3. 加速度计与陀螺仪数据采集

Wear OS 上的加速度计与陀螺仪属于 Sensor.TYPE_ACCELEROMETER 与 Sensor.TYPE_GYROSCOPE 两类连续型传感器，它们以固定频率持续输出三轴数据。采集链路可以概括为：获取 SensorManager → 选择传感器与采样率 → 注册监听器 → 在回调中读取三轴值 → 校准与去噪 → 交付给业务逻辑。本节围绕这条链路展开，重点讲清每一步的实际做法与判断依据。

一、注册监听器：从 SensorManager 到回调

采集的入口是 SensorManager，通过 getSystemService(SENSOR_SERVICE) 获取。注册监听器时，采样率以微秒为单位的“期望周期”传入，系统会就近取整到硬件支持的档位。下面是一段可直接参考的注册代码：

val sm = getSystemService(Context.SENSOR_SERVICE) as SensorManager
val acc = sm.getDefaultSensor(Sensor.TYPE_ACCELEROMETER)
val gyr = sm.getDefaultSensor(Sensor.TYPE_GYROSCOPE)

// 期望 20ms 周期（约 50Hz）
val periodUs = SensorManager.SENSOR_DELAY_GAME // 约 20000us

sm.registerListener(accListener, acc, periodUs, 0)
sm.registerListener(gyrListener, gyr, periodUs, 0)

private val accListener = object : SensorEventListener {
    override fun onSensorChanged(e: SensorEvent) {
        val ax = e.values[0]; val ay = e.values[1]; val az = e.values[2]
        val tNs = e.timestamp   // 纳秒，单调时钟
    }
    override fun onAccuracyChanged(s: Sensor, a: Int) {}
}

几个容易踩坑的点：回调运行在主线程，高频采样会拖慢 UI，建议把处理逻辑放到 HandlerThread 或协程中；必须成对调用 unregisterListener，通常在 onPause 或 onStop 中注销，否则会持续耗电；timestamp 是纳秒级单调时钟，用于计算真实采样间隔，不要用 System.currentTimeMillis() 代替。

二、采样率选择：档位与真实频率

Android 提供四个标准档位，它们只是“期望值”，实际频率由硬件决定，需通过 timestamp 差值反推：

选择原则是“够用即最低”。步频检测通常 25～50Hz 足够；手势识别 50Hz 较稳妥；只有需要捕捉快速冲击（如敲击、跌落）时才用 FASTEST。频率越高，功耗与噪声同步上升，且高频噪声会掩盖真实信号。判断实际频率的方法：连续记录 100 个 timestamp，计算平均间隔 Δt = (t100 - t1) / 99，则 f = 1e9 / Δt（Hz）。若实测频率明显低于期望，说明硬件不支持该档位，应下调期望值。

三、坐标系定义：设备坐标与重力方向

Wear OS 传感器使用设备坐标系：以屏幕为参照，X 轴沿屏幕水平向右，Y 轴沿屏幕垂直向上，Z 轴垂直于屏幕向外（指向用户）。加速度计静止时输出的是比力，即“加速度减去重力”，因此平放桌面时 Z 轴约为 +9.81 m/s²（指向天空方向的反作用），这是判断姿态的基准。陀螺仪输出的是绕三轴的角速度，单位为 rad/s，正负号遵循右手定则：绕 X 轴正转（Y 向 Z 转）为正。

需要特别说明：加速度计与陀螺仪的坐标系一致，但手表佩戴在手腕上时，设备坐标会随手臂姿态变化。若业务需要“世界坐标”或“人体坐标”，必须先用重力方向做倾斜补偿，或结合磁力计/旋转矢量传感器做姿态解算。本节所有示例均以设备坐标系为准，切换参照系时会明确标注。

四、数据校准：零偏与尺度误差

MEMS 传感器存在两类系统性误差：零偏（静止时输出不为零）和尺度误差（输出与真实值存在比例偏差）。工程上最实用的校准是零偏校准：将设备静止放置数秒，采集 N 个样本求均值，作为零偏 b，后续每次读数减去 b。示例：静止采集 200 个陀螺仪样本，计算得 bx = 0.012 rad/s，则校正后 ωx' = ωx - 0.012。加速度计的零偏通常较小，但 Z 轴可能因装配应力出现 0.1～0.3 m/s² 的偏差，同样可用静止均值扣除。

尺度误差需要已知参考量才能标定，例如用已知角速度的转台或已知倾角的斜面。在消费级应用中，若精度要求不高，可只做零偏校准；若用于步态或姿态融合，建议结合旋转矢量传感器做在线估计。校准参数应持久化保存，避免每次启动重新标定。

五、噪声处理：低通滤波与滑动平均

加速度计噪声主要来自机械振动，陀螺仪噪声则表现为随机游走。两种最常用的实时去噪方法：

• 一阶低通滤波：y[n] = α·x[n] + (1-α)·y[n-1]，α 越小越平滑但延迟越大。50Hz 采样下，α 取 0.2～0.3 可有效抑制高频抖动，同时保留步态等低频成分。
• 滑动平均：维护长度 N 的窗口，输出窗口均值。N=5 时延迟约 2 个采样周期，适合对实时性要求不高的场景。

选择依据：若信号本身变化缓慢（如倾角），优先低通；若需要抑制突发尖峰（如敲击），可先做中值滤波再低通。注意不要过度滤波，否则会抹掉真实的高频动作特征，例如快速挥手产生的角速度峰值。

六、一个可复用的采集参数示例

下表给出一组面向步态检测的参考参数，可直接作为起点，再根据实测调整：

验证采集是否正常，可以观察三个指标：静止时加速度模长应接近 9.81 m/s²，陀螺仪三轴应接近 0；缓慢翻转设备时，加速度各轴应按重力投影规律变化；快速晃动时，陀螺仪应出现明显非零峰值。若静止时模长偏离超过 0.5 m/s²，或陀螺仪零偏超过 0.05 rad/s，应重新校准或检查传感器是否被系统降频。