3、核心概念：采样频率的定义、单位、常见传感器（加速度计、心率、PPG）的典型采样率范围
在智能穿戴设备的低功耗推理设计中，采样频率是最基础、也最容易被低估的杠杆。它直接决定了数据量的规模、信号的信息完整度、处理器的唤醒频次以及存储与传输的开销。一个看似简单的“每秒采多少次”的决策，往往会在续航、精度和实时性之间引发连锁反应。本章将系统梳理采样频率的物理定义与工程单位，并针对加速度计、心率传感器和PPG（光电容积脉搏波描记法）三类最常见的穿戴传感器，给出典型采样率范围、选择依据与功耗权衡方法。
3.1 采样频率的物理定义与工程单位
采样频率（Sampling Frequency，记作 fₛ）是指单位时间内对连续模拟信号进行离散化采集的次数，其标准单位为赫兹（Hz），即每秒采样次数。在数字信号处理中，采样频率的倒数即为采样周期 T = 1/fₛ，表示相邻两个采样点之间的时间间隔。例如，fₛ = 100 Hz 意味着每 10 ms 采集一个数据点，一秒钟产生 100 个样本。
采样频率的选择必须遵循奈奎斯特采样定理（Nyquist Sampling Theorem）：为了无失真地重建原始信号，采样频率必须至少为信号中最高频率分量的两倍，即 fₛ ≥ 2·f_max。然而，在实际工程中，由于滤波器非理想特性、信号噪声以及后续算法对波形细节的需求，通常建议采样频率为信号最高频率的 5～10 倍。例如，人体运动信号中，日常活动的主要能量集中在 0.5～5 Hz 频段，但为了捕捉步态中的冲击特征和手势识别的瞬态变化，加速度计的采样率通常设置在 25～100 Hz 之间。
从功耗角度看，采样频率与系统能耗呈近似线性关系。每增加一倍的采样率，传感器数据输出量翻倍，MCU 需要处理的数据量翻倍，I²C/SPI 总线传输时间翻倍，内存缓冲区的占用翻倍，最终导致整体功耗显著上升。以一个典型的低功耗加速度计（如 LIS2DH12）为例，其在 100 Hz 采样时的电流约为 180 μA，而在 25 Hz 采样时仅为 90 μA，功耗差距接近一倍。因此，采样频率是低功耗推理设计中第一个需要精细化权衡的参数。
3.2 常见传感器的典型采样率范围与选择依据
不同类型的传感器，其信号带宽和物理特性差异巨大，因此典型采样率范围也各不相同。下表汇总了智能穿戴设备中最常见的三类传感器的典型采样率范围、信号特征和应用场景。
| 传感器类型 | 典型采样率范围 | 信号频率特征 | 典型应用场景 | 功耗敏感度 |
|---|---|---|---|---|
| 加速度计（Accelerometer） | 25 ~ 200 Hz | 日常活动 0.5~5 Hz；手势/冲击 5~50 Hz | 计步、活动识别、跌倒检测、手势控制 | 高（持续采样） |
| 心率传感器（ECG / 生物电位） | 125 ~ 500 Hz | QRS 波群能量集中在 5~25 Hz；P/T 波在 0.5~5 Hz | 心率变异性（HRV）分析、心律失常检测 | 中（可间歇采样） |
| PPG（光电容积脉搏波） | 25 ~ 100 Hz | 脉搏波主频 0.5~4 Hz；二次谐波 2~8 Hz | 心率监测、血氧饱和度（SpO₂）、睡眠分期 | 高（LED 功耗大） |
3.2.1 加速度计：25～200 Hz 的灵活区间
加速度计是穿戴设备中应用最广泛的传感器，其采样率选择高度依赖具体应用场景。对于步数统计和活动识别，人体运动的基频通常在 1～3 Hz 之间，25～50 Hz 的采样率已经足够。但对于跌倒检测，冲击信号可能包含 10～20 Hz 的高频分量，建议采样率不低于 100 Hz。手势识别则更为苛刻，快速挥腕动作可能产生 30～50 Hz 的瞬态信号，需要 100～200 Hz 的采样率才能捕捉完整的运动轨迹。
从功耗角度考虑，加速度计在 25 Hz 采样时，MCU 可以保持深度睡眠，仅在数据准备好时通过中断唤醒，平均功耗可控制在 10～20 μA 级别。而在 200 Hz 采样时，MCU 需要频繁唤醒处理数据，功耗可能上升至 100 μA 以上。因此，对于以续航为首要目标的手环类产品，25～50 Hz 是主流选择；对于强调交互体验的智能手表，则可能采用 100 Hz 以支持更流畅的手势识别。
