智能手表监测心率还很省电,嵌入式低功耗是怎么做到的?
智能手表能全天候盯着心率,一次充电往往还能撑好几天。支撑这种续航的,是一整套分散在芯片、固件和系统架构里的低功耗设计。
嵌入式低功耗在可穿戴语境下,指的是一套围绕平均电流展开的工程方法:在给定电池容量下,重新安排各个模块的工作时段和状态,让设备大部分时间停留在低电流状态,只在必要时醒来采集、计算和上报。评价做得好不好,要看整机平均电流;只盯着某颗芯片数据手册里的最低值,很容易得出错误结论。
下面把这条链路拆开:先看心率监测的电被谁消耗,再看嵌入式低功耗具体省在哪里,最后说清楚哪些电不能省。
心率监测的电,被谁消耗掉了
手表测心率普遍走 PPG 方案,也就是光电容积脉搏波。LED 向皮肤发光,光电探测器接收反射回来的光,血液随心脏搏动产生容积变化,反射光强随之出现微弱起伏,算法从这条曲线里算出心率。
采集链路一般分四段:光学前端(LED 与光电探测器)、模拟前端(放大、滤波、ADC 数字化)、MCU(算法与状态管理)、无线与存储。四段都要用电,耗电特征差别很大。
光学前端是最难省的一段。脉搏带来的交流分量只占接收光的一小部分,其余是皮肤、组织和静脉血形成的稳定背景。要把淹没在背景里的小信号提出来,LED 需要足够亮度,前端需要足够增益和动态范围,所以它很难像屏幕那样想关就关。
按工程实践中常见的拆解顺序,各环节的量级大致如下。这些数字来自公开的工程记录,不同产品差异很大,但排序相对稳定。
| 耗电环节 | 公开记录中的典型量级 | 说明 |
|---|---|---|
| 无线传输 | 工作瞬间 5~15mA | 连接间隔、广播间隔配得激进,平均电流会明显上升 |
| 光学传感器与模拟前端 | LED 发光电流几百微安至十几毫安 | 有项目仅此一项就占掉近一半电量预算 |
| MCU 运行 | 16MHz 下约 2~5mA | 时间占比不高,频繁唤醒会累积 |
| 静态漏电 | 几十微安量级 | LDO 静态电流、悬空 GPIO、调试接口,一直在扣电 |
排序也决定了优化顺序:先动无线,再动传感器,最后才轮到抠 MCU 的睡眠电流。
把"一直测"改成"按需测"
同一套硬件,换一种工作节奏,平均电流能差出一个数量级。关键变量是占空比,也就是一个周期里设备真正干活的时间占比。
一份公开的血氧戒指优化记录给出了直观参考。团队把 PPG 从连续 100Hz 采样,改成每 30 秒开一个 2 秒的测量窗口,窗口外关闭 LED 和传感器供电。占空比降到约 6.7%,PPG 与 LED 部分的平均电流从约 900μA 降到 140μA。同一轮优化里,MCU 靠缓存数据和事件驱动处理,从 400μA 降到 50μA。
调度还可以更细。把加速度计接进调度逻辑,设备就能判断用户是静坐、走路还是跑步:
- 静止时延长采样间隔,甚至暂停光学测量
- 运动时提高采样率,让波形跟得上心跳
- 检测到异常节律时,临时切到高精度采集
间歇采样省电,代价是可能漏掉短时事件。阵发性房颤、夜间呼吸暂停这类异常本身持续时间短,采样窗口一旦错开,数据就丢了。嵌入式低功耗的难点,就集中在这类取舍上:能不能降占空比,取决于这个功能要回答什么问题,省电本身不是决定因素。
器件层面把省电能力做进芯片
芯片厂商把一部分省电工作挪到了器件内部。以 ADI 的 MAX86176 为例,这颗 PPG 与单导联 ECG 模拟前端在官方参数里给出的数据是:25fps 下光学读数通道典型电流小于 11μA,关断电流典型小于 1μA,支持 1fps 到 2kfps 的帧率范围,片内集成 256 字 FIFO,提供两个可配置中断,环境光抑制在 120Hz 下优于 90dB。
这些参数对应几条固件可以直接借力的机制:
| 机制 | 作用 | 边界与代价 |
|---|---|---|
| 宽帧率范围 | 静止场景用低帧率换取低平均电流 | 帧率降低后,运动场景的波形细节变少 |
| 器件关断 | 不测量时把前端压到 1μA 以下 | 重新上电和稳定需要时间,不适合高频切换 |
| 片内 FIFO | 数据先缓存,MCU 批量读取 | 缓存深度决定 MCU 最长能睡多久 |
| 可配置中断 | 数据达到阈值才唤醒主控 | 阈值设得过低,唤醒次数反而上升 |
| 环境光抑制 | 减少环境光造成的无效采样 | 佩戴松动漏光时,仍要靠算法兜底 |
| LED 驱动电流自适应 | 按皮肤条件给到刚好够用的亮度 | 增益切换需要算法配合,否则波形会跳 |
