ADVERTISE SUBSCRIBE TECHNICAL ARTICLES EVENTS ETNdigi ABOUT USCONTACT

IN FOCUS

IoT-piireillä päästöt kuriin

IoT-teknologia on nousemassa keskeiseksi työkaluksi kestävän kehityksen ratkaisuissa. Vaikka laitteiden valmistus ja käyttöönotto vaativat energiaa, pitkän aikavälin säästöt ylittävät kulut moninkertaisesti. Tuoreiden analyysien mukaan IoT voi säästää jopa kahdeksankertaisesti sen energiamäärän, jonka se itse kuluttaa elinkaarensa aikana.

Lue lisää...

ETNtv

 
ECF25 videos
  • Jaakko Ala-Paavola, Etteplan
  • Aku Wilenius, CN Rood
  • Tiitus Aho, Tria Technologies
  • Joe Hill, Digi International
  • Timo Poikonen, congatec
  • ECF25 panel
ECF24 videos
  • Timo Poikonen, congatec
  • Petri Sutela, Testhouse Nordic
  • Tomi Engdahl, CVG Convergens
  • Henrik Petersen, Adlink Technology
  • Dan Still , CSC
  • Aleksi Kallio, CSC
  • Antti Tolvanen, Etteplan
ECF23 videos
  • Milan Piskla & David Gustafik, Ciklum
  • Jarno Ahlström, Check Point Software
  • Tiitus Aho, Avnet Embedded
  • Hans Andersson, Acal BFi
  • Pasi Suhonen, Rohde & Schwarz
  • Joachim Preissner, Analog Devices
ECF22 videos
  • Antti Tolvanen, Etteplan
  • Timo Poikonen, congatec
  • Kimmo Järvinen, Xiphera
  • Sigurd Hellesvik, Nordic Semiconductor
  • Hans Andersson, Acal BFi
  • Andrea J. Beuter, Real-Time Systems
  • Ronald Singh, Digi International
  • Pertti Jalasvirta, CyberWatch Finland
ECF19 videos
  • Julius Kaluzevicius, Rutronik.com
  • Carsten Kindler, Altium
  • Tino Pyssysalo, Qt Company
  • Timo Poikonen, congatec
  • Wolfgang Meier, Data-Modul
  • Ronald Singh, Digi International
  • Bobby Vale, Advantech
  • Antti Tolvanen, Etteplan
  • Zach Shelby, Arm VP of Developers
ECF18 videos
  • Jaakko Ala-Paavola, Etteplan CTO
  • Heikki Ailisto, VTT
  • Lauri Koskinen, Minima Processor CTO
  • Tim Jensen, Avnet Integrated
  • Antti Löytynoja, Mathworks
  • Ilmari Veijola, Siemens

logotypen

TMSNet  advertisement
ETNdigi
A la carte
AUTOMATION DEVICES EMBEDDED NETWORKS TEST&MEASUREMENT SOFTWARE POWER BUSINESS NEW PRODUCTS
ADVERTISE SUBSCRIBE TECHNICAL ARTICLES EVENTS ETNdigi ABOUT US CONTACT
Share on Facebook Share on Twitter Share on LinkedIn

TECHNICAL ARTICLES

Kuinka suunnitella ToF-kamerajärjestelmä?

Tietoja
Kirjoittanut Veijo Ojanperä
Julkaistu: 23.01.2023
  • Devices
  • Embedded

Monessa konenäkösovelluksessa vaaditaan erilaisten kohteiden etäisyyksien tarkkaa mittaamista. Tämä artikkeli tarjoaa yleiskatsauksen jatkuvan säteilyn (Continous Wave) CMOS-pohjaisen ToF-kamerajärjestelmän tekniikkaan ja sen eduista perinteisiin 3D-kuvausratkaisuihin verrattuna.

