2. 可穿戴设备基础

可穿戴设备是Edge AI落地的第一载体。理解设备形态、硬件架构与传感器接口，是后续进行动作识别、心率分析和环境感知融合的前提。本章从工程实践角度，梳理常见可穿戴设备的类型差异、典型硬件分层、传感器选型逻辑以及接口设计要点，帮助开发者建立从“选型”到“联调”的系统认知。

2.1 可穿戴设备的常见类型与形态差异

可穿戴设备并非单一品类，不同形态直接决定了硬件约束、传感器配置和Edge AI算法的复杂度。从工程角度看，主要分为以下四类：

选型时需明确：手环追求低功耗和长续航，手表追求功能完整性和交互体验，贴片追求医疗级精度和舒适性，智能服装则强调柔性集成和分布式感知。Edge AI模型的大小和推理频率必须与设备功耗预算匹配。例如，手环上运行一个1MB的CNN模型每100ms推理一次，会导致续航从14天骤降至2天，这在产品定义阶段就必须避免。

2.2 可穿戴设备硬件架构分层

无论形态如何，可穿戴设备的硬件架构都可以抽象为四个层次：感知层、处理层、通信层、电源层。理解分层有助于在系统设计时进行模块化调试和故障隔离。

2.2.1 感知层

感知层由各类传感器及其信号调理电路组成。核心传感器包括：

• IMU（惯性测量单元）：集成加速度计+陀螺仪，部分含磁力计（9轴）。用于动作识别、姿态解算、步数统计。常见型号：BMI270、LSM6DSO、ICM-42688。
• PPG（光电容积脉搏波）：通过LED发光+光电二极管接收，测量心率、血氧。常见方案：MAX30102、TI AFE4404。
• 环境传感器：温度（NTC热敏电阻或数字温度传感器）、气压（用于海拔/楼层检测）、环境光（用于屏幕亮度调节）。
• 生物电传感器：ECG电极（心电）、EDA（皮肤电导，用于压力检测）。

2.2.2 处理层

处理层是Edge AI的核心。当前主流方案有两类：

• 低功耗MCU：如Nordic nRF52/nRF53系列、STM32L4系列、Ambiq Apollo4。集成DSP指令和硬件加速器（如浮点单元FPU），可运行轻量级TFLite Micro模型。
• 应用处理器+MCU双核架构：手表类设备常采用AP（如高通Wear系列）+MCU（如Cortex-M4）的组合，AP运行复杂OS和AI模型，MCU负责传感器数据采集和低功耗待机。

2.2.3 通信层与电源层

通信层以BLE（蓝牙低功耗）为主，支持GATT服务用于数据同步和OTA升级。部分设备增加NFC用于支付或配对。电源层采用PMIC（电源管理IC）管理锂电池充放电，输出多路LDO/DC-DC分别给MCU、传感器、屏幕供电。关键设计点是传感器供电的独立控制——通过GPIO控制传感器电源开关，在待机时彻底断电以降低漏电流。

2.3 传感器选型与接口设计

传感器选型不是选最贵的，而是选最匹配的。以下是选型时的核心判断维度：

1. 功耗预算：查看传感器数据手册中的“工作电流”和“待机电流”。IMU在低功耗模式（如BMI270的suspend模式）下电流可低至0.5μA，而PPG在连续测量时通常需要200μA~1mA。
2. 采样率与带宽：动作识别需要IMU采样率≥50Hz（建议100Hz），心率监测PPG采样率≥25Hz（建议50Hz）。过高的采样率会浪费功耗和计算资源。
3. 接口类型：绝大多数传感器支持I2C接口，地址可通过引脚配置。SPI接口适合需要高吞吐的场景（如连续采集9轴数据+外部FIFO）。
4. FIFO深度：传感器内置FIFO（如BMI270的2KB FIFO）允许MCU在休眠时传感器持续采集数据，MCU定期唤醒批量读取，这是降低系统功耗的关键。

