分析比特幣區塊鏈上的支出模式,以識別個人以及他們是何時進行的交易。醫療保健立法要求保護隱私,須要避免採用完全開放的區塊鏈。於是就要使用授權區塊鏈。
使用者授權可分級
在授權區塊鏈上,有不同的訪問級別,只有授權使用者才能查看任何分類帳本資料。還有更多的許可權控制層面,可以在不影響區塊鏈抗篡改能力的情況下保護其各個部分。在這樣的區塊鏈中,只有具備正確憑證的醫生才能看到患者的詳細記錄,而保險公司就只能看到這些記錄的其中一部分。當一個物聯網裝置將心率和其他生物資料上傳到區塊鏈時,透過適當的金鑰對記錄進行簽名以鎖定每個項目。
比特幣應用區塊鏈 降低耗能成為關鍵
儘管區塊鏈概念顯示出在物聯網中的美好應用前景,但也需要一些相應的支援技術來進一步改進。對比特幣和其他網路貨幣的主要批評在於其能源的大量消耗,這是由於協定在不受信任的參與者進入信任網路時要確保信任,而參與者中許多可能是惡意的。
比特幣協定採用工作驗證以確保參與者相信儲存在區塊鏈中的更新。任何貨幣系統都具有一種可能,惡意使用者可以將虛假交易放入區塊鏈,並有效地盜取用戶的錢。比特幣仰仗於許多用戶之間的共識,能夠避免出現這種問題。只要這些用戶彼此獨立,他們就更有可能在真相基礎上集體達成共識,而不受欺騙。然而,此類網路中的一個漏洞是,如果用於處理更新的運算資源一半以上落入某個用戶之手,原則上,他們可以開始進行其他人無法阻止的虛假交易。這就是為什麼比特幣的工作驗證是一種運算密集型散列演算法,其運算水準也需要根據部署在比特幣網路上的運算能力定期調整。對於單個用戶,為了獲得對網路的控制權,他們須要部署大量的運算引擎,而回報卻非常有限。
用戶在完成更新任務時將獲得比特幣供應,這維護了獨立的比特幣「礦工」的利益,並有助於確保任何單一用戶都無法控制網路。如果一個用戶真的獲得了控制權,他們會得到大部分被挖掘的比特幣。但隨著參與者退出,區塊鏈本身將很快失去價值,他們對運算資源的投資將只有非常低的回報。因此,比特幣的架構設計是鼓勵廣泛的資源配置,反過來說,這些資源又提供可信賴。然而不幸的是,由於採礦界的競爭,工作驗證(Proof of Work)演算法也導致了很高的環境成本。
其他區塊鏈則不須要承受這種環境成本。區塊鏈技術效能的關鍵是在參與者之間達成共識。認識到這一點,就能夠開發新的技術,透過增加對更傳統認證形式的支援,避免了與工作驗證相關的運算成本。例如,權威驗證採用安全憑證讓參與者顯示具有訪問區塊鏈所需的級別。在這個系統中,有些使用者是驗證者(Validators)。他們取代了礦工,因為他們被批准能夠對區塊鏈進行更新。要成為驗證者,須要向一個根授權節點驗證他們的身份。這類系統與支援協定所涉及的身份驗證技術並無不同,如網路上的安全通訊端層(SSL)和傳輸層安全性(TLS)。然而,這樣的系統可能會受到駭客的攻擊,他們的攻擊目標是根授權節點或特定的驗證者。
透過隨意選擇參與者來進行更新,重要嘗試工作驗證(Proof of Stake Attempts Work)可以免除對已知驗證者的可能攻擊。為了降低惡意呼叫概率,只有在過去取得足夠數量的有效交易使用者才會有資格從中選擇。由於在區塊鏈中儲存有重要資料的使用者不希望其貢獻無效,因此系統能夠確保高級別的可信度。
區塊鏈高速發展 物聯網應用成熟
區塊鏈現在已是一種快速發展的技術,其普及的範圍也越來越廣,因此目前也正在開發其它的系統,以滿足不同的需求,提高彈性水準,並支援高的可信任度。有一組安全架構現在已經成熟,並可用於新型物聯網應用。這些成果將促進開發新的商業模式,並能夠使部署在與物聯網基礎設施中的智慧型裝置得到最好的利用。
(本作者任職於貿澤電子)
AI應用水漲船高 FPGA邊緣運算完美達陣
然而AI應用種類各異,各有千秋。不同的應用領域要求的AI技術也不盡相同。目前最受關注的應用類別當屬嵌入式視覺。這一領域的AI使用所謂的卷積神經網路(CNN),試圖類比人眼的運作方式。在本文中,將探討電腦視覺(Computer Vision)應用與其他許多相關概念。
網路終端AI的要求
AI涉及創造一個工作流程的訓練模型,然後該模型在某個應用中對現實世界的情況進行推理。因此,AI應用有兩個主要的階段:訓練和推理。
訓練是在開發過程中完成的,通常在雲端進行。推理作為一項持續進行的活動,則是透過部署的設備完成。因為推理涉及的運算問題相對複雜,目前大部分都是在雲端進行,但是做決策的時間通常都十分有限。向雲端傳輸資料然後等待雲端做出決策非常耗時,等到做出決策,可能為時已晚,而在終端做決策則能節省寶貴的幾秒鐘時間。
這種即時控制的需求適用於需要快速做出決策的諸多領域。例如人員偵測相關應用,包括:智慧家庭電器、智慧音訊/影視消費性電子產品、智慧門鈴、自動販賣機、安全攝影機、智慧門等。其他即時線上的應用包括:智慧音箱、零售店攝影機、無人機、收費站攝影機、機器視覺、汽車後裝市場攝影機等。
在快速決策需求的推動下,目前將推理過程從雲端轉移到「網路終端」的訴求非常強烈,即在設備上收集資料然後根據AI決策採取行動。這將解決雲端不可避免的延遲問題。在地化推理還有兩個好處:第一個就是隱私安全。資料從雲端來回傳輸以及儲存在雲端,容易被入侵和盜取。但如果資料從未到達設備以外的地方,出現問題的機率就小得多。
另一個好處與網路頻寬有關。將視訊傳送到雲端進行即時處理會占用大量的頻寬。而在地做決策則能省下這部分頻寬,並將其用於其他要求較高的任務。此外,這類設備通常都是使用電池供電,如果是電源直接供電,兩者都有散熱限制,而對設備的持續使用造成限制。而與雲端通訊的設備則需要管理自身功耗的散熱問題。AI模型演化速度極快。在訓練始末,模型的大小會有極大差異,並且在進入開發階段以前,可能無法有效估算所需運算平台的大小。此外,訓練過程發生的細微改變都會對整個模型造成重大影響,增加了變數,這些也使得網路終端設備硬體大小的估計變得極為困難。
在為特定設備優化模型的過程中,始終伴隨著權衡。這意味著模型在不同的設備中可能以不同的方式運行。最後,網路終端中的設備通常非常小,也限制了AI推理設備的大小。
