上海前湾科贸有限公司

低功耗数字温度传感器NST112x-CWLR低至0.015625℃的分辨率

  NST112x-CWLR应用于可穿戴设备测温,使用温度传感器感知环境温度与腕部皮肤温度的layout设计要点都是导热与隔热,具体考虑点如下:在进行NST112x-CWLR layout设计时合理运用镂空和芯片周边覆铜设计,使传热和隔热可以有效实施。NST112x是一款工作电压范围在1.5V至3.6V的低功耗数字温度传感器。片上集成了14位模数转换器(ADC)提供低至0.015625℃的分辨率。该传感器规定的工作温度范围为-40℃至125℃。其通过灵活的两线I2C接口与主机进行通信,该接口与SMBus兼容,并支持4个设备地址。该传感器在高精测温范围(25℃~45℃)内的典型精度为0.1°C,高度线性,不需要复杂的计算或查找表来获得温度。 NST112x是一款工作电压范围在1.5V至3.6V的低功耗数字温度传感器。片上集成了14位模数转换器(ADC)提供低至0.015625℃的分辨率。该传感器规定的工作温度范围为-40℃至125℃。其通过灵活的两线I2C接口与主机进行通信,该接口与SMBus兼容,并支持4个设备地址。该传感器在高精测温范围(25℃~45℃)内的典型精度为0.1°C,高度线性,不需要复杂的计算或查找表来获得温度。NST112x采用DABGA封装,使其适用于工业和消费市场中的对结构集成有严苛要求的产品,如智能手表、IoT节点传感器、蓝牙体温贴等。

 
特点:
 
- 该方案具有温度响应时间快、低功耗、测温时间短、高精度、自发热小等特点
 
- 4Hz采样速率下平均功耗典型值仅5.7μA
 
- 封装采用晶圆级芯片尺寸封装(DSBGA 0.75mmX0.75mm)
 
- 适用于SMT工艺生产,装配精度容差性强,适用于批量大规模量产
 
- 温度达到63%的响应时间为0.1s,达到体温(99%)的时间为12.73s
 
 
 
根据学术界研究,人体组织与外界的传热主要通过:水份蒸发,热对流,热辐射,热传导,组织血液热传导,血液流动传导,代谢发热,由此建立了体核温度与体各部位温度的模型。在静止环境下环境温度对皮肤温度的影响最为显著,其次依次为服装热阻、风速等,另外穿戴的松紧程度也影响到传热。而具体到腕部体表温度时,由于一般情况下腕部裸露,可忽略,又以室内监测情况居多,亦可忽略风速等因素。研究表明影响皮肤温度的因素主要有环境温度、风速、相对湿度等。因此以腕部体表温度测量为基础,设计并实现的一种可穿戴体温监测设备涉及以下几个问题:首先,从检测精度的角度着手,需要重点考虑腕部体表温度与以腋下温度为基准的体温间的补偿方案;从检测的热平衡角度考量,可穿戴设备的结构堆叠和材料选择需要重点考虑;从持续监测的计算效率及检测可视化的角度切入,需要设计高效的体温数据处理方案。由此,以腕部体表温度为基础推导体核温度的简化情况,是建立起腕部体表温度、环境温度、体核温度三者间的补偿关系。其中腕部温度与体核温度也存在关系。通过测量腕部温度来检测体核温度在可穿戴应用中逐渐成熟。人体温度分为体核温度和体表温度。生理学上所说的体温是指机体体核温度的平均值。人体体核温度不易测量,临床上常通过测量腋窝、口腔等的温度来代表人体体温。相关研究表明,人体处于安静状态时,体表温度分布大致表现为额面部、腋窝、颈前和项部最高,其次为躯干部,到四肢逐渐下降,手掌手背最低。相比于体核温度,体表温度更容易受外界环境因素的影响且更不稳定。腕部温度属于体表温度,具有易于观察和测量的优点,但在医学上也有采信度不高的缺陷。纳芯微在可穿戴设备的结构上部署了两颗NST112x芯片其中一颗用于测试环境温度,一颗通过传导测量手腕温度。并且根据一系列的实验,获得若干组数据拟合出了一个二次关系曲线,客户直接使用该组系数,效果不一定最好,建议产品完成样机试制之后,在各条件下测量体核温度 tcore(其他标准测温设备),与环境温度ten,皮肤温度tsk,进而实现算法结果最优。
 
皮肤至温度传感器芯片的热传导路径有以下两种方式:
 
方式一:腕部皮肤→不锈钢→FPC→芯片锡球→DIE
 
方式二:腕部皮肤→不锈钢→导热硅胶→芯片封装材料→DIE
 
推荐采用方式一,软板FPC的方案可使热平衡路径最优,如结构和工艺限制,采用方式二热传导响应时间会变长,但在实际应用场景中,一般佩戴10分钟以上才建议进行体温测试,方式二最终可实现热平衡,因此也可以按照方式二进行热传导路径设计。接触皮肤部分建议使用金属,优选不锈钢。由于腕部测温受上述的较多因素影响,客户在具体实施测温算法时应该考虑通过其他的手段来避免多余的干扰影响测试结果。例如:是否佩戴,并在测量应用中提醒用户佩戴松紧程度,在相对平静的室内环境下等待足够长时间。而人体在运动时,体表温度变化较大。与体核的关系影响因素更多,目前的研究还不成熟,因此本算法的应用场景存在一定的局限性。
 
 
 
免责声明:本文为转载文章,版权归原作者所有。
你也可以分享到: