企业官网建设流程全解析

从做可穿戴原型那会儿我就被功耗折腾得不轻。板子跑起来功能倒是简单，真正麻烦的是怎么把功耗压下来，直到我把主控换成ADXL345三轴加速度计之后，整套方案的电流直接从几百µA掉到了几十µA级别，标题里那个23µA超低功耗不是宣传话术，是真实可复现的数字。这篇就把我如何基于ADXL345搭一套可穿戴运动传感器方案的过程完整写出来，从选型逻辑、低功耗原理、硬件接线、驱动调试到整机续航估算，全部是实际跑过的经验。

1. 为什么可穿戴手环原型的传感器选型里，我最后锁定了ADXL345

1.1 一句话读懂ADXL345：它到底是什么

ADXL345是一颗数字输出的三轴MEMS加速度计，能测量X、Y、Z三个方向上的加速度，量程可选±2g、±4g、±8g、±16g。它内部集成了ADC、数字滤波器和I2C/SPI接口，输出的是数字量而不是模拟电压，所以不需要外部ADC，可以直接接MCU或者树莓派读取。这颗芯片的典型工作电压是2.0V到3.6V，封装是LGA-14，尺寸约3mm x 5mm，在可穿戴设备里属于非常小巧的级别。

从功能上讲，ADXL345能做的事情覆盖了可穿戴运动方案里最核心的三块：计步、活动检测、姿态识别。走路、跑步、转身、抬手这些动作，最终都会表现为加速度的变化，而ADXL345正是把这个变化转化成数字信号的入口。它还有32级FIFO缓存、活动/非活动检测、敲击检测这些内置功能，这些都不是花架子，在后面做低功耗系统时能省掉一整块主控逻辑。

1.2 和MMA8452Q、LSM6DS3这些对手相比，ADXL345赢在哪

做选型时我横向比较过几颗常见的加速度计芯片：NXP的MMA8452Q、ST的LSM6DS3、Bosch的BMI270。它们都是好芯片，但在“低功耗可穿戴运动传感器”这个具体场景下，ADXL345有两个优势非常突出。

第一是低功耗模式的电流足够低。数据手册典型值里，12.5Hz采样率的低功耗测量模式约为23µA。这个数字在同类MEMS芯片里很有竞争力，而且它的功耗和采样率强相关，把采样率降到6.25Hz时可以到20µA左右。第二是上手门槛极低。ADXL345的寄存器映射非常直观，社区资料和现成驱动极多，树莓派上几乎开箱即用，对于原型阶段来说，省下的调试时间比省下的几块钱成本值钱得多。

当然LSM6DS3在集成度上有优势，它把加速度计和陀螺仪封装在一起，一颗芯片搞定六轴。但如果方案里暂时用不到陀螺仪，那颗芯片里就有一半资源是闲置的，功耗也跟着上去。BMI270的AI功能很强，但价格和开发复杂度都高了一档。所以结论很明确：需求是“运动检测+超低功耗+快速出原型”，ADXL345最合适；需求是“空间姿态完整解算”或者“内置AI步态识别”，再去看六轴芯片也不晚。

1.3 量程、分辨率、接口的取舍

ADXL345的量程选择直接关系到数据分辨率。±2g量程下，13位全分辨率模式每个LSB对应约0.000488g，也就是488µg。±16g量程下，同样的13位分辨率，每个LSB对应约0.0039g，精度下降了一个数量级。设计可穿戴设备时，我强烈建议默认用±2g量程，因为步行、跑步产生的动态加速度通常在±1g到±2g之间，2g量程不但够用，还能拿到最高的分辨率。只有在做剧烈运动识别（比如跳跃、拳击）时才考虑调到±4g以上。

接口方面，I2C是首选。它最少只要两根线，还能和其他传感器（比如心率传感器、气压计）挂在同一条总线上，对可穿戴设备这种引脚紧张的环境特别友好。SPI的带宽更高，适合需要高频采样（比如超过800Hz）或者总线上挂多个高速设备的场景。我们的运动检测场景采样率通常不超过100Hz，I2C完全够用，还能省两个IO口。

