消费电子领域最火热的生物传感器

生物识别一词起源于希腊单词“bio”(生命)和“metric”(计量)。自人类文明出现以来，人脸就被用于鉴定身份。但是，直到苹果公司于2013年发布内置指纹识别功能的iPhone 5S后，生物识别才真正成为应用于大众市场的主流技术。因此，该趋势也使得指纹识别传感市场规模在2017年底达到了35亿美元。

如果将指纹识别称之为生物识别技术的“第一波”浪潮，那么，生物识别的“第二波”浪潮同样由苹果公司引领，2017年9月推出的iPhone X为消费类应用的3D传感设定了技术和用例标准，并有望驱动生物识别市场在2022年之前达到170亿美元。

当然，生物识别不仅仅包含指纹或人脸识别，声音、步态、耳形、甚至体味都可作为一种生物识别手段来验证身份，在阿里达摩院发布的2019十大科技趋势中，“数字身份成为第二张身份证”赫然在列。未来，从手机解锁、小区门禁到餐厅吃饭、超市收银，再到高铁进站、机场安检以及医院看病，靠身体密码走遍天下的时代正在加速到来，而传感器则在其中扮演着重要的角色。

屏下指纹的三代进化

目前中国的一线手机品牌、包括华为、OPPO、小米、vivo都推出了基于光学指纹方案的产品，比如华为Mate 20系列、OPPO R17系列、小米8屏幕指纹版、vivo NEX等。

光学屏下指纹识别的方法，是利用屏幕照亮手指，随后手指的成像透过OLED屏幕的小孔，被屏幕下方的光学传感器所感知，进而比对识别。

从已经商用的方案来看，光学屏下指纹的演进经历了三代。第一代是基于CMOS传感器的小孔阵列准直方案。这种结构下，来自指纹的光线通过盖板玻璃和OLED层之后进入准直层，进而过滤掉折射和散射光线，到达感光元件的光线便是准直光，得到相对清晰的指纹图像，最终识别指纹。

第二代则是目前应用更为普遍的镜头式方案。这一方案的本质是在屏幕下方加装摄像头，通过给手指拍照的方式来记录和比对指纹信息。这也是为什么我们在点击屏幕指纹区域的时候，识别区域的亮度会大幅提升，因为需要给手指拍照加个闪光灯。

众所周知，手机指纹识别区域面积想要多大，就得采用同尺寸的指纹传感器，由于两代方案都采用了CMOS传感器，如果要做成区域甚至全屏指纹识别，价格将非常昂贵。我们可以做一道简单的数学题：要做一个尺寸100mm x 75mm(面积约等于3个36×24全画幅)左右的全屏指纹方案，以一片晶圆(4000美金)切割出36个全画幅传感器为标准，只能做12个全屏指纹传感器，每一颗传感器的总成本将高达300-400美元。

因此，第三代方案应运而生，其目的就是为了解决在增大识别面积的同时，有效地控制成本。第三代方案在结构上与第一代类似，但是将CMOS传感器换成了膜光学指纹传感器(TFT)，极大的降低了成本。

目前，OPPO、小米、vivo等厂商均有类似技术。OPPO的做法是将一个位于手机中下部的区域位置定义为“黄金识别区域”，其有效识别区域达到了目前主流光学方案的15倍，用户点按整个区域内的任意位置都可以通过指纹解锁或支付。OPPO方面解释说，他们发现多数用户在拿起手机进行指纹解锁的时候，都是通过单手，用虎口和小拇指分别托住手机的下部，伸出大拇指按压，然后解锁。因此，找到并定义一个舒适的单手操作区域位置，能很好地适应用户本能的握持和操作习惯。此外，更大区域还让OPPO可以支持独特的“黑屏盲操作”、双指同时录入与认证、以及“光域加密”功能。

