详解意法半导体LSM6DSV320X传感器开发平台性能

‍‍‍‍‍‍‍‍  感谢各位电子爱好者与行业伙伴们对ST板卡评测系列活动的持续关注！该系列活动通过ST中文论坛板卡申请用户对各类板卡的真实体验和评测文章分享，从多个维度、全方位深入剖析ST相关产品的性能表现与实际应用场景，为用户了解和选用板卡提供极具实用价值的参考。

LSM6DSV320X+MEMS主板开发平台STEVAL-MKI109D的板卡评测活动推出后，广大网友踊跃参与，涌现出很多优秀的评测投稿。本期为大家分享论坛网友BinWin的精彩评测内容。

LSM6DSV320X+MEMS主板开发平台STEVAL-MKI109D及其核心功能、应用场景、技术亮点及评测方向已在前期活动招募文中详细说明，想快速了解细节的朋友，可回顾板卡评测｜免费申请微型AI传感器LSM6DSV320X，解锁高精度运动跟踪新体验一文，这里不再赘述。本期我们聚焦论坛网友BinWin的实测体验。他进行了双加速度计的协同非精确精度测试，并使用MEMS Studio体验了传感器融合效果（加速度计+陀螺仪），还通过有限状态机FSM与ASC功能结合实现自动低功耗，最后完成了基于MLC机器学习的6D位置识别和振动强度检测。

BinWin的评测内容

开箱体验

ST又一新品力作，LSM6DSV320X传感器，并且得到STEVAL-MKI109D主板的支持，使用配套的上位机可以实现丰富的产品体验和开发辅助。本文主要在不详细阅读用户手册的情况下进行一番盲操。

首先要观赏一下硬件，可以称为是数据采集板。该板卡一眼就看到H5系列的核心，剩下基本都是电源控制类电路。

背面的原件同样密集。

主角便是下面的传感器，14pin LGA封装。支持I2C、SPI，也支持现代I3C。

传感器连接到采集板如下，两侧单排针，对插比较紧，小心操作。

硬件准备好了，连接到电脑，可以识别到一个串口，根据经验判断，基本就是串口传输数据了，波特率应该支持比较高以兼容高采样率的传感器数据。

另一个主角便是MEMS上位机软件，看下官网宣传。

直接下载安装打开连接主板。没想到提示固件有更新，这个没有任何疑虑，直接更新使用。因为没有连接调试器，需要以DFU模式更新，但不清楚是哪个按键。那就稍微耐心一下，看了看原理图，使用BT2进入DFU。

更新起来是很快的，几秒钟。

初略操作了下：Sensor Evaluation-->Easy Configuration--->Line Charts/FFT体验了下震动检测。模拟方式就是手指和传感器主板在同一桌面，手指轻敲桌面。

首先看实时数据曲线。

▲点击图片，观看视频

然后是通过FFT之后的数据展示，同样直观。

▲点击图片，观看视频

双加速度计的协同非精确精度测试

LSM6DSV320X的一大特色就是拥有两个量程的加速度计，可以独立运行和同时工作。16g小量程可以对倾斜、轻微振动等小信号明显感知，而320g大量程的加速度计面对跌落、汽车碰撞的场景可以避免信号饱和丢失。既是两个传感器且可以同时工作，一定有重叠的测量区间的，这里就针对协同工作的测量作一下测试对比。

首先选取各自最小的刻度，可从MEMS上位机简单操作完成。

然后运行传感器，并读取一段时间的数据，第一是为了观察传感器的0读数，第二也是为了记录非0情况下的初始值。可以看到出厂的初始读数如下波形。

低g传感器基本满足Z轴1g，XY轴约为0，这里不做校准，记录数据区平均作为初始值。高g传感器量程很大，相对于低g传感器的零偏会大些。同样的，取一段时间的数据使用其平均值。如下已经取得。

对低g传感器而言，手指敲击桌面即可。要高g同时能够采集到较明显的数据，就要用点力，拍桌子。以下就是拍桌子的波形数据。

因为上位机这个波形控件可以任意缩放和调整刻度，因此将采集到的冲击调整到合适的程度以便观察。同时也存储了原始读数，使用excel取得最值。MEMS Studio软件还可以选中任意时刻数据添加标签，标签内会显示xyz的数值、时刻以及detail值。以下就是对比标签和excel的结果。

计算两个传感器的变化量：低g=819.0308  高g=826.5144。两者可见误差不大，假设低g是准确的，那么高g相对误差约7mg，差不多就是32g量程下的7个LSB，其实是很小了。毕竟高g也不是面对小信号场景的。

接下来改变两者的测量范围，全部设置为最大刻度。再次使用拍桌子方法取得如下波形。

有了上位机的使用经验，肉眼可见的最值，直接添加标签获取即可。此时再相对初始值计算结果。

低g=719.0308，高g=886.5144。仍然假设低g的标准，那么高g的误差达到了167.4836mg。不过不能忘了此时的高测量范围是320g，那么该误差只达到了0.05%。对于其使用场景也是很小的一个误差了。

