如今大多数的穿戴设备仅仅依赖于加速度传感器来对运动进行测量，但对这种仅采用加速度传感器的穿戴产品来说，存在的一个问题就是测量结果具有不一致性。为此，传感器专家网长期、友好的合作伙伴，2014年，PNI公司的CEO Bechy Oh女士就对她曾同时用过的JawboneUP和Fitbit进行了测试，并对两款设备的输出数据进行了对比。本文便是她以第一人称写就的一篇长篇测评文章，在此分享给大家。
图1：2015年1月4日Jawbone Up和 Fitbit测量结果界面。资料图
JawboneUP和Fitbit比较
在对比JawboneUP和Fitbit时，我发现两款设备都能呈现个人每天的活动情况，并且各自所描绘的运动趋势大致相同。然而，在比较计步数、行走距离和燃烧的卡路里这些具体情况时，却出现了差异，这让我觉得两款设备都没能真实反映出我的日常活动水平，更让我诧异的是两款产品的测量结果相差10-20%。
表1：Jawbone UP和Fitbit测量数据比较。
结果的差异性分析
从技术角度上来看，JawboneUP和Fitbit两款设备仅仅使用了加速度传感器进行测量，并且各自的计步算法也不相同，所以出现这样的差异并不出奇。加速度传感器能够对加速度值进行测量，当设定一个阈值范围的加速度作为计步的触发值时，我们便可以此得到行走过程中的步数。正是因为大多数仅基于加速度传感器产品采用了此法进行测量，所以测量的差异化大并且准确度不高。当周期性晃动手中的可穿戴设备我们会发现，设备会错误的采集到一些无效触发值或者遗漏有效的触发值，从而导致测量的步数相对实际行走数偏多或偏少。
当今由于穿戴设备商所使用的加速度传感器基本上都一样，真正影响产品性能的是各家如何进行数据采集的不同算法。而优越的算法则能让基于加速度传感器计步测量获得更高的测量精度。PNI研发的基于加速度传感器的计步算法对功耗和性能进行了优化，该算法同时应用了基于人体力学和启发式的过滤技术，以准确识别测量的无效值和遗漏的有效测量值。在计算人体行走步数方面，PNI的算法能够在小于60μA功耗电流情况下做到98%准确度。
图2：额外计步数Fp。
测试算法的准确性
为了进行测试，我们采用了多达194组数据，其中包括快速行走和慢速行走及长达30分钟以上驾驶而无任何行走的过程。该测试总时长305.25分钟，实际行走16726步，而最终按照我们的算法，得出行走步数为16770步，测量准确度为100.26%，该算法产生了低于3%有效计步数(多算出来的部分，用Fp表示)和低于0.5%遗漏计步数(用Fn表示)。如上面的图2和下面的图3分别展示了Fp和Fn的具体情况，表2为测试数据汇总。
图3：遗漏计步数Fn。
上述计步算法运行在PNISENtral协处理器中，并且包括三轴加速度传感器在内，整体的功耗电流也不到60μA，这相当于只需一节AAA碱性电池就能够使用17000个小时，异常省电。
表2：测量数据结果汇总。
功耗和成本问题
众所周知像可穿戴设备这样的消费类产品是一个对价格比较敏感的市场，是否值得为集成更多的传感器而去增加原有的功耗和成本?对于一个价格超过100美元，拥有设置功能，并需要每周充一次电的设备，我更希望它不仅仅只是一个计步器而已。只要能将功耗控制在可接受范围内且不怎么增加原有成本，加入更多的传感器和功能以提供更好的感知测量未尝不可。
手机测试
PNI基于加速度传感器的计步算法可以输出人体时的步伐频率，通过结合腿长便可先后得到行走的步数和距离。但更好的一种做法是增加一个陀螺仪，如此便不需要结合外部数据进行校准，同时更可减小计步误差，同样能精确测量行走距离。主要是因为陀螺仪能够为重力和线性加速度提供一个准确的瞬时和长时间参考系。
图4：实际行走测试图。
为了将陀螺仪增加到测试中，我们选取了2部Nexus5手机并对其硬件进行了修改以便加入SENtralM&M模块。其中在SENtralM&M模块上有运动传感器融合算法处理芯片SENtral和ST(意法半导体)、Bosch9(博世)或AKM的惯性测量单元。尽管在Nexus中有陀螺仪、加速度传感器和磁传感器，但为了使用的方便性和调用SENtral中的低功耗算法，我们还是需要将SENtralM&M模块嵌入到Nexus中。测试的两部手机中，一部仅仅采用了基于加速度传感器的计步算法，而另一部则是采用了加速度传感器和陀螺仪的行人航位推算(PDR)算法，将两部手机上下叠放在一起(图4)，并绕实验室测试台行走数圈，总计101步。
图5：手机测试结果对比图。
从图5的测试结果来看，两部手机所测得的步数均为101步，但右边那部采用了PDR算法和同时使用了陀螺仪和加速度传感器的Nexus手机，不仅在无人体行走步距信息的情况下测出了行走的距离，而且还记录下了行走的轨迹。
从上面两个测试中不难发现，基于加速度传感器的测量方式是有限的，该方法不能用于线路轨迹跟踪测量也不能在无人体平均步幅参考情况下计算行走距离。而且通过平均步幅计算行走距离的方法不如陀螺仪和PDR算法相结合测量的准确。
物有所值
为穿戴设备增加陀螺仪是一个合理的选择，而由此因PDR算法带来的是更多对应的穿戴类应用，如在商场中跟踪测量走失的儿童和老人。但其真正的应用范围绝非仅限于此，这只不过是其冰山一角而已。
加入陀螺仪的确会带来成本和功耗的增加，但我们不妨来算一下。增加一个陀螺仪的物料成本为1-2美元，而由此增加工艺加工上的费用约为1美元;陀螺仪的功耗为1-2mA，PDR算法功耗仅为400μA，总共算下来增加的硬件成本为2-3美元。如果只需要增加不多的成本/功耗，便可以打开一大类新的应用市场并获得大量的新客户，我想我会做这笔生意。基于陀螺仪和加速度传感器穿戴设备的未来即将来临。