[첨단 헬로티]

성능이냐 전력 소모냐의 문제가 IoT 애플리케이션 용의 스마트 센서를 개발하는 개발자들에게 중요한 과제가 되었다. 성능에 중요하게 영향을 미치는 요소가 잡음이다. 필요한 잡음 수준에 따라서 스마트 센서의 주요 기능 블록들로 소자들을 선택할 수 있다. 이 선택에 따라서 전력 소모가 증가할 수 있다. 잡음은 필터링 요구량에 영향을 미친다. 필터링에 따라서 빠르게 변화하는 환경 조건에 대해서 센서의 응답성이 영향을 받으며, 필터링에 따라서 양질의 측정을 하기 위해서 소요되는 시간이 증가할 수 있다.

지속적으로 모니터링(샘플링, 프로세싱, 통신)을 하는 애플리케이션은 상충 관계인 잡음과 전력을 어떻게 충족하느냐가 중요한 과제이다. 잡음이 낮은 솔루션이 되려면 전력 소모가 낮기가 어렵기 때문이다. 예를 들어서 기울기 측정 시스템에서는 MEMS 가속도계가 핵심 센서로서 사용된다. [표 1]은 각 잡음과 전력 면에서 업계에서 가장 우수한 2개 제품을 보여준다. ADXL355(낮은 잡음)와 ADXL362(낮은 전력)이다. 

▲ 표 1. MEMS 가속도계 비교

[표 1]의 4개 항목 중에서 3개 항목은 ADXL362의 선택 가능한 동작 모드들이며, 나머지 하나는 ADXL355에 관한 것이다. 주요 사양들을 살펴보면, ADXL355가 ADXL362의 저전력 모드보다 잡음은 거의 27배나 낮고 전력 소모는 훨씬 높다는 것을 알 수 있다. 좀더 높은 성능을 필요로 하는 애플리케이션의 경우, ADXL362의 고성능 모드를 사용한다 하더라도 ADXL355의 잡음이 9배 낮고, ADXL362는 전력 소모가 ADXL355 보다 13배 낮다.

지속적으로 측정을 할 필요가 없는 애플리케이션에서는 평균 전력 소모와 잡음의 관계가 흥미로워진다. 잡음과 전력 소모가 보완적인 관계가 될 수 있기 때문이다. 이 점이 어떤 이들에게는 의아하게 생각될 수 있을 것이다. 한편 다른 개발자에게 대단한 희소식이 될 수도 있다. 이전의 디자인들은 개발자들이 전력 소모냐 성능이냐를 두고 결정하느라고 일정이 지연되기가 일쑤였는데, 이제는 스마트 센서 개발자들이 이러한 결정이 내려지기를 기다릴 필요 없이 특정한 범위 내에서 재량껏 선택을 하고 디자인을 개발 작업을 할 수 있기 때문이다.

스마트 센서 아키텍처

그러려면 먼저 신호 체인을 어떻게 할지를 결정해야 한다. [그림 1]은 주요 기능들을 포함하는 전형적인 스마트 센서 아키텍처를 보여준다.

▲ 그림 1. 스마트 센서 아키텍처

 

센서 코어

스마트 센서 노드의 신호 체인은 코어 센서 기능에서부터 시작된다. 기본적인 형태에 있어서 코어 센서는 트랜스듀서라고 할 수 있다. 물리적인 조건을 그에 해당되는 전기 신호로 변환하는 것이다. 트랜스듀서의 축척 계수(Scale factor)는 모니터링하고자 하는 물리적인 조건에 대해서 전기 응답이 선형적인 구간을 말한다. AD590 같이 아날로그 출력을 제공하는 온도 센서의 경우에 축척 계수 단위는 mV/℃이다. ADXL355 같은 디지털 가속도계는 LSB/g나 code/g 같은 단위로 축척 계수를 표기한다.