以上测试，可以看出对于同一个信号源，两者对峰值的抓取是完全同步的，只是幅值有些微差异。因为各自针对的应用场景差异，精度其实都是很够用了。另外，本次测量没有关注陀螺仪，但传感器不仅支持双加速度计同时工作，还可以同时取得倾斜角以及环境温度的数据，一芯多能。还得提一嘴，上位机也不错哦。

使用MEMS Studio体验传感器融合效果 （加速度计+陀螺仪）

看到MEMS Studio软件的Quick Setup菜单内可选sensor fusion mode，所以体验一下游戏效果。

使用方法：

然后进入3D Model菜单内就可以了。在没有融合传感器数据时，只有两个模型可选。

一个是茶壶，一个是推土机。

开启传感器融合输出后，多了两个选项，人头和Nucleo板模型。

接下来跟随视频来体验一下大铲Car和人头吧。

▲点击图片，观看视频

有限状态机FSM与ASC功能结合 实现自动低功耗

MEMS传感器应该都有低功耗特性，LSM6DSV320X的低功耗是可以结合内部FSM或者MLC的，更加智能一些。FSM的简单理解就是内部的一个逻辑块，可以简单的处理一些条件判断并执行一些指令，能够代替主机的操作，对项目整体的功耗是很有用的。

看了官方的应用手册，决定试试里面的demo。由处于低功耗的低g加速度采集数据，状态机根据设定的阈值和时间切换到高性能或者重新回到低功耗。示例如下：

这颗传感器的寄存器着实不少，看了个似懂非懂，然后利用MEMS Studio软件参照示例做了还原。如下：

完成到这里还不行，这个界面可以直接把设计写到寄存器，但是还不能达到效果。需要在FUNC_CFG_ACCESS寄存器中使能ASC功能。只有一个BIT值1就行了。

然后就可以打开Chart界面进行观察了。测试方法就是晃动传感器使加速计产生一个大的g值就可以触发状态机的条件了。采集板用完整的电源控制电路，可设置电压也可以测试到电流。实际读取到的在低功耗模式下的电流只有11uA。

在进入高性能模式后可以达到670uA，差别还是比较大的。

因为低功耗时把陀螺仪关掉了，所以在Line Charts上也可以看出来。陀螺仪为0且不在更新的时候就是关闭了，如图：

简单拍了下，有视频有真相。传感器功能太丰富，还有很多可探索的。

▲点击图片，观看视频

基于MLC机器学习的6D位置识别 和振动强度检测

对于LSM6DSV320X的MLC机器学习应用手册有做解释，即是通过决策树的逻辑获得。决策树顾名思义就是树状的呈扩散状的逻辑块，用书面讲就是一系列可配置的节点，每个节点是一个if else结构，传感器原始数据经统计学计算后与设定的阈值进行比较，继而到达最后一个节点，就输出了结果。决策树结果可从寄存器实时读取，这也是使用MEMS Studio上位机能够方便测试的条件。

一般的场景，比如移动设备活动的识别、腕部翻转、静止/活动以及单击双击等都是可以不用输入大量数据训练就可以使用的，这也是传感器智能的体现，减少一些简单的但却需要主控设备来计算和判断的算法。比如接下来要体验的6D位置识别，通过配置寄存器就可以了。

将加速度计配置为最小刻度2g，低输出数据速率。大约18个样本为一个窗口，计算特征参数，然后输入决策树给出最后判断。

可以使用上位机独立打开Line Charts界面和MLC Monitor界面进行测试和观察。

通过Line Charts可以清楚的看到每个轴上进行翻转的波形，计算均值包括有符号和无符号以支持180的翻转识别。

▲点击图片，观看视频

基于以上的应用，那么可以配置为振动检测，根据振动强度就可以作为设备健康监测的一个重要参数，来实际体验下。导入官方的例程，同样保持图形界面的独立观测。

晃动demo板，尝试不同幅度不同方向的移动，频率或高或低，均识别到了变化。幅度大小产生强度等级的差别。

结合视频可以发现MLC的逻辑树已经是一个比较好的模型了，输入数据的识别成功率很高，这是可靠度的重要评估点。

▲点击图片，观看视频

以上体验了基于MLC的传感器特征识别，操作下来基本都能够正确识别模拟数据。官方找到的传感器资料包很不错，有例程和基本教程，对于深入研究内置的FSM和MCL是很有帮助的。相关资料包请在ST中文论坛获取。

ST工程师总结：

感谢BinWin工程师对LSM6DSV320X+STEVAL-MKI109D开发平台详细和用心的评测分享；从双加速度计的对比测试，到传感器融合、低功耗管理，再到机器学习功能，都做了深入的实测和分析。特别是对高低量程加速度计误差的细致观察，以及FSM自动切换功耗模式的验证，展现了ST这款芯片的强大和灵活性。对MEMS Studio软件的操作体验分享也很实用，给其他工程师提供了很好的参考。整体评测内容既专业又接地气，非常感谢您的分享，期待您带来更多精彩的技术体验！