4、功耗测量原理：电流采样方法、分流电阻、霍尔传感器、高精度测量仪器（如Joulescope、Monsoon）

TinyML 推理功耗分析的第一步，也是最关键的一步，是获得可信赖的电流/功率数据。如果测量原理不正确、采样方法有缺陷，后续所有的 profiling 结论、优化决策都将建立在流沙之上。本章将深入剖析四种主流的电流测量技术：分流电阻采样、霍尔传感器、以及面向低功耗嵌入式场景的高精度仪器（Joulescope 与 Monsoon）。我们将从物理原理出发，结合工程实践，帮助你建立一套“知其然更知其所以然”的功耗测量方法论。

4.1 核心原理：电流测量的物理基础与工程约束

电流测量本质上是对电荷流动速率的量化。在 TinyML 设备中，电流范围跨度极大：睡眠模式可能低至 1μA 以下，而推理峰值可能达到 50mA 甚至更高（取决于 MCU 型号、无线模块和传感器）。这种宽动态范围对测量技术提出了严苛要求。

分流电阻法基于欧姆定律：在电流回路中串联一个已知阻值的精密电阻，通过测量其两端电压差来计算电流。其优点是原理简单、成本低、精度高（可达 0.1% 以内），但缺点是引入了额外的串联电阻，造成压降和功率损耗。对于 3.3V 供电的 TinyML 设备，若分流电阻为 10Ω，在 50mA 峰值电流下会产生 0.5V 压降，这可能导致设备欠压复位。

霍尔传感器利用霍尔效应：当电流流过导体时，会在垂直于电流方向产生与电流成正比的磁场，霍尔元件检测该磁场并输出线性电压信号。其最大优势是非接触、电气隔离，不会影响被测电路的工作点。然而，传统霍尔传感器在低电流（<1mA）下信噪比极差，且带宽通常限制在 50kHz 以内，难以捕捉 MCU 在深度睡眠与活跃模式间快速切换的瞬态电流。

高精度测量仪器（如 Joulescope、Monsoon）则采用多量程自动切换 + 高速 ADC 采样的混合架构。它们内部使用多个精密分流电阻（如 0.1Ω、1Ω、10Ω、100Ω），根据实时电流大小自动切换量程，同时以 2MHz 以上的采样率连续记录电流和电压波形。这种设计既保证了 μA 级的分辨率，又能覆盖 A 级峰值，且压降控制在 100mV 以内，非常适合电池供电的 TinyML 设备。

4.2 判断方法与操作流程：如何选择正确的测量方案

在实际 profiling 中，选择测量方案需要基于三个关键判断维度：电流动态范围、时间分辨率要求、以及允许的侵入性。

首先，评估你的 TinyML 工作负载的电流范围。如果设备仅在活跃和睡眠两种状态间切换，且睡眠电流大于 100μA，那么使用 10Ω 分流电阻配合 16 位 ADC 即可获得可接受的结果。但如果涉及多种低功耗模式（如 STM32L4 的 STOP2 模式电流约 1μA），就必须使用高精度仪器。

其次，考虑时间分辨率。TinyML 推理通常持续 10ms~100ms，期间电流波形包含多个阶段：内核启动、数据加载、MAC 运算、内存访问、外设通信。要区分这些阶段，至少需要 100kHz 以上的有效采样率。普通万用表完全无法胜任，而示波器虽然带宽足够，但垂直分辨率（8~12 位）在宽动态范围下不足。

操作流程建议如下：

1. 明确测量目标：确定是测量整板功耗、MCU 核心功耗、还是外设（如传感器、无线模块）单独功耗。
2. 选择测量点：在电源入口处串联测量，或在 DC-DC 输出端测量。注意避开开关电源的纹波干扰。
3. 配置仪器：若使用 Joulescope，设置电压范围为 3.3V，电流量程为自动，采样率为 2MHz，开启触发模式以同步推理事件。
4. 校准与验证：使用已知电阻（如 1kΩ 精密电阻）进行电流校准，确保测量误差在 ±1% 以内。
5. 执行 profiling 脚本：运行固定的推理任务（如 ImageNet 分类），同时记录电流波形和 MCU 的 GPIO 事件标记。
6. 数据后处理：计算平均功耗、峰值功耗、能量消耗（电流×电压×时间积分），并绘制功耗-时间曲线。

4.3 案例拆解：使用 Joulescope 定位 STM32U5 推理功耗异常

某智能穿戴项目采用 STM32U5 系列 MCU 运行语音唤醒模型，标称推理功耗为 3.2mW（@1.8V，1.8mA 平均电流）。但在实际测试中，工程师发现电池续航比预期缩短了 40%。初步使用万用表测量平均电流为 2.1mA，看似正常，但电池续航仍然异常。

使用 Joulescope 以 2MHz 采样率记录 10 秒内的电流波形，发现以下现象：

• 推理阶段（约 80ms）平均电流为 1.8mA，符合预期。
• 但推理结束后，电流并未立即回落到睡眠值（1.2μA），而是持续 500ms 的 350μA 的“拖尾”电流。
• 进一步放大波形，发现拖尾期间存在周期性的 8μs 尖峰，间隔约 1ms。

通过 GPIO 同步标记，确认拖尾电流发生在推理完成后的数据后处理阶段。检查代码发现，工程师在推理后调用了 printf() 函数输出结果，而 UART 外设未在输出完成后立即关闭，导致 DMA 持续轮询。修复方案：在 printf() 后增加 UART_DeInit()，并将日志输出改为非阻塞模式。

修复后重新测量，拖尾电流完全消失，平均功耗降至 0.9mW，电池续航恢复至预期水平。此案例说明，仅靠平均电流无法发现瞬态功耗异常，高时间分辨率的波形分析是定位问题的关键。

4.4 常见误区与总结复盘

在功耗测量实践中，以下误区最为常见：

误区一：忽略分流电阻的温度系数。普通电阻的温度系数约为 ±100ppm/℃，当电流较大导致电阻发热时，阻值漂移可达 1% 以上。应选用 ±25ppm/℃ 或更好的精密电阻，并尽量降低通过电阻的功率。

误区二：将示波器探头直接跨接在分流电阻两端。示波器探头的地线夹会引入较大的环路电感，在瞬态电流变化时产生振铃，导致测量波形失真。应使用差分探头或采用弹簧地线缩短接地路径。

误区三：认为霍尔传感器“万能”。霍尔传感器在 1A 以上电流时表现良好，但在 TinyML 的 μA~mA 范围内，其输出噪声和温漂远大于信号本身。除非测量系统级（如整个传感器节点）的功耗，否则不建议使用。

误区四：采样率不足导致能量计算错误。如果采样率低于 10kHz，可能漏掉推理过程中的短时高电流脉冲（如 Flash 写入时的 20mA 尖峰），导致能量积分偏低 20% 以上。务必根据 MCU 时钟频率和 Flash 操作特性选择合适的采样率。

总结而言，TinyML 功耗测量的核心原则是：在正确的时间尺度上，以足够的幅度分辨率，无干扰地捕获电流波形。对于大多数场景，Joulescope 或 Monsoon 是最佳选择；对于预算有限的团队，可以采用“低噪声 LDO + 多档位分流电阻 + 高分辨率 ADC”的自制方案，但需要仔细校准。