由此總結出以下關於網路終端推理的幾點重點要求:
用於網路終端AI推理的引擎必須:
.功耗低
.靈活
.可擴展
.尺寸小
已有廠商開發出完全具備以上四個特徵的推理引擎。包含硬體平台、軟體IP、神經網路編譯器、開發模組和開發資源,能夠迅速開發理想中的設計。
推理引擎的選擇
將推理引擎構建到網路終端設備中涉及兩個方面:開發承載模型運行的硬體平台以及開發模型本身。理論上來說,模型可以在許多不同的架構上運行。但若要在網路終端,尤其是在即時線上的應用中運行模型,選擇就變少了,因為要考慮到之前提到的功耗、靈活性和擴充性等要求。
設計AI模型的最常見做法就是使用處理器,可能是GPU或者DSP,也有可能是微控制器。但是網路終端設備上的處理器可能就連實現簡單的模型也無法處理。這樣的設備可能只有低階的微控制器(MCU)。而使用較大的處理器可能會違反設備的功耗和成本要求,因此對於此類設備而言,AI似乎難以實現。
這正是低功耗FPGA發揮作用的地方。與強化處理器來處理演算法的方式不同,低功耗FPGA可以作為MCU的副處理器(圖1),處理MCU無法解決的複雜任務之餘,將功耗保持在要求範圍內。由於低功耗FPGA能夠進行DSP運算,並能提供低階MCU不具備的運算能力。
圖1 FPGA作為MCU的副處理器
ASICs和特定應用標準產品(ASSP)對於更為成熟、大批量銷售的AI模型而言,採用ASIC或ASSP或許是可行之道。但是由於工作負載較大,這些元件在即時線上應用中的功耗太大。在此情況下,低功耗FPGA可以充當副處理器(圖2),處理包括喚醒關鍵字的喚醒程序或粗略識別某些影片圖像(如識別與人形相似的物體),然後才喚醒ASIC或ASSP,識別更多語音或者確定影像中的目標確實是一個人(或甚至可以識別特定的人)。FPGA處理即時線上的部分,這部分的功耗至關重要。然而並非所有的FPGA都能勝任這一角色,因為絕大多數FPGA功耗仍然太高。
圖2 FPGA作為ASIC/ASSP的副處理器
低功耗FPGA可以作為單獨運行的、完整的AI引擎(圖3),FPGA中的DSP在這裡起了關鍵作用。即便網路終端設備沒有其他的運算資源,也可以在不超出功耗、成本或電路板尺寸預算的情況下添加AI功能。此外它們還擁有支援快速演進演算法所需的靈活性和可擴充性。
圖3 單獨使用FPGA的整合解決方案
低功耗FPGA構建推理引擎
設計AI推理模型的硬體需要不斷平衡所需資源數量與效能和功率要求,萊迪思的ECP5和UltraPlus產品系列能實現這類要求。ECP5系列有三種不同規格的元件,能夠運行一到八個推理引擎。其整合的的嵌入式記憶體從1Mb到3.7Mb不等。功耗最高僅為1W,尺寸也只有100mm2。相較之下,UltraPlus系列的功耗水準約為ECP5系列的千分之一,僅為1mW。占用的電路板面積為5.5mm2,包括最多八個乘法器和最多1Mb的嵌入式記憶體。
萊迪思還提供可在這些元件上運行的CNN IP以及可用於ECP5系列的CNN加速器(圖4),與可用於UltraPlus系列的輕量化CNN加速器(圖5)。
圖4 適用於ECP5系列的CNN加速器
圖5 適用於UltraPlus系列的輕量化CNN加速器
最後,還可以在開發模組(圖6)上運行並測試這些演示,兩個模組分別對應這兩種產品系列。Himax HM01B0 UPduino Shield採用了一片UltraPlus FPGA,尺寸為22×50mm2。嵌入式視覺開發套件採用了一片ECP5 FPGA,尺寸為80×80mm2。有了FPGA、軟IP和其他處理資料所需的硬體部分,就可以使用設計工具進行編譯,而生成位流,在每次上電後對目標設備中的FPGA進行配置。3
圖6 評估AI應用的開發模組
在FPGA上構建推理模型
創建推理模型與創建底層運行平台大不相同。它更抽象,涉及更多運算,且不涉及RTL設計。這一過程主要有兩個步驟:創建抽象模型,然後根據所選平台優化模型的實現。模型訓練在專門為此過程設計的框架(圖7)中進行。最流行的兩個框架是Caffe和TensorFlow,但不限於此。
圖7 可以對單個模型進行優化以適用於不同的設備
CNN由很多層構成—卷積層,還有池化層和全連接層,每一層都有由前一層的結果饋送的節點。每個結果都在每個節點處加權重,權重多少則由訓練過程決定。訓練框架輸出的權重通常是浮點數。這是權重最為精確的體現,然而大多數網路終端設備不具備浮點運算功能。這時需要針對特定平台對抽象模型進行優化,這項工作由神經網路編譯器負責。編譯器可以實現載入和查看從某個CNN框架下載的原始模型。可以運行效能分析,這對模型優化最關鍵的量化工作至關重要。
由於無法處理浮點數,因此需要將它們轉換為整數。對浮點數四捨五入也就意味著精度會降低。問題是,什麼樣的整數精度才能滿足想要的精度?通常使用的最高精度為16位元,但是權重和輸入可以表示為較小的整數。1位元的設計實際是在一位整數域中進行訓練以保持精度。顯然,更小的資料單元意味著效能更高、硬體尺寸更小以及功耗更低。但是,精度太低就無法準確地推斷視野中的物體。
神經網路編譯器能創建代表模型的指令流,然後可以類比或直接測試這些指令,而判斷在效能、功耗和精度之間是否達到了適度的平衡。測試的標準通常是看一組測試圖像(與訓練圖像不同)中正確處理的圖像百分比。通常可以透過優化模型來優化運行,包括去掉一些節點以減少資源消耗,然後重新訓練模型。這一設計環節可以微調精度,同時保證能在有限的資源下順利運行。
人臉辨識與人員偵測
在以下兩個不同的視覺案例中,將看到權衡是如何發揮作用的。第一個應用是人臉辨識;第二個是人員偵測。將指出不同FPGA之間存在的資源差異如何影響到相對應的應用效能和功耗。兩個示例的輸入都源自同一個攝影機,兩者都在相同的底層引擎架構中運行。在UltraPlus設計實例中(圖8),圖像的尺寸縮小後通過八個乘法器進行處理,利用了內部記億體並使用了LED指示燈。
圖8 UltraPlus平台用於人臉辨識和人員偵測應用
