传感器在健康可穿戴设备中的发展趋势

使用智能手机和传感器来改善医疗保健和个人健康的想法已经席卷了整个行业。Fitbit Surge和 Garmin VivoacTIve等可穿戴运动监测设备已证明受到消费者的欢迎，越来越多的医生和医院正在转向远程监测设备，以便为患者提供更好的护理。

就运动监测设备而言，可穿戴设备使用的传感器与当今智能手机中的许多传感器相同：GPS、加速度计、磁力计和陀螺仪，甚至是压力传感器。虽然这两种设备都使用相似的传感器，但传感器融合——传感器输出与软件的结合，可提供比单个传感器所能提供的更好的信息——这就是差异化因素。例如，在智能手机的情况下，应用程序可能会使用传感器输出来提供有关如何在商场内找到路的方向。借助运动监测设备，软件可以确定您的运动方式，以及该运动在卡路里消耗方面的意义。

正如 PNI Sensors的创始人、董事会主席、首席执行官兼首席技术官 George Hsu 所看到的那样，这些应用程序的关键在于正确使用算法，这意味着不仅要准确地组合传感器输出，还要也非常有效地做到这一点。需要效率，以便计算结果所花费的时间不会消耗大量电力，这对于便携式消费电子产品来说是一种诅咒。

甚至一些目前流行的可穿戴设备还没有做好。PNI Sensors 使用两个流行的健康/运动监测器计算步数并确定卡路里消耗的实验结果显示，它们在测量步数、行走距离和消耗的总卡路里方面存在显着差异(表 1)。造成这种差异的部分原因是两个设备只使用一个加速度计来确定步数。这种类型的设计虽然便宜，但容易出现错误读数。尽管如此，本质上是算法决定了数据的捕获方式，而智能算法可以实现更高的准确性。

表 1：由 PNI 传感器测量的两个仅基于加速度计的计步器的性能比较。

该实验强调了设计人员正确使用算法以实现准确性能的重要性。PNI 实际上开发了一种仅加速度计的计步算法，该算法通过对阈值交叉特征应用生物力学和基于启发式的过滤来优化功率和性能，在 4 深度步进缓冲区中提取，以准确识别错误或丢失的步骤。他们的加速度计算法准确率超过 98%，但消耗的电流不到 60 µA。

获得正确的算法意味着其设计人员必须非常熟悉应用程序，深入了解其变量，这样他们才能创建能够按照消费者期望的方式执行的设计。而且，Hsu 指出，“当您添加更多传感器时，电源起着关键作用。” 设计人员必须确定您需要始终查看哪些数据，可以打开和关闭哪些传感器，以及应该在传感器上完成多少处理以及系统处理器应该完成多少处理。权衡是高效、准确性能的关键。

为了让工程师在设计多传感器项目时不必“重新发明轮子”，飞思卡尔半导体已将其整个传感器融合库开源。飞思卡尔与 MEMS 工业集团 合作组建了加速创新社区 (AIC)，以鼓励和促进传感器融合和分析算法的共享和采用，并通过贡献其传感器融合库、文档来推动这项工作，以及基于 Windows 和 Android 的可视化工具的源文件。Analog Devices和 PNI 等也加入了他们的行列。

身体的声音

谈论医疗设备时通常不考虑的一种传感器是麦克风。然而，在紧急情况下，清楚了解患者的能力是关键。此外，声音信息还可以帮助诊断;否则医生为什么总是手边有听诊器?

麦克风技术的改进使这些设备更适用于健康应用。Vesper 最近推出了一款压电 MEMS 麦克风 VM101，该麦克风可实现 68 dB 的典型信噪比 (SNR)，这是所有市售 MEMS 中最高的声学性能基准麦克风 — 提高音频捕获的质量和清晰度。

但麦克风还有其他一些属性，推荐它用于健康可穿戴设备。除了声学性能之外，VM101 还具有防水、防震、防尘和防颗粒等特性，这些特性对于那些经受运动/健康可穿戴设备通常经历的耐用型使用类型的产品极具吸引力。对于面临产品潜在可靠性问题的制造商，Vesper 首席执行官 Matt Crowley 指出：“您实际上可以将 VM101 放入波士顿港[注：Vesper 总部位于马萨诸塞州波士顿。Ed.] 或者把它埋在沙滩上的沙子里，它仍然可以正常工作。”

　　审核编辑：汤梓红