Artikkelin ovat kirjoittaneet järjestelmäsuunnittelija Paul O’Sullivan ja järjestelmäsuunnittelun päällikkö Nicolas Le Dortz, jotka työskentelevät Analog Devicesilla. O´Sullivan tuli ADI:n palvelukseen vuonna 2004. Kulutussovellusten edistyneiden projektien parissa hän on työskennellyt vuodesta 2016. Hänellä on tutkinnot Corkin ja Limerickin yliopistoista. Le Dortz vastaa ADI:lla ToF-järjestelmien suunnittelusta. Hänellä on elektroniikkainsinöörin tutkinto Ranskan polyteknisestä korkeakoulusta sekä Ecole-Centrale Supelecista ja mikroelektroniikan tutkinto KTH:sta Ruotsissa. Hän toimi tutkijana Berkeleyn yliopistossa 2013-2014.

Monet konenäkösovellukset vaativat nyt korkearesoluutioisia 3D-syvyyskuvia korvatakseen tai täydentääkseen tavallista 2D-kuvausta. Nämä ratkaisut perustuvat 3D-kameraan, joka tarjoaa luotettavaa syvyystietoa turvallisuuden takaamiseksi, etenkin koneiden toimiessa lähellä ihmistä. Kameroiden on myös tarjottava luotettavaa syvyystietoa haastavissa ympäristöissä, kuten suurissa tiloissa, joissa on erittäin heijastavia pintoja. Sama pätee muiden liikkuvien kohteiden lähellä.

Monet tuotteet ovat tähän mennessä käyttäneet matalaresoluutioisia etäisyysmittarin tyyppisiä ratkaisuja antamaan syvyystietoja 2D-kuvan täydentämiseksi. Tällä lähestymistavalla on kuitenkin monia rajoituksia. CW CMOS ToF -kamerat tarjoavat markkinoiden tehokkaimpia ratkaisuja sovelluksille, jotka hyötyvät korkeamman resoluution 3D-syvyystiedoista. Joitakin korkearesoluutioisen CW ToF -anturitekniikan mahdollistamia järjestelmän ominaisuuksia on kuvattu yksityiskohtaisemmin taulukossa 1. Nämä järjestelmän ominaisuudet soveltuvat myös kuluttajalaitteisiin esimerkiksi videoiden bokeh-efektin tuottamisessa, kasvojentunnistuksessa ja mittaussovelluksiin, sekä autoissa vaikkapa valvomaan kuljettajan vireystilaa.

 

Taulukko 1. Jatkuvan lentoajan mittaamiseen perustuvien järjestelmien ominaisuuksia.

ToF-kameran yleiskuva

Syvyyskamera on kamera, jossa jokainen pikseli tuottaa kameran ja kohteen välisen etäisyyden. Yksi syvyyden mittaustekniikka on laskea aika, joka kuluu valon kulkeutumiseen kameran valonlähteestä heijastavalle pinnalle ja takaisin kameraan. Tätä matka-aikaa kutsutaan yleisesti lentoajaksi (ToF, time-of-flight).

 

Kuva 1. Yleiskuva ToF-anturiteknologiasta.

ToF-kamera koostuu useista elementeistä (katso kuva 1), mukaan lukien:

