3. 动作传感器原理

在Edge AI可穿戴设备中，动作传感器是感知人体运动与环境姿态的核心硬件基础。无论是计步、跌倒检测、手势识别，还是航向推算与AR/VR头部追踪，都依赖于加速度计、陀螺仪和磁力计这三类惯性/磁场传感器的协同工作。本章将深入剖析这三种传感器的工作原理、数据输出格式、坐标系定义以及工程中不可或缺的校准方法，帮助开发者建立从原始数据到可用姿态信息的完整认知链路。

3.1 加速度计：感知比力与静态姿态

加速度计测量的是传感器自身受到的"比力"（Specific Force），即物体相对于自由落体的加速度差。在可穿戴设备中，MEMS加速度计通常基于电容式或压阻式原理，通过检测微机械结构在加速度作用下的微小位移来输出电信号。其核心输出为三轴加速度值，单位通常为 m/s² 或 g（1g ≈ 9.80665 m/s²）。

在静态或准静态条件下，加速度计可以精确感知重力矢量在三个轴上的投影分量，从而计算出设备的横滚角（Roll）和俯仰角（Pitch）。例如，当设备水平放置时，Z轴输出约为 1g，X轴和Y轴输出接近 0g；当设备倾斜时，重力分量会重新分配。然而，加速度计无法区分重力加速度与运动产生的线性加速度，因此在剧烈运动场景下，直接使用加速度计计算姿态会产生较大误差。

加速度计的数据格式通常为16位有符号整数，通过I2C或SPI接口读取。原始数据需要乘以灵敏度系数转换为物理单位。例如，对于±2g量程、16位输出的传感器，转换公式为：acc_m/s² = raw_value × (2 × 9.80665) / 32768。

3.2 陀螺仪：测量角速度与动态姿态变化

陀螺仪测量的是绕三个正交轴的旋转角速度，单位通常为 rad/s 或 °/s。MEMS陀螺仪基于科里奥利效应工作：当质量块在驱动方向振动时，若受到旋转角速度作用，会在检测方向产生与角速度成正比的科里奥利力，通过电容检测即可得到角速度值。陀螺仪的核心优势在于响应速度快、不受线性加速度干扰，适合动态姿态追踪。

然而，陀螺仪存在两个关键问题：零偏漂移和积分累积误差。零偏是指静止时输出不为零的偏差，受温度、供电电压影响；而角速度积分得到角度时，微小偏差会随时间累积，导致姿态漂移。因此，陀螺仪不能单独长时间使用，必须与加速度计和磁力计融合。

陀螺仪的数据格式与加速度计类似，为16位有符号整数。以量程 ±2000°/s 为例，转换公式为：gyro_rad/s = raw_value × (2000 × π/180) / 32768。在Edge AI应用中，陀螺仪数据通常先经过低通滤波去除高频噪声，再送入姿态解算算法。

3.3 磁力计：提供航向参考

磁力计测量的是环境磁场在三个轴上的分量，单位通常为 μT（微特斯拉）或 Gauss（1Gauss = 100μT）。地球磁场强度约为 25~65μT，方向从地理南极指向北极（磁北极）。磁力计通过检测地磁场方向，可以计算出设备相对于磁北的航向角（Yaw），为姿态融合提供参考，从而抑制陀螺仪的长期漂移。

磁力计的工作原理主要有霍尔效应、磁阻效应和磁通门三种。在可穿戴设备中，各向异性磁阻（AMR）传感器最为常见，其灵敏度高、功耗低。磁力计的主要挑战在于环境磁场干扰：电机、扬声器、电流导线等都会产生附加磁场，导致航向角偏差。因此，磁力计校准是动作传感器中最复杂、最关键的环节。

// 磁力计原始数据读取示例 (I2C, 16bit)
uint8_t raw_data[6];
read_register(MAG_XOUT_L, raw_data, 6);
int16_t mx = (raw_data[1] << 8) | raw_data[0];
int16_t my = (raw_data[3] << 8) | raw_data[2];
int16_t mz = (raw_data[5] << 8) | raw_data[4];
// 转换为μT: mag_ut = raw_value × 0.15 (典型灵敏度)

磁力计数据格式同样为16位整数，但需要注意其坐标轴方向可能与加速度计/陀螺仪不一致，需在驱动层进行轴重映射。

3.4 传感器校准方法：从出厂偏差到精确测量

所有MEMS传感器在出厂时都存在零偏、灵敏度误差和轴间非正交误差。对于Edge AI可穿戴设备，校准质量直接决定姿态解算和动作识别的精度。本节介绍三种核心校准方法：六面静态校准（加速度计）、零偏静态校准（陀螺仪）和椭球拟合校准（磁力计）。