器件给了能力,用得怎么样还是看固件。同样一颗带 FIFO 的传感器,逐点读取和批量读取的平均电流可能相差几十倍。
谁在值班,谁在睡觉
MCU 的睡眠深度决定了待机电流,也决定了唤醒速度。常见做法是分层:浅睡保留外设和时钟,唤醒只要几微秒;深睡或待机把大部分电源域关掉,电流能降到微安甚至纳安级。睡眠越深,唤醒越慢,事件的实时性要求就决定了能用多深。
外设自主运行比睡眠深度更容易被忽略。DMA 能在内存和外设之间搬数据,硬件定时器可以周期性触发 ADC 并把结果写进缓冲区,FIFO 到阈值再打断 MCU。CPU 少醒一次,省下的是唤醒、时钟稳定和外设恢复的整段时间。
系统架构上还有一个常用手段:把持续运行的活儿交给协处理器。高通骁龙 4100+ 可穿戴平台的做法是主 SoC 加一颗始终在线的协处理器,这颗基于 Cortex-M0 的协处理器独立承担持续心率监测、睡眠监测、计步等任务,主 SoC 可以待机。厂商公布的数据显示,该平台面向主要用例的功耗可比前代降低超过 25%。
漏电是最后一道关卡,也最容易被放过。供电网络里每一颗常供电的器件、每一根悬空的 GPIO、每一个没关掉的调试接口,都会把待机电流抬高。有团队在优化记录里,仅靠更换低静态电流的 LDO、关闭调试接口和指示灯,就把静态漏电从 60μA 压到 10μA。
哪些电不能省
低功耗设计的边界由产品要解决的问题决定。动手前先回答三个问题:
- 这个指标必须连续采集,还是可以间歇测量?
- 异常事件从出现到被记录,能容忍多长延迟?
- 漏采一次,用户会损失什么?
答案会直接改变架构。心律失常捕捉要求连续采样,靠降占空比省电就可能漏掉关键片段;睡眠血氧趋势每 30 秒给一个统计值就够用。这也是嵌入式低功耗里最难量化的部分:边界由用途决定,不由电池容量单独决定。
设备形态同样框住预算。表壳空间大,智能手表电池常见 200~400mAh;戒指、贴片这类形态往往只有 30~100mAh,同一套方案挪过去,续航立刻吃紧。
还有一条容易被宣传略过的边界:消费级光学心率监测测的是光强随血流的波动,受佩戴松紧、肤色和体动影响,数据更适合用来看趋势,不能替代医疗诊断设备。
常见问题
全天开着心率监测,真的会明显影响续航吗?
会,影响大小取决于测量策略。持续高频测量、并实时把波形传给手机,耗电会明显上升;改成周期窗口测量、本地算出结果再上报,同样的功能可以省下一个数量级的平均电流。
降低采样频率,心率数据会变差吗?
静止状态下影响有限,心率本身变化慢。运动状态心率变化快,降低采样率会丢掉波形细节,还容易和步频混叠。合理的做法是跟着运动状态调整采样率,全程固定在一个低档位会丢掉运动段的数据。
功能相似的手表,续航为什么能差好几倍?
差别通常来自三处:传感器的采样策略和 LED 亮度档位、主控的唤醒次数、无线链路的参数配置。硬件选型接近的产品,固件调度做得好不好,续航可以相差数倍。
从原理到落地,需要哪些能力
把上面这些环节串起来,至少要覆盖几类能力:
- 硬件基础:电路原理图、PCB Layout、仪器仪表使用与硬件调试
- 芯片与系统:单片机、STM32、RTOS,以及 Linux 系统编程和内核驱动开发
- 固件设计:设备级电源状态机、DMA 与硬件触发、FIFO 与中断调度
- 通信与部署:BLE、MQTT 等协议,以及边缘侧的数据处理和模型部署
- 调试手段:电流波形测量、无效唤醒排查、漏电流定位
嵌入式低功耗这类能力,很难靠看几篇文章拼起来,需要在真实项目里把硬件、固件和调试串通一遍。
东方瑞通把可穿戴与物联网方向的内容组织成了体系课程。其中物联网嵌入式智能研发工程师课程共 525 课时、75 天,分五个阶段推进,覆盖 EDA、电路原理图设计、PCB Layout、常用仪器仪表与硬件调试,也覆盖 STM32、RTOS、裸板驱动、Linux 系统编程和 MQTT 等通信协议,并包含华为物联网认证相关内容。
课程按硬件 30%、软件 70% 的比例安排,同时加入了 AI 大模型协同开发的部分。学员在结课前一个月进入就业准备阶段,配套职业规划、简历辅导、面试训练与内推资源。具体的开班时间与学习安排,可以在官网或咨询老师处确认。
参考来源:
- Analog Devices,MAX86176 产品页(PPG 与单导联 ECG 模拟前端参数)
- 《医疗可穿戴设备低功耗设计:从 1.8mA 到 380uA 的优化之路》,CSDN 工程实践记录
- 高通骁龙 4100 可穿戴设备平台公开资料

浙公网安备 33010602011771号