横跨物联网和大健康两个万亿级市场的传感器，正在迎来强劲增长动力。过去十年间，搭载多种传感器类型的智能手表、手环等，可以测量步数、心跳等数据，已经成为很多人必不可少的随身设备。
随着可穿戴设备应用的成熟，传感器在大健康的应用场景也在不断拓展。不仅用于儿童的看护，居家养老方面也得到更多应用，通过与多种家居设备联动使用，有望构筑云端一体的智慧医疗新体验。据ABI Research数据，未来十年内，居家场景中健康管理(Home Healthcare)产品的安装量将由2022年的2000万台增长至2023年的1.8亿台。
英飞凌科技大中华区电源与传感系统事业部应用市场总监李国豪，日前在接受媒体采访时表示，海量健康设备中，各类传感器扮演着关键角色。以往在医疗健康监测领域，传感器多应用于专业级健康医疗设备。英飞凌通过对传感器在封装、尺寸、成本上的优化设计，将多种传感器从工业应用拓展到消费电子产品中。并与智慧健康领域的合作伙伴携手进行方案设计，让消费类电子产品成为监测功能的载体，并在健康管理以及监测方向落地。
“作为数据收集的起点和重要来源，传感器就像人体感官一样，对环境进行感应”, 李国豪介绍了英飞凌几大类传感器的特征，“高精度毫米波雷达传感器、3D ToF飞行时间传感器，就类似于人的眼睛，用于人员/障碍物监测；超高信噪比MEMS麦克风、XENSIVE PAS CO2二氧化碳传感器相当于耳朵和鼻子；精准的压力传感器，则像人类的皮肤一样具备感知功能。”
不同传感器如何应用于智慧健康领域？
雷达传感器
英飞凌雷达传感器首次在全世界亮相是2016年的谷歌开发者大会上。当时，在谷歌还未正式发布的Pixel 4手机上成功演示了感知、以及手势侦测等功能。直到现在，谷歌仍在持续地使用该雷达产品，它也进一步影响整个市场雷达的开发、使用的想法，以及一些创新的应用案例。
英飞凌科技大中华区电源与传感系统事业部高级市场经理吴柏毅介绍，雷达的功能和特性十分强大，可以感知到任何微小的移动，包括呼吸时胸腔微小的位移，由此可以做生命体征的监测，去感知距离、位置、速度、角度等数据信息，之后进一步利用算法可以实现呼吸、心跳、手势、追踪等各方面应用。
此外，雷达波可以穿透任何不具导电物质的表面以及外壳，即使安装到产品内部也不受影响。且不容易受客观环境如灯光、粉尘等影响，可以更精确地识别手掌的运动和追踪，并且在外观设计更加灵活、美观。
雷达传感器的工作原理如下，从左至右依次是雷达传感器、MCU和消费者终端，探测到的数据信息以反射波的形式在处理器中进行运算，辅以固件开发、算法处理等，能够满足不同使用者的需求。
英飞凌PSS部门最新推出了两款雷达传感器BGT60LTR11AIP和BGT60TR13C。前者基于毫米波多普勒效应打造，主要面向运动检测类应用，开启自动模式时探测距离可达5米，水平视角约80度，平均功耗小于5毫瓦；后者采用一发三收的硬件架构，平均功耗20-30毫瓦，频宽大于5GHz，解析度3厘米，搭配不同的高级算法，可以实现手势辨识、室内人员存在感知、追踪，甚至心跳监测等功能。
吴柏毅表示，毫米波雷达芯片应用于健康监测设备中，可以实现全天候、非接触、不侵犯隐私的数据记录。在清雷科技发布的“贝加安智慧康养生命支持系统”和智能呼吸睡眠监测设备中，就使用了BGT60TR13C毫米波雷达芯片。在智能呼吸睡眠监测设备中，采用了毫米波雷达层析感知技术。通过2.5cm分辨率层析谱和100ms刷新周期，能够从睡眠、呼吸、心率、体动、睡姿等多维度进行监测。
谈及这些产品的开发难点，吴柏毅介绍，毫米波雷达传感器最大的挑战在于算法，通常的做法是将距离、位置、速度、角度信息与雷达不同的工作原理和算法相结合，形成组合方案。当然，随着算法的不同，雷达传感器所匹配的MCU或处理器也不相同，因此成本、功耗会存在差异，这完全取决于最终的应用场景所需。
在主打的应用方向方面，BGT60TR13C适用于先进的雷达传感，同时也适用于高阶的FMCW算法，通过这些复杂的讯号处理，可以实现手势控制、生命体征监测以及人员追踪等功能； BGT60LTR11AIP则是取代红外传感的最佳方案，利用其集成基带以及集成天线封装技术，可以更精准地侦测运动方向，并且对于使用者没有要求，任何人都可以直接使用以及侦测。这些产品丰富了英飞凌的产品方案组合，也极大拓宽了雷达方案的应用场景。
ToF传感器
英飞凌科技大中华区电源与传感系统事业部高级市场经理张铁虎回顾，2013年，英飞凌和pmd technologies就在ToF领域展开合作，并于2015年推出第一代ToF图像传感器REAL3。此后，英飞凌保持着每年推出一代产品的节奏，2021年，英飞凌推出了第六代ToF产品，具备了更远距离检测的能力(达到10米距离)，这是为了适应未来元宇宙的应用需求，以及更加适配AR应用的需求(包括图像功能增强和低功耗需要)。他强调，英飞凌是最早进入ToF领域的厂商之一，同时也是在消费类产品中实现大量量产的厂商。
目前看来，ToF传感器在扫地机器人和AMR中的应用最为广泛。这些产品的共同特点都是需要对工作空间、障碍物形状进行判断，并实现智能构图和路径规划，从而达到高效运转的目的，这就需要精准的图像探测。
