本文叙述部分意法半导体MEMS感测器中具有可程式化的嵌入式功能，尤其是有限状态机（Finite State Machine ；FSM）、机器学习核心（Machine Learning Core；MLC）和智慧感测器处理单元 （Intelligent Sensor Processing Unit；ISPU）。

意法半导体（STMicroelectronics；ST） 资料处理的方式由原本以感测器持续串流资料至微控制器进行处理与分析的标准解决方案，变更为由感测器本地处理资料的边缘方法。

ST 近期推出不同的 MEMS 感测器，其采用可程式化逻辑和完全可程式化的 DSP 架构以降低耗电量、I²C/SPI 汇流排上的流量，并卸除微控制器的负载压力。

· 可程式化逻辑架构的目标是在特定处理模型上达到最低耗电量，因此工程师可以执行 FSM 和 MLC 演算法。触发中断时，微控制器会读取模型输出结果和原始资料。

· 完全可程式化的DSP执行任何自订程式码（基於运算和编译器限制），并在感测器中运行，而微控制器则会读取感测器传送出来的处理资料。

图一

有限状态机（FSM）

图二

有限状态机是一种行为模型，由有限数量之状态和状态间的特定转换所组成，这些状态就如同可搭配感测器中枢设定以处理内部和外部资料的流程图表，工程师也可以同步执行多个状态机。

有限状态机适用於任何需要辨识使用者定义手势模式的应用。

支援 FSM 的最新 ST 感测器随附自我调整配置（Adaptive Self-Configuration；ASC）。这代表 FSM 中断可用於触发装置设定变更（包括 ODR、FS、BW、电源模式和 FIFO），因此微控制器可以持续处於睡眠模式。

机器学习核心（MLC）

图三

机器学习核心是由一组可设定的叁数与决策树组成。决策树是以二元树状结构呈现，并由内部节点和叶节点等两种节点所构成。树状结构的内部节点分为两个子节点，後接 if-then-else 方法，以接续 true 或 false 的下一个路径。决策树的叶节点是一种不会有任何子节点的节点，并且包含其中一个使用者定义的「结果」类别。

如果某个应用可遵循归纳方法实作，且这类归纳方法包含藉由观察搜寻出模式，就很适合此方法。包括如下应用：活动辨识、健身活动辨识、动作强度侦测、振动强度侦测、携带位置辨识和情境感知。

智慧感测器处理单元（ISPU）

图四

ISPU 是小巧、超低功耗且高效能的可程式化核心，以ST开发的专属架构为基础。此核心可处理如加速度计、陀螺仪和温度等内部和从感测器中枢连接至感测器的外部资料。ISPU则可执行由 ST ISPU 工具链编译的 C 语言演算法，或者可透过 NanoEdge AI Studio 产生异常侦测AI程式库。可灵活地进行程式化，是无需微控制器即可实作任何 AI、感测器融合演算法的理想装置。