在消費類產品中，更換或充電電池并不是關鍵任務操作。這只是一種煩惱。如果是這樣的話，為什么每個人都如此關注可穿戴設備和物聯網設備的功耗和成本？其中一個原因是，至少相對于產品價格而言，今天的可穿戴設備/物聯網設備對消費者的邊際利益是邊際的。因此，組件供應商感到有壓力降低成本，同時提高其零件的性能和功耗。

如今，大多數可穿戴設備僅依靠加速度計進行活動測量。但問題是，所有僅基于加速度計的可穿戴設備都無法提供相同的結果。去年，當我同時佩戴 Jawbone UP 和 Fitbit 以比較數據時，我對此進行了測試。

Jawbone UP和菲特比特是怎么回事？

當我比較 Jawbone UP 和 Fitbit 時，我發現兩者都提供了常活動的可靠概述，并且在很大程度上報告了相同的活動趨勢。雖然我確實得到了關于步數，行進距離和燃燒卡路里的詳細分類，但我對自己的日常活動水平并沒有那么開明。更重要的是，我對來自兩臺設備的數據偏離了10-20%感到困惑。

表 1：Jawbone UP 和菲特比特之間的數據比較。

揭開差異的神秘面紗

從技術角度來看，兩種設備之間的差異并不令人驚訝，因為Jawbone UP和Fitbit都是僅基于加速度計的設備，并且每家公司都使用自己的算法來確定步數和強度。

加速度計測量加速度，在簡單的實現中，通過在加速度計讀數上設置閾值觸發器，可以提取步數。因此，大多數僅基于加速度計的系統很容易被欺騙。定期搖晃基于加速度計的可穿戴設備，它將拾取假陽性步長和軟步長，這些步長記錄在設定的加速度計閾值以下，并且可能無法拾取。這會導致要計算的步驟太少或太多。

如今，每個制造商的加速度計本質上都是相同的。實際上，制造商算法的性能決定了可穿戴設備如何捕獲數據。可以開發智能算法來實現更高精度的僅加速度計步數。PNI開發了僅基于加速度計的步數算法，以優化功耗和性能。該算法對通過 4 深度步進緩沖區提取的閾值交叉特征應用生物力學和基于啟發式的過濾，以準確識別錯誤或缺失的步驟。在提取步數時，僅加速度計的算法被證明具有超過98%的準確率，同時功耗低于60 μA。

測試算法的準確性

為了測試算法的準確性，我們使用了194個測試向量 - 包括Brajdic的“無約束智能手機”開源數據［1］［2］，其中包括每個文件中的慢速和快走配置文件 - 以及PNI捕獲的數據，包括30分鐘以上的零步長駕駛數據。總日志時間為 305.25 分鐘，有 16，726 個真實步驟。我們的算法報告了 16，770 個步數，導致步數準確率為 100.26%。該算法產生的誤報率不到3%（附加假步驟 - 記為Fp）和小于0.5%的假陰性（遺漏的步數 - 標記為Fn），結果中位數誤差為1.46%。Fp 和 Fn 的分布如圖 2 和圖 3 所示。90.2%的測試向量具有1 Fn或更低，而73.7%的測試向量具有2 Fp或更低（表2）。

圖 2：194 個測試向量的誤報。

圖 3：194 個測試向量的假陰性。

表 2：194 個測試向量的算法結果摘要。

步數算法在SENtral協處理器中處理，包括3軸加速度計在內的總平均功耗小于60 μA，相當于堿性AAA電池的17，000小時。這些結果看起來非常好，作為計步器似乎綽綽有余。

電力成本問題

知道可穿戴設備等消費產品處于成本敏感型市場，即使它增加了功耗和成本，是否值得包含額外的傳感器？如果一臺設備超過100美元，需要設置，并且需要每周充電一次，我希望它不僅僅是一個計步器。只要它能保持可接受的功耗水平和成本，與僅加速度計的產品大致相同，添加更多傳感器和功能就很有意義。隨著MEMS陀螺儀（陀螺儀）在智能手機中激增，使它們體積小，功耗相當低且價格合理，在可穿戴設備中添加陀螺儀可能是一個理想的解決方案。

黑客入侵的手機時間

PNI的加速度計僅步數算法輸出步進頻率，用戶可以將其與支腿長度結合使用，將步數與步長相關聯。但是，在傳感器融合算法中添加陀螺儀輸入是一個更好的解決方案。它允許在沒有用戶輸入（校準）的情況下實現精確的行進距離，并減少錯誤和錯過的步驟。這是因為陀螺儀使我們能夠準確地保持引力和線性加速度的瞬時和長期地球框架參考。

我們想在測試中增加陀螺儀，所以我們使用了兩部Nexus 5手機并修改了硬件，以包括PNI的M&M模塊，其中包括運行運動傳感器融合算法的SENtral協處理器，以及來自意法半導體或博世和AKM的慣性傳感器。雖然Nexus手機有陀螺儀，加速度計和磁性傳感器，但我們需要破解手機以包含M&M模塊，以便我們可以輕松控制Android中的傳感器，并從SENtral運行低功耗步數算法。我們使用了兩款Nexus 5手機，一款具有僅加速度計的步數計數算法，另一款具有基于加速度計和陀螺儀的行人航位推算（PDR）算法。我們把這兩部手機放在一起，在實驗室的測試臺上走了好幾圈，走了101步。

正如我們從早期的測試中了解到的那樣，僅基于加速度計的系統存在局限性。它無法跟蹤用戶的行進路徑，也無法自動計算行進距離，除非用戶輸入其平均步幅。使用平均步幅來計算行進距離不如通過帶有傳感器融合算法的陀螺儀測量每步行進的距離準確。

值得投資

將陀螺儀添加到可穿戴設備是一個合乎邏輯的選擇。精確的PDR算法的結果可以讓我們創建更具吸引力的可穿戴應用程序，例如跟蹤商場中丟失的孩子或監控老年人。例如，這比單純的活動監控更具吸引力，而且這只是這些應用程序最終將走向何方的冰山一角。

確實需要考慮額外的成本和功率。添加陀螺儀的增量物料清單（BOM）成本為陀螺儀的1-2美元，另外1美元用于添加處理。陀螺儀的功率增加將額外增加1-2 mA，運行PDR算法的功率增加約為400 μA。這只是2-3美元的硬件成本增量。

雖然增加的系統功率是僅基于加速度計的計步器的20倍以上，但整個系統將運行約12小時。通過向可穿戴設備開放新的應用類別，這是我愿意做出的權衡。在快速發展的市場中尋找競爭優勢的制造商也將以同樣的方式看待它。如果添加陀螺儀只需要增加成本/功耗，但為他們帶來了大量新客戶，那么基于陀螺儀和加速度計的可穿戴設備將在不久的將來出現。

審核編輯：郭婷