📚 课程目录第2章 TinyML功耗基础

2. TinyML功耗基础

TinyML设备通常以电池供电或依赖能量采集，功耗预算往往被限制在毫瓦甚至微瓦级别。要在这样的约束下实现可持续的推理任务，不能仅靠算法层面的优化，更需要对底层硬件——MCU的功耗行为有系统而精确的理解。本章将拆解MCU功耗的构成要素，建立从物理机制到工程标定的完整认知框架，为后续章节中阈值、采样率与推理频率的联合调优奠定理论基础。

2.1 MCU功耗模型：从物理机制到工程公式

MCU的总功耗由三部分构成：动态功耗、静态功耗和外设功耗。动态功耗源于CMOS电路在逻辑翻转时对负载电容充放电所消耗的能量，其表达式为 P_dyn = α·C·V²·f，其中α为信号翻转率（0~1），C为等效负载电容，V为供电电压，f为时钟频率。值得注意的是，电压以平方项进入公式，这意味着降低电压对功耗的削减效果远大于降低频率。例如，将电压从1.8V降至1.2V（降幅33%），动态功耗理论上可降低约56%，而频率从100MHz降至50MHz仅能降低50%。

静态功耗则来源于晶体管的漏电流，包括亚阈值漏电、栅极漏电和PN结漏电。在先进制程（如28nm以下）中，静态功耗占比显著上升；而在TinyML常用的40nm~180nm成熟制程中，静态功耗虽占比相对较低，但在深度睡眠模式下仍是主要消耗。静态功耗与温度强相关，温度每升高10°C，漏电流约翻倍，这在高密度部署或户外场景中必须纳入考量。

外设功耗是TinyML系统中容易被忽视的部分。一个典型的IMU传感器在测量模式下的电流可能达到0.5~2mA，而MCU核心在低功耗运行时的电流可能仅为0.1~0.5mA。无线模块（如BLE）的峰值电流更是可达10~20mA。因此，外设功耗往往决定了系统的峰值电流和平均功耗上限。

  工程启示：在TinyML续航优化中，不应只盯着MCU核心的功耗数据手册，而应建立“核心+外设+电源转换效率”的系统级功耗模型。数据手册中的功耗值通常在特定电压、温度和负载条件下测得，实际应用中需根据自身工况进行折算。

2.2 动态功耗与静态功耗的权衡：DVFS与睡眠模式

DVFS（Dynamic Voltage and Frequency Scaling）是TinyML设备最核心的功耗管理手段。其基本原理是：根据当前计算负载动态调整供电电压和时钟频率，使MCU工作在“刚好满足性能需求”的工作点上。实现DVFS需要MCU内部集成可调压的电源管理单元（PMU）或使用外部可调压的DC-DC转换器。常见的实现方式包括：

运行模式（Active）：全速运行，电压和频率均为最高值，适用于推理计算阶段。
空闲模式（Idle）：CPU时钟停止，外设时钟继续运行，电压可适当降低，适用于等待外设事件。
睡眠模式（Sleep）：CPU和大部分外设时钟停止，仅保留低功耗定时器或唤醒源，电压降至最低维持值。
深度睡眠模式（Deep Sleep）：仅保留RTC和少量唤醒逻辑，静态功耗降至最低，适用于长时间待机。

DVFS的调节策略需要权衡响应时间与功耗。例如，在推理任务到达前，MCU处于深度睡眠（功耗约1µA）；当传感器数据准备好时，通过中断唤醒MCU，快速提升电压和频率至运行模式（功耗约10mA），完成推理后再次降频并进入睡眠。这个“唤醒-计算-睡眠”的循环中，唤醒时间和电压爬升时间决定了功耗开销的边界。

工作模式	电压范围	频率范围	典型功耗	唤醒时间	适用场景
运行（Active）	1.2~1.8V	16~100MHz	5~50mW	—	推理计算、数据预处理
空闲（Idle）	1.0~1.2V	外设时钟运行	1~5mW	1~5µs	等待DMA传输、外设事件
睡眠（Sleep）	0.9~1.0V	仅低功耗定时器	10~100µW	5~20µs	周期性采样等待
深度睡眠（Deep Sleep）	0.7~0.9V	仅RTC	1~10µW	50~200µs	长时间待机、事件驱动唤醒

关键约束：DVFS并非可以无限降低电压。每个MCU都有一个最低工作电压（Vmin），低于该电压会导致SRAM数据丢失或逻辑错误。此外，电压切换需要时间（通常为10~100µs），频繁切换反而会增加功耗。因此，DVFS策略应基于任务周期进行“粗粒度”调节，而非逐指令调节。

