STEVAL-MKI109V3基础

w562601331

STEVAL-MKI109V3基础 [复制链接]

 

        工作一段时间了，忙忙碌碌，这次有幸参与到MEMS大赛中来，接触到比较先进的传感器，回忆起了当时使用SensorTile把玩的时候，还是当时有大把时间去研究自己感兴趣的东西哈哈。

        这次收到设备还是一样小巧，但是集成度方面更胜从前了，还加入了机器学习和状态机。看了下电路及使用说明，可以很轻松的上手，但是奈何手头没有合适的排线杜邦线，只能借用公司设备再去把骨传感器焊上了哈哈。基本的开箱和上手就不说了，由于收到的比较晚，好多坛友已经分享了。       

1、说说状态机及机器学习吧，看了看指导手册，学习了一下：

这个结构表达的含义：可以将多个传感器的数据以及机器学习内核输出的数据作为输入数据（最多16个数据），经FSM处理，得到输出数据和中断，然后进行处理。

2、状态机结构：

这个结构里边数据区是用来配置完成指定数据输入的，指令区完成数据条件定义及筛选；

粉色、灰色部分配置参数用来对数据进行处理。

其中

（1）MASKS值用来筛选那些值作为输入，选中的即OM置位，如下：

（2）计数器的值是用来对传感器采集数据进行技术，看说明书的意思是在上升沿之前CONT++；

（3）DEST降频因子，修改该因子可以降低状态机采集传感器数据的频率，其实就是一个计数器，计数器减到0去采一次样。。。

（4）可以对陀螺仪做角度积分，可以用来对设备的角度及变化进行判断。

整个数据区：

3、在看看决策树：

个人理解：收集大量需要识别的动作数据，然后筛选合适特征，再通过机器学习生成决策树放到传感器中，这样MCU就不用去不断的判断了，传感器多进行了一个步骤：决策。这样来降低MCU功耗。

设备主要用于便携领域，所以在想方设法的降低能源消耗。

 

（1）有可以使用的数据计算模块，可以对数据通过给定的一些特征进行筛选：例如：平均值、变化量、能量、最大峰峰值等等。

（2）Meta Classifier：决策树输出滤波：

理解：CNT A对A进行计数，A出现则+1，B出现-1，加到3更新值

            CNT B对B进行计数，B出现+1，A出现-1，加到4更新值，最终对输出进行滤波。

 

下边就是一些配置及实例应用了，等有收获了再来分享。