3、周期性采样任务概述：采样周期定义、任务模型、实时性与功耗的权衡

TinyML 设备（如智能手表、工业振动传感器、农业环境监测节点）的核心工作模式，并非持续满负荷运算，而是以固定的时间间隔唤醒，采集传感器数据，执行推理或特征提取，随后再次进入休眠。这种“采样-处理-休眠”的循环，构成了周期性采样任务的基本形态。理解采样周期的本质、任务模型的数学表达，以及实时性与功耗之间的博弈关系，是设计低功耗调度框架的基石。本章将系统拆解这三个核心维度，并给出可落地的工程判断方法。

3.1 采样周期的定义与物理意义

采样周期（Sampling Period, T_s）是指两次相邻采样启动之间的时间间隔，其倒数即为采样频率 f_s = 1/T_s。在 TinyML 场景中，采样周期并非一个可以随意设定的参数，它首先受限于被采样信号的物理特性。根据奈奎斯特-香农采样定理，为了无失真地重建一个最高频率分量为 f_max 的连续信号，采样频率必须满足 f_s ≥ 2·f_max。例如，一个用于监测电机轴承振动的加速度传感器，若轴承故障特征频率最高为 2 kHz，则采样频率至少需要 4 kHz，对应采样周期 T_s ≤ 250 μs。

然而，TinyML 设备往往面临更复杂的约束。除了信号带宽，采样周期还受到传感器建立时间、ADC 转换时间、前端模拟滤波器的稳定时间等因素的影响。例如，许多 MEMS 加速度计在从休眠模式唤醒后，需要 0.5~1 ms 的稳定时间才能输出有效数据。如果采样周期设置得比传感器稳定时间还短，那么每次采样读到的都是无效数据，导致系统整体失效。因此，实际可行的采样周期必须满足：T_s ≥ T_sensor_settle + T_adc_conv + T_processing，其中 T_processing 包括特征提取和推理执行时间。

从任务调度的视角看，采样周期定义了任务的释放速率。每个采样周期内，系统需要完成一次完整的“采集-处理-决策”流水线。这个流水线的总执行时间 C_i（最坏情况执行时间，WCET）必须小于采样周期 T_s，否则任务将无法在下一个周期到来之前完成，造成任务堆积和实时性丧失。通常，工程上要求 C_i ≤ 0.7·T_s，预留 30% 的余量以应对中断处理、系统调用和时钟抖动。

3.2 周期性任务模型：从单任务到多任务

在 TinyML 调度框架中，周期性采样任务通常被建模为实时系统中的周期任务。一个周期任务 τ_i 可以用四元组 (Φ_i, T_i, C_i, D_i) 来描述：Φ_i 为相位偏移（首次释放时刻），T_i 为周期，C_i 为最坏情况执行时间，D_i 为相对截止时间。对于大多数采样任务，D_i = T_i，即任务必须在本周期结束前完成。当系统同时运行多个周期性任务（如温度采样、加速度采样、无线发送）时，需要验证任务集的可调度性。

可调度性分析有两种经典方法。对于固定优先级调度（如速率单调 RM），充分条件为总利用率 U = Σ(C_i/T_i) ≤ n(2^(1/n) - 1)，其中 n 为任务数量。当 n=1 时，U ≤ 1；当 n=2 时，U ≤ 0.828；当 n 趋于无穷时，U 趋近于 ln2 ≈ 0.693。对于动态优先级调度（如最早截止时间优先 EDF），充要条件为 U ≤ 1。EDF 在理论上能实现 100% 的利用率，但在 TinyML 的裸机或 RTOS 环境中，EDF 的实现复杂度较高，通常采用 RM 或基于优先级抢占的调度器。

在实际 TinyML 系统中，除了周期性任务，还存在异步事件（如外部中断唤醒、看门狗定时器）。这些异步任务会抢占周期性采样任务的执行，导致采样任务的 WCET 增加。因此，在计算 C_i 时，必须将最坏情况下的中断嵌套时间计入。例如，一个 I2C 传感器读取任务，其标称执行时间为 200 μs，但若在读取过程中发生一个 50 μs 的射频中断服务程序，则实际 WCET 应计为 250 μs。忽略这种干扰是导致系统在压力测试下崩溃的常见原因。

任务类型	周期 T_i	WCET C_i	截止时间 D_i	利用率 U_i
加速度采样+推理	10 ms	2.5 ms	10 ms	0.25
温度采样	100 ms	1.0 ms	100 ms	0.01
无线发送（BLE）	50 ms	3.0 ms	50 ms	0.06
系统状态监测	500 ms	0.5 ms	500 ms	0.001
总利用率 U_total				0.321

上表展示了一个典型的多任务 TinyML 系统的利用率计算。总利用率 0.321 远低于 RM 调度在 n=4 时的理论上限 0.756，因此该任务集在固定优先级调度下是可调度的。但需要注意的是，这个计算假设所有任务都是独立的，且没有共享资源导致的优先级反转。若多个任务共享 I2C 总线或 SPI 总线，则需要引入互斥锁，这会增加阻塞时间，必须在 WCET 中体现。

3.3 实时性与功耗的权衡：能量-延迟积

实时性与功耗的权衡是 TinyML 调度设计的核心矛盾。缩短采样周期可以提高系统的响应速度和信号保真度，但代价是更高的功耗。反之，延长采样周期可以降低功耗，但可能错过重要的瞬态事件或导致信号混叠。为了量化这种权衡，工程上引入能量-延迟积（Energy-Delay Product, EDP）作为优化目标。EDP = E_total × T_response，其中 E_total 为一个采样周期内的总能耗，T_response 为从事件发生到系统响应的延迟。

