I Mems sono dei sistemi completi di varia natura (meccanici, elettrici, elettronici) altamente integrati e miniaturizzati a un livello di scala micrometrica su substrato di silicio. Data l'integrazione su silicio, questi dispositivi, oltre a inglobare funzionalità elettromeccaniche, incorporano anche “intelligenza”, per implementare funzionalità di preelaborazione a basso livello (livello di segnale) e anche elaborazione di medio livello (interpretazione delle informazioni di segnale). I Mems sono una tecnologia in rapida evoluzione, tanto che attualmente ci troviamo in una fase di passaggio dalla scala micrometrica alla scala nanometrica, per cui è stato coniato il termine Nems, acronimo di Nano Electro-Mechanical Systems. Tale livello di integrazione apre una nuova generazione di applicazioni, in particolare quella dei sistemi indossabili (wereable systems). La tecnologia Mems può essere applicata a qualsiasi funzionalità elettromeccanica, ma attualmente ci sono alcune funzionalità particolarmente importanti, in particolare quelle legate al movimento, all'acustica e alla pressione. Gli ambiti applicativi sono innumerevoli, sia in campo industriale che consumer, anche se quello dell'elettronica di consumo in questo momento sembra essere particolarmente recettivo, se si considera che negli smartphone di ultima generazione sono integrati almeno cinque o sei sensori Mems e si prevede che si arrivi nel breve termine anche all'ordine della decina di dispositivi Mems. I sensori ormai sono da considerarsi parte integrante dei sistemi embedded e la loro proliferazione è proprio dovuta alla tecnologia Mems. L'uso multiplo all'interno dei sistemi implica comunque la soluzione di ulteriori problematiche di integrazione, in particolare quelle relative alla multidimensionalità sensoriale. Il fatto che accelerometri 3D, magnetometri 3D e giroscopi 3D possano coesistere nello stesso sistema, comporta la necessità di elaborare in maniera integrata le informazioni che questi dispositivi forniscono (per esempio contemporaneamente il moto lineare, il moto rotazionale e la misura del campo magnetico). Altri sensori, per esempio quelli microfonici, disponibili in configurazioni multiple come gli array microfonici, richiedono opportune tecniche di elaborazione che consentono di fondere le informazioni che i singoli dispositivi forniscono in un'unica informazione utile alla applicazione, come se pervenisse da un solo dispositivo sensoriale (per esempio per l'array microfonico le tecniche di beamforming utilizzano informazioni microfoniche multiple per ottenere una funzionalità microfonica direzionale).
Sensor Data Fusion
Il sensor data fusion è un'importante metodologia di integrazione delle informazioni multisensoriali che, considerando l'impiego massiccio di Mems all'interno dei sistemi embedded, è da considerare un complemento della stessa tecnologia Mems. Il sensor data fusion è una metodologia di elaborazione delle informazioni sensoriali che considera contemporaneamente informazioni provenienti da vari sensori e permette di ottenere informazioni di qualità superiore a quella ottenibile dal singolo sensore, consentendo in tal modo di superarne le carenze intrinseche. In generale le tecniche di data fusion applicate alle informazioni sensoriali sono basate su algoritmi di filtraggio intelligente oppure su tecniche inferenziali di natura non algoritmica. L'importanza del livello sensoriale nelle applicazioni consumer è dimostrata anche dall'interesse e dall'attenzione che Microsoft sta avendo verso la definizione di un supporto allo sviluppo di applicazioni che utilizzano sensori, già dalla release 7 di Windows e successivamente in maniera ancora più definita nella release 8, con l'introduzione dello standard Hid (Human Interface Device) nel 2011. L'idea portante di questo standard è quella di consentire l'elaborazione delle informazioni sensoriali a livello di hardware, cioè a livello di dispositivo sensoriale. In tal modo il flusso dati dal sensore all'applicazione che viene eseguita dal sistema avviene a basso data rate, creando in tal modo meno criticità nelle applicazioni real-time.
Gradi di libertà e data fusion
La combinazione di varie soluzioni sensoriali in un unico dispositivo viene chiamata n-DoF (n Degree of Freedom9, ovvero n gradi di libertà, dove n è il numero di misure sensoriali rese disponibili dai sensori integrati nel dispositivo. Il numero di sensori attualmente integrati in una configurazione DoF è mediamente 9 (9-DoF), 3 direzioni di accelerazione (3D-accelerometer), 3 direzioni di rotazione (3D-Gyroscope) e 3 direzioni di campo magnetico (3D-Magnetometer). Un sistema sensoriale 9-DoF è di fatto l'equivalente di un sensore a 9 assi. Questo modello integrato di tipo bottom-up nella realizzazione dei sistemi sensoriali basati sulla tecnologia Mems è in rapida evoluzione, e soluzioni di tipo 12-DoF sono già una realtà (vedi riquadro: “12 Dof per Windows 8”). Il livello 10-DoF è comunque quello che vedremo sicuramente consolidarsi nelle applicazioni sia consumer che industriali della prossima generazione. I sistemi n-DoF mettono a disposizione all'applicazione a livello di interfaccia ogni singola misura a basso livello, ma uno strato software detto “data fusion” può interpretare i dati grezzi dei singoli sensori fornendo un'informazione più sintetica e allo stesso tempo più stabile e affidabile rispetto alle informazioni sensoriali dei singoli sensori. Il data fusion è una metodologia che consente l'integrazione di dati e informazioni di varia natura e provenienza che rappresentano una realtà fisica unica sotto varie dimensioni di misura. Lo scopo del data fusion è quello di ottenere un'informazione più consistente, accurata e utilizzabile dall'applicazione. La fusione dei dati può avvenire a vari livelli, basso, medio e alto, in funzione del livello di sistema in cui viene applicato. Il sensor fusion è la metodologia del data fusion più specificamente orientata ai sensori multi-dimensionali ed eterogenei relativamente alla natura della misura.
