惯性传感器具有机器学习核心，通过机器学习提高活动跟踪的准确性

lzi33969310

STMicroelectronics 在其 LSM6DSOX iNEMO 运动传感器中集成了机器学习核心，以增强智能手机、可穿戴设备和游戏控制器中的活动跟踪。这使得该公司的惯性传感器能够减轻主处理器对活动跟踪的第一阶段的负担，从而提升“永远在线”的用户体验，而无需牺牲电池运行时间。

机器学习对运动数据进行分类以改进活动跟踪，现在正用于基于运动的应用程序，例如健身记录、健康监测、个人导航和跌倒检测。

所述LSM6DSOX 运动传感器，包括3D MEMS加速度计和三维MEMS陀螺仪，现在将采用机器学习核，同时仅消耗0.55毫安至电池上最小化负载跟踪复杂的运动。机器学习核心与传感器的有限状态机逻辑协同工作，以处理运动模式识别或振动检测。

开发人员可以使用基于 PC 的开源应用程序 Weka 训练基于决策树的分类的核心。接下来，他们可以根据加速度、速度和磁角等样本数据生成设置和限制，以表征要检测的运动类型。

ST的运动传感器比传统传感器具有更多的内部存储器，并且机器学习核心的加入使其能够支持自由落体、唤醒、6D/4D定向、点击和双击中断。这反过来又使开发人员能够创建除活动跟踪之外的各种应用程序。
相关实战：https://www.yunduoketang.com/article/tags/4900.html
https://www.yunduoketang.com/article/tags/4901.html
https://www.yunduoketang.com/article/tags/4902.html
https://www.yunduoketang.com/article/tags/4903.html
https://www.yunduoketang.com/article/tags/4904.html
https://www.yunduoketang.com/article/tags/4905.html
https://www.yunduoketang.com/article/tags/4906.html