  • valonlähde - kuten VCSEl eli pintaemittoiva pystykaviteettilaser tai reunaemittoiva laserdiodi - joka säteilee valoa lähellä infrapuna-aluetta. Yleisimmin käytetyt aallonpituudet ovat 850 ja 940 nanometriä. Valonlähde on yleensä diffuusi- eli hajavalonlähde, joka valonsäteen hajonnalla valaisee näkymän tai kohteen kameran edessä.
  • laserohjain, joka moduloi valonlähteen lähettämän valon voimakkuutta.
  • pikseliryhmän muodostama anturi eli CMOS-kenno, joka kerää kohteesta palaavan valon ja tuottaa arvot jokaiselle pikselille.
  • linssi, joka kohdistaa palaavan valon anturille.
  • kaistanpäästösuodin, joka sijaitsee linssin yhteydessä ja suodattaa pois valonlähteen kapeakaistaisen valon ulkopuoliset aallonpituudet.
  • prosessointialgoritmi, joka muuntaa anturin raakakehykset syvyyskuviksi tai pistepilviksi.
  • ToF-kameran valon säätämiseen voidaan käyttää useita lähestymistapoja. Yksinkertainen tapa on käyttää jatkuvaa aaltomodulaatiota - esimerkiksi neliöaaltomodulaatiota 50 %:n pulssisuhteella. Käytännössä laseraaltomuoto on harvoin täydellinen neliöaalto ja saattaa näyttää enemmän siniaallolta. Neliömäinen laseraaltomuoto tuottaa paremman signaali-kohinasuhteen tietyllä optisella teholla, mutta aiheuttaa myös epälineaarisia syvyysvirheitä korkeataajuisten harmonisten yliaaltojen vuoksi.

Jatkuvan aaltomuodon ToF-kamera mittaa lähetetyn signaalin ja paluusignaalin välistä aikaeroa (td) arvioimalla vaihesiirron ϕ = 2πftd näiden kahden signaalin perusaaltojen välillä. Syvyys voidaan arvioida vaihesiirrosta (ϕ) ja valonnopeudesta (c) käyttämällä laskentakaavaa:

 

jossa fmod on modulointitaajuus.

Anturissa oleva kellogeneraattori ohjaa täydentäviä pikselikelloja, jotka vastaavasti ohjaavat varausten kerääntymistä kahdessa varauksen tallennuselementissä (Tap A ja Tap B), sekä lasermodulaatiosignaalia laserohjaimelle. Palautuvan moduloidun valon vaihe voidaan mitata suhteessa pikselikellojen vaiheeseen (katso kuvan 1 oikea puoli). Varausero Tap A:n ja Tap B:n välillä pikselissä on verrannollinen palaavan moduloidun valon intensiteettiin ja palaavan moduloidun valon vaiheeseen suhteessa pikselikelloon.

Mittaus suoritetaan useilla suhteellisilla vaiheilla pikselikellon ja lasermodulaatiosignaalin välillä. Nämä mittaukset yhdistetään moduloidun paluusignaalin perusaallon vaiheen määrittämiseksi. Perusaallon vaiheen avulla voidaan laskea aika, joka valolla kuluu kulkemiseen valonlähteestä tarkkailtavaan kohteeseen ja takaisin anturipikseliin.

Korkeiden modulaatiotaajuuksien edut

Käytännössä fotonien raekohina, lukupiirin kohina ja monitiehäiriöt voivat aiheuttaa virheitä vaihemittauksessa. Korkea modulaatiotaajuus vähentää näiden virheiden vaikutusta syvyysarviointiin.

Tämä on helppo ymmärtää yksinkertaisella esimerkillä, jossa on vaihevirhe ϵϕ - eli anturin mittaama vaihe on ϕ = ϕ + ϵϕ. Syvyysvirhe on sitten:

 

Siksi syvyysvirhe on kääntäen verrannollinen modulaatiotaajuuteen fmod. Tämä on havainnollistettu graafisesti kuvassa 2.

Tämä yksinkertainen kaava selittää suurelta osin, miksi korkean modulaatiotaajuuden omaavissa ToF-kameroissa on pienempi syvyyskohina ja pienemmät syvyysvirheet kuin pienemmällä modulaatiotaajuudella toimivissa ToF-kameroissa.

Kuva 2. Vaihevirheen vaikutus etäisyyden arviointiin.

