低功耗基础：电流、电压、功耗、mAh与mA的概念

在Edge AI唤醒词检测的工程实践中，功耗预算的分配首先依赖于对基础电学概念的精确理解。mA（毫安）描述的是电流的瞬时速率，mAh（毫安时）描述的是电荷的累积容量，而功耗（mW）则是电压与电流的乘积。许多开发者容易混淆“电流大”与“功耗高”的区别，例如在3.3V与1.8V两种电压域下，同样的10mA电流对应的功耗相差近一倍。本章将系统梳理这些核心概念，并给出电池续航估算的完整方法，为后续章节中唤醒词检测各模块（麦克风、DSP、神经网络加速器）的功耗预算分配奠定数学与物理基础。

核心原理：从欧姆定律到系统功耗模型

低功耗设计的起点是理解电流、电压与功耗的三角关系。在唤醒词检测的硬件系统中，我们通常关注三个层次的功耗：芯片级功耗（如DSP内核、SRAM、模拟前端）、板级功耗（如麦克风偏置电阻、电平转换器、LDO静态电流）以及系统级功耗（包括无线传输、电源转换损耗）。最基本的计算公式为：

P = V × I          // 瞬时功耗，单位mW
E = P × t = V × I × t  // 能量，单位mJ或mWh
Q = I × t          // 电荷量，单位mAh

在电池供电的Edge AI设备中，电压并非恒定值。锂电池的放电曲线从4.2V（满电）下降到3.0V（截止），因此功耗计算必须考虑电压波动。例如，一颗DSP在1.8V下运行，电流为15mA，功耗为27mW；若通过LDO从3.7V降压，则电池侧电流为27mW / 3.7V ≈ 7.3mA（忽略LDO自身损耗），而非15mA。这一转换关系是mA预算分配中常见的认知盲区。

对于唤醒词检测场景，系统并非持续满负荷运行。典型的工作周期包括：监听模式（麦克风+低功耗DSP，约1-3mA）、检测触发模式（特征提取+神经网络推理，约10-50mA）、确认模式（二次验证，约5-15mA）以及空闲模式（几微安到几十微安）。因此，平均电流的计算公式为：

I_avg = D_listen × I_listen + D_trigger × I_trigger + D_idle × I_idle

其中D为各模式的时间占比。例如，若设备每200ms唤醒一次进行10ms的推理，则D_trigger = 10/200 = 5%，即使推理电流高达30mA，对平均电流的贡献仅为1.5mA。

判断方法：电池容量与续航估算的完整流程

电池容量的标称值（如500mAh）并不等于实际可用容量。由于放电截止电压、内阻、温度以及放电倍率的影响，实际可用容量通常只有标称值的80%-90%。在估算续航时，应遵循以下步骤：

1. 确定电池参数：读取电池规格书中的标称容量（mAh）、标称电压（V）、放电截止电压（V）、最大持续放电电流（A）。
2. 测量或估算各模式电流：使用精密电流探头（如Keysight N2820A）或串联采样电阻测量唤醒词检测各阶段的电流。若处于设计阶段，可参考芯片数据手册中的典型值。
3. 建立时间占比模型：根据唤醒词检测的触发频率（如每30秒一次）、音频帧长度（如20ms）、处理时间（如15ms）计算各模式占空比。
4. 计算平均电流：将各模式电流乘以对应占空比后求和。注意需包含电源转换效率（DC-DC通常为85%-95%，LDO为Vout/Vin）。
5. 应用降额系数：将标称容量乘以0.85（保守估计）得到可用容量。
6. 计算续航时间：T_hours = C_usable_mAh / I_avg_mA。

参数	符号	典型值	说明
标称容量	C_nom	500 mAh	0.2C放电条件下的容量
可用容量系数	η	0.85	考虑老化、温度、截止电压
监听模式电流	I_listen	2 mA	麦克风+模拟前端+低功耗DSP
推理模式电流	I_trigger	25 mA	神经网络加速器全速运行
推理占空比	D_trigger	2%	每5秒触发一次，每次100ms
空闲电流	I_idle	0.05 mA	RTC+SRAM保持

以表中数据为例，若设备90%时间处于监听模式，8%时间空闲，2%时间推理，则平均电流为：0.9×2 + 0.08×0.05 + 0.02×25 = 1.8 + 0.004 + 0.5 = 2.304mA。续航时间 = (500×0.85) / 2.304 ≈ 184.5小时，约7.7天。若将推理占空比提升至10%，平均电流变为0.85×2 + 0.05×0.05 + 0.1×25 = 1.7 + 0.0025 + 2.5 = 4.2mA，续航缩短至约101小时。这一对比清晰展示了占空比对续航的杠杆效应。

案例拆解：智能音箱唤醒词检测的功耗预算实战

某智能家居设备采用CR2032纽扣电池（标称容量220mAh，标称电压3.0V，截止电压2.0V）供电，需要实现“小爱同学”级别的唤醒词检测。初始设计直接使用高性能DSP持续监听，实测监听电流为8mA，续航仅27.5小时，远低于产品要求的30天。项目组重新进行功耗预算分配：

分析发现，原方案失败原因有二：一是DSP全速运行导致电流过高；二是未利用事件驱动架构。改进方案采用“模拟语音活动检测（VAD）+ 低功耗DSP”两级唤醒：

• 第一级：超低功耗模拟VAD芯片（如MAX9814+比较器），静态电流仅0.5μA，检测到声音能量超过阈值后输出中断。
• 第二级：DSP从睡眠模式唤醒（唤醒时间<1ms），运行轻量级神经网络（参数仅80KB），推理电流12mA，持续15ms。
• 空闲模式：DSP进入深度睡眠，电流2μA，仅保留RTC和GPIO中断。

实际测量数据：VAD监听电流0.35mA（含麦克风偏置），DSP深度睡眠2μA，推理模式12mA/15ms。假设用户每小时触发10次唤醒词，每次触发后系统运行1秒进行后续命令识别（电流15mA），则平均电流计算如下：

VAD监听：0.35mA × 99.6% ≈ 0.349mA
DSP推理：12mA × (15ms/3600s) × 10次 ≈ 0.0005mA
命令识别：15mA × (1s/3600s) × 10次 ≈ 0.0417mA
DSP睡眠：0.002mA × 剩余时间 ≈ 0.0019mA
总平均电流 ≈ 0.393mA

续航时间 = (220mAh × 0.85) / 0.393mA ≈ 476小时 ≈ 19.8天。虽然仍未达到30天目标，但通过进一步优化VAD阈值（减少误触发）和降低推理频率，最终将平均电流降至0.28mA，续航达到约28天，接近目标。此案例表明：mA预算分配的核心不是降低峰值电流，而是最大化低功耗模式的时间占比。

常见误区与总结复盘

在低功耗基础概念的实际应用中，工程师常陷入以下误区：