|
개요
BD(Glass Breakage Detector)의 주된 용도는 가정이나 사무실의 창문과 문의 유리 파손을 감지하는 것이다. GBD는 가정이나 사무실의 불법 침입을 방지하기 위한 보안 강화용 모니터링 장치로도 분류될 수 있다. GBD는 단독으로 또는 여타 도난 방지 장치와 연계하여 보안 시스템으로 작동한다. GBD는 본질적으로 음향이나 음파 작용을 포착 및 분석하여 유리 파손 발생을 알려준다. 이러한 작동 모드로 인하여 GBD는 사운드 이벤트 품질에 대한 의존도가 상당히 높기 때문에 설계자로선 까다로운 점이 한두 가지가 아니다. 또한, GBD는 실제 유리 파손이 아닌 모든 소리를 제거할 수 있어야 한다. 거짓 유리 파손 조건을 촉발할 수 있는 사운드 이벤트를 장애 경고(failure alert)라고 한다. 본고에서는 저비용 마이크로컨트롤러(MCU)를 이용한 효율적이며 강건한 GBD 설계를 살펴보기로 한다.
MCU는 간단한 디지털 RTC(real time-clock, 실시간 클록)나 복잡한 스마트 미터링 애플리케이션과 같은 일련의 다양한 애플리케이션에서 찾아볼 수 있는 로우-엔드(low-end) 프로세서다. MCU를 사용하는 주된 이유는 대부분의 여타 디지털 프로세서에 비하여 비용이 저렴하고, 전력 소비가 낮으며 사용이 간편하기 때문이다. 간단한 애플리케이션에서는 요구사항이 적기 때문에, 저비용과 저전력이 비교적 간단하게 이루어진다. 그러나 복잡한 애플리케이션에서도 MCU를 사용하는 추세가 늘고 있어, 저비용을 유지하고 저전력을 확보하는 것이 까다로워지고 있다. 이제 엔지니어들이 해야 할 일은 최저 비용으로 최고의 성능을 확보하는 것이다. 이를 달성하기 위해서는 저용량의 온칩(on-chip) 메모리, 제한적인 주변 장치 셋, 느린 작동 속도, 적은 핀 수 등과 같은 MCU 아키텍처의 제한을 극복해야 한다. GBD와 같은 매우 복잡한 애플리케이션에 MCU를 사용하려면, 엔지니어는 이 MCU가 제공하는 모든 것을 최적화하여 활용하여야 한다.
설계 고려사항
강건한 GBD 알고리즘은 실제 유리 파손을 여타 사운드 이벤트와 비교적 쉽게 구분할 수 있어야 한다. 모든 GBD 알고리즘은 사운드 이벤트를 포착하고 그 시간 및 주파수 성분을 분석하여 판단을 내린다. 유리 파손 음은 유리의 종류, 두께, 음향 환경, 거리, 파손 수단으로 사용한 물체 등에 따라 변한다. 모든 GBD 알고리즘은 본질적으로 유사하지만 특정 조건에 대하여 약간 달라진다. 하지만, 모든 조건에 대하여 제 기능을 다 할 수 있는 단 하나의 알고리즘을 갖추기란 쉽지 않다. 알고리즘에 대한 미세 동조는 일반적으로 가정이나 사무실에 최종 설치 시에 이루어진다.
실제 유리 파손 신호를 시간 영역이나 주파수 영역에서 분석할 수 있다. 그림1과 그림2는 각각 시간 및 주파수 영역에서의 전형적인 유리 파손 신호를 보여준다. 이 소리는 20Hz ~ 20kHz의 오디오 스펙트럼에 속한다. 시간 영역 파형은 들리는 실제 소리와 관계되어 있으며 주파수 영역 파형은 신호의 전체 주파수 특성을 보여준다. 이 플롯들은 파손 감지를 위한 효율적인 알고리즘의 설계에 있어 유용한 정보를 제공한다. 시간 영역 플롯은 파형이 매우 밀집되어 있어 짧은 시간 동안 상당한 작용이 있음을 알려준다. 이는 신호에 상당량의 고주파 성분이 포함되어 있다는 사실과 관계가 있다. 또한 이 파형에 대한 부호 변환점(zero-crossing)과 피크의 수가 높음을 뜻한다. 유용한 정보이긴 하지만, 이 특성들은 백색 잡음(white noise) 처럼 보인다. 이를 구별하는 것이 이제는 설계자의 과제일 것이다.
