3. 传感器原理：加速度计、陀螺仪、心率、血氧、温度等常用传感器的物理原理与输出特性

智能穿戴设备的核心价值在于“感知”，而感知的物理基础就是各类微型传感器。无论是计步、睡眠监测、心率预警，还是体温连续追踪，本质上都是将物理世界的连续模拟量，通过敏感元件转换为电信号，再经ADC采样、算法滤波，最终变成应用层可用的数字量。本章将深入拆解加速度计、陀螺仪、心率、血氧和温度这五类穿戴设备中最常用的传感器，从物理原理出发，厘清它们的输出特性、量程选择、噪声来源以及工程联调中的关键参数。只有理解了传感器“为什么这样输出”，才能在BLE低功耗架构下做出合理的采样策略和功耗取舍。

上图展示了穿戴传感器从物理量输入到数字输出的完整信号链路，以及五类核心传感器的原理与输出特性对比。下面我们将逐一深入分析每一类传感器的工作机制和工程要点。

3.1 加速度计：MEMS电容式原理与动态响应

核心原理

加速度计的核心是一个微机械结构（MEMS），内部包含一个可移动的检测质量块和固定的电极板。当设备发生加速度变化时，质量块因惯性发生微小位移，导致电容极板间距改变，从而引起电容值变化。检测电路将电容变化转换为电压信号，经过放大和ADC采样后输出数字加速度值。以ADI的ADXL345为例，其内部采用差分电容结构，量程可选±2g、±4g、±8g、±16g，分辨率最高可达13位。

判断方法与操作流程

1. 量程选择：日常计步和姿态检测选±2g~±4g；剧烈运动或跌倒检测选±8g~±16g。量程越大，分辨率越低。
2. 采样率设置：计步通常50Hz~100Hz；跌倒检测需要更高采样率（200Hz以上）以捕捉冲击峰值。
3. 零偏校准：将设备水平静止放置，采集100个样本取平均，得到零偏值，在软件中减去。
4. 灵敏度校准：将设备分别沿X、Y、Z轴垂直放置，记录1g对应的输出值，计算实际灵敏度。

案例拆解：计步器中的加速度信号处理

某手环项目使用LIS2DH12加速度计，量程±2g，采样率50Hz。初始现象：计步数明显偏多，走路时每步产生2~3次计数。分析发现，原始波形中每一步的加速度峰值后伴随一个高频振荡分量，这是脚步落地后的机械回弹。解决方案：在软件中加入4阶巴特沃斯低通滤波器，截止频率5Hz，滤除高频噪声；同时设置峰值检测阈值0.8g，并加入200ms的锁定时间（即检测到一次峰值后200ms内不再检测）。优化后计步准确率从78%提升至96%。

3.2 陀螺仪：科里奥利力与角速度测量

核心原理

MEMS陀螺仪利用科里奥利效应：当质量块在驱动方向做高频振动时，若设备绕敏感轴旋转，质量块会受到垂直于振动方向和旋转轴方向的科里奥利力，该力使质量块在检测方向产生位移，位移大小与角速度成正比。通过检测电容变化即可得到角速度值。以ICM-42688-P为例，其量程可选±15.625dps至±2000dps，零偏稳定性可达4dps以内。

操作流程与校准方法

1. 零偏测量：设备静止时，采集1000个样本取平均，得到零偏值（单位dps）。
2. 温度补偿：陀螺仪零偏随温度变化明显，建议在-20℃~60℃范围内做分段线性补偿。
3. 轴间正交校准：将设备分别绕X、Y、Z轴旋转90°，记录输出，计算轴间耦合系数并补偿。
4. 与加速度计融合：使用互补滤波，加速度计提供长期稳定的姿态基准，陀螺仪提供短期动态响应。

实战场景：运动手环的腕部姿态识别

在游泳姿势识别中，仅靠加速度计无法区分划水和转身动作。加入陀螺仪后，通过检测腕部绕前臂轴的旋转角速度，可以准确识别自由泳、蛙泳和仰泳。某项目实测：使用BMI270陀螺仪，量程±2000dps，采样率100Hz，通过检测角速度的峰值频率和幅值特征，识别准确率达到92%。关键参数：角速度峰值超过300dps且持续时间超过150ms判定为一次划水动作。

3.3 心率与血氧：PPG光电容积脉搏波原理

核心原理

PPG（光电容积脉搏波）传感器通过发射特定波长的光照射皮肤，并用光电二极管检测透射或反射光的强度变化。血液中的血红蛋白对光的吸收能力随血氧饱和度变化：氧合血红蛋白（HbO₂）对红光（660nm）吸收较弱，对红外光（940nm）吸收较强；还原血红蛋白（Hb）则相反。通过双波长测量，可以计算血氧饱和度SpO₂。同时，心脏搏动引起的血管容积变化导致光吸收量周期性波动，该波动的频率即为心率。

