平衡可穿戴設(shè)備的功耗和性能

在消費(fèi)類產(chǎn)品中，更換或充電電池并不是關(guān)鍵任務(wù)操作。這只是一種煩惱。如果是這樣的話，為什么每個(gè)人都如此關(guān)注可穿戴設(shè)備和物聯(lián)網(wǎng)設(shè)備的功耗和成本？其中一個(gè)原因是，至少相對(duì)于產(chǎn)品價(jià)格而言，今天的可穿戴設(shè)備/物聯(lián)網(wǎng)設(shè)備對(duì)消費(fèi)者的邊際利益是邊際的。因此，組件供應(yīng)商感到有壓力降低成本，同時(shí)提高其零件的性能和功耗。

如今，大多數(shù)可穿戴設(shè)備僅依靠加速度計(jì)進(jìn)行活動(dòng)測(cè)量。但問(wèn)題是，所有僅基于加速度計(jì)的可穿戴設(shè)備都無(wú)法提供相同的結(jié)果。去年，當(dāng)我同時(shí)佩戴 Jawbone UP 和 Fitbit 以比較數(shù)據(jù)時(shí)，我對(duì)此進(jìn)行了測(cè)試。

Jawbone UP和菲特比特是怎么回事？

當(dāng)我比較 Jawbone UP 和 Fitbit 時(shí)，我發(fā)現(xiàn)兩者都提供了?；顒?dòng)的可靠概述，并且在很大程度上報(bào)告了相同的活動(dòng)趨勢(shì)。雖然我確實(shí)得到了關(guān)于步數(shù)，行進(jìn)距離和燃燒卡路里的詳細(xì)分類，但我對(duì)自己的日?；顒?dòng)水平并沒(méi)有那么開(kāi)明。更重要的是，我對(duì)來(lái)自兩臺(tái)設(shè)備的數(shù)據(jù)偏離了10-20%感到困惑。

表 1：Jawbone UP 和菲特比特之間的數(shù)據(jù)比較。

揭開(kāi)差異的神秘面紗

從技術(shù)角度來(lái)看，兩種設(shè)備之間的差異并不令人驚訝，因?yàn)镴awbone UP和Fitbit都是僅基于加速度計(jì)的設(shè)備，并且每家公司都使用自己的算法來(lái)確定步數(shù)和強(qiáng)度。

加速度計(jì)測(cè)量加速度，在簡(jiǎn)單的實(shí)現(xiàn)中，通過(guò)在加速度計(jì)讀數(shù)上設(shè)置閾值觸發(fā)器，可以提取步數(shù)。因此，大多數(shù)僅基于加速度計(jì)的系統(tǒng)很容易被欺騙。定期搖晃基于加速度計(jì)的可穿戴設(shè)備，它將拾取假陽(yáng)性步長(zhǎng)和軟步長(zhǎng)，這些步長(zhǎng)記錄在設(shè)定的加速度計(jì)閾值以下，并且可能無(wú)法拾取。這會(huì)導(dǎo)致要計(jì)算的步驟太少或太多。

如今，每個(gè)制造商的加速度計(jì)本質(zhì)上都是相同的。實(shí)際上，制造商算法的性能決定了可穿戴設(shè)備如何捕獲數(shù)據(jù)?？梢蚤_(kāi)發(fā)智能算法來(lái)實(shí)現(xiàn)更高精度的僅加速度計(jì)步數(shù)。PNI開(kāi)發(fā)了僅基于加速度計(jì)的步數(shù)算法，以優(yōu)化功耗和性能。該算法對(duì)通過(guò) 4 深度步進(jìn)緩沖區(qū)提取的閾值交叉特征應(yīng)用生物力學(xué)和基于啟發(fā)式的過(guò)濾，以準(zhǔn)確識(shí)別錯(cuò)誤或缺失的步驟。在提取步數(shù)時(shí)，僅加速度計(jì)的算法被證明具有超過(guò)98%的準(zhǔn)確率，同時(shí)功耗低于60 μA。