필터

[그림 1]의 신호 체인에서 그 다음 기능 블록은 필터다. 필터의 용도는 코어 센서가 지원하는 주파수 대역으로부터 불필요한 잡음을 낮추는 것이다. 예를 들어서 진동 모니터링 애플리케이션이라고 한다면, 대역 통과 필터를 사용해서 특정 스펙트럼 시그니처로부터 임의적인 진동을 식별할 수 있다. 이런 진동이 발생된다는 것은 기계에 어떤 문제가 있음을 나타내는 것이다. 기울기 센서의 경우에는 간단한 저역 통과 필터를 사용할 수 있다. 이 경우에는 안정화 시간과 필터 출력으로의 잔류 잡음이 상충 관계일 수 있다. 

[그림 2]는 ADXL355의 앨런 편차(Allan variance) 곡선으로서, 측정을 하는 데 걸린 평균 시간에 대해서 측정 불확도(잡음)를 보여준다.

▲ 그림 2. ADXL355와 ADXL362의 앨런 편차 곡선

캘리브레이션

캘리브레이션 기능은 일련의 교정 공식을 적용해서 측정의 정확도를 향상시킨다. 지극히 까다로운 애플리케이션의 경우에는, 엄격하게 통제된 조건을 측정하면서 이 때의 센서 응답을 관찰함으로써 이로부터 직접적으로 교정 공식을 도출할 수 있다. 

예를 들어서 기울기 센서 애플리케이션의 캘리브레이션 프로세스는, 각각 다른 여러 방향으로 중력에 대한 MEMS 가속도계의 출력을 관찰해서 할 수 있다. 충분한 방향들에 대해서 센서 응답을 관찰해서 다음 관계식에서의 모든 12개 교정 계수(m11, m12, m13, m21, m22, m23, m31, m32, m33, bx, by, bz)를 구할 수 있다[공식 1]:

▲ 공식 1.

[공식 1]의 교정 계수들은 바이어스, 감도, 정렬 오차와 관련된다. 이 공식을 확장해서 더 높은 차수의 센서 동작(비선형성)이나 환경 종속성(온도, 전원 수준) 같은 것들을 반영할 수도 있다.

데이터 프로세싱

데이터 프로세싱 기능은 캘리브레이션과 필터링을 거친 센서 데이터를 애플리케이션에 적합한 측정 결과값으로 변환한다. 진동 모니터링 시스템의 경우에는 간단한 rms 대 dc 변환일 수도 있고 아니면 고속 퓨리에 변환(FFT)일 수도 있다(ADIS16228 참조). 기울기 검출 애플리케이션의 경우에는 [공식 2]나, [공식 3]이나, [공식 4]를 사용해서 중력에 대한 가속도 기반 응답을 방향각도 값으로 변환한다. 

▲ 공식 2.

▲ 공식 3.

▲ 공식 4.

이 세 공식은 각 1개, 2개, 3개 가속도계 측정을 사용해서 기울기 계산을 하는 것을 보여준다. 다만, 다중의 가속도계들이 서로 완벽하게 직각이라고 간주한다.

통신/저장

통신/저장 기능은 데이터를 저장하고 IoT 클라우드 서비스와 연결한다(암호화/보안, 저장, 분석).

전원 사이클링 동작

스마트 센서용으로 전원관리(PM) 기능은 세 가지 일을 한다. 첫째, 신호 체인 상의 모든 장치들에 대해서 전원 시퀀싱 요구를 관리한다. 둘째, 에너지 공급원으로부터 공급되는 전원을 신호 체인 상의 각각 장치들이 필요로 하는 전압으로 변환한다. 셋째, 규칙적인 간격으로 측정을 하는 시스템에서 매 측정 이벤트가 시작되도록 하는 스케쥴링 기능을 할 수 있다.

전원 사이클링은 스마트 센서 노드로 이러한 불연속 동작을 식별하기 위해서 흔히 사용되는 기법이다. 측정과 측정 사이에 저전력(또는 제로 전력) 상태를 유지함으로써 스마트 센서내에서 에너지를 절약할 수 있다. [그림 3]은 이 기법을 사용한 스마트 센서로 전체적인 측정 사이클에 걸쳐서 순간 전력 소모를 보여준다. 