아날로그 디밍
아날로그 디밍이란 말은 LED를 통과하는 DC 전류가 듀티 사이클 D에 비례해 변화할 때를 나타내는 말이다. 그림 1의 드라이버를 목적으로 아날로그 디밍을 구현하려면 DSP 또는 마이크로컨트롤러가 컨버터의 조절 전압보다 더 높은 외부 DC 전압 (또는 로우패스 필터링 된 PWM 신호)을 제공해야 한다.
전류 싱크를 가진 일부 드라이버들은 입력 PWM 신호를 가져다 그것을 필터링 한 후, 레벨 전환된 버전을 적용하여 그 전류 싱크를 구동한다. TPS6116x 제품군과 같은 다른 드라이버들은 입력 PWM 신호를 이용해 듀티사이클 D를 밴드갭 레퍼런스 전압에 적용시킨다. 따라서 VREF = D * VREF(MAX)이다. ILED DC 레벨 전류는 느리게 변화하기 때문에 출력 커패시터 전압에 리플이 없다. 따라서 이 커패시터는 PWM 디밍에 따라 진동을 하지 않는다.
PWM 디밍에 비해 아날로그 디밍의 또 다른 이점은 전력 효율과 광-전기(optical-to-electrical) 효율이 더 높다는 점이다. 구체적으로 ILED가 낮아지면 부스트 컨버터 출력 전압 = SVLED가 낮아진다. 따라서 컨버터의 출력 전력는 PWM 디밍이 아닌 아날로그 디밍을 사용했을 때 약간 더 낮다.
부스트 컨버터는 낮은 출력 전압을 제공해야 하기 때문에, 그 입력 전력 요건은 떨어지고 그 효율은 증가하게 된다. 그림 4는 동일한 입력 전압에서 동일 LED로 혼합모드 디밍과 PWM 디밍을 사용했을 때의 드라이버 효율을 비교한 그림이다. 혼합모드 디밍의 경우 드라이버는 아날로그 디밍을 D=6.25 %로 낮추어 수행한 후 PWM 디밍으로 변환하여 휘도 선형성을 개선하고 있다.
더욱이, 이 드라이버는 광-전기(optical-to-electrical) 효율이 더 높다. 즉, 동일 전력 소비에서 루멘이 더 많다는 뜻이다. 그러나 아날로그 디밍은 깊은 디밍을 할 때 전류 정밀성에 약간 문제가 있다. 피드백 조절 전압이나 전류 싱크 전압이 너무 작아져 정밀한 컨트롤을 할 수 없기 때문이다. 이것은 에러 증폭기의 오프셋 전압 때문이다. 그 휘도 선형성과 색도는 PWM 디밍에서 달성할 수 있는 것만큼 좋지는 않다. 특히 깊은 디밍을 할 때에 더욱 그렇다. 그림 5는 아날로그 디밍 및 PWM 디밍을 사용할 때 디밍 LED 스트링의 휘도를 비교한 것이다.
현실적으로 인간의 눈은 동일한 두 개의 디스플레이를 나란히 놓고 비교하지 않는 한 색도나 선형성의 차이를 거의 구분하지 못한다.
결론
애플리케이션의 조명이 최고의 선형성과 색도를 필요로 하는 경우, 트루 PWM 디밍이 가능한 드라이버가 최고의 선택이 될 수 있다. 애플리케이션이 잡음에 민감하거나 최고의 효율을 필요로 할 경우 아날로그 디밍이 가능한 드라이버가 필요할 수 있다. PWM 디밍을 하면서 두 번째 피드백 루프로 출력 전압 리플을 낮추는 드라이버를 원한다면 울림은 피할 수 없다. 각각이 가진 최고의 성능을 이용하기 위해 디밍 방식을 서로 번갈아 사용할 수 있는 드라이버들, 이를테면 TPS61195같은 드라이버도 이제 바로 이용이 가능해질 전망이다. 그러나 LED 디밍 방식들의 찬반양론에 대해 많이 이해할수록 LED 드라이버를 선택하는 일이 한층 더 간단해질 것이다.