3.4.1 加速度计六面静态校准

将设备分别以六个面（+X、-X、+Y、-Y、+Z、-Z）水平静止放置，记录每个面的平均输出。由于每个面上重力加速度的理论值为 ±1g，可以建立三轴的比例因子和零偏方程。校准模型为：

acc_calibrated = (raw - bias) × scale
其中 bias = (max + min) / 2
     scale = 2g / (max - min)  // 对每个轴独立计算

实际操作中，每个面需静止采样2~3秒，取平均值以抑制噪声。校准后，静态倾角误差可从 ±5° 降低至 ±0.5° 以内。

3.4.2 陀螺仪零偏校准

将设备完全静止放置，采集1~2秒的陀螺仪数据，计算每个轴的平均值即为零偏。校准公式为：gyro_calibrated = raw - zero_bias。需要注意的是，陀螺仪零偏受温度影响显著，建议在设备工作温度范围内进行多点温度补偿，或至少保证校准时设备已处于热稳定状态。

3.4.3 磁力计椭球拟合校准

磁力计校准的核心是消除硬磁干扰（固定偏移）和软磁干扰（比例/旋转误差）。标准方法是让设备在空间中旋转，采集足够多的三轴磁场数据点，这些点理论上应分布在一个球面上。实际由于干扰，数据点分布在一个椭球面上。通过最小二乘椭球拟合算法，可以计算出12个校准参数（3个偏移、3个比例、3个非正交、3个旋转）。

3.5 实战案例：可穿戴手环的跌倒检测传感器校准与数据融合

某智能手环项目需要实现跌倒检测功能，要求在误报率低于1次/天的前提下，跌倒检出率不低于95%。硬件采用BMI160（加速度计+陀螺仪）和BMM150（磁力计）。初始测试中，静态倾角误差达 ±4°，导致站立/躺卧分类错误率高达12%。

问题分析：通过读取原始数据发现，加速度计X轴零偏达 180mg，Y轴灵敏度偏差 3.2%，陀螺仪Z轴零偏 2.5°/s，磁力计受手环扬声器磁铁干扰严重，航向角波动 ±15°。

校准实施步骤：

1. 编写六面校准程序，在工装夹具上完成加速度计校准，将零偏降至 ±5mg 以内，灵敏度误差控制在 0.5% 以内。
2. 在设备静止状态下采集2秒陀螺仪数据，计算零偏并写入Flash。同时记录温度值，建立温度补偿表（每5°C一个补偿点）。
3. 在远离金属的开阔区域，让用户佩戴手环做"8字形"旋转，采集300个磁力计数据点，运行椭球拟合算法，得到偏移量 [12.3, -8.7, 25.1] μT 和比例因子 [1.02, 0.97, 1.05]。
4. 将校准参数存储在设备NVM中，每次上电时加载。

结果对比：校准后，静态倾角误差降至 ±0.3°，航向角波动降至 ±2°以内。跌倒检测算法使用加速度计幅值 + 陀螺仪角速度变化率 + 姿态角变化作为特征，误报率降至0.3次/天，检出率提升至97.2%。

3.6 常见误区与总结复盘

在动作传感器的工程应用中，以下误区需要特别警惕：

• 误区一：忽略坐标系统一。不同传感器芯片的坐标轴定义可能不同（如BMI160与BMM150的Z轴方向相反），直接融合会导致姿态解算发散。必须在驱动层完成轴重映射。
• 误区二：校准后不验证。校准参数写入后，应通过旋转设备检查输出是否落在理论球面/圆上。例如，加速度计校准后，各轴模长应接近 1g，偏差应小于 1%。
• 误区三：磁力计校准环境不当。在室内靠近钢筋或电子设备处校准，会导致校准参数包含环境磁场特征，换环境后航向误差反而增大。
• 误区四：忽视温度影响。陀螺仪零偏随温度变化可达 ±0.5°/s，若不做温度补偿，长时间佩戴后姿态漂移会显著增加。

总结：加速度计、陀螺仪和磁力计各自具有不可替代的优势与局限。加速度计提供重力参考，陀螺仪提供快速动态响应，磁力计提供航向。三者的有效融合（如互补滤波或卡尔曼滤波）是Edge AI可穿戴设备姿态感知的核心。而校准是融合的前提，没有经过良好校准的传感器数据，再优秀的融合算法也无法输出可靠姿态。开发者应建立"先校准、再融合、后应用"的工程流程，并在产品生命周期中持续监控传感器健康状态，必要时触发重新校准。