平衡可穿戴设备的功耗和性能

在消费类产品中，更换或充电电池并不是关键任务操作。这只是一种烦恼。如果是这样的话，为什么每个人都如此关注可穿戴设备和物联网设备的功耗和成本？其中一个原因是，至少相对于产品价格而言，今天的可穿戴设备/物联网设备对消费者的边际利益是边际的。因此，组件供应商感到有压力降低成本，同时提高其零件的性能和功耗。

如今，大多数可穿戴设备仅依靠加速度计进行活动测量。但问题是，所有仅基于加速度计的可穿戴设备都无法提供相同的结果。去年，当我同时佩戴 Jawbone UP 和 Fitbit 以比较数据时，我对此进行了测试。

Jawbone UP和菲特比特是怎么回事？

当我比较 Jawbone UP 和 Fitbit 时，我发现两者都提供了常活动的可靠概述，并且在很大程度上报告了相同的活动趋势。虽然我确实得到了关于步数，行进距离和燃烧卡路里的详细分类，但我对自己的日常活动水平并没有那么开明。更重要的是，我对来自两台设备的数据偏离了10-20%感到困惑。

表 1：Jawbone UP 和菲特比特之间的数据比较。

揭开差异的神秘面纱

从技术角度来看，两种设备之间的差异并不令人惊讶，因为Jawbone UP和Fitbit都是仅基于加速度计的设备，并且每家公司都使用自己的算法来确定步数和强度。

加速度计测量加速度，在简单的实现中，通过在加速度计读数上设置阈值触发器，可以提取步数。因此，大多数仅基于加速度计的系统很容易被欺骗。定期摇晃基于加速度计的可穿戴设备，它将拾取假阳性步长和软步长，这些步长记录在设定的加速度计阈值以下，并且可能无法拾取。这会导致要计算的步骤太少或太多。

如今，每个制造商的加速度计本质上都是相同的。实际上，制造商算法的性能决定了可穿戴设备如何捕获数据。可以开发智能算法来实现更高精度的仅加速度计步数。PNI开发了仅基于加速度计的步数算法，以优化功耗和性能。该算法对通过 4 深度步进缓冲区提取的阈值交叉特征应用生物力学和基于启发式的过滤，以准确识别错误或缺失的步骤。在提取步数时，仅加速度计的算法被证明具有超过98%的准确率，同时功耗低于60 μA。

测试算法的准确性

为了测试算法的准确性，我们使用了194个测试向量 - 包括Brajdic的“无约束智能手机”开源数据［1］［2］，其中包括每个文件中的慢速和快走配置文件 - 以及PNI捕获的数据，包括30分钟以上的零步长驾驶数据。总日志时间为 305.25 分钟，有 16，726 个真实步骤。我们的算法报告了 16，770 个步数，导致步数准确率为 100.26%。该算法产生的误报率不到3%（附加假步骤 - 记为Fp）和小于0.5%的假阴性（遗漏的步数 - 标记为Fn），结果中位数误差为1.46%。Fp 和 Fn 的分布如图 2 和图 3 所示。90.2%的测试向量具有1 Fn或更低，而73.7%的测试向量具有2 Fp或更低（表2）。

图 2：194 个测试向量的误报。

图 3：194 个测试向量的假阴性。

表 2：194 个测试向量的算法结果摘要。

步数算法在SENtral协处理器中处理，包括3轴加速度计在内的总平均功耗小于60 μA，相当于碱性AAA电池的17，000小时。这些结果看起来非常好，作为计步器似乎绰绰有余。

电力成本问题

知道可穿戴设备等消费产品处于成本敏感型市场，即使它增加了功耗和成本，是否值得包含额外的传感器？如果一台设备超过100美元，需要设置，并且需要每周充电一次，我希望它不仅仅是一个计步器。只要它能保持可接受的功耗水平和成本，与仅加速度计的产品大致相同，添加更多传感器和功能就很有意义。随着MEMS陀螺仪（陀螺仪）在智能手机中激增，使它们体积小，功耗相当低且价格合理，在可穿戴设备中添加陀螺仪可能是一个理想的解决方案。

黑客入侵的手机时间

PNI的加速度计仅步数算法输出步进频率，用户可以将其与支腿长度结合使用，将步数与步长相关联。但是，在传感器融合算法中添加陀螺仪输入是一个更好的解决方案。它允许在没有用户输入（校准）的情况下实现精确的行进距离，并减少错误和错过的步骤。这是因为陀螺仪使我们能够准确地保持引力和线性加速度的瞬时和长期地球框架参考。

我们想在测试中增加陀螺仪，所以我们使用了两部Nexus 5手机并修改了硬件，以包括PNI的M&M模块，其中包括运行运动传感器融合算法的SENtral协处理器，以及来自意法半导体或博世和AKM的惯性传感器。虽然Nexus手机有陀螺仪，加速度计和磁性传感器，但我们需要破解手机以包含M&M模块，以便我们可以轻松控制Android中的传感器，并从SENtral运行低功耗步数算法。我们使用了两款Nexus 5手机，一款具有仅加速度计的步数计数算法，另一款具有基于加速度计和陀螺仪的行人航位推算（PDR）算法。我们把这两部手机放在一起，在实验室的测试台上走了好几圈，走了101步。

正如我们从早期的测试中了解到的那样，仅基于加速度计的系统存在局限性。它无法跟踪用户的行进路径，也无法自动计算行进距离，除非用户输入其平均步幅。使用平均步幅来计算行进距离不如通过带有传感器融合算法的陀螺仪测量每步行进的距离准确。

值得投资

将陀螺仪添加到可穿戴设备是一个合乎逻辑的选择。精确的PDR算法的结果可以让我们创建更具吸引力的可穿戴应用程序，例如跟踪商场中丢失的孩子或监控老年人。例如，这比单纯的活动监控更具吸引力，而且这只是这些应用程序最终将走向何方的冰山一角。

确实需要考虑额外的成本和功率。添加陀螺仪的增量物料清单（BOM）成本为陀螺仪的1-2美元，另外1美元用于添加处理。陀螺仪的功率增加将额外增加1-2 mA，运行PDR算法的功率增加约为400 μA。这只是2-3美元的硬件成本增量。

虽然增加的系统功率是仅基于加速度计的计步器的20倍以上，但整个系统将运行约12小时。通过向可穿戴设备开放新的应用类别，这是我愿意做出的权衡。在快速发展的市场中寻找竞争优势的制造商也将以同样的方式看待它。如果添加陀螺仪只需要增加成本/功耗，但为他们带来了大量新客户，那么基于陀螺仪和加速度计的可穿戴设备将在不久的将来出现。

审核编辑：郭婷