주파수 응답을 살펴보면 유사한 문제점들이 드러난다. 유리 파손 신호 성분들은 백색 
잡음을 대표하는 완전한 동일 에너지로 전체 스펙트럼에 걸쳐 확산되는 것처럼 보인다. 하지만, 약 200 ? 300Hz의 저주파 영역에서 미세한 피크를 볼 수 있는데 이는 훨씬 중요한 차이를 제공한다. 이 피크는 유리 파손 시에 유리에 가해진 최초 충격에 의해 유발된 소리의 주파수 성분이다. 이 충격은 뒤이어 발생하는 모든 고주파 유리 파손 음 가운데서 유일한 저주파 신호이다. 이 “충격” 또는 “퍽”하는 소리를 도구로 유리를 가격하는 소리로 이해할 수 있다. 이 정보를 시간 영역 파형에서는 쉽게 인지할 수 없지만, 이 소리가 유리 파손 시의 모든 소리에 선행한다는 것을 우리는 잘 알고 있다. 이 시점에, 유리 파손 신호에 대하여 확인된 몇 가지 사항을 다음과 같이 열거할 수 있다.
1. 상당량의 고주파 성분이 포함되어 있어, 상당 수의 부호 변환점과 피크가 있다
2. 약 200-300Hz의 저주파 성분이 단 하나 포함되어 있으며 이는 도구가 유리에 가한 충격으로 인하여 유발되며 유리 파손 음이 시작될 때 발생한다.
시스템 부품
그림 3은 GBD에 대한 전형적인 시스템 블록 다이어그램을 보여준다.
특정 동작을 수행하는 주요 블록은 위에 열거되어 있다. GBD는 항상 온 상태여야 하며 실시간으로 모든 소리 작용을 처리할 수 있어야 한다. 그러나 GBD의 일부 블록들은 대기 시에 오프상태가 되거나 저전력 모드에 진입할 수 있다. 이 차이는 후속 섹션에서 다룰 것이다. 사운드 이벤트는 마이크에 의해 포착된다. 게인 증폭기에 이어 AAF(Anti-aliasing filter)가 신호 증폭과 고주파 성분의 필터링을 처리한다. AAF는 20kHz의 가청 범위를 초과하는 모든 주파수를 제거하고 또한 아날로그 신호의 디지털화 시에 나이퀴스트 기준(Nyquist criterion)을 위반하는 것을 방지하도록 설계되어 있다. 점선 구역 하에 속하는 블록들은 프로세서의 일부로 이해할 수 있다. 이 프로세서는 ASIC, MCU 또는 DSP(digital signal processor)가 될 수 있다. ADC(analog to digital converter)는 아날로그 신호를 디지털 영역에서 처리하기 위한 디지털 샘플로 변환시킨다. 샘플링 주파수( )는 신호의 주파수 특성에 따라 결정된다. 20kHz의 AAF가 쓰이므로, 원래의 신호 특성과 무결성을 보존하기 위해서는 샘플링 레이트가 반드시 40kHz 이상 은 같아야 한다. 신호 분석 블록은 유리 파손의 감지/거부에 필요한 전체 신호 처리를 담당한다. 이 과정이 끝나면 결정 블록은 LED나 버저(buzzer)와 같은 지시기를 작동시켜 유리 파손을 알린다. 다음 섹션에서 이 블록들의 세부 사양을 살펴볼 것이다.
하드웨어 설계 사양
이 섹션에서는 강건한 GBD 솔루션에 도움이 되는 하드웨어 사양을 살펴볼 것이다. 요구사항으로 들어가기 전에, 여기서 언급할 한가지 중요한 사항은 대부분의 GBD가 배터리로 작동되며 충분한 배터리 수명을 확보하기 위해서는 설계는 저전력 소비에 주안점을 두어야 한다는 것이다. 이 보드 상의 모든 하드웨어 부품의 선정은 저전력 설계에 기여할 수 있는 능력에 달려 있다.