▲ 그림 3. 기본적인 전원 사이클링 다이어그램

[공식 5]는 [그림 3]의 동작으로 평균 전력 소모(PAV)를 계산하기 위한 관계식을 보여준다.

▲ 공식 5.

•‌ PON은 스마트 센서 노드로 샘플링과 프로세싱을 해서 측정 결과 값을 얻고 이것을 통신하기 위해서 소모되는 평균 전력 소모다.

•‌ POFF는 스마트 센서 노드가 저전력 슬립 모드로 보낼 때 소모되는 평균 전력 소모다.

•‌ tON은 스마트 센서가 턴온하고, 측정 결과 값을 얻고, 이 값을 IoT 클라우드로 전송하고, 다시 턴오프하기까지 걸리는 시간이다.

•‌ tOFF는 스마트 센서가 휴지 상태(슬립 모드 또는 완전히 전원을 끈 상태)로 있는 시간이다.

•‌ T는 평균 측정 사이클 시간이다.

측정 프로세스

온(on) 시간(tON) 동안에 스마트 센서는 다중의 동작 상태를 거친다. [그림 4]와 [공식 6]은 온(on) 시간을 각기 다른 4개의 구간으로 구분해서 보여준다. 초기화, 안정화, 프로세싱, 통신이다.

▲ 그림 4. 스마트 센서의 측정 사이클 시퀀스

•‌ tI는 초기화 시간이다. 전원(VSP)이 인가된 시점부터 신호 체인 상의 각각 장치들이 데이터 샘플링 및 프로세싱을 할 수 있도록 준비가 되는 시점까지의 시간이다.

•‌ ts는 안정화 시간이다. 데이터 샘플링을 한 시점과 필터 출력(VSM)이 충분한 정확도를 달성하도록 안정화하는 시점까지의 시간이다.

•‌ tp는 프로세싱 시간이다. 필터가 안정화하고 나서 측정 결과값을 얻기까지 걸리는 시간이다. 이 시간은 캘리브레이션 공식을 적용하고, 신호 프로세싱을 하고, IoT 보안 프로토콜에 관련된 데이터 암호화를 하는 것을 포함한다.

•‌ tc는 통신 시간이다. 클라우드 서비스로 연결하고, 암호화된 데이터를 전송하고, 오류 검사나 인증 서비스를 하는 데 걸리는 시간이다.

▲ 공식 6.

안정화 시간이 미치는 영향

[그림 4]의 측정 사이클을 보면, 전원 사이클링을 적용한 스마트 센서 노드에 있어서 필터의 안정화 시간 구간에서 잡음이 확실히 전력 소모에 영향을 미친다는 것을 알 수 있다. 대체적으로 애버리징(평균화)을 해서 잡음 크기가 감소하는 것은 애버리징 시간의 제곱근에 비례하며, 에너지 소모는 애버리징 시간과 비례하게 증가한다. 그러므로 잡음 크기를 10배 감소시키려면 에너지 소모는 100배나 증가하게 될 것이다(필터 안정화 시간 구간). 그러므로 뒤집어서 말하면 필터링을 최소한만 필요로 하는 센서일수록 유리하다.

애플리케이션 예

[그림 5]의 마이크로파 안테나 플랫폼을 보자. 이 안테나는 타워 플랫폼에 설치된다. 이 형태의 통신 시스템은 포인팅 각도의 정확도에 따라서 데이터 링크의 신뢰성이 영향을 받는다. 포인팅 각도를 유지하기 위해서는 안테나가 설치된 플랫폼으로 지진이나 여타 장애가 발생되었을 때 수작업적인 조정이 필요할 수 있다. 그러면 유지보수에 인건비가 들어가고 고장을 처리하는 데 시간이 걸릴 수 있으므로, 유지보수 전략의 일환으로서 MEMS 가속도계를 사용해서 안테나 방향이 변화되는 것을 모니터링할 수 있다.

