1. 引言：为什么需要 Sensor Hub

在工业机器人、智能相机等边缘设备中，传感器采集是一个永不停歇的需求——IMU 需要持续追踪姿态，气压计需要监测环境变化，接近传感器需要检测障碍物。如果每次采样都要唤醒主 CPU（Cortex-A78 级别，动态功耗 2-5W），系统功耗将完全不可接受。

高通的解决方案是：把传感器数据的采集、融合、阈值判断下放到一颗独立的低功耗微控制器（Sensor Hub），只有在真正需要主 CPU 介入时才发起唤醒。

这个架构带来的收益是数量级的：

指标 主 CPU 轮询方案 Sensor Hub 方案
采样期间主 CPU 状态 Active（~2W） Deep Sleep（~5mW）
100Hz IMU 采集功耗 ~800mW（含 DDR） ~15mW（Island Mode）
唤醒延迟 无（始终 Active） 200μs~2ms（按需唤醒）
适合场景 高实时性控制环 监测类、间歇性处理

适用范围说明：本文以 QRB5165 / QCS6490 / IQ-9075 / IQ-9100 平台为参照，架构概念适用于所有具备 SLPI 子系统的高通 SoC。具体寄存器地址、固件版本请以目标平台 BSP 文档为准。

2. 高通 Sensor Hub 硬件架构概览

高通 SoC 中的 Sensor Hub 并非一颗独立芯片，而是集成在 SoC 内部的一个子系统——称为 SLPI（Sensor Low-Power Island） 或 SSC（Sensors Subsystem Core）。

2.1 核心组件

组件 说明
Hexagon DSP（sDSP） Sensor 专用 DSP 核心，运行传感器驱动和算法
Island Mode Hardware 独立电源域、独立时钟，可在主 CPU 掉电时独立运行
Sensor Bus Controller 独立的 I2C/SPI Master，不经过主 CPU 的 QUP 控制器
Shared Memory（SMEM） 与主 CPU 的数据交换缓冲区
IPC Interrupt 跨子系统中断通知，用于唤醒主 CPU
uImage Framework Island Mode 下的精简运行框架

2.2 与主 CPU 的通信路径

SLPI 与 Apps Processor 之间有两条主要通信路径：

1）QMI（Qualcomm Messaging Interface）

  • 基于共享内存的消息队列

  • 用于配置下发、传感器使能/禁用、采样率设置

  • 延迟较高（~100μs 级），适合控制面

2）FastRPC / SMEM 批量通道

  • 零拷贝共享内存映射

  • 用于批量传感器数据上报

  • 通过"水位线"机制触发中断——缓冲区积攒到阈值才通知主 CPU

2.3 独立总线控制

关键设计：SLPI 拥有自己的 I2C/SPI 控制器端口，与主 CPU 的 QUP（Qualcomm Universal Peripheral）完全独立。这意味着：

  • 主 CPU 可以彻底断电（power collapse），不影响传感器采集

  • 不存在总线仲裁冲突

  • 时钟源可以独立配置到低频（节省动态功耗）

/* 设备树示意：SLPI 专用 I2C 端口配置 */
&slpi_i2c {
    status = "okay";
    clock-frequency = <400000>;  /* 400kHz I2C Fast Mode */

    imu@6a {
        compatible = "st,lsm6dso";
        reg = <0x6a>;
        interrupt-parent = <&slpi_gpio>;
        interrupts = <3 IRQ_TYPE_EDGE_RISING>;
    };

    baro@76 {
        compatible = "bosch,bmp390";
        reg = <0x76>;
    };
};

3. SLPI 子系统详解：Islands Mode 的核心机制

3.1 什么是 Islands Mode

Islands Mode 是高通低功耗设计的关键创新：将 Hexagon DSP 的一部分逻辑和存储划分为"岛"，这个岛拥有独立的电源域和时钟域，可以在整个 SoC 大部分区域断电时继续运行。

