智能傳感器信號處理的需求分析

在dsPIC33F DSC上使用兩個累加器和DSP指令執行此線性化任務時，計算過程(上述多項式僅計算到第二階)需要七個運算速度--四個數據傳送周期、二個乘法周期以及一個乘減運算周期。透過該公式可以很明顯看出，在通用微處理器或微控制器架構上執行此運算會耗費更多時間，這也間接說明了使用DSC的優勢。

而且，熱電偶的輸出電壓(即使在放大之后)特別容易受60Hz(或50Hz，具體取決于區域)的電源線路噪聲影響。考慮到熱電偶輸出的變化率較慢，此噪聲容易與熱電偶輸出位于同一頻帶，并且須要使用中心頻率為60Hz的帶拒濾波器小心地進行濾波。

FIRD和IIR濾波算法均可以在DSC上高效執行，但是IIR濾波器需要的系數一般要少得多，因而需要較少的乘法和加法運算。不過，IIR濾波器具有回饋項，因而會造成一些穩定性方面的難題。幸運的是，數據自動飽和是DSC架構中相當常見的硬件特性，可以盡可能地降低由于溢出造成的數據損壞。圖5的頻率響應圖展示了用于抑制60Hz電源線路訊號的十六階IIR帶拒濾波器(取樣速率為1kHz)的頻率選擇特性。

對于DSP設計經驗不甚豐富的系統開發人員而言，設計數字濾波器尤其是IIR濾波器的過程中所涉及之理論和步驟可能相當復雜，對數學功底的要求極高。幸運的是，很多DSC制造商和協力工具廠商都已提供低成本的工具，開發人員只須要在這些工具中指定通帶和拒帶的轉移頻率及所需的衰減度即可。這些工具可以計算濾波器系數并產生應用軟件可以直接使用的源文件和數據文件。圖3展示了四種最常見的數字濾波問題。

除了線性濾波和數字濾波外，應用軟件還必須在從熱電偶采樣的電壓中加上從外接溫度傳感器IC如TC1047A采樣的電壓，以執行冷結點補償。此外，很可能須要定期計算ADC轉換結果的平均值，具體視所采用的ADC取樣速率而定。平均值計算可以透過DSC架構中通常提供的基于累加器的加法和多位移動運算高效完成。

滿足指紋辨識復雜計算

說明過最常見的智慧傳感器應用后，現在開始討論一種本質上更復雜且計算要求更高的傳感器應用--指紋辨識。

指紋辨識在安全區域(如房間或車輛)的進出控制、存取設備(如手機)、個人計算機或網絡登入，以及僅作為

可靠的個人身分識別形式等方面的應用日趨增多。目前，市面上有很多類型的指紋傳感器，如電容式傳感器、光學傳感器、熱傳感器和電場傳感器。例如，電容式傳感器依賴于人手指上的紋路起伏產生的電容變化。

負責從指紋傳感器捕捉指紋數據的控制器須具有以下的某些特性：足夠快的ADC，用于接收傳感器采樣的值；高速串行通訊接口(如SPI)，用于與系統中的其它模塊進行通訊；閃存，用于儲存指紋「模板」數據庫，然后在驗證或辨別指紋時高效存取這些范本。

最重要的是，須要擁有強大的DSP功能來執行指紋配對操作。最后必須指出的是，控制器應該不僅能夠處理16位數據，還要能夠高效處理8位數據(如DSC可以處理8位和16位的數據)，因為大多數傳感器都使用8位的值來代表指紋。

16位DSC漸受矚目

隨著對傳感器接口的功能性、聯機性以及數學和訊號處理方面的要求變得越來越高，16位DSC逐漸成為許多基于傳感器的系統和智能傳感器的理想內建系統架構。實時操作系統(RTOS)、TCP/IP和預封裝DSP算法等軟件工具，進一步增強此類架構在各種傳感器應用中的可用性。