在不需要连续观测的应用中，平均功耗与噪声的关系变得更有意义。或许令人难以置信，但噪声和功耗的关系甚至可能变成互补式。这对工程师来说无疑是个好消息。因为在之前的设计中，工程师可能因难以确定该让功耗还是性能主导其设计而延误了时机。而现在，无需等待其他人在这一权衡中做出决定，智能传感器架构师可自行对权衡范围内的相关选项进行量化；这一做法将重新定义架构师的工作。

组成智能传感器架构的5个部分，你都造吗？图1是智能传感器架构的一般例子，其中包含了最常见的功能。

核心传感器

智能传感器节点中的信号链从核心传感器功能开始。最基本形式的核心传感器也称为变换器，其将物理条件或属性转换成代表性的电信号。传感器的比例因子描述其电响应与其监控的物理属性或条件的线性关系。

滤波器

滤波器的作用是降低核心传感器可能支持，但与应用无关的频段中的噪声。在振动监控应用中，这可能是一个带通滤波器，它将随机振动与可能指示机器寿命减损的特定频谱特征分离开来。在倾斜传感器中，这可能是一个简单的低通滤波器，例如移动平均滤波器。这种情况下，时长是建立时间与滤波器输出残余噪声之间的一个重要权衡因素。图2显示了ADXL355艾伦方差曲线的例子，它表示相对于产生测量的均值时间，测量的不确定性（噪声）。

图2. 艾伦方差曲线：ADXL355和ADXL362

校准

校准功能的作用是通过应用校正公式来提高测量精度。在要求极高的应用中，通常是在严格受控条件下进行测量，通过直接观测传感器响应来获得此类校正公式。例如在倾斜传感器应用中，校准过程涉及到观测MEMS加速度计在多个不同方向上相对于重力的输出。这种观测的一般目标是观测传感器对足够多取向的响应，从而求解如下关系式（参见方程1）中所有12个校正系数（m11、m12、m13、m21、m22、m23、m31、m32、m33、bx、by、bz）：

数据处理

 

数据处理功能用于将校准且滤波的传感器数据转换成适当的测量结果以对应用提供最佳支持。在振动监控系统中，这可能是简单的RMS-DC转换或带频谱报警的快速傅里叶变换（FFT）。在倾斜检测应用中，智能传感器会利用如下将传感器对重力的加速度响应转换成方位角估计值。

这三个关系式分别代表使用一个、两个和三个加速度计测量结果的倾斜估计，假设各加速度计完全正交。