与传统 MCU 的低功耗模式对比：

特性 传统 MCU Sleep 高通 Islands Mode
计算能力 无（需唤醒） 有限 DSP 指令集可用
内存 保持但不可访问 Island 内 TCM 可读写
外设访问 需唤醒 Island 内 I2C/SPI 可用
唤醒源 GPIO/Timer GPIO/Timer/传感器阈值
功耗量级 1-50μA 50-500μA（含采集）

3.2 Island Mode 内存模型

┌──────────────────────────────────────────────────────────┐
│                    SLPI 子系统                             │
├──────────────────────────────┬───────────────────────────┤
│     Island Domain（常开）     │    Big Domain（可关断）     │
├──────────────────────────────┼───────────────────────────┤
│  TCM (Tightly Coupled Mem)   │     DDR 映射区域           │
│  - Island 代码段 (~64KB)     │     - 完整 SEE 框架        │
│  - Island 数据段 (~128KB)    │     - 传感器算法库         │
│  - 传感器环形缓冲区          │     - QMI 协议栈           │
│  - 阈值/滤波参数             │     - 调试日志             │
├──────────────────────────────┼───────────────────────────┤
│  Island I2C/SPI Controller   │     DMA Engine             │
│  Island Timer                │     SMEM Controller        │
│  Island GPIO                 │     FastRPC Engine         │
└──────────────────────────────┴───────────────────────────┘

关键约束：Island Mode 下只能访问 TCM（通常 64-256KB），不能访问 DDR。这意味着运行在 Island 内的代码和数据必须严格控制尺寸。

3.3 uImage 框架

高通提供 uImage 框架来管理 Island Mode 内的执行环境：

  • uSleep：Island 内的低功耗调度器，在无任务时进入浅睡眠

  • uTimer：Island 内的定时器服务，精度到 μs 级

  • uTlmm：Island 内的 GPIO 控制

  • uI2C / uSPI：Island 内的总线驱动（API 集精简，不支持 DMA）

/* 伪代码：Island Mode 传感器驱动结构 */
#include <uimage/usleep.h>
#include <uimage/ui2c.h>

/* 标记为 Island Mode 可执行 —— 链接到 TCM */
__attribute__((section(".island_text")))
void sensor_island_poll(void)
{
    uint8_t buf[6];
    /* 在 Island Mode 下直接读 I2C */
    ui2c_read(SENSOR_HANDLE, IMU_ADDR, ACCEL_REG, buf, 6);

    int16_t accel_x = (buf[1] << 8) | buf[0];
    /* 阈值判断 —— 不唤醒主 CPU */
    if (abs(accel_x) > MOTION_THRESHOLD) {
        /* 超过阈值才退出 Island，通知主 CPU */
        island_exit_request(REASON_MOTION_DETECTED);
    }
    /* 否则数据写入环形缓冲区，继续 Island Mode */
    ring_buffer_push(accel_x);
}

4. 传感器驱动框架：SEE（Sensors Execution Environment）

4.1 SEE 架构分层

SEE 是高通传感器驱动的运行框架，完整运行在 SLPI 上：

层级 职责 运行域
Sensor Driver 具体硬件操作（I2C 读写、中断处理） Island/Big
Sensor API 标准化数据格式、采样率管理 Big Domain
SMGR Sensor Manager 多 Client 调度、功耗策略 Big Domain
QMI Service 与 Apps CPU 的接口 Big Domain

4.2 驱动注册与数据流

传感器驱动在 SEE 中注册时需要声明其 Island Mode 能力：

/* 伪代码：SEE 驱动注册结构 */
static const sns_sensor_api lsm6dso_api = {
    .struct_len     = sizeof(sns_sensor_api),
    .init           = lsm6dso_init,
    .deinit         = lsm6dso_deinit,
    .get_sensor_uid = lsm6dso_get_uid,
    .set_client_request = lsm6dso_set_client_request,
    .notify_event   = lsm6dso_notify_event,
};

static const sns_sensor_instance_api lsm6dso_instance_api = {
    .struct_len     = sizeof(sns_sensor_instance_api),
    .init           = lsm6dso_inst_init,
    .deinit         = lsm6dso_inst_deinit,
    .set_client_config = lsm6dso_inst_set_config,
    .notify_event   = lsm6dso_inst_notify,
};