总能耗 E_total 由三部分组成：活跃能耗 E_active（传感器采样 + 处理器计算 + 通信发送）、休眠能耗 E_sleep（漏电流 + 低功耗定时器）、唤醒能耗 E_wake（时钟启动 + 电源稳定 + ADC 参考电压建立）。值得注意的是，E_wake 是一个固定开销，与采样周期无关。当采样周期 T_s 缩短时，单位时间内的唤醒次数增加，E_wake 在总能耗中的占比上升。例如，某 BLE 芯片的唤醒能耗为 5 μJ，若采样周期从 100 ms 缩短到 10 ms，则每秒的唤醒能耗从 50 μJ 增加到 500 μJ，增加了 10 倍。

因此，存在一个最优采样周期，使得 EDP 最小化。这个最优值可以通过对 EDP 关于 T_s 求导并令其为零来获得。简化模型下，若活跃功耗为 P_active，休眠功耗为 P_sleep，唤醒能耗为 E_wake，则平均功耗 P_avg = (P_active·C_i + E_wake + P_sleep·(T_s - C_i)) / T_s。对 T_s 求导可得最优周期 T_opt = sqrt((E_wake - P_sleep·C_i) / (P_active - P_sleep))。在实际工程中，由于 P_sleep 通常远小于 P_active，且 E_wake 远大于 P_sleep·C_i，最优周期近似为 T_opt ≈ sqrt(E_wake / P_active)。

3.4 案例拆解：工业振动监测节点的采样周期设计

我们以一个实际的工业电机振动监测节点为例，完整展示采样周期的设计过程。该节点部署在工厂车间，用于监测电机轴承的早期故障。电机转速为 3000 RPM（50 Hz），轴承故障特征频率（BPFO）约为 4.3 倍转频，即 215 Hz。为了捕捉故障特征，需要至少 10 次谐波，因此信号最高频率 f_max ≈ 2.15 kHz。根据奈奎斯特定理，采样频率至少为 4.3 kHz，对应采样周期 T_s ≤ 232 μs。然而，这是纯信号处理视角的下限。

实际约束如下：传感器选用 ADXL357（MEMS 加速度计），其从休眠到数据稳定的时间为 0.8 ms；ADC 为内置 12 位逐次逼近型，转换时间 2 μs；处理器为 STM32L4（Cortex-M4 @ 80 MHz），执行一次 128 点 FFT 和特征提取需要 1.2 ms；BLE 发送 20 字节数据需要 2.5 ms（包括协议开销）。若采用连续采样模式，则每个周期的总执行时间 C_i = 0.8 + 0.002 + 1.2 + 2.5 = 4.502 ms。为了满足实时性，T_s 必须大于 4.502 ms，且预留 30% 余量，即 T_s ≥ 6.43 ms。

接下来考虑功耗约束。节点使用 500 mAh 的 CR2032 纽扣电池，目标寿命为 6 个月（约 180 天）。平均电流预算 I_avg = 500 mAh / (180 × 24 h) ≈ 0.116 mA。在 3.3 V 供电下，平均功耗预算为 0.383 mW。若采样周期为 10 ms，则每秒执行 100 次采样。每次采样的活跃能耗包括：传感器稳定 0.8 ms × 0.5 mA = 0.4 μAh，FFT 计算 1.2 ms × 6 mA = 2 μAh，BLE 发送 2.5 ms × 15 mA = 10.4 μAh，唤醒开销 0.5 μAh。单次采样总能耗约 13.3 μAh，每秒能耗 1.33 mAh，远超预算。因此，10 ms 周期不可行。

经过迭代，将采样周期调整为 50 ms，并采用两级采样策略：平时以 50 ms 周期进行低速特征提取（仅计算 RMS 和峰值），当检测到振动幅值超过阈值时，临时切换到 1 ms 周期进行 256 点高速采样，完成故障诊断后恢复低速模式。这样，正常工况下每秒能耗为 20 次 × 13.3 μAh = 0.266 mAh，加上休眠功耗 0.01 mAh，总计 0.276 mAh，低于 0.383 mAh 的预算。最终节点在 6 个月测试中，电池剩余容量 18%，满足设计要求。

3.5 常见误区与设计复盘

在周期性采样任务的设计中，工程师常犯以下四类错误。第一类是忽略唤醒开销，只计算活跃功耗而忘记每次唤醒的固定能量消耗。这会导致理论功耗远低于实测值，尤其在采样周期较短时，唤醒开销可能占总能耗的 50% 以上。第二类是将 WCET 等同于典型执行时间，没有考虑最坏情况下的中断嵌套、总线仲裁和缓存未命中。正确的做法是使用逻辑分析仪或硬件跟踪工具测量多次执行时间，取最大值并加上 20% 的安全裕量。

第三类错误是盲目追求高采样率，认为采样率越高越好。实际上，过高的采样率不仅增加功耗，还会产生大量冗余数据，增加处理器的计算负担和无线传输的带宽需求。对于缓慢变化的信号（如温度、湿度），采样周期可以长达数秒甚至数分钟。第四类错误是没有考虑任务间的相互干扰，例如两个采样任务共享 I2C 总线时，一个任务的执行时间会因为另一个任务占用总线而显著增加。解决方法是使用资源预留或优先级继承协议。

复盘整个设计流程，可以总结出以下可复用的步骤：第一步，明确信号的物理带宽和传感器建立时间，确定采样周期的下限；第二步，测量或估算各子任务的 WCET，包括传感器读取、信号处理、通信发送；第三步，根据电池容量和寿命目标计算平均功耗预算，推导采样周期的上限；第四步，在上下限之间选择初始周期，并使用可调度性分析验证；第五步，在真实硬件上测量功耗和响应延迟，迭代调整周期。这个流程确保了采样周期既满足信号保真度，又满足功耗预算，同时保证任务可调度。