ECP5系列資源更多,提供了一個計算能力更強的平台(圖9)。攝影機捕捉的圖像在發送到CNN之前在圖像訊號處理器(ISP)中進行預處理。處理結果與原始圖像在標記引擎上比對,而將文本或注釋覆蓋在原始圖像上。並可以使用一系列圖表來衡量兩種應用的效能、功耗和占用面積情況。對於每個應用,兩組示例分別表示:一組輸入較少,一組輸入較多。圖10表示了人臉辨識應用的結果,兩組分別採用了32×32輸入和90×90輸入的情況。
圖9 ECP5平台用於人臉辨識和人員偵測應用
圖10 在UltraPlus和ECP5 FPGA上實現簡單和複雜的人臉辨識應用時的效能、功耗和占用面積。
左側的軸代表處理一張圖片需要的週期數量以及這些週期的分配情況。右側的軸代表在各元件(黑線)上實現的每秒幀數(fps)。最後,每種情況下還標注了功耗和占用面積。左側的32×32輸入示例中,最下方部分代表卷積層上運行的週期。在四個示例中,UltraPlus的乘法器數量最少;其他三片ECP5 FPGA的乘法器數量依次遞增。隨著乘法器數量的增加,卷積層所需的週期數減少。
90×90輸入的示例位於右側,得到的結果完全不同。在每個直條圖的底部有大面積的區域。這是由於設計更為複雜,使用了除元件內部儲存空間以外的更多記憶體。由於需要占用外部DRAM,效能就有所損失。需要注意的是,這種設計無法使用較小的UltraPlus元件。人員偵測應用的情況類似。兩組分別採用了64×64輸入和128×128輸入的情況(圖11)。
圖11 在UltraPlus和ECP5 FPGA上實現簡單和複雜的人員偵測應用時的效能、功耗和占用面積
同樣,較多的乘法器會減少卷積層的負擔,而依賴DRAM則會影響效能。表1總結了各類情形下的效能。它包括了對圖像中最小可識別物件或特徵的度量,用視野範圍的百分比表示。在這裡使用更多輸入能夠為較小的目標提供更多解析度。
低功耗FPGA可實現要求低功耗、具有靈活性和可擴充性的網路終端AI推理設計。並提供成功部署AI演算法所需的關鍵要素,包括:神經網路編譯器、神經引擎軟IP、Diamond設計軟體、開發板與參考設計等。
簡化聯接至關重要 Sigfox突破IoT應用技術障礙
在工業和消費應用中,感知、處理、驅動和聯接這些關鍵模組對於IoT的設計至關重要。如果為每個模組提供模組化的、隨插即用的方案,可以顯著地加快和簡化新的設計,用於如智慧家庭/智慧建築、健康和資產追蹤等應用,不一而足。模組化的方案包括制式的開發工具,並在必要時預先通過任何相關國際監管標準和協議要求的認證尤為重要。
Sigfox幫助聯接 挑戰IoT普及
聯接是最具挑戰性的領域之一,視每一應用的特定性質而定,許多協議或多或少都是相關的。Sigfox具備內建基礎設施(Built-in Infrastructure)和遠端聯接(Long-range Connectivity),已成為最有用的協定之一。然而,對於許多潛在的IoT方案設計人員,Sigfox是個新的技術領域,因此,易於採用是IoT普及的關鍵。
共有超過310億的設備聯接到IoT。這些設備為世界各地的消費者和商業用戶帶來了巨大的變化。在家裡,自動照明控制節省能源和提供安全,而遠端門鈴支援用戶從地球上的任何地方「回家」。
在企業中,可以監控工廠或其他設施的每一個細節;這些資料將前所未有地提高營運效率。經營偏遠地區設備的企業可以從舒適的辦公室監控工作,進而減少定期視察的費用。隨著資料分析、即時監控、預測維護和其他高價值主張的加強,正在實現IoT的總體效益。
尺寸精巧度再提升
然而,要使這些IoT設備具有如此方便和利於攜帶的特性,如它們的小尺寸、互聯功能和遠端運用能力,也給設計人員帶來了巨大的挑戰。
雖然這些設備物理尺寸小,能部署在有限的空間裡,但是IoT節點需要包含大量的功能。通常,這將用於管理系統和處理資料的微控制器(MCU)、各種類型的感測器(取決於要測量或監測什麼)以及加密技術,以確保安全儲存和傳輸任何敏感性資料。電源也是必需的,雖然許多IoT設備都部署在家庭、辦公室或工廠,通常有電源可供運用,但為了方便,許多設備使用電池供電。當然,在沒有電源的偏遠地區使用的所有IoT設備都是以電池供電的。
電池有尺寸上的限制以及可用的電量有限,意味著設計人員為了確保沒有浪費一點寶貴的電量,在選擇和運用小的、超低功耗元件、開發精密的電源管理演算法的時候,將有許多重大的挑戰要克服。
節點聯接IoT 通訊介面至關重要
IoT設備的另一個挑戰是提供通訊介面,這對於聯接節點到IoT至關重要。這是個相對專業的領域,設計人員面臨的關鍵挑戰是從現有的巨大範圍中選擇最合適的協議。其中一些協議是非常專門的,適用於非常特定的應用,而另一些協議,如藍牙和Wi-Fi,則被廣泛運用,但僅適用於短程應用。
直到最近,蜂巢式行動科技(Cellular Technology)仍是其他短程無線技術(如藍牙)所無法達到的聯接節點的唯一可用方法。然而,蜂巢式行動科技專用於語音和高資料傳輸速率通訊(High Data Rate Communications),這使得它相對耗電,因而不適合IoT所需和依賴的簡單機器對機器(Machine-to-Machine, M2M)通訊。
Sigfox具低功耗/遠距離/低資料傳輸速率
Sigfox是一種蜂巢式移動系統(Cellular-style System),它為遠端聯接的設備,特別是IoT節點提供低功耗、遠距離、低資料傳輸速率和低成本的通訊。針對簡單的M2M通訊,Sigfox網路能夠支援的聯接遠大於簡單的低功率發射器能夠獨立達到的距離。該網路採用超窄帶(Ultra-Narrow Band, UNB)技術,支援低發射功率同時保持穩固的聯接。
igfox可說是適用於任何IoT應用,它幾乎沒有什麼限制,使應用不須要每天發送超過140個12位元組的消息,並且可以接受每秒100位的無線傳輸量,因此Sigfox提供一個可靠、低功耗、低成本的聯接方案。
然而,與藍牙等無所不在的通訊協議不同,與Sigfox相關的技術專業知識被認為是相對小眾的。這對設計工程師設計和實踐一個成功的、基於Sigfox的通訊介面構成了一條陡峭的學習曲線,對尋求解決遠端IoT市場的公司造成了一道技術門檻。