Eräs suuren modulaatiotaajuuden käytön haittapuoli on, että vaihe kiertyy nopeammin, eli tarkasti mitattava alue on lyhyempi. Yleinen tapa kiertää tämä rajoitus on käyttää useita modulaatiotaajuuksia, jotka kiertävät eri nopeuksilla. Alin modulaatiotaajuus tarjoaa laajan alueen ilman epäselvyyttä, mutta aiheuttaa suuremmat syvyysvirheet (kohina, monitiehäiriö jne.), kun taas korkeampia modulaatiotaajuuksia käytetään samanaikaisesti vähentämään syvyysvirheitä. Esimerkki tästä menetelmästä, jossa on kolme erilaista modulaatiotaajuutta, on esitetty kuvassa 3. Lopullinen syvyysarvio lasketaan painottamalla eri modulaatiotaajuuksien vaihearviot, jolloin korkeammille modulaatiotaajuuksille on annettu suurempi painotus.

 

Kuva 3. Monitaajuinen vaihemittaus.

Jos painotukset kullekin taajuudelle valitaan optimaalisesti, syvyyskohina on kääntäen verrannollinen järjestelmässä valittujen modulaatiotaajuuksien neliölliseen keskiarvoon (rms). Jatkuvan syvyyskohina-alueen saavuttamiseksi modulaatiotaajuuksien lisääminen mahdollistaa integrointiajan tai valaistustehon vähentämisen.

Muita suorituskyvyn kannalta kriittisiä järjestelmätekijöitä

Suorituskykyistä ToF-kameraa kehitettäessä on otettava huomioon useita järjestelmäominaisuuksia, joista joitain käsitellään lyhyesti seuraavassa.

Kuva-anturi

Kuva-anturi on avainkomponentti ToF-kamerassa. Useimpien syvyyden arvioinnin epäideaalisuuksien (esimerkiksi bias, syvyyskohina ja monitieartefaktit) vaikutukset vähenevät, kun järjestelmän keskimääräinen modulaatiotaajuus kasvaa. Sen vuoksi on tärkeää, että anturilla on korkea demodulaatiokontrasti (kyky erottaa fotoelektroneja Tap A:n ja Tap B:n välillä) korkealla modulaatiotaajuudella (satoja megahertsejä).

Anturilla on myös oltava korkea kvanttihyötysuhde (QE) lähi-infrapuna-alueella (esimerkiksi 850 nm ja 940 nm), jotta tarvitaan vähemmän optista tehoa valoelektronien tuottamiseen pikselissä. Lopuksi alhainen lukukohina auttaa kameran dynaamisella alueella mahdollistamalla heikon paluusignaalin havaitsemisen (kaukaa tai matalan heijastavuuden kohteista).

Valaistus

Laserohjain moduloi valonlähdettä (esimerkiksi VCSEL) korkealla modulaatiotaajuudella. Hyötysignaalin maksimoimiseksi pikselissä määrätyllä optisella teholla, optisella aaltomuodolla on oltava nopeat nousu- ja laskuajat puhtailla reunoilla. Laserin, laserohjaimen ja piirilevyasettelun yhdistelmä valaistusalijärjestelmässä ovat kaikki kriittisiä tämän saavuttamiseksi. Modulaatioaaltomuodon perusaallon amplitudin maksimoimiseksi täytyy karakterisoida sekä optimaalinen optinen teho sekä optimaalinen pulssisuhde. Lopuksi optinen teho on myös toimitettava turvallisesti joillakin turvamekanismeilla, jotka on sisäänrakennettu laserohjaimen ja järjestelmän tasolla. Luokan 1 silmänsuojauksen turvarajoja on aina noudatettava.

Optiikka

Optiikalla on keskeinen rooli ToF-kameroissa. ToF-kameroilla on tiettyjä luontaisia ominaisuuksia, jotka ohjaavat erityisiä optisia vaatimuksia. Ensinnäkin valonlähteen valaistuskentän tulee vastata linssin näkökenttää optimaalisen tehokkuuden saavuttamiseksi. On myös tärkeää, että itse objektiivissa on suuri aukko (pieni f/#) valonkeräystehokkuuden parantamiseksi. Suuret aukot voivat johtaa muihin kompromisseihin vinjetoinnin, matalan syväterävyyden ja objektiivin suunnittelun monimutkaisuuden suhteen. Matala pääsädekulman linssirakenne voi myös auttaa vähentämään kaistanpäästösuotimen kaistanleveyttä, mikä parantaa ympäristön valon vaimentamista ja parantaa siten suorituskykyä ulkona.

