嵌入式解决方案的显著优势是在传感器内部生成可用数据，因此不存在ibus功耗。嵌入式解决方案完全没有微控制器安全退出睡眠状态所需的tstart时间，当tstart和ibus两项参数均为零时，itot估算值是200μa，使用相同公式falgo*iucore*talgo计算，算法从微控制器迁移到传感器使功耗降至二十五分之一。

第一类是由非常适合使用有限状态机的算法组成，第二类基于需要统计分析(基于模式分析)并且可以通过决策网(树)有效实现的应用。针对这两大类应用，我们开发出一个覆盖现有算法的“元命令”集，并确保算法具有广泛的可重新配置性，以处理新的自定义需求。最后一步是算法分析，目的是找到最佳的低功耗且有效的算法定制逻辑。在不影响算法性能的情况下，按照特定应用需求简化算法。

数据挖掘是机器学习的一个重要分支：数据挖掘是一个综合机器学习、模式识别和统计学的跨学科领域，其目的是发现知识。

数据挖掘工具最后生成一个决策树，应用设计是从一个数据模式集合开始，以在mlp内核上加载决策树结束。用户可以用支持软件管理整个应用设计过程，我们将在下一章介绍支持软件，本章介绍mlp内核背后的基本模块。

软件层和硬件层之间的边界。该应用设计从传感器数据模式开始，模式是描述mlp内核在运行时必须理解的知识。以活动识别算法为例，mlp从涉及要识别的活动(步行，跑步，运动的车辆，无运动等)的模式开始运行，目的是直接从传感器数据推出当前活动的结果。最多可以将3个传感器的数据配置为算法输入。陀螺仪和加速度计模块位于传感器内部，外部传感器(例如磁力计)的数据可以通过嵌入式i2c控制器读取。输入传感器数据由物理传感器的轴和数值组成.

这个机器学习处理配置工具是一个扩展版的unico gui图形用户界面软件(意法半导体所有mems传感器演示板通用)。unico软件连接基于stm32微控制器的主板，实现mems传感器与pc gui之间的通信。该软件以图形和数字形式显示传感器输出，并允许用户保存或全面管理来自设备的数据。

unico软件允许访问mems传感器寄存器，可以快速配置寄存器，并可以直接在设备上轻松测试配置。可以将当前寄存器的配置保存为文本文件，并可以从现有文件中加载配置。这样，可以在几秒钟内重新设置传感器。

基于统计/机器学习的算法要求收集数据日志。使用unico gui可以做到这一点。每个数据日志都必须关联预期结果(例如，静止，步行，跑步等)。该工具收集这些数据模式用于计算某些特征。

(素材来源：21ic.如涉版权请联系删除。特别感谢）