模組化Sigfox方案 消除技術設計障礙
安森美半導體積極投入該領域,最近推出了可程式設計的Sigfox RF收發器系統級封裝(System in Package, SiP),整合先進的RF系統單晶片(System-on-Chip, SoC)與所有必需的外部元件(包括一個TCXO),進而使簡化和縮短設計認證流程成為可能。
AX-SIP-SFEU SiP提供開箱即用的、設備到雲端的Sigfox聯接,包括使用Sigfox LPWAN通訊的遠端IoT應用上行和下行鏈路。該SiP把一個Sigfox無線電IC、分離式的RF匹配元件、所需的所有被動元件及韌體整合在單個封裝中。由於該方案已預先通過CE認證,並經Sigfox認證,採用安森美半導體的技術解決方案,設計人員有把握實現一個高品質、全整合的完整方案。
該微型的7mm×9mm×1mm、統一塗層保護膜封裝,確保AX-SIP-SFEU可部署在空間受限的遠端IoT應用中。該元件其實是世界上最緊湊的、Sigfox認證的方案,確保設計人員能夠克服設計遠端IoT節點所面臨的物理空間挑戰。微型尺寸特別適用於可穿戴裝置、資產追蹤標籤或任何需要小Sigfox方案的應用。
使用AX-SIP-SFEU還能顯著減少電源相關的問題,因為超低功耗設計結合了待機、睡眠和深度睡眠模式,以便在不須要傳輸時省電。這些模式分別只需0.55毫安培、1.2微安和180奈安的電流,使該元件可由鈕扣電池(CR2032)供電。或者,可以使用能量採集技術,無需任何電池、管理或更換。
任何無線電設計中(尤其是第一次設計時)最令人刮目相看的一面,就是獲得認證。AX-SIP-SFEU SIP經Sigfox認證用於RC1區域網路,表示它已通過認證,符合標準的RF和協定規範,進而確保了互通性。此外,該元件已獲CE認證,證明其符合歐洲經濟區內銷售產品的衛生、安全和環保標準。
雖然IoT提供了許多好處及機會,但節點小而且複雜的性質給設計工程師帶來了巨大的挑戰。他們不僅必須滿足物理尺寸限制和處理低功耗的要求,還必須確保設計中所含的RF通訊符合國際標準,這增加了設計流程的時間、成本和風險。尤為重要的是,對於要遠距離無線聯接的遠端設備,需要比蜂巢式移動網路更具性價比的方案。
透過運用預先認證的、超微型、超低功耗模組如安森美半導體的AX-SIP-SFEU,設計人員現在能夠設計IoT節點,有把握能輕易和幾乎零風險地實施預認證的RF通訊系統,進而消除IoT設計的一個重大技術障礙。
(本文作者為安森美半導體無線互聯方案經理)
貿澤供應PSoC 6 BLE原型設計套件
貿澤電子(Mouser)開始供應Cypress Semiconductor的PSoC 6 BLE原型設計套件。此相容於模擬電路板的低成本套件可輕鬆存取最多36個通用型輸入及輸出 (GPIO),其提供的統包解決方案能將Bluetooth低功耗(LE) 5.0連線加入至包括智慧家庭產品、穿戴式裝置、白色家電和工業物聯網裝置等物聯網(IoT)應用中。
貿澤電子供應的Cypress PSoC 6 BLE原型設計套件內含經過完整認證的CYBLE-416045-02 EZ-BLE Creator模組,此模組搭載低功耗且高效能的PSoC 63微控制器,具備1 MB應用快閃記憶體、32 KB EEPROM區域和32 KB加密快閃記憶體,同時還加入免授權且相容於藍牙5.0的藍牙LE堆疊。
PSoC 6 BLE原型設計套件能夠輕鬆存取36個GPIO,以及模組所提供的可程式數位與類比周邊裝置。套件亦包含電流感測跳線、一個按鈕和兩個LED。PSoC 6 BLE原型設計套件具備KitProg2內建程式設計工具和除錯工具,採用穿孔快拆式設計,允許工程師將模組與目標板分開使用。電路板同時含有MikroElektronika mikroBUS介面,可搭配MikroElektronika Click Board使用,不需額外的硬體組態便能擴充功能。
Arm與Vodafone達成協議合力簡化物聯網部署
Arm宣布與Vodafone一項策略合作,協助企業大幅降低建置物聯網解決方案的複雜度及成本。延續雙方先前在iSIM(integrated SIM)技術的合作,這項合作將促成Vodafone與Arm的物聯網軟體以及網路服務,能為企業提供可編程的連網系統單晶片設計,不必再使用傳統SIM卡。這讓客戶得以於全球各地市場進行安全部署、遠端配置(remotely provision)、以及管理數量龐大的物聯網裝置,成本與複雜度也會大幅降低。
物聯網服務事業群總裁Dipesh Patel表示,市場碎片化(Fragmentation)、安全、以及成本等因素限制了物聯網的發展,而一個強大的合作夥伴生態系統是克服這些挑戰的關鍵。這項合作將讓全球企業大幅降低成本以及安全連結數量龐大的物聯網裝置之複雜度,運用Pelion物聯網平台,快速從其IoT資料中發掘實際價值以及可作為行動依據的情資。
Vodafone公司物聯網部門總監Stefano Gastaut表示,現今的企業在快速變遷的數位世界中營運,而物聯網將讓企業能以不同的模式推動業務並達到績效。透過與Arm合作,消弭包括成本與複雜度在內的障礙,促成各界採納物聯網。
Arm與Vodafone之間的策略合作整合了Arm Kigen iSIM解決方案與Pelion物聯網平台服務,以及Vodafone的全球物聯網連接方案。這將讓裝置除了能運用窄頻物聯網(Narrow Band-IoT, NB-IoT)以及Long Term Evolution for Machines (LTE-M)技術,為各種裝置進行遠端配置(remote provisioning),還能為全球各地服務供應商以及應用,提供安全無虞、開放、標準化的部署途徑。Kigen iSIM能讓任何業者在全球各地部署物聯網裝置,這意謂只須開發與生產出一款物聯網產品,即可出貨至世界各地並進行連接。Vodafone的全球物聯網網路讓企業組織能透過Vodafone物聯網平台或Pelion物聯網平台,將物聯網裝置連至全球各地網路,並達到業界最高的覆蓋率。