그림 3에 나와있는 바와 같이, 마이크에서 시작하여 ADC로 끝날 때까지 아날로그 시그널 체인이 형성된다. 마이크의 선택은 극히 중요하며 그 성능이 GBD 알고리즘의 성공에 기여할 것이다. 또한 마이크는 GBD 알고리즘에 크게 쓰일 충격과 여타 고주파 성분과 같은 주요 소리 성분들을 포착하고 보존할 수 있어야 한다. 마이크는 여느 소리 작용도 포착할 수 있도록 대부분의 시간 동안 온 상태여야 하며 따라서 전체 시스템 전류를 낮출 수 있도록 전력 소비가 적어야 한다. 게인 증폭기는 일반적으로 게인이 단위(unity) 이상인 인버팅 모드나 비인버팅 모드로 구성된 연산 증폭기(OA)이다. OA의 목적은 마이크에 포착된 소리에 충분한 게인을 제공하는 것이며 이는 대략 수 십 밀리볼트다. 마이크에 따라 OA는 항상 온상태여야 하며 턴 온(turn-on) 전류가 작아야 한다. AAF는 또한 아날로그 영역에서 필터링하는 OA이며 일반적으로 간단한 1차 또는 2차 단위 게인(unity gain) LPF(low-pass filter)이다.
이 전체 설계에서 이루어지는 가장 중대한 선택은 시그널 프로세서다. 앞서 언급했듯이 ASIC, MCU 또는 DSP를 이 애플리케이션에 사용할 수 있다. 각 옵션은 장단점이 있으며 이 애플리케이션에 도움이 되는 요인들에 의거하여 선택을 하게 된다. 연기 탐지기와 유사하게 대부분의 GBD는 가정이나 사무실에서 보안과 안전을 확보할 수 있는 위치에 설치된다. 그러나 GBD 는 두 가지 이유에서 배터리 구동 방식이어야 한다:
1. 전원 콘센트에 상관없이 어디에나 둘 수 있다
2. 주 전원이 차단되더라도 완벽한 기능을 유지할 수 있어야 한다
선정된 프로세서는 실시간 작동을 위하여 우수한 프로세싱 기능을 갖춘 저렴하고 사용이 간편하고 프로그래머블 작동이 가능한 저전력 프로세서여야 한다. 이 대상들 중에서, MCU가 가장 적합하며 상기의 모든 요건에 충실한다. 또한 일부 MCU에는 아날로그 주변 장치가 통합되어 있어, 전체 시스템 비용을 한층 절감하게 된다.
소프트웨어(SW) 설계 사양
마이크로부터의 아날로그 신호는 차단 주파수(cut-off frequency)가 20kHz인 AAF에 의해 여파된다. 이 신호를 디지털화하려면 샘플링 레이트가 40kHz 이상이어야 하며 이는 ADC가 이를 지원할 수 있어야 함을 뜻한다. 필요한 프로세싱은 실시간 작동을 위하여 연속하는 샘플링 시점들 간의 시간 내에 완료되어야 한다. 예를 들면, 최대 CPU 주파수가 12MHz라면 연속하는 샘플들 간의 가용 CPU 사이클 수는 불과 300으로 신호 처리에 극히 여유가 없다. CPU 사이클을 높이기 위하여 더 높은 CPU 클록을 지원하는 프로세서를 선택할 수 있지만 전력 소비가 증가하여 배터리 수명이 짧아진다. 따라서, 알고리즘의 복잡도 수준과 배터리 수명 간에 균형을 취해야 한다.