3.2.2 心率传感器（ECG）：125～500 Hz 的高保真需求
ECG 传感器通过测量皮肤表面的生物电位信号来捕捉心脏电活动。心电信号中，QRS 波群是能量最集中的部分，其频率成分主要集中在 5～25 Hz。根据奈奎斯特定理，理论上 50 Hz 采样即可重建 QRS 波群。然而，为了准确测量 R 波峰值位置（用于计算 RR 间期和心率变异性），需要更高的时间分辨率。研究表明，当采样率低于 125 Hz 时，R 波峰值检测的时间误差会显著增大，导致 HRV 分析结果失真。因此，医疗级 ECG 设备通常采用 250～500 Hz 采样率，而消费级穿戴设备为平衡功耗，常采用 125～250 Hz。
值得注意的是，ECG 传感器在穿戴设备中通常不是持续工作的。例如，智能手表的心率监测功能可以设置为每 5 分钟开启 30 秒，以 250 Hz 采样，然后进入低功耗模式。这种间歇式采样策略可以在保证数据质量的同时，将 ECG 传感器的平均功耗控制在极低水平。
3.2.3 PPG 传感器：25～100 Hz 的优化区间
PPG 传感器通过发射特定波长的光（通常为绿光或红光）照射皮肤，并检测反射光或透射光的强度变化来测量血容量脉冲。脉搏波的主频与心率一致，约为 0.5～4 Hz，其二次谐波和三次谐波分别位于 2～8 Hz 和 4～12 Hz。理论上，25 Hz 采样即可满足心率计算的基本需求。然而，PPG 信号极易受到运动伪影干扰，运动产生的噪声可能覆盖 0.5～10 Hz 的频段。为了在运动场景下仍能准确提取心率，许多设备将采样率提升至 50～100 Hz，以便后续通过自适应滤波或频谱分析算法分离运动噪声。
PPG 传感器的功耗大头在于 LED 驱动电流，而非采样本身。LED 的功耗与采样率直接相关，因为每次采样都需要点亮 LED。以典型绿光 LED 为例，其驱动电流约为 10～20 mA，若以 25 Hz 采样且占空比为 10%，平均电流约为 1～2 mA；若提升至 100 Hz，平均电流将上升至 4～8 mA。因此，在保证心率测量精度的前提下，PPG 采样率应尽量控制在 50 Hz 以下，以延长电池续航。
3.3 采样频率与功耗的量化关系
为了更直观地理解采样频率对功耗的影响，我们可以建立一个简化的功耗模型。设采样频率为 fₛ，每次采样所需的能量为 E_sample（包括传感器采集、ADC 转换、数据读取和存储），则传感器数据采集的功耗 P_sensor = fₛ × E_sample。此外，MCU 处理数据的功耗 P_mcu 与数据量成正比，即 P_mcu = k × fₛ，其中 k 是每 Hz 采样率对应的 MCU 处理功耗系数。总功耗 P_total = P_sensor + P_mcu + P_idle，其中 P_idle 是系统空闲时的基础功耗。
以一个实际案例来说明：某智能手环采用 LIS2DH12 加速度计（25 Hz 采样时电流 90 μA，100 Hz 时 180 μA）和 nRF52832 MCU（运行功耗 5 mA @ 64 MHz，睡眠功耗 2 μA）。当采样率为 25 Hz 时，MCU 每 40 ms 唤醒一次处理数据，每次唤醒约 2 ms，平均处理功耗约为 250 μA；当采样率提升至 100 Hz 时，MCU 每 10 ms 唤醒一次，平均处理功耗上升至 800 μA。加上传感器功耗，总功耗从 340 μA 上升至 980 μA，增加了近 3 倍。对于一块 200 mAh 的电池，这意味着续航时间从约 24 天缩短至 8.5 天。
3.4 低功耗采样策略与工程实践
在实际穿戴设备设计中，单纯降低采样频率并非唯一手段，更有效的做法是采用动态采样策略。以下是几种经过验证的低功耗采样方案：
- 按需变频（Adaptive Sampling）：系统根据当前状态自动调整采样率。例如，当检测到用户处于静息状态时，加速度计以 12.5 Hz 低采样率运行；当检测到剧烈运动时，自动切换至 100 Hz。这种策略可以在不影响用户体验的前提下，将平均功耗降低 40%～60%。