Optinen alijärjestelmä tulee optimoida myös haluttua toiminta-aallonpituutta varten (esimerkiksi heijastuksenestopinnoitteet, kaistanpäästösuotimen suunnittelu, linssin suunnittelu) suoritustehon maksimoimiseksi ja hajavalon minimoimiseksi. On myös monia mekaanisia vaatimuksia sen varmistamiseksi, että optinen kohdistus on loppusovelluksen haluttujen toleranssirajojen sisällä.

Tehonhallinta

Tehonhallinta on myös erittäin tärkeää korkean suorituskyvyn 3D ToF -kameramoduulien suunnittelussa. Lasermodulaatio ja pikselimodulaatio synnyttävät korkeiden huippuvirtojen lyhyitä purskeita, mikä asettaa rajoituksia tehonhallintaratkaisulle. Anturin integroitujen piirien (IC) tasolla on joitakin ominaisuuksia, jotka voivat auttaa vähentämään kuvapiirin huippuvirrankulutusta. On myös virranhallintatekniikoita, joita voidaan soveltaa järjestelmätasolla virtalähteen (esimerkiksi akun tai USB:n) vaatimusten helpottamiseksi. Tärkeimmät analogiset syöttölaitteet ToF-anturille vaativat tyypillisesti jännitteensäätimen, jolla on hyvä transienttivaste ja matala kohina.

Kuva 4. Optisen järjestelmän arkkitehtuuri.

Syvyysprosessoinnin algoritmi

Toinen suuri osa järjestelmätason suunnittelua on syvyysprosessoinnin algoritmi. ToF-kuvasensori tuottaa raakapikselidataa, josta vaihetiedot on poimittava. Tämä toiminto vaatii erilaisia vaiheita, jotka sisältävät kohinan suodatuksen ja vaiheen purkamisen. Vaiheenpurkamislohkon tulos on mittaus matkasta, jonka valo kulkee laserista kohtaukseen ja takaisin pikseliin, jota usein kutsutaan etäisyydeksi tai säteittäisetäisyydeksi.

Säteittäinen etäisyys muunnetaan yleensä pistepilvi-informaatioksi, joka esittää tietyn pikselin informaatiota sen reaalimaailman koordinaateilla (X,Y,Z). Usein loppusovellukset käyttävät vain Z- eli syvyyskarttaa täyden pistepilven sijaan. Säteittäisen etäisyyden muuntaminen pistepilveksi edellyttää linssin ominaispiirteiden ja vääristymäparametrien tuntemista. Nämä parametrit arvioidaan kameramoduulin geometrisen kalibroinnin aikana. Syvyysprosessoinnin algoritmi voi myös tulostaa muita tietoja, kuten aktiivisia kirkkauskuvia (laserin paluusignaalin amplitudi), passiivisia 2D-infrapunakuvia ja luottamustasoja, joita kaikkia voidaan käyttää loppusovelluksissa. Syvyysprosessointi voidaan tehdä itse kameramoduulissa tai isäntäprosessorissa jossain muualla järjestelmässä.

Taulukossa 2 on esitetty yleiskatsaus tässä artikkelissa käsitellyistä järjestelmätason osista.

Taulukko 2. 3D-ToF-kameran järjestelmätason komponentit.