본 섹션에서는 유리 파손 감지에 쓰이는 실제 알고리즘을 살펴보기로 한다. 그림1과 2에서 유리 파손음에는 상당량의 고주파 성분, 부호 변환점 및 피크와 더불어 저주파 충격음(thud)이 있다는 것을 알았다. 이러한 소리나 충격음은 유리 파손음의 시작부에 나타난다. 이 충격 신호는 목재 문이나 캐비닛을 닫거나, 지면에 물체를 낙하시키거나, 빨리 손뼉을 치거나, 문을 두드리는 등과 같이 대부분의 소리에 존재할 수 있다는 점에 유의해야 한다. 그러나 이러한 소리들 중 어느 것에도 전형적인 유리 파손 신호에서 나타나는 고주파 성분이 따르지 않는다. 이와 비슷하게 커피 분쇄기, 음악, TV의 오토바이 경주, 유리잔이 마루에 떨어져 깨지는 등과 같은 소리들에는 유사한 고주파 성분이 있지만 충격음 성분이 없다. 아래 기술되어 있는GBD 알고리즘은 이 두 성분이 주파수 스펙트럼의 어느 한 쪽에 있으며 시간 상에서 서로 별개로 나타난다는 사실을 이용한다.
알고리즘
그림 4는 알고리즘의 하이레벨 SW 플로우 다이어그램을 보여준다. 이 SW의 세 가지 주된 요소는 시간 상의 발생 순서로 활동 감지, 충격음 감지 및 유리 파손이다. 약 2.5밀리 초 간격으로 마이크와 OA1이 온 상태가 되어 소리 활동을 확인한다. 특별한 활동이 감지되지 않으면 오프상태가 되고 MCU는 저전력 상태로 진입한다. 특별한 활동이 감지되면, SW는 충격음 감지를 속행하며 이 때 ADC가 온 상태가 되고 이어서 신호 처리가 충격음 성분을 확인한다. 충격음이 있을 경우에만 알고리즘은 실제 유리 파손 감지를 속행하게 된다. 그렇지 않을 경우 알고리즘은 활동 감지 상태로 되돌아간다. 유리 파손 감지가 이루어지면, 온 보드 LED/버저가 활성화되어 이를 알린다. 그런 다음 GBD는 활동 감지 상태로 되돌아가게 된다. 
활동 감지는 단지 ADC 입력 값을 사전 설정된 쓰레스홀드와 비교하여 잡음과 실제 신호를 구분한다. 앞서 언급하였듯이, 충격음은 약 300Hz 정도의 저주파 성분이다. 이 충격음 성분은 최초 충격 시에만 나타나므로, 인입 신호의 최초 몇 샘플만이 여파된다. 이 여파에는 차단 주파수가 350Hz인 디지털 LPF(low-pass filter)가 사용된다. 여파된 샘플을 합쳐 평균을 내어 사전 설정 에너지 한계치에 비교한다. 에너지가 이 한계치를 초과하면 충격음 성분 및 유리 파손 감지 알고리즘이 개시된다. 디지털 LPF가 더 작으면서도 효과적 이려면, 이 초기 샘플들의 샘플링 주파수가 훨씬 낮아야 하며 불과 4kHz 정도에서 유지되어야 한다. 그러나, 알고리즘의 이 섹션에는 통상적인 20kHz 차단 주파수의 AAF 대신에 차단 주파수가 2kHz인 AAF가 쓰인다.
유리 파손 감지 알고리즘은 충격음 감지보다 더 복잡하며 신호분석 1(SA1)과 신호분석 2(SA2)의 두 부분으로 나뉜다. SA1은 첫 번째 처리 단계로서 충격음이 감지되면 모든 샘플에서 이루어진다. SA1이 이루어지는 동안 20kHz AAF가 선택되고 ADC 샘플링 주파수는 40kHz까지 올라간다. SA1의 조작에는 신호 평균화(signal averaging), 부호 변환점 감지, 피크 감지 등이 포함된다. 이는 약 2,400 샘플에 해당되는 약 60ms 기간 내에 이루어진다. SA1이 완료되면, SA2가 개시되어 전체 신호 분석을 마무리한다. 그림 5에는 SA1의 신호 표현이 그림 6에는 실제 SW 흐름이 실려 있다.