双指解锁功能在提升安全性方面也具备比较大的潜力，OPPO表示这种提升将是“指数级”的。实际上，Synaptics曾在2017年推出过类似理念的产品，称之为“多重生物特征识别融合引擎”，通过组合“指纹+面部”两个生物特征来实现双重保险。但相比于指纹，通过前置摄像头完成的2D人脸识别天生安全性比较低，采用3D面部识别+指纹组合，安全性会更高，也是目前智能手机的主流配置。

小米屏下指纹方案比较突出的特性是一键录入和大范围盲解。与传统指纹录入需要十次左右的情况不同，小米只需按一下就可以完成录入，其屏幕指纹解锁面积达25mm x 50.2mm。但录入指纹这个场景，用户在使用一款手机的时候基本只会操作一次，以目前2年左右的换机周期来说，用户很可能在2年内只会录入一次指纹，因此这个功能在可拓展性上还有待挖掘。

vivo抛出的全屏指纹概念更高调。它是指在目前区域指纹的基础上进一步扩大识别面积，赋予用户更大的灵活度和便捷性，用户在完全盲操作的情况下也能实现解锁，比如从口袋掏出手机的同时，只要手指接触屏幕就能解锁。与光域指纹类似，全屏指纹可以支持双指、甚至三指或四指录入与识别，将安全性推向了极致。

全屏指纹在用户体验上来看应该是未来的发展方向。但TFT传感器在手机产业中仍然属于未规模化的新技术，虽然与CMOS传感器相比极大的降低了成本，但是传感器面积的增加依然会带来成本的提高。不过，随着技术的规模化普及，全屏指纹方案的成本必然会降低，毕竟所有技术都有着相似的历史发展轨迹。TrendForce旗下拓墣产业研究院报告就曾指出，2017年Synaptics的光学屏下指纹识别成本尚需要12-15美元，但随着汇顶、思立微等厂商的加入，2019年成本将有机会下降至8美元以下。

此外，手机内部空间的平衡则是让人更感兴趣的挑战。手机内部寸土寸金，伴随着5G时代的到来，手机内部还要在已有的4G通讯模组基础上增加5G元器件，手机厂商可能会选择增加机身厚度或者减小电池容量的形式来寻求空间。例如苹果就在厚度上做出了一定的妥协，从iPhone X开始，苹果将主板做成了双层，也将电池设计成L型排布。

与本土手机厂商的选择不同，三星为最新旗舰手机Galaxy S10系列选择的是Qualcomm 3D声波传感器。Qualcomm 3D声波传感器的厚度不到0.2毫米，基本工作原理是通过向手指发射超声波脉冲，创建详细的指纹三维结构图，从而读取手指的沟纹和脊线数据，取代了用二维感光技术读取指纹的传统方案。此外，由于能够检测到手指内的血液流动，该传感器在心率监测、BMI测量和血糖水平分析等应用中也得到了广泛使用。

这家芯片巨头在2016年随着骁龙820的发布，推出了Sense ID超声波方案。2017年，推出了更新版的超声波方案Qualcomm Fingerprint Sensors，在前代基础上实现全新增强特性，包括面向显示屏、玻璃和金属的传感器、定向手势检测、水下指纹匹配和设备唤醒。

Qualcomm方面认为其3D声波传感器轻巧的设计可以使之完全“隐藏”在手机屏幕下，实现无按钮的终端设计，从而为用户带来更加轻薄、屏幕占比更大的智能终端。此外，由于它还可以检测到手指内的血液流动，并且在各种环境下，哪怕是手指潮湿或脏污，都能有效识别指纹，因而大幅提升了指纹识别的安全性、准确性和灵活性。

方兴未艾的3D传感

根据咨询机构Yole Développement的预测，受益于消费电子市场可预见的爆发式增长，3D成像与传感的市场规模将从2016年的13亿美元增长至2022年的90亿美元，其中用于消费电子的3D成像与传感市场将从2016年的2000万美元增长至2022年的60.58亿美元，复合年均增长率(CAGR)达到158%。

2011-2022年全球3D成像与传感市场收入预测

而作为3D深度视觉领域三大主流方案之一，飞行时间(ToF, Time of Flight)技术在过去的一年里除了频频出现在各大旗舰手机产品中外，还在VR/AR手势交互、汽车电子ADAS、安防监控以及新零售等多个领域大显身手，应用前景十分广阔。

