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
posted @ 2026-09-24 22:28  老码的观察日记  阅读(29)  评论(0)    收藏  举报