Il sensor fusion si può sviluppare a due livelli, quello più strettamente di segnale e quello di natura linguistica. Il livello di segnale tratta misure istantanee di natura sensoriale che vengono interpretate come variazioni nel tempo di un parametro fisico, quindi come informazione di segnale di natura numerica. A tale livello vengono applicati metodi come il filtraggio Kalman o la teoria delle probabilità. Quello dell'informazione di natura linguistica più strettamente legato alla conoscenza e alla decisione, fa riferimento invece a metodologie di elaborazione smart computing. La tecnologia Mems ormai non attiene più solo alla realizzazione del sensore come dispositivo rigorosamente hardware, ma al sensore come sistema, quindi con intelligenza on-board (o on-chip se integrato in modalità SoC). Ne consegue che la problematica a livello di Mems non è solo hardware, ma anche software e quindi la collaborazione tra i produttori di microelettronica e quelli di firmare/software diventa sempre più stretta in questo momento dello sviluppo impetuoso della tecnologia Mems. Un esempio è il recente annuncio da parte di Sensor Platform della FreeMotion Library e di un kit di sviluppo software inteso proprio a supportare lo sviluppo di applicazioni che fanno uso di sensori in piattaforme smartphone e tablet finalizzate a interpretare i movimenti dell'utilizzatore e il contesto in cui questo opera. Gli algoritmi forniti nella libreria utilizzano i dati grezzi che provengono dai sensori accelerometrici, giroscopici e magnetometrici per consentire all'applicazione di essere a conoscenza del contesto utente. Lo scopo non è solo quello di eseguire il data fusion dei dati grezzi, ma anche quello di fornire informazioni ad elevata affidabilità ed efficienza, per esempio tenendo il sistema sempre calibrato e a basso consumo energetico.
Oltre il movimento c'è anche la voce
La tecnologia Mems non si limita alla misura del movimento, ma è applicabile a qualsiasi altro fenomeno meccanico, anche in modalità attuativa (per esempio la realizzazione di micromotori di pochi millimetri). L'acustica è sicuramente di grande importanza in quanto, soprattutto nelle applicazioni di interfaccia uomo-macchina, questa rappresenta il livello informativo più importante e pregno di informazione. I microfoni Mems in questo campo rappresentano un'importantissima innovazione, sia per l'eccezionale livello di miniaturizzazione, sia per le elevate prestazioni che si possono ottenere. STMicroelectronics ha realizzato microfoni Mems con caratteristiche audio a larga banda (20-20000 Hz) come il MP34DT01, un microfono Mems digitale ultra compatto (3 x 4 x 1 mm) a basso consumo e omnidirezionale, che oltre alla componente di sensing audio integra anche l'elettronica di comunicazione per fornire il segnale digitale esternamente in formato Pdm. Le caratteristiche sono molto interessanti, considerando che il punto di sovraccarico acustico è di 120 dBSPL con 63 dB di rapporto segnale/rumore e -26 dBFS di sensibilità. Un'evoluzione di questa tecnologia sensoriale microfonica sono gli array microfonici che stanno diventando parte integrante dei dispositivi di comunicazione telefonica allo scopo di implementare meccanismi di digitalizzazione dell'audio molto raffinati, come ad esempio il beamforming, che consentono di far funzionare in maniera molto più efficiente le applicazioni basate sulla voce e il riconoscimento automatico del parlato. STMicroelectronics ha realizzato un modulo, l'STM32_ Mems _Microphones, capace di gestire otto microfoni digitali Mems con connettività host via Usb, Spi o I2S. Si tratta di un modulo scalabile, in quanto modulare, per ottenere array microfonici di dimensioni superiori a 8. L'STM32_ Mems _Microphones è un ultra-compact low-power 8-channel microphones array dotato di: frequenze di campionamento da 16 a 48 kHz; on-board linear voltage regulator con input di alimentazione da jack o Usb; microcontrollore a 32 bit a basso consumo e alte prestazioni STM32F4; MicroSD card slot; comunicazione I2S/Spi/Usb; Ethernet (nella prossima release); switch selector (input, output, channels, frequency); connettore di debug del microcontrollore.