/* 关键：island_capable 标志 */
sns_register_sensor(
    &lsm6dso_api,
    &lsm6dso_instance_api,
    .island_capable = true,   /* 声明支持 Island Mode */
    .island_size = 12288,     /* Island 内存需求 12KB */
);

4.3 数据不上主 CPU 的关键机制

SEE 框架提供以下机制实现数据在 SLPI 侧闭环：

1）Batching（批处理）

  • 将多个采样点积攒在 SLPI 侧的 FIFO 中

  • 达到"水位线"或超时才一次性上报

  • 主 CPU 可以在整个 Batch 周期内保持 Deep Sleep

2）Event Gating（事件门控）

  • SLPI 侧做阈值/条件判断

  • 只有满足条件的事件才上报

  • 例：加速度变化超过 0.5g 才通知

3）On-change Sensor（变化触发）

  • 仅在数值变化时生成事件

  • 适合接近传感器、光线传感器

  • 稳态时 SLPI 零上报，主 CPU 无打扰

4）Island Processing（岛内处理）

  • 简单算法直接在 Island Mode 内执行

  • 步数计算、跌倒检测等可不退出 Island

  • 全程不涉及 DDR 访问

5. 低功耗状态机设计

5.1 SLPI 功耗状态定义

SLPI 子系统有四个主要功耗状态：

状态 功耗范围 能力 退出延迟
Active 20-80mW 完整 DSP + DDR + 所有外设 —
Light Sleep 5-15mW DSP 暂停，外设保持，TCM 保持 <10μs
Island Mode 0.5-2mW Island 域工作，Big Domain 关断 50-200μs
Deep Sleep 50-200μW 仅保持 TCM 内容，等待中断唤醒 1-5ms

5.2 状态迁移策略

┌─────────────────────────────────┐
                    │          ACTIVE                   │
                    │  Full DSP + DDR + All Peripherals │
                    └──────────┬──────────┬────────────┘
                               │          │
            无任务 50μs 后     │          │  QMI 请求 / 大数据处理
                               ▼          │
                    ┌──────────────────┐   │
                    │   LIGHT SLEEP    │   │
                    │  DSP halt, SRAM  │◄──┘
                    │  retained        │
                    └────────┬─────────┘
                             │
          所有 Client 均为    │
          Island-capable     │
                             ▼
                    ┌──────────────────┐
                    │   ISLAND MODE    │◄─── 传感器中断（Island 内处理）
                    │  Only TCM + I2C  │
                    │  No DDR access   │
                    └────────┬─────────┘
                             │
          无活跃 Client,     │
          仅保持唤醒源       │
                             ▼
                    ┌──────────────────┐
                    │   DEEP SLEEP     │◄─── RTC 定时器 / GPIO 唤醒
                    │  TCM retained    │
                    │  All clocks off  │
                    └──────────────────┘

5.3 关键设计原则

原则一：最小唤醒域 —— 能在 Island 里完成的事，绝不退出到 Big Domain；能在 SLPI 完成的事，绝不唤醒 Apps CPU。

原则二：Batch 对齐 —— 多个传感器的 Batch 周期尽量对齐到同一个上报时刻，避免主 CPU 被碎片化唤醒。

原则三：尽早判断 —— 阈值判断放在最低功耗域执行。在 Island 内就能判定"不需要上报"的数据，绝不推到 Active 状态再判断。

6. 数据不上主 CPU 的休眠方案详解

6.1 方案全景

实现"传感器数据不上主 CPU"需要在以下层面协同设计：

层面 措施 效果
硬件 SLPI 独立 I2C 端口 主 CPU 可断电
固件 Island Mode 驱动 采集不退出 Island
框架 SEE Batching 减少上报频次
算法 阈值/融合在 SLPI 执行 只上报有意义事件
系统 Apps CPU 低功耗策略联动 无上报时进入 Deep Sleep

6.2 Apps CPU 侧配置

主 CPU 侧需要配置 Linux 电源管理以配合 Sensor Hub 的设计：

# 启用 Apps CPU Power Collapse（允许深度休眠）
echo "enabled" > /sys/devices/system/cpu/cpu0/cpuidle/state3/disable
# 这里 state3 通常对应 power collapse，具体 index 查看平台文档