Arm與Vodafone在NB-IoT以及LTE-M技術的領先優勢將釋放物聯網的潛能,大幅拓展連網物品的種類,藉以發掘商業與社會層面的價值。舉例來說,運用連網裝置上感測器的資料,提高農牧業產量與減少化學品與水資源使用量,協助克服餵養地球持續增長人口的難題。而這也將協助各界更有效率地管理水、石油與電力等稀缺資源,進而減少碳排。
CEVA-Dragonfly NB2晶片已通過首次測試
CEVA宣佈CEVA-Dragonfly NB2晶片已經在沃達豐位於德國杜塞道夫的物聯網未來實驗室中成功通過了首次測試試驗。利用沃達豐開放式實驗室設施所提供的真實Narrowband-IoT技術端至端即時環境,CEVA實現了Vodafone NB-IoT網路連接,並憑藉運行3GPP NB-IoT Rel.14合規軟體堆疊的CEVA-Dragonfly NB2測試晶片展示了端至端IP連接。
CEVA副總裁兼無線業務部門總經理Michael Boukaya表示,這一重要的里程碑是CEVA長期致力於大規模NB-IoT市場革新的又一項重大成就,為新的IC廠商提供了具有快速上市、低風險、低物料清單(BOM)成本,並且通過一級行動營運商預先認證的IP解決方案。
CEVA-Dragonfly NB2 IP解決方案是一項模組化技術,由CEVA-X1物聯網處理器、最佳化的RF收發器、基帶和協定堆疊組成,可提供完整的Release 14 Cat-NB2數據機IP解決方案,大幅縮短了產品上市時間並降低進入壁壘。這是一款完全軟體可配置的解決方案,可以利用多衛星GNSS和感測器融合功能進行擴展。這款IP包括完整數據機設計的參考晶片、帶有嵌入式CMOS RF收發器和PA、高級數位前端、實體層韌體和協定堆疊(MAC、RLC、PDCP、RRC和NAS)。
u-blox攜手SolidRun合作開發新款IoT連網產品系列
定位與無線通訊技術廠商u-blox和嵌入式系統與網路解決方案廠商SolidRun 共同宣佈,雙方針對一系列的新款IoT連網產品展開合作,包括室內和室外用的統包式IoT邊緣閘道器(Edge Gateways)、單板電腦(Single-Board Computers, SBCs)和系統模組(System-on-Modules, SOMs)。
這些新產品都內建了u-blox NINA獨立式單、雙或多重無線電模組,能以精巧、低功耗和完全通過認證的特性提供IoT應用所需的網路連接性。在2019嵌入式全球大會(Embedded World 2019)期間,SolidRun正式推出最新產品,SolidSense N6邊緣閘道器,這是一款企業級的IoT M2M閘道器,專為管理IoT終端的區域網路所設計。N6邊緣閘道器採用全封閉的無風扇設計,不論是室內或室外安裝均適用,由於這個特性,使得在遍佈智慧感測器和致動器的分散式網路中導入網際網路連接性變得更為簡易。
SolidRun的閘道器和單板電腦配備Wi-Fi和Bluetooth個人區域網路、Wirepas Mesh、蜂巢式連接性,以及USB和10/100/1000有線乙太網路介面。此外,還內建了單、雙或四核心配置(取決於應用需求)的恩智浦(NXP) i.MX6 ARM Cortex-A9處理器,並整合高達2GB的DDR3記憶體。
SolidRun執行長Atai Ziv博士表示,SolidRun的新款N6邊緣閘道器是一款能滿足IoT連接性的完整統包式解決方案。SolidRun決定與u-blox合作是因為NINA系列短距離無線電模組可完全滿足目標市場的需求,並能為目標應用提供所需的靈活性和易整合性。這些模組都已預先通過認證,不僅協助SolidRun縮短產品開發週期,對於在開發時程以及在預算內把新產品推向市場,更是大有助益。
感測器結合聯網技術 智慧建築更舒適/安全
物聯網(IoT)為我們帶來了更舒適,更方便,更安全的生活。適應我們需求的設備,電器甚至建築物的生活。目前,物聯網技術主要在消費市場取得進展,人們的智慧手機可作為用戶友好介面,用於智慧照明,家庭監控,智慧CO2/煙霧探測器,智慧加熱和通風,語音指揮助理等服務。
不過,物聯網的潛力遠遠超出了這些聰明的家用設備;隨著技術的成熟,人們開闢了無數新的可能性。除了嘗試以智慧家居為重點,以及打造以消費者為中心的物聯網應用之外,另一個更重要的步驟是創建更智慧的辦公樓,即不僅提供最高舒適度,而且提供最佳效能和安全性的建築。
使用物聯網技術監測建築物的使用方式,可以根據我們的確切需求設計辦公室,當房間裡沒有人時,直接自動停止空調運作及會議室使用。透過最新技術的物聯網感測器和雷達,建築物將能夠分辨出房間中有多少人,他們在哪里以及他們喜歡什麼樣的(工作)環境(溫度、照明等)。由於建築物占城市電力消耗的40%,安裝物聯網能力將有助於實現全球電力減少目標。
因此,多感測器環境監測平台相繼問世,結合了溫度、相對濕度、NO2、CO2、揮發性有機化合物(VOC)、顆粒物質、環境光、聲音、振動和存在檢測等感測器,適用於室內和室外空氣質量監測和控制,可用於智慧建築、智慧城市等。
實現智慧建築方案 硬軟結合勢在必行
因應上述趨勢,如今已能使用價格可負擔的技術,來檢測人們在房間中的情況,而不只是人們的確切數量,活動或確切位置。過去,感測器業者展示了基於雷達的各種人體運動分類,以及遠距呼吸和心跳檢測,這些監測仍然需要穿戴式設備,但未來雷達的技術可以從不同空間,並在距離數公尺處執行這些測量。
同時,該技術可以準確分析存在、移動和生命徵象,同時與當前搭配鏡頭配件的解決方案不同,更能保護個人隱私。然而,為了實現智慧建築,還需要更好的硬體來收集準確的數據,以及需要正確的演算法將數據轉化為知識。