在汽车领域，包括驾驶员检测、驾驶员Face ID验证、乘客检测、灯光座椅调整在内的Smart in-cabin sensing(驾舱内智能感应)，以及自动泊车辅助、车门避障在内的车外应用，都是ToF热门的应用领域。
在健康监测领域，ToF可被用于跌倒检测。这是高分辨率ToF传感器的优势领域，因为既能得到清晰的图像，又能保护隐私。张铁虎介绍了腾讯即视智慧养老解决方案，基于英飞凌REAL3 3D飞行时间图像传感器IRS2381C，能提供7*24小时的安全事件识别、健康数据分析、场景识别及定位等能力。
XENSIVE PAS CO2传感器
二氧化碳浓度是空气质量的一项关键指标，在人多拥挤、通风不良的环境下，二氧化碳浓度会快速上升。如果一个人在大约4平方米的空间中，二氧化碳浓度值会在45分钟之内从500PPM上升到1000PPM以上。室内二氧化碳浓度越高，室内人员舒适度越低，当浓度达到1000PPM以上时，人们会感到困倦、难以集中注意力；浓度达到2000PPM以上，甚至认知能力会受到影响。高浓度除了会对人体健康造成风险之外，在住宅和商业建筑采用有效的空气质量监控会有助于节约能源，同时降低相应的成本。
英飞凌科技大中华区电源与传感系统事业部市场经理刘菊表示，通过对空气中的二氧化碳浓度进行监测，能够有针对性地对空气质量进行控制，有助于改善人们的健康状况，提高生活的舒适度和提高工作效率。另一方面，按照需要来控制和使用通风系统，可以节约能源，降低通风系统的运行成本。
凭借MEMS技术的经验，英飞凌成功开发了以光声光谱技术为基础的新型XENSIVE PAS CO2 二氧化碳传感器，这款产品基于光声光谱(PAS)原理，几乎实现了目前最小的封装尺寸，包含红外光源、光学滤波片、MEMS麦克风传感器和MCU，相当于一个小型系统，极大帮助客户加快了产品上市时间。此外，SMD封装支持大批量、大规模生产工序，基于光声光谱的XENSIVE PAS CO2 二氧化碳传感器是目前较好的选择。
据刘菊介绍，与基于NDIR、EC和eCO2原理的XENSIVE PAS CO2二氧化碳传感器相比，PAS技术采用了MEMS麦克风作为检测器，灵敏度高，减少了器件和设计的复杂性，比市场上现有的NDIR传感器产品尺寸缩小了4倍，重量减轻了3倍，能够节省75%以上的空间，同时自带补偿算法，非常适合大批量的工业应用和消费类的应用。另一方面，EC和eCO2的精度和指向性比较弱，而且容易受到湿度的影响。
传感器在智慧健康领域的发展趋势？
相较于汽车、工业等领域的传感器产品，家用智慧健康监测设备在感应距离和敏感度方面都不一样，并且，在室内的小空间，存在很多反射和干扰。这些都是传感器在家庭智慧健康监测领域的现实问题。与此同时，应用场景和需求极度的碎片化、且对功耗要求更为严苛，这都给传感器设计带来了更大挑战。
对此，李国豪表示，英飞凌在传感器的开发方面已有多年积淀，形成了丰富的传感器产品线和多种产品规格。结合传感器、处理器、安全芯片等产品，除了传感功能，还可以加入更多的IoT、无线等功能，让智慧健康监测变得更容易，走入更多家庭中得以应用。
在持续开拓新应用方面，将会通过不同商业模式、不同合作方式，与不同生态圈的合作伙伴，通过多种模式进一步触达新的应用蓝海。目前，英飞凌正在开启智慧健康监测领域的更多新应用，通过与合作伙伴进行算法提升，未来将在健康管理方面发挥重大功效，开拓更多的新机遇。
以智慧养老为例，通过毫米波雷达、ToF等设备无接触侦测老年人生活状态的应用需求已经比较明确，例如侦测静坐及睡眠时的呼吸、心率状况；或是侦测在屋内行走有无跌倒等状况。再结合市场上已有的线上医生、甚至是保险服务等，能够形成智慧医疗、智慧养老生态圈的联动发展。
此外，一些智慧康养生命支持系统可面向康养机构、社区养老、居家养老、医疗机构等多种应用场景，提供危险信息及时告警，包括离床告警、跌倒告警、呼吸急促或心跳过缓告警、呼吸暂停告警等。同时，它还能实现潜在风险提前预测，包括睡眠质量分析、跌倒风险预测、生命活力评估、呼吸慢病AI辅助诊疗等功能。
“不过，由于场景多、需求复杂，因此多传感器融合方案目前面临的最大挑战仍是算法，尤其是在算法的相互配合和可靠性方面”，李国豪补充，“通过引入人工智能和机器学习，补充更多逻辑功能来强化数据的分析和处理，将成为下一步的重要趋势。”
近年来，英飞凌致力于发展“感知、计算、执行、连接、安全”五大方向的物联网能力，这些技术能力相互配合，有利于提供更为完整的传感器解决方案。
李国豪表示，除了应用于智慧健康领域的多种传感器，英飞凌还有用于安防的传感器，通过网络通知入侵状况。在智能音箱这个典型的应用中，通过硅麦克风、雷达，再加上软件算法，能够判断用户是否靠近智能音箱，以此来控制屏幕亮度。
“各类传感器可以收集到不同类型的数据，不论是声音、感应还是其他可以量化的数据，这些数据在数字化生活中越来越重要”，李国豪说，“用户通过传感器采集到的这些数据，再加上合适的算法、逻辑，能够开发出更多、更丰富的应用方案，未来的落地点非常广泛，机遇也多种多样。”