- 事件触发采样（Event-driven Sampling）：传感器在后台以极低频率（如 1 Hz）运行，仅当检测到特定事件（如加速度幅值超过阈值）时，才触发高频率采样。例如，跌倒检测算法通常采用这种模式：平时以 25 Hz 采样进行活动监测，当检测到冲击信号时立即切换至 200 Hz 并持续 2 秒，以完整记录跌倒过程。
- 批量缓冲 + 批处理（Batch Processing）：传感器以较高频率采样，但数据先存入 FIFO 缓冲区，MCU 每隔一段时间（如 100 ms）批量读取并处理。这种方式可以减少 MCU 的唤醒次数，降低唤醒功耗和上下文切换开销。许多现代传感器（如 BMI270、LSM6DSO）内置 4KB 以上的 FIFO，支持在 MCU 深度睡眠时持续采样。
- 特征提取后降采样：在传感器端或 MCU 端先进行简单的特征提取（如均值、方差、峰值），然后仅将特征值传输给上层算法，而非原始波形。例如，在活动识别中，可以每 1 秒计算一次加速度的均方根（RMS）值，以 1 Hz 的特征率代替 50 Hz 的原始数据率，大幅降低后续处理功耗。
3.5 案例拆解：智能手环的采样频率优化实战
某智能手环产品在初版设计中，加速度计和 PPG 均以 100 Hz 采样，MCU 持续运行进行实时处理。实测整机平均功耗为 1.2 mA，配备 180 mAh 电池，续航仅 6 天，远低于产品定义的 14 天目标。用户反馈中，心率监测功能在运动时误差较大，而日常佩戴时功能冗余。
经过信号分析和功耗剖析，团队发现：
- 日常活动识别所需的有效信号带宽仅为 0.5～5 Hz，100 Hz 采样严重过剩；
- PPG 信号在静息状态下主频为 1～2 Hz，25 Hz 采样即可满足心率计算；
- MCU 在 100 Hz 中断频率下，约 70% 的时间处于活跃状态，而实际有效计算仅占 15%；
- 运动场景下 PPG 受运动伪影干扰严重，需要 100 Hz 采样配合加速度计进行自适应滤波。
优化方案如下：
- 加速度计默认以 25 Hz 采样，用于活动识别和计步；当检测到运动强度超过阈值时，自动切换至 100 Hz，用于手势识别和跌倒检测。
- PPG 在静息状态下以 25 Hz 采样，每 5 分钟测量 30 秒；在运动状态下切换至 100 Hz，并同步加速度计数据用于运动伪影消除。
- MCU 采用事件驱动架构，平时处于睡眠模式，仅在传感器 FIFO 半满时唤醒，批量处理 50 ms 的数据。
- 在传感器端启用硬件低通滤波器（截止频率 12.5 Hz），确保 25 Hz 采样时无混叠风险。
优化后，整机平均功耗降至 0.35 mA，续航提升至约 21 天，超出目标 50%。心率监测在运动场景下的误差从 ±8 bpm 降低至 ±3 bpm，用户满意度显著提升。该案例表明，采样频率的精细化设计是低功耗推理中最具性价比的优化手段。
3.6 常见误区与总结复盘
在采样频率的设计中，工程师常陷入以下误区：
- 误区一：采样率越高越好。实际上，过高的采样率不仅浪费功耗，还会引入更多高频噪声，降低信噪比。正确的做法是匹配信号带宽，留出合理裕量。
- 误区二：所有传感器统一采样率。不同传感器的信号特征差异巨大，统一采样率会导致某些传感器过采样、某些欠采样。应针对每个传感器独立分析。
- 误区三：忽略抗混叠滤波。降低采样率前必须确保硬件低通滤波器已滤除高于 fₛ/2 的频率分量，否则会产生混叠失真。
- 误区四：只关注传感器功耗，忽略 MCU 处理功耗。采样率对 MCU 的唤醒频率和处理负载影响巨大，必须将两者纳入统一功耗模型。
- 误区五：静态设定采样率，不随场景调整。动态采样策略可以在不影响用户体验的前提下大幅降低平均功耗，是低功耗设计的核心手段。
总结而言，采样频率是智能穿戴低功耗推理的基石参数。工程师应首先分析信号频谱特征，确定有效带宽；其次评估功耗预算，建立采样率与功耗的量化关系；最后采用动态采样策略，在信息无损的前提下将平均采样率降至最低。通过这一系统化方法，可以在续航、精度和实时性之间找到最优平衡点。