p(n)으로 표시되는 인입 샘플이 먼저 간단한 이동 평균 필터(moving average filter)를 거치며 잡음이 감소되어 s(n)을 가져온다. 양(+)의 샘플만을 사용하는 p(n)의 신호 적분을 실시하여 SA2에 사용될 integ_total로 표시되는 신호 에너지를 산출한다. 피크 및 부호 변환점 수에 대한 산정은 s(n)에 대하여 이루어진다. 인입 신호의 HF 성분을 추출하기 위하여, 차단 주파수가 인 HPF(high-pass filter)를 사용하며 p(n)의 모든 샘플이 이 필터링을 거치게 된다. 동시에, 여파된 출력의 양(+)의 샘플만을 합쳐 integ_HPF_total로 표시되는 결과치를 산출하며, 이는 SA2에서 쓰이게 된다. 전체 SA1은 모든 샘플에 대하여 이루어지며 실시간 작동을 위해 다음 샘플 p(n+1)이 도달하기 전에 완료되어야 하며 이는 가용 CPU 사이클의 총량이 CPU 주파수/40kHz에 지나지 않는다는 것을 의미한다. 필터링은 일반적으로 많은 시간이 소요되는 작업이다. 효율을 달성하기 위해 SA1의 HPF와 충격음 감지를 위한LPF 모두에 LWDF(Lattice Wave Digital Filters)[1]와 호너의 알고리즘(Horner’s algorithm)[2]을 사용한다. SA1을 통하여 60ms의 데이터를 처리하고 난 후, 알고리즘은 두 번째 프로세싱 단계인 SA2를 속행한다. SA2는 실시간 조작이 필요치 않으며 조작의 요약 내용은 그림 7에 나와있다. 또한 유리 파손이 실제로 일어났는지의 여부가 SA2의 말미에 확인된다.
MCU 상에서의 구현
TI의 MSP430™ MCU 플랫폼은 그 포트폴리오에 있어 다양한 디바이스를 갖추고 있다. MSP430F2274는 저전력 MSP430 플랫폼의 2xx 제품군의 16비트 MCU이다[3]. 이 MCU는 최대 16MHz의 주파수에서 작동할 수 있다. 또한, 실온에서 12kHz로 작동하는 초저저력 저주파 오실레이터(VLO)가 내장되어 있다. 두 개의 16비트 타이머와 200kHz까지의 컨버전 레이트를 지원하는 집적식 10비트 아날로그-디지털 컨버터(ADC10)를 갖추고 있다. 아날로그 신호 조정을 위하여 온-칩 연산 증폭기(OA0 및 OA1)와 함께 작동하도록 AC10을 구성할 수 있다. 전류 소비가 대기 모드(LPM3)에서의 0.7μA이며 활성 모드에서는 250μA에 불과하므로 배터리 구동 애플리케이션에 탁월한 선택이다.
그림 8은 통합 주변 장치를 갖춘 MSP430F2274를 이용하는 시스템 레벨 블록 다이어그램을 보여준다. 마이크의 통과 대역이 20Hz ~ 20kHz이며 MSP430F2274에는 단 2개의 통합 OA가 있으므로 20kHz AAF를 이 구현에서 제거할 수 있다. 이는 분명 샘플링 이론을 어기는 것이지만 이 AAF가 없더라도 그 결과는 변하지 않는다는 것을 알 수 있다. 그러나 또 다른 OA를 사용할 수 있다면, 20kHz AAF는 여전히 이 구성의 일부가 될 수 있다.
MSP430F2274에는 OA0과 OA1로 표시되는 두 개의 소프트웨어 설정 가능 연산 증폭기가 있다. OA0은 게인이 7인 인버팅 증폭기로 쓰여 마이크 출력을 증폭시킨다. OA1은 샐런-키(Sallen-Key) 아키텍처를 이용하여 실현된 일종의 2차 버터워스(Butterworth) 형식인, 단위 게인 로우 패스 필터로 구성된다 [5]. 이 필터의 차단 주파수는 2kHz ~ 3dB이다. OA1과 OA2의 출력은 각각 채널 A1과 A13에 내부적으로 연결되어 있다.
전류 소비
전체 GBD의 전류 소비는 작동 중에 선택되는 저전력 모드와 주변 장치의 선택적인 온/오프 상태에 따라 다르다. MSP430 상에서의 구현에 대한 세 가지 작동 모드의 전류 소비 프로파일이 그림 9, 10 및 11에 나와있다. 