# 配置 PM QoS —— 告诉系统可接受的唤醒延迟
# 10ms 延迟容忍 = 允许进入最深睡眠
echo 10000 > /dev/cpu_dma_latency

6.3 SLPI 侧 Batching 配置

通过 QMI 接口配置传感器 Batching：

/* 伪代码：配置 Batching 参数 */
sns_client_request_msg req = {
    .sensor_uid = LSM6DSO_ACCEL_UID,
    .msg_id     = SNS_STD_SENSOR_MSGID_CONFIG,
    .request    = {
        .sample_rate  = 100.0f,    /* 100Hz 采样 */
        .batch_period = 5000000,   /* 5 秒批处理周期（单位 μs） */
        /* 含义：每 5 秒上报一次 500 个样本 */
        /* 这 5 秒内主 CPU 可以持续 Deep Sleep */
    },
};
sns_client_send_request(&client_handle, &req);

6.4 Wakeup Batching vs Non-Wakeup Batching

模式 行为 适用场景
Wakeup Batching Batch 满后强制唤醒主 CPU 数据不可丢失（导航、记录）
Non-Wakeup Batching Batch 满后暂存，等主 CPU 自然唤醒时取 数据可容忍延迟（环境监测）
Flush on FIFO Full FIFO 满时强制刷新 避免数据覆盖

6.5 实际功耗收益估算

以 100Hz IMU + 1Hz 气压计场景为例：

传统方案（主 CPU 轮询）：
  主 CPU Active: 2W × 持续运行 = 2W
  总系统功耗贡献: ~2W

Sensor Hub 方案（5s Batch）：
  Island Mode 采集: 1.5mW × 持续运行 = 1.5mW
  主 CPU 唤醒处理: 2W × 2ms × (1/5s) = 0.8mW
  总系统功耗贡献: ~2.3mW

功耗降低: ~870x

7. 唤醒策略与中断管理

7.1 唤醒源层级

优先级   唤醒源                    目标状态        典型延迟
─────────────────────────────────────────────────────────
 高      传感器 DRDY 中断          Island Mode     <50μs
 中      Batch 水位线中断          Active          50-200μs
 低      QMI 请求（来自 Apps）     Active          100-500μs
 最低    RTC 定时器               按需             1-5ms

7.2 中断路由设计

传感器中断在 SLPI 子系统内有专门的路由路径：

/* 伪代码：SLPI 中断配置 */
typedef struct {
    uint32_t gpio_num;        /* SLPI GPIO 编号（非 Apps GPIO） */
    uint32_t trigger_type;    /* RISING_EDGE / LEVEL_HIGH */
    bool     island_capable;  /* 是否能在 Island Mode 下触发 */
    void     (*handler)(void*);
} slpi_irq_config_t;

/* IMU Data Ready 中断 —— Island 内处理 */
slpi_irq_config_t imu_irq = {
    .gpio_num       = SLPI_GPIO_3,
    .trigger_type   = IRQ_TRIGGER_RISING,
    .island_capable = true,   /* 关键：不退出 Island 即可响应 */
    .handler        = imu_data_ready_handler,
};

7.3 避免虚假唤醒

在实际产品中，虚假唤醒是功耗优化的大敌：

虚假唤醒原因 对策
I2C 总线毛刺触发中断 硬件去抖 + 中断后验证寄存器状态
非 Island 代码路径被误触发 严格标记 island_capable
Batch 水位线设置过低 根据应用场景调整（建议 ≥1s）
多传感器中断不对齐 使能硬件 FIFO + 合并中断

8. 实战：IMU + 气压计的 Sensor Hub 低功耗方案

8.1 需求场景

一个工业巡检机器人需要：

  • 持续姿态监测：100Hz IMU，用于检测跌倒/碰撞

  • 环境气压记录：1Hz 气压计，用于楼层判断

  • 功耗预算：传感器子系统 ≤5mW（电池供电巡检模式）

  • 响应延迟：碰撞检测 ≤10ms 唤醒主 CPU

8.2 数据处理全流程

8.3 配置要点

步骤 1：设备树配置 SLPI I2C 端口

&slpi_i2c2 {
    status = "okay";
    clock-frequency = <400000>;