“ToF技术跟3D激光传感器原理基本类似，只不过3D激光传感器是逐点扫描，而ToF相机则是同时得到整幅图像的深度信息。”ADI系统应用工程经理李佳解释说，这就好比是ToF镜头发射出了一整面平整的“光墙”，这面光墙打到物体表面发生了形变并带着3D信息反射回来，根据激光往返的时间长短和其固定的飞行速度，就能计算出物体表面上的点与手机之间的距离。当发射的激光足够多时，就可以触达物体表面的每一个点，当所有的点连成一个3D立体面时，我们就能获得物体的形状信息。

李佳，ADI系统应用工程经理

相比3D深度视觉的其它两种方案，李佳认为ToF方案的优势之一在于画面拍摄后计算景深时不需要进行后处理，既可避免延迟又可节省采用强大后处理系统带来的相关成本。同时，ToF测距规模弹性大，大多数情况下只需改变光源强度、光学视野以及发射器脉冲频率即可完成。

主流3D视觉方案对比

因此，随着体感交互与控制、3D物体识别与感知、智能环境感知以及动态地图构建等技术与市场的发展，具有不易受外界光干扰、体积小巧、响应速度快以及识别精度高等多重优势的ToF技术，开始在移动端和汽车电子领域崭露头角。

在李佳看来，手机后置摄像头、VR/AR手势交互、环境测量等应用在技术层面上面临的性能挑战难度通常要更小一些，关注重点主要集中在低成本、低功耗和小尺寸等方面，对于测量速度、寿命和分辨率等方面的要求并不强烈。但对于汽车、工业等专业级场景来说，ToF传感系统的设计不仅需要在精度、范围、响应时间、分辨率、成本、功耗、封装之间取得平衡，还需要针对不同情况中出现的各种不可控因素、传感系统的灵活性与抗干扰性等方面进行定制化的冗余设计，比如添加一些高可靠性的滤波和抗干扰器件/模块，并加载相关的软件算法，从而保证系统有足够的能力去应对不同类型的突发状况。

以汽车应用为例，目前市场上的倒车雷达只能感应是否有障碍物，但一些“身材”矮小的障碍物就达不到感应范围的要求。如果采用ToF技术，倒车系统就可以同时侦测多个不同距离的行人或障碍物，当有行人或者障碍物靠近时，就算是视线死角车顶的树枝，透过软件处理后，也能以影像或声音警示距离，以帮助驾驶人员了解车后相关路况。

在智能建筑领域，以具备人脸识别的ToF 3D立体影像自动门解决方案为例，传统自动门采用红外线反射原理，只能检测到是否有物体出现在感测范围，导致动物也能自由进出商场，造成了管理上的困扰。基于ToF的方案则可识别空间中的人类特征以及人与物体相对位置距离，避免非人类进入商场。此外，商业空间的3D人流自动统计过去有成熟方案，但如何有效利用影像技术，以最低的成本精准分辨进出者的身高、体重、出入时间和低于1%的高度误差，就有相当的技术门槛了。

除了完成物体的3D深度拍照外，ToF技术在工业领域还能为机器人带来视觉效应，使之能像人类一样具有方向感。

“在人类与机器人的合作问题上，安全性永远是要考虑的首要问题，尤其是当机器人身处较为拥挤的工作环境中，它们必须能辨认人与机械的动作，并做出迅速的反应以避免受伤。”李佳说，如果用激光雷达来解决机器人自主避障问题，成本需要增加数万元；用双摄像头方案，需要大量的运算和双摄像头精准位置的调教。相比之下，ToF则成为解决上述难题的极具性价比的最佳选择。