Johtopäätös

Jatkuvaan aaltomodulaatioon perustuvat ToF-kamerat ovat tehokas ratkaisu, joka tarjoaa korkean syvyystarkkuuden 3d-sovelluksiin. On monia tekijöitä, jotka on huomioitava parhaan suoritustason varmistamiseksi. Modulaatiotaajuus, demodulaation kontrasti, kvanttihyötysuhde ja mittauskohina sanelevat suorituskyvyn kuvakennon tasolla. Myös järjestelmätason tekijät, kuten valaistuksen alijärjestelmä, optinen suunnittelu, tehonhallinta ja syvyyskäsittelyalgoritmit vaikuttavat lopputulokseen. Kaikki nämä järjestelmätason komponentit ovat kriittisiä tarkimman 3D ToF -mittauksen saavuttamiseksi.

Lisätietoja ADI:n ToF-tuotetarjonnasta löytyy täältä.

MORE NEWS

Kiinalaisryhmä hyökkää Windows-palveluilla ja Google Drivella

Tietoturvayritys Check Point Research on paljastanut Silver Dragon -nimisen kybervakoiluryhmän, joka kohdistaa hyökkäyksiä hallituksiin Kaakkois-Aasiassa ja Euroopassa. Tutkijoiden mukaan ryhmä on suurella varmuudella Kiinaan kytkeytyvä ja todennäköisesti osa APT41 -kokonaisuutta.

Botit generoivat jo kolmasosan verkkoliikenteestä – myös tekoälybotteja aletaan estää

Lähes kolmasosa globaalista verkkoliikenteestä on jo bottien tuottamaa. Tämä käy ilmi Fastlyn Threat Insights -raportista, jossa analysoitiin heinä–syyskuun 2025 aikana triljoonia sovellus- ja API-pyyntöjä yhtiön verkossa.

Nokia ja Ericsson tiivistävät yhteistyötä autonomisissa verkoissa

Nokia ja Ericsson syventävät yhteistyötään älykkäässä verkkoautomaatiossa. Yhtiöt avaavat rApp-sovellusekosysteeminsä toisilleen ja sitoutuvat vahvistamaan avoimia standardeja, erityisesti R1-rajapintaa, jonka kautta rAppit keskustelevat SMO-järjestelmän kanssa.

Kännykän massamuisti on pian yhtä nopea kuin työmuisti

Kioxia on aloittanut UFS 5.0 -yhteensopivien sulautettujen flash-muistien arviointinäytteiden toimitukset. Taustalla on yksi selkeä ajuri: päätelaitteissa ajettavat suuret kielimallit ja muu generatiivinen tekoäly nostavat tallennuksen suorituskykyvaatimukset täysin uudelle tasolle.

Tutkimusdata haastaa sähköauton lataamisen ohjeet

Sähköautojen akkujen kestävyydestä on keskusteltu pitkään, ja erityisesti arkilataamisen ohje “pidä varaustaso 20–80 prosentissa” on vakiintunut lähes itsestäänselvyydeksi. Tuore laajaan reaalimaailman dataan perustuva analyysi kuitenkin osoittaa, että kuva on aiempaa monisyisempi.

Qualcomm tuo tekoälyn älykelloihin

Qualcomm Technologies on julkistanut uuden Snapdragon Wear Elite -alustan, jonka tavoitteena on tuoda varsinainen reunatekoäly älykelloihin ja muihin puettaviin laitteisiin. Yhtiö puhuu Personal AI -laitteista, jotka eivät enää ole pelkkiä älypuhelimen jatkeita vaan itsenäisiä, kontekstia ymmärtäviä laitteita.

Donut Labin kenno kesti 100 asteen kuumuuden

VTT on julkaissut toisen riippumattoman testiraportin Donut Labin Solid-State Battery V1 -kennolle. Tällä kertaa tarkasteltiin purkukäyttäytymistä korkeissa lämpötiloissa, +80 ja +100 asteessa. Tulokset ovat kaksijakoiset. Sähköisesti kenno selvisi testeistä hyvin. Rakenteellisesti 100 asteen koe jätti jälkensä.

