1. 可穿戴健康设备系统工程导论

可穿戴健康设备并不是“把传感器戴在身上”这么简单。它是一类以人体为使用对象、以连续或近连续生理与行为监测为核心功能、在真实生活场景中长期运行的电子系统。系统工程视角要求我们同时回答四个问题:测什么、怎么测、数据如何流动、以及设备在真实使用中如何保持可靠与可用。只有把器件、算法、功耗、结构、法规与用户体验放在同一张图上考虑,才能理解为什么一块手表、一枚贴片或一件智能服装,其工程难度往往远超实验室样机。

定义与范畴

可穿戴健康设备可定义为:由人体佩戴或贴附、能够采集生理/行为信号并进行本地处理或无线传输,用于健康监测、风险预警、康复管理或医疗辅助决策的电子系统。其范畴通常包含三层:感知层(电极、光学、生物化学、惯性等传感器)、计算与通信层(模拟前端、MCU/SoC、蓝牙/BLE、存储与电源管理)、应用与服务层(手机 App、云端算法、临床解读与告警)。与普通消费电子相比,它额外受到人体安全、生物相容性、运动伪影、皮肤接触阻抗、法规与数据隐私等约束。

系统生命周期

从工程实践看,可穿戴健康设备的生命周期可概括为:需求与临床场景定义 → 传感与系统架构选型 → 原型与算法验证 → 可靠性与人体佩戴测试 → 注册/合规与量产 → 上市后监测与迭代。每一阶段都相互牵制:例如选择光学心率方案会直接影响功耗预算与运动伪影处理策略;选择一次性心电贴则会把成本压力转移到材料与贴附工艺上。系统工程的价值,正是在这些跨域约束中寻找可验证的平衡点。

可穿戴健康设备:分层架构与典型信号链 感知层 · 人体信号采集 光学 PPG 心率 / 血氧 生物电电极 ECG / EMG 电化学传感 CGM 葡萄糖 惯性 IMU 步态 / 睡眠 温度 / 应变 体表 / 呼吸 计算与通信层 · 信号调理与数据链路 模拟前端 AFE 放大 / 滤波 / ADC MCU / SoC 本地算法 / 缓存 BLE / 无线 低功耗传输 电源管理 PMIC 电池 / 充电 存储 Flash 应用与服务层 · 健康解读与闭环 手机 App 趋势 / 提醒 / 同步 云端算法 事件检测 / 建模 临床解读 告警 / 报告 用户反馈 行为干预 典型设备: 智能手表(PPG+IMU) CGM(电化学+贴附) 心电贴(干电极+长时程) 智能服装(织物传感)

典型设备概览

智能手表以光学 PPG 与惯性单元为核心,优势是佩戴习惯成熟、可复用手机生态;难点在于运动伪影、肤色与佩戴松紧对光学信号的影响,以及功耗与屏幕、算力之间的平衡。连续血糖监测(CGM)通过皮下电化学传感器测量组织间液葡萄糖,典型发射器每 1~5 分钟输出一个读数,工程重点是传感器漂移、校准策略与贴附寿命。心电贴使用干电极或水凝胶电极进行 24 小时至 14 天的单导或多导联记录,关键指标包括输入阻抗、共模抑制比与运动耐受性。智能服装把织物电极、应变传感与柔性互连集成到衣物中,挑战在于洗涤可靠性、接触压力一致性与尺寸适配。

多学科工程视角

可穿戴健康设备的开发至少涉及六个学科方向的协同:生物医学工程负责信号生理意义与临床有效性;电子工程负责模拟前端、噪声与功耗;材料与结构工程负责柔性、生物相容性与封装;计算机与算法负责滤波、特征提取与机器学习;工业设计与人因工程负责佩戴舒适性与交互;法规与质量体系负责注册路径、风险管理和数据合规。系统工程的任务不是让某一学科最优,而是让整体在安全、有效、可用、可制造之间取得可验证的平衡。

学习建议:每接触一款可穿戴设备,先画出它的“感知—计算—通信—应用”四层链路,再标注每一层的关键参数与约束,这比单纯记忆产品名称更能形成工程判断力。

一个可操作的入门分析示例

假设我们要评估一款用于房颤筛查的腕式心电手表。可先建立最小参数表:采样率 250 Hz、输入参考噪声 ≤ 30 μVpp、输入阻抗 ≥ 10 MΩ、共模抑制比 ≥ 80 dB、单次记录时长 30 s、BLE 传输间隔 1 s。判断逻辑是:若 30 s 记录中 R 波检出率低于 95%,或基线漂移导致 ST 段无法判读,则优先检查电极接触阻抗与运动伪影,而不是直接更换算法。这个示例说明,系统工程的分析顺序通常是“先确认信号质量,再讨论算法效果”。

综上,可穿戴健康设备的系统工程,本质上是把人体、器件、数据与临床价值放在同一条链路上进行权衡。理解分层架构、生命周期与典型设备的差异,是后续学习传感器选型、功耗设计、算法验证与合规路径的基础。