2.3 外设功耗特性：传感器、ADC与无线模块的功耗画像

TinyML系统的外设功耗往往占据总功耗的40%~70%。以典型的环境监测节点为例：一个温湿度传感器（如SHT30）在测量模式下的电流为1.5mA，待机电流仅0.2µA；一个9轴IMU（如MPU9250）在低功耗模式下的电流为3.5µA，但全速测量时可达3.7mA；BLE模块在TX时的峰值电流为15mA，RX监听时为5mA，而睡眠时仅为1µA。这些外设的功耗差异巨大，且与采样频率、通信频率直接相关。

ADC的功耗与采样率和分辨率密切相关。大多数MCU内置的12位ADC在1MSPS采样率下功耗约为1~2mW，但若将采样率降至10kSPS，功耗可降至0.1mW以下。此外，ADC的参考电压源和内部放大器在采样间隙应被关闭，以节省功耗。外设时钟门控（Peripheral Clock Gating）是MCU提供的一项关键功能，允许软件独立关闭未使用外设的时钟，从而消除其动态功耗。

功耗画像方法：在项目初期，建议为每个外设建立一张功耗-状态表，记录其在待机、测量、传输、睡眠等状态下的电流值。然后根据目标采样率和推理频率，计算每个外设的占空比，从而估算平均功耗。例如，若IMU以10Hz采样，每次测量耗时2ms，则占空比为2%，平均功耗仅为峰值功耗的2%。

2.4 案例拆解：智能穿戴设备的心率监测功耗优化

某智能手环需要实现连续心率监测，硬件平台采用Cortex-M4F内核MCU（最高运行于64MHz），搭配光学心率传感器（峰值电流2.5mA，待机电流0.5µA）和BLE模块（TX峰值15mA）。初始方案中，MCU以64MHz全速运行，传感器以25Hz采样率连续工作，BLE每100ms广播一次数据。实测平均功耗为8.2mW，电池容量为100mAh，理论续航仅约5天，远低于产品要求的14天。

通过功耗分析仪抓取电流曲线，发现功耗分布如下：MCU核心运行功耗占35%（约2.9mW），传感器采样功耗占28%（约2.3mW），BLE广播功耗占30%（约2.5mW），其他外设和静态功耗占7%。进一步分析发现，MCU在两次采样之间的空闲时间内仍处于运行模式，而传感器在每次采样后未及时进入待机状态。

优化措施分为三步：

DVFS动态调频：将MCU在采样间隙从64MHz降至16MHz，电压从1.8V降至1.2V，仅在每次推理计算时提升至64MHz。MCU核心功耗降至1.1mW。
传感器占空比控制：将采样率从25Hz降至10Hz（满足心率信号带宽需求），并在每次采样完成后立即将传感器切换至待机模式。传感器平均功耗降至0.9mW。
BLE事件合并：将广播间隔从100ms延长至200ms，并采用连接事件模式而非广播模式，BLE平均功耗降至1.2mW。

优化后，系统平均功耗降至3.5mW，理论续航提升至约14.3天，满足产品要求。整个优化过程中，功耗分析仪的数据起到了关键作用——没有精确的电流曲线，很难定位到MCU空闲运行和传感器待机缺失这两个主要问题。

  案例复盘：该案例揭示了TinyML功耗优化的三个层次：第一层是算法层（降低采样率、减少推理频率），第二层是硬件配置层（DVFS、外设门控），第三层是调度层（睡眠状态机、事件驱动）。实际项目中，应优先从算法层入手，因为算法层的优化往往能同时降低MCU和外设的功耗，且无需修改硬件。

2.5 常见误区与总结

在TinyML功耗优化实践中，工程师常陷入以下误区：

误区一：只关注MCU核心功耗。实际上，外设功耗和电源转换效率（DC-DC或LDO的损耗）往往占据总功耗的30%~50%。
误区二：认为降低频率一定降低功耗。如果电压不随之降低，频率降低只会延长运行时间，总能耗（功率×时间）可能不变甚至增加。
误区三：忽视唤醒开销。频繁进入深度睡眠再唤醒，唤醒期间的电压爬升和时钟稳定时间会消耗额外能量。若睡眠时间短于唤醒开销的“盈亏平衡点”，不如保持空闲模式。
误区四：忽略温度对静态功耗的影响。在高温环境下，静态功耗可能翻倍，导致续航显著缩短。