如此便須要仰賴半導體業者或研究單位的內部專業知識,以做到上述兩點,進而支持整個智慧建築解決方案流程,例如從創建最佳感測器和雷達設計到開發最佳算法;同時還可在真實應用程序中使用真實的工件來證明設備功能。像是比利時微電子中心(imec),其解決方案便結合了硬體和軟體功能,並在其HomeLab和OfficeLab等現實環境中進行測試,以在物聯網領域取得成功。
智慧建築技術可延伸至其他領域
事實上,用來實現未來智慧建築的大部分技術,在其他領域也很有用,以支持物聯網創新。例如因應5G通訊,半導體廠商開發了一些基本構建模組,包括類比數位轉換器(ADC)、可重配置的低噪聲頻率合成器、毫米波相控陣收發器,以及天線模組等。
此外,感測器供應商還開發用於在79GHz運行的自動駕駛汽車的雷達,例如適用於人和碰撞檢測。以imec為例,該單位旗下雷達提供的角分辨率增加10倍,而大批量生產的功耗卻降低了一半;imec還開發了新的物聯網通訊標準的知識產權,如NB-IoT和Cat-M1,支持廣域蜂窩物聯網;且對於短距離物聯網解決方案,其中許多無線電IC廣泛可用,該公司進一步將藍牙IC的面積以及成本減少了3倍,同時使用最小和最低成本的電池。
這個領域與其他imec研究的區別在於,物聯網項目具有極高的技術就緒指數(TRL)。例如,該公司的液體離子感測器目前作為開發套件進行採樣,以引導客戶,同時將製造知識轉移給工業合作夥伴。這種液體離子感測器特別有趣,因為它提供了許多不同的可能性。它可以同時檢測液體中的多種離子,使用壽命超過6個月。該感測器可用於許多不同領域,從監測水質到啤酒發酵過程的微調。總而言之。因應物聯網發展,這種以應用為導向的創新,成為半導體業者未來的主要發展方向。
智慧感測晶片三項新發展
未來環境將緩慢但漸進式地演變為「物聯網」,其中晶片和感測器無形地整合在環境中以承擔其多種任務。想像一下感測器可以檢測到個體的存在並相應地調整建築物中的光線,而節省大量能源;從某種意義上說,這些感測器將如同我們環境中的眼睛,耳朵和鼻子。
無處不在的感測器將在許多領域中脫穎而出。當然還有智慧建築、自動駕駛汽車、自動化工業和物流過程。感測器將有助於解決環境問題,如果能夠以細粒度的方式連續測量空氣和水的質量,並且可以集中收集數據,則可以採取更好的指導措施,並立即測量結果。
另外在醫療保健領域,也有很多機會。想像一下簡單的工具,如加權秤,血壓監測器,以及將數據安全地發送到雲端的心臟和活動監視器。在那裡,可以分析數據並成為指導患者過上更健康生活的新服務基礎;這種類型的連接醫療保健已經小規模應用於高風險患者,但隨著技術變得更加智慧和便宜,它可以提供更多服務。綜上所述,為實現更加智慧及萬物聯網的環境,感測器將會有三項發展趨勢。
感測器融合以獲得精細數據
首先一種可能性是感測器融合。運用許多不同的感測器測量相同的物理參數,例如人的心跳可用電、光學甚至聲學監測。透過組合感測器的結果並解釋結果,可以獲得穩健可靠的結果,還可以添加上下文感知。像是打造一個可「感覺」人已經開始睡覺的感測器,將這個結果傳達給第二個感測器,該感測器的任務是監視休息時的心臟;因此,一個感測器標誌著另一個感測器開始工作的理想時刻。
在ISSCC,Holst Center/imec的研究員Mario Konijnenburg提出了一些非凡的成果。他與同事開發了一種能夠同時測量多個身體參數的晶片,包含心電圖(ECG)、生物阻抗(BIO-Z,身體的電導率,揭示身體組織的成分)、電流皮膚反應(GSR,由於例如壓力引起的皮膚電性質的變化)和光電容積描記圖(PPG,由於光吸收變化導致的組織中血液循環的變化)。因為這些數據是在一個晶片上收集的,所以完全可以同步它們並尋找相關性。測量組合允許例如推斷心跳和心率變異的可靠方法,並且(相對)血壓可以通過解釋ECG和PPG測量來推斷。
晶片開始具備現場運算能力
來自感測器晶片的數據被無線發送到雲端(例如通過智慧手機或筆記型電腦)。在雲端中,數據被處理和分析。目前,無線鏈路使用感測器消耗80%的能量。因此,如果感測器必需更節能,應該發送更少的數據。這可以透過部分在地感測器上處理和解釋數據來完成,僅將結果發送到雲端。當然,晶片上的處理也會消耗能量,因此研究人員的部分任務是在晶片上處理和向雲端發送數據之間找到最佳平衡點。
同時,若是感測器必須進行更多的現場處理,則需要一個或多個額外的處理核心。先進晶片技術非常適合在非常小的晶片上整合更強大的處理能力。然而,要實現此一目標,需要為感測器增加模擬介面,但目前這些模擬介面並不能很好地擴展到最新的技術節點。
為此,imec研究員Rachit Mohan描述了一種用40nm CMOS製造的感測器讀出晶片。新晶片採用基於時間的技術,而不是傳統的基於電壓或功率的技術。這種基於時間的電路可以在較低的電源電壓下操作;此外,放大器鏈中向數位域的轉換要快得多,並且可以數位化進行濾波,這使得該技術在深度擴展的技術中實現具有吸引力,該技術還允許實現更強大的數據處理。
具自適應和壓縮採樣 感測晶片僅在需要時進行監控
另一種透過感測器的無線鏈路節省能量,並儘可能少地發送數據的技術是自適應和壓縮採樣。利用這種技術,訊號不會以固定的時間間隔進行測量和發送,而是根據被監測訊號的特性進行測量。
例如心電圖心臟監測,在ECG峰值時刻,要測量的訊息比峰值之間的間隔期間要多得多;結果,感測器可以在峰值期間以較短間隔對心臟訊號進行採樣,並且在其間以較長間隔對心臟訊號進行採樣。總而言之,將有一個可靠的ECG監測,測量點更少,發送的數據更少。
在ISSCC,imec研究員Pamela Venkata Rajesh展示了基於LED光和使用壓縮採樣的光電容積描記圖測量(PPG)的讀出晶片。PPG結果可以推斷心跳和心率變異性,它們是ECG監測的不錯選擇,因為其不需要在患者胸部使用電極。缺點是,感測器的LED燈照射在皮膚上需要額外的能量,這是小感測器晶片能量預算的嚴重消耗。因此,重要的是可以使用壓縮採樣進行測量,測量較少但更智慧的數據點。
物聯網技術前景佳 2030年布建成本將顯著降低
物聯網技術具有很大的前景,這一領域的研究正以驚人的速度發展。到2030年,智慧物聯網節點的成本可能會降至0.5美元以下。新的感測器將充斥市場,並將監控我們生活的各方面,從而產生大量新的應用和服務。