Nokian Hotard: mobiililiikenne ei ole enää lineaarista

Mobiiliverkkojen liikenne ei Nokian toimitusjohtajan Justin Hotardin mukaan enää kasva lineaarisesti, kun tekoälystä tulee verkon uusi pääasiallinen kuormittaja. Pelkkä “putken kasvattaminen” ei hänen mukaansa enää riitä.

Rohde ja Qualcomm venyttävät radiolinkin 6G-taajuuksille

Rohde & Schwarz ja Qualcomm Technologies ovat demonstroineet MWC Barcelonassa carrier aggregation -yhteyden, jossa yhdistetään perinteinen FR1-taajuusalue ja niin sanottu FR3-alue. FR3 ei kuulu nykyisiin kaupallisiin 5G-verkkoihin, vaan sitä valmistellaan osaksi tulevaa 6G-taajuusarkkitehtuuria.

Uusi eRedCap vie älymittarit 5G-aikaan

Nordic Semiconductor esittelee Barcelonan MWC-messuilla joukon uusia ratkaisuja, joista strategisesti merkittävin liittyy 5G eRedCapiin. Yhtiö tekee yhteistyötä avainasiakkaiden kanssa seuraavan sukupolven eRedCap-teknologioiden kehittämiseksi. Tavoitteena on laajentaa 5G:n käyttö ultra-matalatehoisiin IoT-laitteisiin.

Xiaomi nousi fitness-rannekkeiden ykköseksi

Omdian mukaan globaalit puettavien laitteiden toimitukset ylittivät 200 miljoonaa kappaletta vuonna 2025. Kasvua kertyi kuusi prosenttia edellisvuoteen verrattuna. Fitness-rannekkeissa markkinajohtoon nousi Xiaomi 18 prosentin osuudella. Apple oli toisena 17 prosentilla ja Huawei kolmantena 16 prosentilla. Samsung Electronics ja Garmin täydensivät kärkiviisikon.

Ericsson ja Intel haluavat tekoälyn 6G-radioverkkoon

Ericsson ja Intel kertovat laajentavansa yhteistyötään, jonka tavoitteena on vauhdittaa siirtymää kohti kaupallista, tekoälyyn natiivisti perustuvaa 6G-verkkoa. Yhtiöiden mukaan 6G ei ole pelkkä seuraava mobiiliversio, vaan infrastruktuuri, jossa tekoäly on sisäänrakennettuna radioverkkoon, ytimeen ja reunalaskentaan.

IoT-laitteiden siirto toiselle operaattorille helpottuu

IoT-laitteiden elinkaaren aikainen operaattorin vaihto helpottuu, kun Telenor IoT tuo markkinoille uuden SGP.32-standardin mukaiset eSIM-kortit. Yhtiö ilmoittaa aloittavansa kaupalliset toimitukset 17. huhtikuuta 2026.

Aliro 1.0 julkaistiin: Älypuhelimesta tulee universaali avain

Connectivity Standards Alliance (CSA) on julkistanut Aliro 1.0 -spesifikaation, joka määrittelee ensimmäistä kertaa yhteisen protokollan älypuhelimessa olevalle digitaaliselle avaimelle. Standardin tavoitteena on mahdollistaa, että sama mobiilissa oleva kulkuoikeus toimii eri valmistajien lukijoissa NFC:n, Bluetooth LE:n ja UWB:n kautta. Aliroa tukevat muun muassa Apple, Google ja Samsung.

Voisiko kalsium korvata litiumin?

Hong Kong University of Science and Technologyn tutkijat kertovat kehittäneensä uudenlaisen kalsiumioniakun, joka voisi tarjota vaihtoehdon litiumioniakuille. Tutkimus on julkaistu Advanced Science -lehdessä, ja se perustuu puolikiinteään elektrolyyttiin sekä redoks-aktiivisiin orgaanisiin runkorakenteisiin.

Muuttaako AMD-sopimus Metan AI-yhtiöksi?