2.3.1 典型接口连接方式

// I2C总线连接示例（伪代码）
// 设备地址：IMU=0x68, PPG=0x57, 气压计=0x60
// SDA/SCL上拉电阻：4.7kΩ至VDD（1.8V或3.3V）

I2C_Init(400kHz);
IMU_WriteReg(0x68, 0x20, 0x0F);  // 配置加速度计±4g, 陀螺仪±2000dps
PPG_WriteReg(0x57, 0x09, 0x03);  // 配置LED电流和采样率
Pressure_WriteReg(0x60, 0x10, 0x01); // 启动气压计

// 中断引脚连接：IMU_INT1 -> MCU_P0.10, PPG_INT -> MCU_P0.11
// 当FIFO达到阈值或心率数据就绪时，传感器拉高中断引脚唤醒MCU

2.4 案例拆解：一款跌倒检测手环的传感器选型与接口设计

背景与目标：某健康科技公司计划开发一款面向老年人的跌倒检测手环，要求在检测到跌倒后10秒内通过BLE向手机APP发送告警，同时具备心率异常提醒功能。设备续航目标≥7天，电池容量为180mAh。

初始约束：

• MCU选型：Nordic nRF52832（Cortex-M4F，64MHz，512KB Flash，64KB RAM）
• 传感器预算：IMU+PPG总成本≤8美元
• 功耗预算：平均电流≤1.5mA（180mAh/1.5mA≈120小时=5天，需优化）

关键输入参数：

分析判断过程：

若IMU以100Hz连续采样，PPG以50Hz连续采样，总电流约为650μA+600μA=1.25mA，加上MCU运行功耗（约500μA），总电流超过1.7mA，无法满足7天续航。因此需要采用中断驱动+批处理策略：

1. IMU配置为运动唤醒模式：静止时IMU进入suspend模式（0.5μA），当检测到加速度变化超过阈值（如±1.5g）时，IMU通过INT1引脚唤醒MCU。
2. MCU被唤醒后，将IMU切换至高性能模式（100Hz采样），同时启动PPG进行连续心率监测。
3. 利用IMU内置FIFO缓存2秒数据（200个样本），MCU每2秒通过DMA批量读取一次，避免频繁中断。
4. 跌倒检测算法（基于SVM或阈值判断）在MCU上运行，检测到跌倒后立即通过BLE发送告警。

实际操作步骤：

// 1. 初始化IMU为运动唤醒模式
BMI270_WriteReg(0x7C, 0x03);  // 启用AnyMotion中断
BMI270_WriteReg(0x7D, 0x0A);  // 设置阈值1.5g，持续2个样本

// 2. 配置PPG为低功耗模式，仅当MCU唤醒后启动
MAX30102_WriteReg(0x09, 0x00); // 关闭LED
// 在MCU中断回调中启动PPG：
void IMU_IRQHandler(void) {
    MAX30102_WriteReg(0x09, 0x03); // 开启LED，采样率50Hz
    start_timer(2s); // 每2秒读取FIFO
}

结果对比：优化后，设备平均电流降至0.8mA（IMU待机0.5μA+MCU待机10μA+PPG关闭），实际续航达到9天，超出目标。跌倒检测响应时间约8秒（含算法推理和BLE发送），满足10秒要求。

风险与代价：运动唤醒模式存在误触发风险（如老人弯腰捡东西可能触发），需在算法中加入“跌倒后静止”特征（跌倒后2秒内无大幅运动）来降低误报。此外，PPG在运动状态下信号质量差，需在跌倒检测期间暂停心率计算。

复盘经验：传感器选型不能只看参数表，要结合系统级功耗模型。BMI270的FIFO和运动唤醒功能是降低功耗的关键，而MAX30102的LED电流可调特性为后续优化留出了空间。接口设计上，将IMU和PPG挂在不同I2C总线上（或使用I2C地址切换），避免总线冲突。

2.5 常见误区与总结复盘