總結來說,透過感測器和聯網技術,建築物產生更多有用的數據,進而使半導體、系統整合業者可創建滿足各種需求的高度客製化空間。我們無法預測物聯網革命將改變哪個領域,但很難想像任何領域都不會受到影響。對於感測器供應業者而言,將會處於創新的最前線,而最初的重點是透過相關和領先的創新擴展智慧建築、智慧物聯網等戰略。
智慧建築節能需求增 IoT解決方案齊出
在當今「綠能環保」的趨勢下,打造能夠節約能源的智慧建築(不論是商業大樓、工廠或住宅),將是確保節能結構的必要先決條件。對於商業建築而言,使其智慧化十分重要,因為節能建築可降低能源成本,並為工作人員提供高效的工作環境。
然而,為了達到此目的,這些建築物需要各式的基礎設施,以確保有效操作如加熱/冷卻系統、照明控制、空調控制等;這一切將仰賴物聯網(IoT)技術,如透過無線通訊技術或感測器作為監測和控制環境的方式,而半導體業者也趁勢推出相關解決方案。
能源管理入門要素 智慧照明不可或缺
英飛凌(Infineon)電源管理及多元電子事業處資深行銷經理張文貴(圖1)表示,燈光系統可說是人們進入到智慧建築後感受到的第一個環節,其耗電量也和空調系統並列為占建築物總耗能量的最大比重。因此智慧照明在提供舒適性和節能等照明管理上有相當大的發揮空間。
圖1 英飛凌電源管理及多元電子事業處資深行銷經理張文貴表示,照明控制是智慧建築基本要素,也是節能設計的重要關鍵。
除了透過將照明裝置互聯,讓智慧照明提供遠端控制、診斷等照明管理功能外,新的趨勢是照明裝置將整合更多元的感測器,提供更多關於使用者體驗、安全監控的創新功能。例如在會議室的照明裝置中整合CO2感測器,用以偵測室內空氣品質及人數多寡,進而自動控制空調強弱、溫度、乃至於燈光強弱、色溫等,可大幅提升智慧建築的使用者體驗。
如上述,為滿足更多照明管理、使用者體驗與安全監控的需求,照明系統將整合更多的感測器,同時,透過感測融合(Sensor Fusion)多元感測器的搭配使用以提升偵測及事件判斷的準確度,也將推升智慧照明對於整合型感測器的需求。
照明裝置的尺寸空間不變,卻要整合更多感測器,對於其他元件的小型化需求也將日益升高。以往OEM業者多採用離散式電源管理IC,現今則轉為採用特定功能IC。為此,英飛凌也提供三合一調光IC「CDM10VD」,不僅省下10~20%空間,相較於DPAK或D2PAK封裝,採用SOT223封裝的MOSFET亦可縮小30~40%的電路板面積。
英飛凌電源管理及多元化市場(大中華區)人機互動市場部高級經理廖明頌則說明,在過往,照明裝置僅止於提供照明的功能,之後再加入一些感測元件也是圍繞著「照明管理」的主題,例如提供調光、監控光源是否閃爍,增加護眼功能,或是照明的節能控制等。這樣的傳統照明發展已達瓶頸,需要更多的突破性應用。
總而言之,照明是建築內最普遍建置,密度也最高的裝置之一。在過去,照明裝置的商業模式比較偏向銀貨兩訖的買賣方式。未來透過搭載各種感測器收集到大數據,並利用數據提供更多創新的加值服務,照明裝置將成為智慧建築的重要推動力。
同時,在照明控制應用中,不論在技術和材料方面都已取得相當進展,但該如何在高效和成本上取得平衡,將是落實智慧照明應用的最大挑戰。像是複合半導體材料如氮化鎵(GaN)能帶來更佳的電源效率與功率密度,同時縮小設計體積,雖然目前成本仍相對較高,就長遠來看,亦有機會應用於智慧照明,打造更高效的照明控制系統。而在進出人流變化大的建築,例如商場等,則可望藉由智慧人流監控、室內導航、商品優惠訊息推播等服務,以創新功能開創新的商業收益模式,刺激智慧照明需求的成長。
智慧能源管理走入尋常百姓家
構建能夠節約能源的智慧建築已成大勢所趨,不僅商辦大樓、工廠紛紛朝此一方向發展,包含家庭住宅也開始布建智慧能源管理架構,期能達到「淨零耗能住宅(Net Zero Energy House, ZEH)」之目標。
淨零耗能住宅意味著透過提高建築物與設備之節能性,減少空調、照明、換氣、熱水供應等能源消耗量;所謂零耗能並非完全不耗能,而是希望能源可自給自足,而要實現淨零耗能住宅,重點在於隔熱、省能源、創造能源三大要素。
目前各國政府正致力實現此一願景。像是日本政府於2016年公布的「地球溫暖化對策計畫」中,揭示住宅部門的減量目標。希望住宅的能源消耗於2030年度要較2013年度減量約40%,達成此目標的主要對策之一便是推動節能低碳住宅,目標2020年時,新建獨棟住宅有50%以上為淨零耗能住宅。
英國政府則是自2010年起開始推動新建住宅零耗能政策,預計於2016年使所有的新建住宅達到零耗能目標,而住宅以外的建築也要在2019年之前實現零耗能。而美國根據則歐巴馬內閣於2011年提出的「優越建築挑戰計畫(Better Buildings Challenges)」,訂出2040年50%商業建築須達到零耗能,並於2050年前全面達到零耗能的目標。
無線通訊技術扮能源管理要角
然而,要實現智慧住宅能源管理,首要的一步便是運用聯網技術,將安裝在建築物各處的感測器所收集的資訊傳輸至管理系統,再進一步的進行數據分析;也因此,無線通訊技術也是智慧建築不可或缺的關鍵要素之一。
羅姆(ROHM)半導體營業部課長李師誠(圖2)表示,無線通訊技術可說是百家爭鳴,有Zigbee、Wi-SUN、Wi-Fi、NB-IoT和藍牙(Bluetooth)等,而該公司目前主要以Wi-SUN作為主要技術布局智慧住宅能源管理市場。
圖2 羅姆(ROHM)半導體營業部課長李師誠指出,Wi-SUN在日本政府的推動下可望加速普及,而羅姆也致力研發新一代價格更低的模組。
李師誠進一步說明,Wi-SUN是由日本政府規範的Sub-GHz通訊協定,頻段介於922~928GHz,該通訊協定的最大優勢在於傳輸距離遠,若在空曠地區傳輸距離可達一公里之遠;另一方面,Wi-SUN也相當省電,因而相關產品的使用壽命也會較長久,可減少營運、維護成本。