    /* LSM6DSO IMU —— 支持硬件 FIFO + Island Mode */
    imu@6a {
        compatible = "st,lsm6dso";
        reg = <0x6a>;
        interrupt-parent = <&slpi_tlmm>;
        interrupts = <5 IRQ_TYPE_EDGE_RISING>;   /* SLPI GPIO 5 */
        st,int-pin = <1>;
        /* 硬件 FIFO watermark = 500 samples */
        st,fifo-watermark = <500>;
    };

    /* BMP390 气压计 —— 低频采样，Non-Wakeup */
    baro@76 {
        compatible = "bosch,bmp390";
        reg = <0x76>;
        /* 无中断线，使用 Timer 轮询（1Hz） */
    };
};

步骤 2：SEE 驱动 Island 配置

/* 伪代码：LSM6DSO Island Mode 驱动配置 */
static sns_island_config lsm6dso_island_cfg = {
    .island_capable    = true,
    .tcm_code_size     = 4096,    /* 4KB 代码段 */
    .tcm_data_size     = 8192,    /* 8KB 数据段（含环形缓冲区） */
    .island_services   = {
        .i2c  = true,             /* 需要 Island I2C */
        .gpio = true,             /* 需要 Island GPIO（中断） */
        .timer = false,           /* 靠硬件中断触发，不需要 Timer */
    },
};

/* 碰撞检测阈值 —— 在 Island 内判断 */
#define COLLISION_THRESHOLD_MG  2000  /* 2g */
#define BATCH_WATERMARK         500   /* 5s @ 100Hz */

步骤 3：Apps 侧电源管理联动

# 确认 SLPI remoteproc 已加载
cat /sys/class/remoteproc/remoteproc2/state
# 期望输出: running

# 配置 CPU idle 最大深度
echo 1 > /sys/module/lpm_levels/parameters/sleep_disabled
# 0 = 允许所有低功耗级别

# 监控 SLPI 唤醒统计
cat /sys/kernel/debug/rpm_stats
cat /sys/kernel/debug/slpi/power_stats

8.4 功耗测量验证

# 使用高通 power profiler 工具测量
adb shell "cat /sys/bus/platform/devices/soc:qcom,sensor-hub/power/runtime_status"
# 期望：suspended（大部分时间）

# 查看 SLPI 唤醒次数
adb shell "cat /sys/kernel/debug/slpi/island_stats"
# island_entry_count: 12345
# island_exit_count: 25        （仅 Batch 上报时退出）
# avg_island_duration_ms: 4998 （接近 5s Batch 周期）

9. 调试与功耗测量方法

9.1 常见问题排查

症状 可能原因 排查方法
SLPI 不进入 Island Mode 驱动未标记 island_capable 检查 SEE 驱动注册参数
Island 频繁退出 TCM 溢出或非 Island 代码被调用 检查 island_exit 日志
主 CPU 无法进入 Deep Sleep SLPI 唤醒源配置错误 检查 rpm_stats
Batch 数据丢失 FIFO 溢出，水位线过高 降低 watermark 或增加 FIFO 深度
唤醒延迟超预期 IPC 中断优先级配置不当 检查 GIC 中断优先级

9.2 调试工具链

# 1. SLPI 日志抓取（通过 mini-dm）
adb shell "echo 1 > /sys/kernel/debug/slpi/log_enable"
adb shell "cat /dev/slpi_log" | grep -i "island"