提示：ADXL345的I2C地址由SDO引脚的电平决定。SDO接地时地址是0x53，SDO接高电平或悬空时地址是0x1D。买模块时先检查一下板上的SDO接法，很多模块默认接地，如果后面发现I2C扫描不到设备，先怀疑这里。

2. 23µA这数字不是白来的：低功耗模式的底层机制

2.1 POWER_CTL和BW_RATE：23µA是怎么配出来的

很多教程说ADXL345低功耗，但只告诉你“能用”，没告诉你这个23µA到底怎么配出来的。其实全靠两个寄存器配合：POWER_CTL（0x2D）和BW_RATE（0x2C）。

POWER_CTL寄存器的bit3是measure位，写1进入测量模式。bit4是sleep位，写1进入睡眠模式，睡眠模式下芯片会用极低的频率采样（由bit2到bit0配置，可选8Hz、16Hz、32Hz或64Hz），电流能掉到几十µA以下。但真正有意思的是BW_RATE寄存器。这个寄存器的bit4是low_power位，写1开启低功耗模式，bit3到bit0配置输出数据率。低功耗开启后，数据率从6.25Hz到3200Hz可选，典型电流随数据率线性上升。

我实测下来的组合是这样的：12.5Hz数据率加上low_power位，POWER_CTL设0x08进入测量模式，BW_RATE设0x17（二进制0001 0111，bit4=1，rate编码=7对应12.5Hz），供电3.3V时实测整机电流在23µA到25µA之间浮动，和数据手册基本吻合。这个配置下，静止时的噪声会稍微高一点，但对于行走和跑步这种低频运动完全没影响。

那这个23µA是在什么供电条件下测的？数据手册标注的是2.5V典型值，我实际用3.3V供电测出来也差不太多，核心的结论不变：低功耗模式是真能省电，代价是采样率不能太高。如果你把数据率拉到100Hz再开低功耗模式，电流会涨到约90到110µA，功耗优势就打了折扣。

2.2 活动检测不是噱头：让MCU睡到有动静才醒

除了传感器自身的低功耗，ADXL345还提供了一套完整的活动和非活动检测机制，这对可穿戴设备的整机功耗影响极大。核心思路是：传感器平时以极低的速率待机，主控MCU彻底进入深度睡眠，只有人体动作超过阈值时，传感器通过中断引脚把MCU叫醒，MCU这时候才开始高频率采样或执行计步算法。

活动检测的配置逻辑是THRESH_ACT寄存器（0x24）设置阈值，每LSB对应62.5mg。比如设为10，就是约625mg的加速度变化算“活动”，这个值要根据佩戴部位调节。手腕的晃动幅度大，阈值可以设高一点；贴在胸口的传感器，呼吸都会产生小幅度加速度，阈值就要调低。ACT_INACT_CTL寄存器（0x27）控制X、Y、Z三个轴是否参与活动检测，默认可以全使能，也可以只挑运动方向。

这种架构的价值在于，传感器把“有没有动”这件事在硬件层面判断好了，主控不需要频繁醒来读数据。一个典型的低功耗手环，MCU睡眠电流做到5µA以内，传感器23µA待机，整机待机电流就能控制在30µA上下，比“MCU每隔100ms读一次传感器”的方案省了一个数量级。

2.3 FIFO缓冲：攒一批数据再处理，而不是边采边传

FIFO是ADXL345里一个容易被忽略但非常关键的功能。芯片内部有32级FIFO，也就是说传感器可以自己缓存32组三轴数据，等缓存填满或者触发水位线之后，再一次性通知主控来读取。这样主控就不用每采一个点就醒一次，大大减少唤醒次数，也就减少了唤醒状态下的电流消耗时间。

FIFO_CTL寄存器（0x38）的bit7到bit6配置工作模式。Bypass模式就是不用FIFO，数据直接输出；FIFO模式是攒满指定数量后停止采样，保持旧数据等待读取；Stream模式是攒满后丢弃最旧的数据，始终保留最新的32组；Trigger模式是达到预设触发条件前持续缓存，触发后保留触发前的一段数据。对于可穿戴运动检测，Stream模式最实用，因为我们需要的是最近一段时间的数据，旧数据丢了无所谓，丢旧保新正好适合计步和活动识别。