測(cè)試算法的準(zhǔn)確性

為了測(cè)試算法的準(zhǔn)確性，我們使用了194個(gè)測(cè)試向量 - 包括Brajdic的“無(wú)約束智能手機(jī)”開(kāi)源數(shù)據(jù)［1］［2］，其中包括每個(gè)文件中的慢速和快走配置文件 - 以及PNI捕獲的數(shù)據(jù)，包括30分鐘以上的零步長(zhǎng)駕駛數(shù)據(jù)?？?cè)罩緯r(shí)間為 305.25 分鐘，有 16，726 個(gè)真實(shí)步驟。我們的算法報(bào)告了 16，770 個(gè)步數(shù)，導(dǎo)致步數(shù)準(zhǔn)確率為 100.26%。該算法產(chǎn)生的誤報(bào)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(shù) - 標(biāo)記為Fn），結(jié)果中位數(shù)誤差為1.46%。Fp 和 Fn 的分布如圖 2 和圖 3 所示。90.2%的測(cè)試向量具有1 Fn或更低，而73.7%的測(cè)試向量具有2 Fp或更低（表2）。

圖 2：194 個(gè)測(cè)試向量的誤報(bào)。

圖 3：194 個(gè)測(cè)試向量的假陰性。

表 2：194 個(gè)測(cè)試向量的算法結(jié)果摘要。

步數(shù)算法在SENtral協(xié)處理器中處理，包括3軸加速度計(jì)在內(nèi)的總平均功耗小于60 μA，相當(dāng)于堿性AAA電池的17，000小時(shí)。這些結(jié)果看起來(lái)非常好，作為計(jì)步器似乎綽綽有余。

電力成本問(wèn)題

知道可穿戴設(shè)備等消費(fèi)產(chǎn)品處于成本敏感型市場(chǎng)，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(tái)設(shè)備超過(guò)100美元，需要設(shè)置，并且需要每周充電一次，我希望它不僅僅是一個(gè)計(jì)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(jì)的產(chǎn)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(jī)中激增，使它們體積小，功耗相當(dāng)?shù)颓覂r(jià)格合理，在可穿戴設(shè)備中添加陀螺儀可能是一個(gè)理想的解決方案。

黑客入侵的手機(jī)時(shí)間

PNI的加速度計(jì)僅步數(shù)算法輸出步進(jìn)頻率，用戶可以將其與支腿長(zhǎng)度結(jié)合使用，將步數(shù)與步長(zhǎng)相關(guān)聯(lián)。但是，在傳感器融合算法中添加陀螺儀輸入是一個(gè)更好的解決方案。它允許在沒(méi)有用戶輸入（校準(zhǔn)）的情況下實(shí)現(xiàn)精確的行進(jìn)距離，并減少錯(cuò)誤和錯(cuò)過(guò)的步驟。這是因?yàn)橥勇輧x使我們能夠準(zhǔn)確地保持引力和線性加速度的瞬時(shí)和長(zhǎng)期地球框架參考。

我們想在測(cè)試中增加陀螺儀，所以我們使用了兩部Nexus 5手機(jī)并修改了硬件，以包括PNI的M&M模塊，其中包括運(yùn)行運(yùn)動(dòng)傳感器融合算法的SENtral協(xié)處理器，以及來(lái)自意法半導(dǎo)體或博世和AKM的慣性傳感器。雖然Nexus手機(jī)有陀螺儀，加速度計(jì)和磁性傳感器，但我們需要破解手機(jī)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(yùn)行低功耗步數(shù)算法。我們使用了兩款Nexus 5手機(jī)，一款具有僅加速度計(jì)的步數(shù)計(jì)數(shù)算法，另一款具有基于加速度計(jì)和陀螺儀的行人航位推算（PDR）算法。我們把這兩部手機(jī)放在一起，在實(shí)驗(yàn)室的測(cè)試臺(tái)上走了好幾圈，走了101步。

正如我們從早期的測(cè)試中了解到的那樣，僅基于加速度計(jì)的系統(tǒng)存在局限性。它無(wú)法跟蹤用戶的行進(jìn)路徑，也無(wú)法自動(dòng)計(jì)算行進(jìn)距離，除非用戶輸入其平均步幅。使用平均步幅來(lái)計(jì)算行進(jìn)距離不如通過(guò)帶有傳感器融合算法的陀螺儀測(cè)量每步行進(jìn)的距離準(zhǔn)確。

值得投資

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

確實(shí)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(yùn)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(tǒng)功率是僅基于加速度計(jì)的計(jì)步器的20倍以上，但整個(gè)系統(tǒng)將運(yùn)行約12小時(shí)。通過(guò)向可穿戴設(shè)備開(kāi)放新的應(yīng)用類別，這是我愿意做出的權(quán)衡。在快速發(fā)展的市場(chǎng)中尋找競(jìng)爭(zhēng)優(yōu)勢(shì)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(lái)了大量新客戶，那么基于陀螺儀和加速度計(jì)的可穿戴設(shè)備將在不久的將來(lái)出現(xiàn)。

審核編輯：郭婷