操作流程与信号质量判断

1. 佩戴松紧度：传感器紧贴皮肤但不过紧，避免压迫毛细血管导致血流受阻。
2. 信号质量评估：计算AC/DC比值，通常要求大于0.2%；若低于0.1%，说明信号太弱，需要调整佩戴位置。
3. 运动伪影消除：使用加速度计信号作为参考，通过自适应滤波（如LMS算法）去除运动干扰。
4. 采样率设置：心率检测通常25Hz~50Hz即可，但血氧计算需要更高的采样率（100Hz以上）以准确捕捉脉搏波形。

案例拆解：运动状态下的心率监测误差

某跑步手表在用户配速5min/km时，心率显示值比真实值偏高15bpm。初始现象：心率值波动大，且与步频高度相关。分析发现，跑步时腕部摆动产生的加速度信号混入PPG信号，形成与步频一致的干扰峰。解决方案：采用加速度计辅助的LMS自适应滤波器，将三轴加速度信号作为参考输入，从PPG信号中减去与加速度相关的干扰分量。实测结果：滤波后心率误差从±15bpm降低至±3bpm，满足医疗级精度要求。

3.4 温度传感器：NTC热敏电阻与接触式测温

核心原理

穿戴设备常用的温度传感器是NTC（负温度系数）热敏电阻，其阻值随温度升高而指数下降。通过分压电路将阻值变化转换为电压变化，再经ADC采样得到数字量。NTC的阻值-温度关系遵循Steinhart-Hart方程：1/T = A + B·ln(R) + C·(ln(R))³。实际工程中，通常使用B值公式近似计算：R = R₀·exp(B·(1/T - 1/T₀))。

操作流程与校准方法

1. 分压电阻选择：选择与NTC在目标温度中点阻值相近的固定电阻，以获得最大线性度。
2. ADC参考电压：使用高精度基准源（如TL431），避免VDD波动影响测量精度。
3. 两点校准：在35℃和42℃两个温度点进行校准，计算实际B值。
4. 热时间常数：NTC的热时间常数通常为5~15秒，穿戴设备需要等待热平衡后再读取数据。

实战场景：连续体温监测的工程挑战

某医疗级体温贴使用10kΩ NTC（B=3950），目标精度±0.1℃。初始现象：与医用体温计对比，误差达到±0.5℃。分析发现三个问题：一是NTC与皮肤接触热阻过大，导致测量值偏低；二是ADC参考电压随电池电压波动；三是PCB铜箔导热导致热分流。解决方案：在NTC背面增加导热硅胶垫，使用LDO为ADC提供稳定参考电压，并在NTC周围做开窗处理减少铜箔面积。优化后，在35℃~42℃范围内误差控制在±0.1℃以内。

3.5 传感器融合与低功耗采样策略

核心原理

单一传感器往往无法提供完整的状态信息。加速度计提供重力方向参考但动态响应差，陀螺仪提供角速度但存在积分漂移，PPG提供心率但易受运动干扰。传感器融合算法（如互补滤波、卡尔曼滤波）将多源数据按置信度加权合并，得到更准确、更稳定的估计值。在低功耗设计中，融合算法还承担着“智能唤醒”的职责：加速度计以低采样率（如25Hz）持续运行，检测到显著运动后，才唤醒陀螺仪和PPG传感器进入高采样率模式。

操作流程与功耗优化

1. 分级采样策略：待机时仅加速度计以1Hz~25Hz运行，功耗约10μA；检测到运动后切换至50Hz~100Hz，并唤醒其他传感器。
2. FIFO批量读取：利用传感器内置FIFO缓存数据，MCU每100ms批量读取一次，减少I2C唤醒次数。
3. 中断驱动：配置传感器的运动检测中断（如计步中断、倾斜中断），MCU在中断触发前保持睡眠状态。
4. 动态量程切换：静止时使用±2g量程提高分辨率，运动时切换至±8g避免饱和。

案例拆解：智能手环的功耗优化实战

某手环使用BMI270（加速度计+陀螺仪）和MAX30102（PPG），目标续航7天。初始功耗：连续心率监测模式下总电流2.5mA，续航仅3天。分析功耗分布：PPG LED驱动占40%，MCU运行占30%，传感器采样占20%，无线传输占10%。优化措施：①心率检测改为每10分钟一次，每次持续30秒，平均电流降至0.3mA；②LED驱动电流从30mA降至15mA（通过优化光路设计）；③使用传感器FIFO，MCU唤醒时间从50ms降至5ms。最终平均电流降至0.8mA，续航达到8天。

3.6 传感器选型对比与总结

在智能穿戴项目中，传感器选型需要综合考虑精度、功耗、封装尺寸和成本。加速度计和陀螺仪通常集成在同一个IMU芯片中，如BMI270、ICM-42688-P，既节省PCB面积又简化了同步问题。PPG传感器需要配合LED驱动和光路设计，建议选择集成度高的模块（如MAX86141）。温度传感器虽然原理简单，但在穿戴场景中需要特别关注热耦合和校准问题。