FIFO水位线中断也支持配置。INT_ENABLE寄存器（0x2E）的bit6是watermark中断使能，FIFO中缓存的数据量达到FIFO_CTL低5位设置的值（1到32）时，INT1或INT2引脚会拉低，触发主控中断。这种“攒够了再叫”的机制配合活动检测，构成了完整的低功耗采集链路，后面第六章我会把整套架构串起来再说细节。

2.4 低功耗模式的代价：带宽变窄、噪声变大

省电不是没有代价的。ADXL345开启低功耗模式后，内部数字低通滤波器的带宽会被压低，实际能有效检测的运动频率范围变窄。举例来说，在低功耗模式下以12.5Hz输出数据，有效信号带宽大约只有几Hz，如果你要检测的振动频率超过这个范围，信号会被明显衰减。

这意味着两件事：第一，低功耗模式适合的是走路、跑步、呼吸、翻身这类频率较低的运动，不适合做高频振动监测或设备跌落检测；第二，如果算法需要较宽的频带，比如要捕捉跑步落地瞬间的冲击峰，建议用正常模式跑50Hz或100Hz采样率，把功耗预算留给电池容量而不是强行压低采样率。

噪声方面，低功耗模式下的输出噪声会比正常模式高一些。具体数字因人而异、因PCB布局而异，但总的来说，如果要做高精度的姿态计算，低功耗模式的数据不够干净；如果只是计步器和活动检测，噪声完全在可接受范围内。我在实际方案里的做法是：平时用12.5Hz低功耗模式待机，活动检测触发后用软件切换成100Hz正常模式跑几秒钟，等动作稳定后再切回去，兼顾功耗和信号质量。

3. 接口与寄存器：SPI和I2C怎么选，数据怎么读

3.1 接线的第一课：SDO、CS、VDD_VS别接错

从模块到手，第一步不是写代码，是确认接线。ADXL345有标准的14脚封装，实际用到的常用引脚包括VDD、VDD_VS、GND、SDA/SDI、SCL/SCLK、SDO/ALT ADDRESS、CS、INT1、INT2。其中最容易翻车的三个引脚是CS、SDO和VDD_VS。

CS引脚在I2C模式下必须接高电平（接到VDD），否则芯片会误以为你要用SPI通信，I2C怎么扫都扫不到设备。SDO引脚决定I2C地址，接地就是0x53，接高就是0x1D。VDD_VS是内部稳压器的电源输入引脚，必须和VDD接到同一个电源，很多模块在板上会连好，但如果自己画板子，漏接VDD_VS会导致芯片完全无响应。

电源去耦电容也别忘了。VDD和GND之间至少放一个0.1µF的陶瓷电容，尽量靠近芯片引脚。如果电源走线比较长，再加一个1µF到10µF的电解电容。我做第一版原型时跳过了去耦电容，结果读出来的数据在静止时也会抖动几十个LSB，加上电容之后明显干净，这个细节在数据手册里有明确要求，实际验证也确实有效。

3.2 DATA_FORMAT与量程换算：13位全分辨率为什么是0.000488

ADXL345的数据输出寄存器是DATAX0到DATAZ1（0x32到0x37），每个轴占两个字节。读取时先读低字节，再读高字节，拼成一个16位整数。但这里有个容易算错的地方：芯片内部其实是13位有效数据，左对齐存放在16位寄存器里。

我在很多教程里见过的换算系数是3.9mg/LSB，这个数其实是10位模式下的结果。ADXL345支持把输出模式设为13位全分辨率，此时只要把DATA_FORMAT寄存器（0x31）的bit3写1即可。在这个模式下，±2g量程对应输出范围约-4096到+4095，换算系数就是4g除以8192，约等于0.000488g/LSB。如果你用0.0039这个系数去换算13位模式的数据，读出来的重力加速度会偏到离谱，这是新手最容易踩的坑。

DATA_FORMAT寄存器的bit1到bit0控制量程：00对应±2g，01对应±4g，10对应±8g，11对应±16g。bit3是full_resolution位，写1开启全分辨率。我常用的配置是0x08，也就是全分辨率加±2g量程。有这个基础之后，换算公式就固定为：