# 2. 电源状态监控
watch -n 1 "cat /sys/kernel/debug/slpi/power_stats"

# 3. QMI 消息跟踪
adb shell "echo 0x1F > /sys/module/sns_qmi/parameters/debug_mask"
# 查看 /var/log/sensor_qmi.log

# 4. 硬件功耗测量（推荐 Monsoon Power Monitor）
# 连接 SLPI VDD 供电轨，观察电流波形
# 正常 Island Mode: ~500μA 基线 + 周期性 1-2mA 尖峰（I2C 采集）

9.3 功耗优化检查清单

  • 所有常驻传感器驱动标记 island_capable
  • Island TCM 使用量 < 75%（留余量防止 OOM 退出）
  • Batch 周期 ≥ 1s（避免频繁唤醒）
  • 多传感器 Batch 周期对齐（如都设为 5s 的整数倍）
  • Non-Wakeup 模式用于非关键数据
  • 碰撞/紧急事件走 Island 内判断 + 直接 IPC 唤醒
  • Apps CPU idle 状态允许 Power Collapse
  • 验证 SLPI Island 退出次数与预期一致
  • Monsoon 实测功耗与理论估算偏差 < 20%

10. 结语

Sensor Hub 低功耗开发的核心思路可以凝练为一句话：让数据的处理层级与其重要性匹配。

  • 常规监测数据 → Island Mode 内采集缓存，批量上报

  • 阈值告警事件 → Island 内判断，即刻唤醒

  • 复杂算法结果 → Active 模式处理，但频次降到最低

这个分层策略不仅适用于传感器场景，也是整个嵌入式低功耗设计的通用范式。在工业机器人领域，合理的 Sensor Hub 方案可以将电池寿命从"小时级"提升到"天级"，这对于巡检机器人、无人叉车等应用场景具有决定性意义。

下一篇（第 5 篇）我们将进入功能安全领域，探讨 IEC61508 SIL3 标准下高通 IQ 系列的安全岛硬件架构与锁步双核机制。

参考资料

  1. Qualcomm Sensors Execution Environment SEE Developer Guide, Qualcomm Developer Network

  2. Qualcomm Hexagon DSP Architecture Reference Manual

  3. QRB5165 / QCS6490 Hardware Register Description — SLPI Subsystem Chapter

  4. Qualcomm Low Power Island LPI Technical Brief, 2023

  5. "Sensor Batching in Android: HAL and Framework", Android Source Documentation

  6. STMicroelectronics LSM6DSO Datasheet — Embedded FIFO Configuration

  7. Bosch BMP390 Datasheet — Low Power Measurement Modes

  8. Qualcomm Industrial IoT Platform — Power Optimization White Paper

  9. Linux Kernel Documentation: drivers/remoteproc/ — Remote Processor Framework

Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

谁在认真做人形机器人关节？

一派"从齿形里长出来"（日系 + 国产专业厂），一派"从平台里溢出来"（欧美 + 国产跨界龙头）。前者壁垒更专、护城河更硬；后者体量更大、落地更快。对人形机器人而言，短期看谁能量产、降本；中期看谁的关节更柔顺、更耐久；长期，壁垒还是会回到齿形原创与材料工艺——那是绕不过去的"硬科技"。国产替代的窗口已经打开：专业厂在齿形上死磕，跨界龙头在制造上碾压。19,301 项专利里，真正属于"谐波单项"的，

avatar DAMO开发者矩阵

2026年机器人3D视觉相机怎么选？7大品牌横评与技术路线全解析（附国产化替代进度）

结论先给：没有一款"全能"相机，只有"适配场景"的相机。空间受限、需要高速动态感知的人形/四足机器人本体集成，优先看点昀技术 Okulo C2 RGBD相机这类紧凑型 iToF 方案；户外强光、远距离导航避障的工业 AGV/AMR，双目+激光雷达的组合仍是主流，奥比中光、览沃是代表；工业检测这类高精度静态测量场景，结构光和奥普特这类深耕机器视觉二十年的老牌供应商更稳妥。国产供应链在 3D 视觉这条

avatar DAMO开发者矩阵

01 LLM简介

LLM（Large Language Model，大语言模型）是一种用海量文本训练出来的神经网络，核心能力是：根据已有文字，预测下一个最可能出现的文字，并反复这样做，从而「生成」一整段回复。Agent、聊天机器人、代码助手，底层几乎都是 LLM。后面调 API、写 Prompt、做 Function Calling 时容易踩坑。

avatar DAMO开发者矩阵