그림 9는 활동 감지 시의 전류 소비 프로파일을 보여준다. 이 디바이스는 CPU 클록이 12MHz로 설정되어 있을 때, 매 2.5ms 마다 활동을 확인하기 위하여 깨어나 20μs 동안 활성 모드(AM1)로 진입한다. 외부 마이크에서 활동이 감지되지 않으면 디바이스는 대기 모드나 저전력 모드 3(LPM3)으로 돌아간다. 대기 모드에서 주기적으로 깨어나는 것은 실온에서 ~12kHz로 클록 속도가 설정된 온-칩 타이머에 의해 이루어진다
그림 10은 외부 마이크에서 현저한 활동이 감지되어 알고리즘이 충격음 감지를 속행할 때의 전류 소비 프로파일을 보여준다. 디바이스는 18μs 동안 AM1으로 진입하며 충격음 감지 모드로 작동하도록 구성된다. CPU는 이제 8MHz로 작동하며 디바이스는 활성 모드(AM2)에 진입한다. 이 모드에서 ADC는 4kHz의 속도로 샘플링 하도록 구성된다. 신호 분석은 32ms 동안 128샘플에 해당하는 모든 샘플에 대하여 이루어진다. 실제 충격음이 감지되지 않으면, 디바이스는 12μs 동안 AM1으로 되돌아 가고, 이 때 디바이스는 다시 초기화되어 활동 감지 상태로 되돌아가도록 구성된다.
그림 11은 실제 충격음이 확인되어 디바이스가 유리 파손 감지 모드로 들어갈 때의 전류 소비 프로파일을 보여준다. 유리 파손감지 중에, CPU 클록은 12MHz로 구성되며, 디바이스는 ADC 샘플링 레이트가 40kHz인 활성 모드(AM3)로 진입한다. 신호 분석은 60ms 동안 2,400샘플에 해당하는 모든 샘플에 대하여 이루어진다. 실제 유리 파손이 감지되지 않으면, 디바이스는 4.6ms 동안AM1으로 되돌아가고, 이 때 디바이스는 다시 초기화되어 2.5ms 단위로 깨어나는 활동 감지 상태로 되돌아가도록 구성된다. 실제 유리 파손이 일어나면, 디바이스는 온 보드 LED/버저를 3초간 작동시키고 활동 감지 모드로 되돌아간다.
표 1에는 여러 작동 모드 중에 온-상태가 되는 모든 주변 장치와 클록의 목록[4]이 제시되어 있다. 이 주변 장치들은 각 단계에서 전체 전류 소비에 현저한 영향을 미친다.
MSP430을 사용하는 GBD 보드는 800mAh의 에너지를 제공하는 두 개의 AAA 배터리로 구동된다. 이러한 애플리케이션에서 배터리 수명을 예측하기란 쉽지 않지만 유리 파손이 일어나지 않는다고 가정할 경우, 전체 전류 소비는 약 80μA로 배터리 수명은 약 416일이 된다. 활동 감지를 위해 깨어나는 주기를 2.5밀리세컨드에서 더 늘이면 배터리 수명을 더 연장할 수 있지만, 사운드 이벤트를 놓칠 가능성도 그만큼 높아진다.
본고에서는 간단하면서도 강건한 GBD 솔루션을 살펴 보았으며 유리 파손 신호의 성분과 그 성분들을 추출하는 방법을 보여주었다. HW 및 SW 요구사항과 MCU 상에서의 구현을 제시하였으며 이 실시간 구현에 대하여 전류 소비에 관한 통찰력을 제공하였다.
저자소개
Venkat은 현재 텍사스주 댈러스 TI 본사의 시스템 애플리케이션 엔지니어이다. 그는 2006년부터 MSP430 마이크로컨트롤러 그룹에 속해있었으며, 다수의 최적화된 디지털 필터링, 에너지 미터링 관련 백서와 다른 애플리케이션 사양 문헌을 펴냈다. 그는 댈러스의 텍사스 대학에서 시그널 프로세싱 및 통신 분야의 석사학위를 취득하였다. 현재 그의 관심분야는 에너지 미터링, 디지털 필터등이다.
|
샘플 및 장바구니