加速度(g) = 原始值 x 0.000488

比如静止平放时，Z轴读数大约在2048附近，换算后约1g，X轴和Y轴接近0，这就是正常的表现。

3.3 一段可用的Arduino读取代码与最小验证流程

下面这段Arduino代码可以直接跑，用I2C方式读取ADXL345的原始数据，并按13位全分辨率换算成g值：

#include <Wire.h> #define ADXL345_ADDR 0x53 // SDO接地时 void writeReg(byte reg, byte val) { Wire.beginTransmission(ADXL345_ADDR); Wire.write(reg); Wire.write(val); Wire.endTransmission(); } int16_t readReg16(byte reg) { Wire.beginTransmission(ADXL345_ADDR); Wire.write(reg); Wire.endTransmission(false); Wire.requestFrom(ADXL345_ADDR, 2); uint8_t lo = Wire.read(); uint8_t hi = Wire.read(); return (int16_t)((hi << 8) | lo); } void setup() { Serial.begin(115200); Wire.begin(); // 配置ADXL345 writeReg(0x2D, 0x08); // POWER_CTL: 进入测量模式 writeReg(0x2C, 0x0A); // BW_RATE: 100Hz, 正常模式 writeReg(0x31, 0x08); // DATA_FORMAT: 13位全分辨率, ±2g writeReg(0x38, 0x00); // FIFO_CTL: Bypass模式 } void loop() { int16_t x = readReg16(0x32); int16_t y = readReg16(0x34); int16_t z = readReg16(0x36); float xg = x * 0.000488; float yg = y * 0.000488; float zg = z * 0.000488; Serial.print("x="); Serial.print(xg, 3); Serial.print(" y="); Serial.print(yg, 3); Serial.print(" z="); Serial.println(zg, 3); delay(10); }

上电后芯片静止平放，串口应该输出类似x=0.000 y=-0.004 z=0.998这样的值。如果读到全零，先查CS有没有接高；如果读数乱跳，先查供电去耦和SDO接线；如果读数稳定但不合理，检查换算系数是不是用了0.0039。这套验证流程我每次换板子都跑一遍，基本十分钟内能确认芯片是否工作正常。

4. 数据可信度才是方案的生命：滤波、校准与机械应力

4.1 第一步永远是自检：WHO_AM_I和零点偏置

拿到一颗全新的ADXL345，我建议先读寄存器0x00，也就是WHO_AM_I。这个寄存器固定返回0xE5。如果读回来的值不是0xE5，那说明焊接、接线或者芯片本身有问题，后续一切算法都没有意义。这个小动作只要三行代码，但能帮你避免后面花一整天排查硬件故障。

接下来是零点偏置检查。ADXL345出厂时虽然做过校准，但零偏不会完美地归零。拿我手上的几颗芯片来看，X轴和Y轴静止时通常有10到30个LSB的偏置，约等于5mg到15mg，Z轴因为始终受重力影响，读数在1g附近。对于计步器这种粗粒度应用，零偏可以不处理，但对于倾角计算或姿态识别，零偏需要做软件校准：让设备静止平放一段时间，采样几百次求平均值，把这个平均值作为零偏存下来，之后每次读数都减掉这个值。

校准动作必须在同样温度下进行，因为MEMS加速度计的零偏会随温度漂移。虽然ADXL345的温漂在同类芯片里控制得不错，但如果你做的设备要经历温差很大的环境，比如从空调房到户外，建议在固件里加一个周期性自动校准逻辑：检测到设备长时间处于静止状态时，自动更新零偏。

4.2 为什么静止时还是读到1g：重力分量与矢量模

这是新手最容易困惑的物理问题：明明静止平放，为什么Z轴读数不是0而是1g？因为加速度计测量的不是位置变化，而是比力（specific force），包含了重力带来的影响。芯片静止时，支撑力以1g的等效加速度向上作用在芯片上，所以会读到Z轴=1g。如果芯片竖起来放，重力分量就分配到某个轴上了。

实际处理数据时，合成矢量模是最常用的量：

magnitude = sqrt(x^2 + y^2 + z^2)

静止时这个值理论上等于1g，运动时会随人体动作产生周期性波动。计步算法的常见起点就是把合成矢量模减去1g再取绝对值，然后检测波峰和波谷。这样做的好处是不用关心设备朝哪个方向佩戴，省去了坐标系对齐的麻烦，手腕戴、别在腰间、放口袋里都能用同一套阈值逻辑。

