基于LSM6DSL的运动感应应用，利用AI识别人类活动

该方案集成人工智能与机器学习算法，可实时捕获并识别用户的人体运动姿态，并借助无线连接将运动数据同步至智能手机或其他手持设备端呈现。

应用采用超低功耗、高精度的 LSM6DSL 6DoF轴惯性测量单元（IMU）采集运动数据，并将数据发送至超低功耗的 STM32L475VG 微控制器。该MCU搭载单精度浮点单元（FPU）及意法半导体的自适应实时加速器（ART Accelerator?），运行基于人工神经网络的实时人体活动识别（HAR）模式识别算法（FP-AI-SENSING1功能包），支持三种不同的神经网络模型。

HAR 模型

超低功耗、双核、多协议的 STM32WB5MMG 无线模块内置免版税 Bluetooth? Low Energy 5.2 协议栈，将模式识别算法结果发送至智能手机或任何其他电池供电设备，并可与专用移动应用集成。该应用可基于意法半导体的即用型 BLE 传感器移动应用（STBLESensor，适用于 Android 和 iOS）开发。

此类应用广泛适用于可穿戴设备、安全、环境监测、医疗健康与健身、交通等多个领域。

主要产品优势

STM32L475VG — 强大DSP能力的微控制器

该微控制器基于 Arm? Cortex?-M4 内核，配备必要的外设来管理输入的数字音频信号，并具有足够的处理能力和内存，确保以极低功耗实现快速、准确的音频场景识别。

LSM6DSL — 3D加速度计和陀螺仪

系统级封装内置3D数字加速度计和3D数字陀螺仪，在高性能模式下功耗仅为0.65 mA，并支持始终开启的低功耗功能。

STM32WB5MMG — 超低功耗BLE 5.2模块

超低功耗、紧凑型蓝牙模块，内置完全免版税的Bluetooth LE 5.2协议栈。

功能特性

完整的即用型固件，实现基于神经网络的人体活动识别（HAR）

所有运动数据均在STM32微控制器上处理，充分利用边缘计算的现代能力

3种不同的人工神经网络（ANN）模型，各具特性，可匹配不同解决方案需求，支持识别多达5种不同类别（步行、慢跑、上下楼梯、骑行、驾驶）

基于实时操作系统（RTOS）的超低功耗实现

兼容意法半导体ST BLE Sensor移动应用（Android/iOS），用于显示HAR算法结果

借助STM32Cube，可轻松移植和扩展至不同STM32 MCU系列

符合蓝牙低功耗（BLE）SIG规范v5.2

说明：内容基于公开信息整理，不代表原厂官方意见，仅供工程师学习用，若涉及侵权，请联系删除。