ADDI903x系列是ADI CCD ToF方案的核心器件之一，支持CCD红外光ToF传感器，分辨率可达640x480。李佳认为，与CMOS解决方案相比，以松下公司CCD传感器和ADI ADDI903x为核心的系统级ToF解决方案，在同样的尺寸和成本下能提供更高的系统性能。比如高解析度，在光线复杂的环境中可以更好的区分主体与背景。同时，得益于松下针对940nm发光波段而设计的CCD架构，可以更精确的捕捉运动环境中的画面。

TWS耳机，请主动降噪

如今，越来越多的手机开始取消3.5mm耳机接口，转而采用USB-C接口耳机或是无线蓝牙耳机，但消费者对音乐分辨率的要求却始终有增无减。一项调查显示，音质已成为消费者选择耳机或音箱产品时最看重的因素，76%的受访者为此投了赞成票，79%的受访者期待高分辨率的音频，并愿意为此支付更高的费用。

而在苹果AirPods的示范效应下，真无线立体声(TWS)耳机作为移动互联网入口的潜质逐步显现，亚马逊、谷歌、微软、华为等各路巨头纷纷布局抢占市场。调研数据称，2018年至2023年间，无线耳机市场的复合年增率将高达39%，而具备主动降噪(ANC)功能的无线耳机增幅更是惊人，达到了150%。

无线耳机市场潜力巨大

但市场快速增长的同时，大多数采用被动降噪的半入耳式无线耳机由于结构本身限制，使噪声更容易刺激耳朵，成为了市场普遍痛点。这是因为传统耳机的被动降噪单纯的利用耳机耳罩物理结构设计来减少外界声音的进入，而主动降噪则利用了声波干涉的现象，通过主动发射与外界噪音振幅相同的反相位声波，从而使得两者相互抵消，以达到降噪的效果。

艾迈斯半导体(ams)耳机与汽车传感器部门无线耳塞解决方案营销经理Christian Feierl在接受《电子工程专辑》采访时表示，由于半入耳式耳塞佩戴方式相对松散，会导致外部噪音大量进入耳内，所以目前来看，基于半入耳式耳机的主动降噪方案还比较罕见。另一方面，如果要在半入耳式耳塞中加入主动降噪系统，就需要实时检测佩戴情况，通过算法优化以匹配最优模式，这对芯片的运算能力和功耗表现提出了更高的要求。

Christian Feierl，ams耳机与汽车传感器部门的无线耳塞解决方案营销经理

ams此前的主动降噪方案大多基于模拟电路，需要搭建复杂的电阻电容生成噪声滤波电路。但2016年，通过收购英国Incus Laoratories公司，ams获得了数字主动降噪技术，并将其运用在最新推出的数字增强听觉方案AS3460上。

将ANC滤波器运行在数字处理器中有多种好处。首先是小巧而灵活，正如前文所述，数字主动降噪技术无需过多外围器件，能够针对不同环境自适应的切换滤波器，或者将周围环境的声音直接送入耳机，也可以与蓝牙通信设备等进行数字接口通信。其次，数字方案可以在芯片内部快速调整滤波电路并立即投入验证，开发速度更快；第三，数字降噪技术免去了过往需要人工手动完成的校准过程，优化了流程。但与此同时，功耗和数字系统更高的延迟也不可忽视，设计者必须要在多种因素间找到平衡点。

Christian Feierl说围绕耳机的生态创新是一盘大棋。除了AS3460，他们还在无线耳塞最优布局布线参考设计中增加了数字MEMS麦克风和接近光传感器。未来，还可以在耳塞内植入其他传感器，比如用于检测耳塞插入的接近传感器、加速度传感器、健身器材用的心率传感器、温度传感器，以及触控传感器，从而使摘下耳机暂停音乐、上下滑动增减音量、血压/心率检测等功能变得触手可及。

结语

不同的生物识别技术在精度、稳定性、识别速度、便捷性方面有着各自不同的特点和优劣势，未来，多重生物识别技术融合必将成为趋势。Technavio提供的数据也印证了这一判断，未来5年，全球多重识别市场的规模将会保持20%以上的增长速度，而采用双重识别技术的应用占比将超过90%，目前在智能手机中广泛采用的指纹识别+3D人脸识别组合即为最好例证。