陀螺儀,這個與智能手機息息相關的一個配件,剛被發明時可是個大家伙,隨著技術的進步,慢慢發展成集成進一個小小的電子芯片當中,陀螺儀,是傳感器的一種,主要是用來檢測手機震動、角度,比如我們左右搖晃手機就可以玩賽車,還有些手機的電子防抖也離不開它,那么,今天,我們就來好好了解下,這玩意的前世今生。
一、陀螺儀的發明
現在手機里面的陀螺儀傳感器已經進化成一塊小小的芯片了,但是在陀螺儀出現的時候,它確是一個機械裝置。
目前,人們普遍認為是1850年法國的物理學家萊昂·傅科(J.Foucault)為了研究地球自轉,發明了陀螺儀。那個時代的陀螺儀可以理解成把一個高速旋轉的陀螺放到一個萬向支架上面,這樣因為陀螺在高速旋轉時保持穩定,人們就可以通過陀螺的方向來辨認方向,確定姿態,計算角速度。
萬向支架可以保證無論怎么轉動,陀螺都不會倒,萬向支架這個東西最早可以追溯到中國幾千年前的香爐。
陀螺儀發明以后,首先被用在航海上(當年還沒有發明飛機),后來被用在航空上。因為飛機飛在空中,是無法像地面一樣靠肉眼辨認方向的,而飛行中方向都看不清楚危險性極高,所以陀螺儀迅速得到了應用,成為飛行儀表的核心。
到了第二次世界大戰,各個國家都玩命的制造新式武器,德國人搞了飛彈去炸英國,這是今天導彈的雛形。從德國飛到英國,千里迢迢怎么讓飛彈能飛到,還能落到目標呢?
于是,德國人搞出來慣性制導系統。慣性制導系統采用用陀螺儀確定方向和角速度,用加速度計測試加速度,然后通過數學計算,就可以算出飛彈飛行的距離和路線,然后控制飛行姿態,爭取讓飛彈落到想去的地方。
二戰時候,計算機也好,儀器也好,精度都是不太夠的,所以德國的飛彈偏差很大,想要炸倫敦,結果炸得到處都是,頗讓英國人恐慌了一陣。
不過,從此以后,以陀螺儀為核心的慣性制導系統就被廣泛應用于航空航天,今天的導彈里面依然有這套東西,而隨著需求的刺激,陀螺儀也在不斷進化。
二、陀螺儀的進化
最早的陀螺儀都是機械式的,里面真有高速旋轉的陀螺,而機械的東西對加工精度有很高的要求,還怕震動,因此機械陀螺儀為基礎的導航系統精度一直都不太高。
于是,人們開始尋找更好的辦法,利用物理學上的進步,發展出激光陀螺儀,光纖陀螺儀,以及微機電陀螺儀(MEMS)。
這些東西雖然還叫陀螺儀,但是它們的原理和傳統的機械陀螺儀已經完全是兩碼事了。
光纖陀螺儀利用的是薩格納克(Sagnac)效應,通過光傳播的特性,測量光程差計算出旋轉的角速度,起到陀螺儀的作用,替代陀螺儀的功能。
激光陀螺儀也是通過算光程差計算角速度,替代陀螺儀。
微機電陀螺儀則是利用物理學的科里奧利力,在內部產生微小的電容變化,然后測量電容,計算出角速度,替代陀螺儀。
iPhone和我們的智能手機里面所用的陀螺儀,就是微機電陀螺儀(MEMS)。
目前,傳統上的機械陀螺儀正在被淘汰,有高精度需求的地方用的是激光陀螺儀,而普及方面則是微機電陀螺儀。
因為微機電陀螺儀(MEMS)屬于微電子產品,發展迅速,而且成本越來越低,所以用途越來越廣。我們的智能手機因為有檢測動態的需求,于是就用上了微機電陀螺儀(MEMS)。
三、無處不在的陀螺儀
本來陀螺儀是高大上的存在,但是因為微機電陀螺儀(MEMS)的出現,低成本的陀螺儀可以用在很多領域。
除了我們熟悉的智能手機以外,汽車上也用了很多微機電陀螺儀,在高檔汽車中,大約采用25至40只MEMS傳感器,用來檢測汽車不同部位的工作狀態,給行車電腦提供信息,讓用戶更好的控制汽車。
而在游戲機里面,各種體感操作功能的背后都是微機電陀螺儀(MEMS)。
在無人機、穿戴式設備,物聯網,甚至現在熱炒的工業4.0,互聯網+上面,同樣離不開它,只要是需要檢測運動狀態的地方,就有微機電陀螺儀(MEMS)。
萊昂·傅科在165年前發明陀螺儀時可能沒想到過,當年的一小發明,竟然為人類的進步起到了那么大的作用,衛星、飛機、導彈、汽車,甚至手機、玩具等都有陀螺儀的身影。我們的世界變的如此美好,離不開一代又一代科學家和發明家們孜孜不倦的努力。
當然,陀螺儀也不是全是優點,這不,技術高手們就是利用了手機里的陀螺儀,來竊聽手機周邊人的聲音,這樣的手機,就成了一部主動的竊聽器。
2014年曾有報道:來自斯坦福大學和以色列國防研究小組Rafael的研究人員下周會在Usenix安全研討會上舉行一個介紹會,他們到時會演示怎樣把你手機中的陀螺儀變成“粗糙的麥克風”來竊聽周圍的聲波信息。
我們一般認為陀螺儀只是一種可以允許我們傾斜手機來跟游戲和應用交互的工具,但是利用該研究團隊開發的Gyrophone軟件,該傳感器可以變成在會議中進行竊聽行為的設備。斯坦福大學計算機安全教授Dan Boneh稱:“當你允許某些應用來使用你的陀螺儀傳感器的時候,你可能會承擔意想不到的后果,而這個后果就是它不僅可以拾取手機的震動,同時也可以拾取周圍空氣的震動。”
按照現在的情況來看,這種技術還并沒有像他們說的那樣危險。在他們的測試中,研究團隊只能辨認出零碎的信息,例如,該研究團隊讓一個人在房間里讀出十位數的銀行賬號號碼,而最終該軟件只能分辨出約65%的數字。
而問題是該研究團隊只是利用很短的時間、很少的資金投入和基本的語音識別軟件就做到了這種程度,如果再給多點時間,尋求語音識別專家的幫助的話,其識別率勢必會有很大程度的提升,到時候又會給我們的手機帶來一個不安全因素。