Meta ilmoitti tällä viikolla jopa 6 gigawatin GPU-kapasiteettiin tähtäävästä, monivuotisesta sopimuksesta AMD:n kanssa. Kyse ei ole yksittäisestä laite-erästä, vaan usean sukupolven mittaisesta infrastruktuurikumppanuudesta, jossa sovitetaan yhteen GPU-, CPU- ja järjestelmätason roadmapit.

AMD haluaa kantataajuuslaskennan x86-prosessorille

AMD on esitellyt 5. sukupolven EPYC 8005 -palvelinprosessorit, ja sen viesti teleoperaattoreille selvä: kantataajuuslaskenta kuuluu yleiskäyttöiselle x86-prosessorille, ei erillisille baseband-ASICeille tai FPGA-kiihdyttimille.

Perus-PC katoaa markkinoilta ensi vuonna

Gartner arvioi, että muistien raju hinnannousu romahduttaa laitemyyntiä vuonna 2026 ja tekee alle 500 dollarin peruskannettavista taloudellisesti kannattamattomia. Tutkimusyhtiön mukaan tämä ns. entry level -PC-segmentti katoaa markkinoilta vuoteen 2028 mennessä.

Pieniä 5G-tukiasemia nopeammin läpi tuotantolinjasta

Rohde & Schwarz ja LITEON esittelevät Barcelonassa Mobile World COngressissa tuotantotestausratkaisun, jolla 5G-femtosoluja voidaan testata aiempaa selvästi nopeammin. Yhdellä testerillä voidaan karakterisoida neljä laitetta rinnakkain, mikä kasvattaa valmistuksen läpimenoa 50 prosenttia.

Lisää bassoa heti – tai ainakin parannus äänenlaatuun

Samsung hioo täyslangattomia kuulokkeitaan maltillisesti mutta teknisesti kiinnostavasti. Uusi Buds4-sarja ei mullista markkinaa, mutta erityisesti Pro-mallissa äänenlaatuun on tehty konkreettisia laitepuolen muutoksia.

TMSNet  advertisement

© Elektroniikkalehti

 
 

TECHNICAL ARTICLES

Lääkintälaitteet siirtyvät verkkoon, hoito potilaan kotiin

ETN - Technical articleLääkintälaitteiden internet (IoMT) yhdistää diagnostiikan, puettavat anturit ja sairaalalaitteet pilvipohjaisiin järjestelmiin. Etävalvonta, reaaliaikainen data ja koneoppiminen lupaavat parempaa hoidon laatua ja kustannussäästöjä, mutta samalla ratkaistavaksi jäävät yhteentoimivuus, sääntely ja tietoturva.

Lue lisää...

OPINION

Teslalla ei vieläkään ole itseajavaa autoa

Tesla ei muutu itseajavaksi sillä, että siitä poistetaan ratti. Yhtiö on aloittanut ratittoman Cybercabin sarjatuotannon, mutta ratkaiseva komponentti puuttuu edelleen: toimiva itseajaminen, jota ei tarvitse valvoa, kirjoittaa Elektroniktidningenin Jan Tångring.

Lue lisää...

LATEST NEWS

  • Kiinalaisryhmä hyökkää Windows-palveluilla ja Google Drivella
  • Botit generoivat jo kolmasosan verkkoliikenteestä – myös tekoälybotteja aletaan estää
  • Nokia ja Ericsson tiivistävät yhteistyötä autonomisissa verkoissa
  • Kännykän massamuisti on pian yhtä nopea kuin työmuisti
  • Tutkimusdata haastaa sähköauton lataamisen ohjeet

NEW PRODUCTS

  • Suosittu vähävirtainen IoT-yhteys helposti lisäkortilla
  • Tämä ajuri auttaa pitämään auton hengissä pakkasaamuna
  • 40 TOPSia verkon reunalle
  • Erittäin tarkka anturi virranmittaukseen
  • Eikö 8 bittiä enää riitä? Tässä vastaus
 
 

Section Tapet