據悉,目前日本政府已將Wi-SUN納入國家智慧電網布建計畫之中。在2017年底,已建置3,000萬台導入Wi-SUN通訊模組的智慧電表,並計畫在2024年換裝完成8,000萬台智慧電表。對此,李師誠認為,除了Wi-SUN本身所具備的優勢之外,日本政府的推動也有助於加速Wi-SUN的普及,Wi-SUN市場未來勢將持續成長。
看好Wi-SUN發展前景,羅姆也致力推出相關解決方案,像是表面安裝小型Wi-SUN模組「BP35C0」,該產品搭配920MHz頻帶無線通訊功能(RF)、微控制器、內建Wi-SUN用最佳大容量記憶體的LAPIS Semiconductor製無線通訊LSI「ML7416N」,可對應Wi-SUN Profile的B路徑和HAN,適合使用於HEMS控制器或各種家電。
李師誠說明,相較於Wi-Fi、NB-IoT、藍牙等,目前Wi-SUN的產品成本較高,這是較為弱勢的地方。不過,隨著日本政府大力推動Wi-SUN技術,並將其導入智慧電表應用,相信未來市場將會加速普及,其價格也會明顯下降。同時,羅姆目前也規畫在2019年推出新一代Wi-SUN模組,而模組中搭載自行研發的微控制器(MCU)和射頻(RF)元件,如此一來價格便可再進一步的調降,期能藉此提高市場接受度。
Silicon Labs Z-Wave IoT產品行銷經理Johan Pedersen則指出,閘道器和雲端數量將持續是智慧住宅的支柱,為此,該公司近期也收購Z-Wave技術。該技術包括可互操作智慧產品生態體系,且可與該公司旗下智慧型無線硬體和軟體產品結合。該產品組合包括Wi-Fi、Zigbee、Thread、藍牙、專有協議以及目前的Z-Wave,使客戶能針對各種不同類別的領域開發智慧家庭產品,應用產品包含集線器和閘道器、感測器、門鎖、智慧照明、恆溫器、警報器、牆壁插座、安全面板等。
然而,除了無線通訊技術之外,感測器也是實現智慧住宅的關鍵元件之一。Pedersen說明,具有機器學習能力的強大IoT「物件(Things)」將承擔更多的數據和分析任務。透過AI支援,這些新感測器將為零散的數據點提供解譯,而使情境感知更具意義。
因應能源管理需求 電源IC效能更精進
智慧建築整合通常將連結HVAC、照明和電表系統,然而,要能最佳化供電效率、減輕熱應力,最重要的是使雜訊和布線與元件間的交互作用達到最小。為了達到這些目的,設計者對於切換開關電源內電流傳導路徑和訊號流動的了解便顯得相當關鍵。
ADI電源產品總監Tony Armstrong(圖3)指出,一個切換開關電源供應電路可被切分成功率級電路和小訊號控制電路,功率級電路包含傳導高電流的元件,一般而言,這些元件應該先被擺入,接著才將小訊號控制電路放入布局中特定位置。大電流布線應短且寬,以最小化PCB電感、電阻和電壓降,此對於流通高di/dt脈衝電流的導線特別關鍵。
圖3 ADI電源產品總監Tony Armstrong透露,設計者需對切換開關電源內電流傳導路徑和訊號流動十分了解,才能降低雜訊和布線與元件間的交互作用,進而最佳化供電效率、減輕熱應力。
舉例而言,在一個無使用外部散熱片的表面黏著功率MOSFET和電感的設計中,必須具有足夠的銅箔面積來進行散熱,對於DC電壓節點,如輸入/輸出電壓和電源地,則最好是能將銅箔面積鋪設的盡可能的大,多重灌孔有助於進一步降低熱應力。對於高dv/dt開關節點,開關節點合適銅箔面積的設計必須在最小化dv/dt相關雜訊和MOSFET良好散熱之間有所取捨。
Armstrong進一步說明,長期以來,線性穩壓器一直得到業界的廣泛採用。在切換開關模式電源於1960年代後成為主流之前,線性穩壓器曾經是電源業界的基礎;即使在今天,線性穩壓器仍然在眾多的應用中廣為使用。
除了簡單易用之外,線性穩壓器還擁有其他的性能優勢。Armstrong指出,電源管理供應商開發了許多整合型線性穩壓器。典型的整合式線性穩壓器只需要VIN、VOUT、FB(反饋)和任選的GND針腳。不過,採用線性穩壓器的一個主要缺點,是其運行於線性模式之串聯電晶體可能會造成過大的功率耗散。因此,非常清楚的是,線性穩壓器(或LDO)僅可提供降壓DC-DC轉換。
也因此,包括ADI在內的許多IC製造商都在不斷設計新的IC,在某些情況下還可以設計模組,其可以簡化電源,無論其轉換拓撲如何;並且同時提供增強熱性能以最小化熱設計應力的特性,還可以顯著降低EMI,使得它們不會與已完成系統內的其他雜訊敏感電路產生干擾。
總而言之,智慧建築將改變人們的生活與工作環境,而物聯網技術的興起,不僅促進智慧建築發展,同時也強化了智慧建築能源管理效率,像是使用感測器進行溫度控制、使用執行器進行HVAC控制、為建築物提供完整的能源自動化等;半導體業者也為此推出相關解決方案,運用更多物聯網技術以有效地管理和控制這些精心設計的智慧建築。
貿澤電子發表多項新功能產品
貿澤電子(Mouser Electronics)於一月發表162項產品,其中包括了,Nordic Semiconductor nRF91系列蜂巢式IoT系統封裝,Nordic nRF91系統封裝(SiP)將整合式應用微控制器、完整LTE數據機、射頻前端和功率管理結合在同一裝置內,是低功率蜂巢式物聯網 (IoT) 應用的理想選擇。
還有適用於LTC3351充電器的Analog Devices DC2464A-A和DC2464A-B展示板
Analog Devices DC2464A-A/DC2464A-B展示板採用超級電容器充電器和備用控制器,內含熱抽換式前端,以及超級電容器狀態與系統監控功能,搭載LTC3351超級電容器充電器。
以及Cree XLamp eTone LED晶片,直接封裝(COB)LED在與80 CRI LED相同的效率下,可提供顯色指數(CRI)90的光線品質,比現有90 CRI LED的效率高出17%,且色彩品質同樣出色。
此次發表的產品另有Samtec MEC5超密度微型邊緣卡插槽,Samtec MEC5系列為0.5 mm間距的邊緣卡插槽和插槽提供了調整縫,可採用標準的電路板公差以降低成本,同時降低50%的插配公差。