▲ 그림 5. 마이크로파 안테나 플랫폼

이것이 가능하기 위해서는 각 안테나 플랫폼으로 신뢰할 수 있는 통신을 유지해야 한다. 이러한 시스템에서 안테나의 포인팅 각도는 모든 시간에 해당 안테나의 HPBW(Half Power Beam Width: 반 전력 빔폭) 안에 머물러야 한다. 안테나 방향이 짧은 시간에 안테나 HPBW의 25%까지 변화하면 유지보수 방문을 해야 하는 것으로 판단할 수 있다.

이런 경우라고 했을 때 개발자는 기울기 측정에 있어서 피크 잡음을 측정 목표치(HPBW의 25%)의 10%로 할 수 있다. 또한 단순히 잡음 피크 값을 잡음의 rms(root mean square) 값의 3배가 되도록 할 수도 있다. [공식 7]은 이런 요소들을 하나의 관계식으로 단순화하고 있다. 이 관계식을 보면, 기울기 측정에 있어서 잡음은 HPBW보다 120배 낮아야 한다는 것을 알 수 있다.

▲ 공식 7.

이 각도 잡음 요구를 MEMS 가속도계에 적용하기 위해서, [공식 8]은 [공식 7]로부터의 결과값을 [공식 2]의 기본적인 가속도계 공식에 대입했다. 그러므로 HPBW가 0.7도인 안테나라면 가속도계 잡음이 100μg 미만이어야 한다.

▲ 공식 8.

이 결과를 기준으로 삼아서, 사용하고자 하는 센서[표 1]로 100μg의 측정 불확도를 달성하기 위해서 필요한 애버리징 시간을 계산할 수 있다. [그림 2]에 따르면, 그러기 위해서 ADXL355는 0.01초 이내의 애버리징 시간을 필요로 한다(tS355 = 0.01, 공식 10 참조). 

▲ 공식 9.

ADXL362가 잡음이 ADXL355보다 9배 더 높으므로 ADXL355보다 대략 81배의 애버리징 시간을 필요로 할 것으로 생각할 수 있다(tS362 = 81 x tS355, 공식 11 참조). 공식 10은 ADXL355을 사용할 때 안정화 시간으로 인한 에너지 소모를 구하는 것이며, 공식 11은 ADXL362를 사용할 때 안정화 시간으로 인한 에너지 소모를 구하는 것이다[표 1].

▲ 공식 10.

▲ 공식 11.

역설적이게도 이 잡음 수준으로 에너지 소모가 가장 적을 때는 전력이 낮은 가속도계가 아니라 잡음이 낮은 가속도계를 사용할 때라는 것을 알 수 있다. [공식 12]는 [공식 10]과 [공식 11]에서 각 센서로 계산된 에너지 소모를 측정 간격(T = 10초)으로 나눠서 전력 소모에 있어서 안정화 시간의 기여분을 구하고 있다.

▲ 공식 12.

맺음말

이 글에서는 전력이 낮은 센서가 아니라 잡음이 낮은 센서를 사용함으로써 전력 소모가 낮은 솔루션을 달성할 수 있다는 것을 살펴봤다. 이 점은 성능 요구가 까다롭고 접근할 수 있는 에너지원이 제한적인 IoT 애플리케이션 용으로 스마트 센서를 개발하는 개발자들에게 중요한 의미를 시사한다. 본질적으로는 기본에 충실해야 하겠지만, 때에 따라서는 현명한 솔루션을 달성하기 위해서 기본으로부터 탈피하는 것이 필요할 수도 있다. 때에 따라서는, 동일한 센서로 높은 성능과 낮은 전력 소모 둘 다를 달성할 수 있다.   

글 : 마크 루니(Mark Looney)  아나로그디바이스 연구원