4.3 从原始数据到干净信号：低通滤波和移动平均

原始加速度数据里有高频噪声，直接拿来做计步会导致误触发。滤噪最实用的两种方法，一是移动平均，二是一阶低通滤波。移动平均就是取最近N个样本的平均值，N越大越平滑但延迟也越大。我实测在100Hz采样率下，窗口取10个点比较平衡，既能压制纹波又不会明显滞后于脚步节奏。

一阶低通滤波的递推式很简洁：

y[n] = α * x[n] + (1 - α) * y[n-1]

α在0到1之间，越小截止频率越低。100Hz采样率下，α取0.1左右大约对应1Hz的截止频率，适合走路这种每秒1到2步的运动；跑步需要更快的响应，α可以调到0.2到0.3。这个参数说白了要看你的目标场景去试，我一般会把原始数据和滤波后的数据同时打印出来，用肉眼观察波形再做微调。

滤波只是去除传感器噪声，真正影响计步准确率的是动作伪迹，比如手表的表带摇摆、衣服摩擦、走路时手臂摆动等。这些伪迹在频谱上和真实步态很接近，单纯靠滤波分不干净。我的做法是加上时间维度约束：判定一步的峰值之后，设置一个300ms到400ms的最小间隔，低于这个间隔的峰值都忽略。这个简单逻辑能过滤掉大部分抖动误判，比盲目调阈值有效得多。

4.4 机械应力、温度漂移与佩戴伪迹：三个不常被提到的坑

ADXL345这类MEMS器件对PCB的机械应力非常敏感。芯片封装外壳受到的压力、PCB板弯曲产生的应力，都会改变内部硅结构的零点位置，导致输出漂移。我在原型阶段把芯片焊在洞洞板边缘，螺孔拧紧后静止读数偏了大概50mg，松开螺丝又恢复。解决办法是让芯片位置尽量远离板边和固定孔，至少留出1到2mm的间距，并且避免用外壳结构件直接压在芯片表面。

温度漂移也很值得注意。加速度计的姿态角计算中，若以1g为单位做静态倾角估算，1mg的变化对应约0.057°的角度误差。ADXL345的零偏温漂是每摄氏度零点几个mg到几个mg的量级，如果你的应用要把角度算到0.5°以内，就得考虑温度补偿或者定期校准。一般运动检测应用不需要这么高的精度，但做跌倒检测、姿态追踪时就要重视起来。

佩戴伪迹是方案设计层面的问题。同一个算法，戴在手腕上和别在腰上，准确率可以差出20%以上，因为手腕的活动范围大，手臂摆动产生的加速度和脚步节奏混在一起。做产品时，传感器位置基本决定了算法参数。如果无法固定佩戴位置，更稳妥的做法是采集多个佩戴位置的样本数据，分别训练或设置多组阈值，而不是寄希望于一套参数通吃所有场景。

5. 树莓派读ADXL345的实操记录：I2C接线与Python代码

5.1 树莓派I2C接线与系统配置

说到树莓派接ADXL345，接线就四根线：板子的3.3V接芯片VDD和VDD_VS，GND接GND，SDA接GPIO2（板子物理引脚3），SCL接GPIO3（板子物理引脚5）。大多数现成的ADXL345模块板载了上拉电阻，树莓派的I2C总线上本来就内置上拉，所以不需要额外加电阻。如果自己画模块，记得在SDA和SCL上各接一颗2.2kΩ到4.7kΩ的上拉电阻到3.3V。

系统配置方面，树莓派默认可能没开I2C接口。执行sudo raspi-config，选择Interface Options、I2C、Enable，或者直接编辑/boot/config.txt，把dtparam=i2c_arm=on这一行取消注释。改完之后重启，运行ls /dev/i2c*，能看到i2c-1就说明接口正常。

用i2cdetect -y 1扫描总线，如果ADXL345接线没问题，终端会输出一行地址，要么是0x1d，要么是0x53，具体取决于SDO引脚电平。这时如果扫不到任何设备，重点检查CS引脚是否接到了3.3V，以及SDA和SCL有没有接反。

5.2 smbus2读取原始数据的Python代码

树莓派上读取ADXL345最方便的是smbus2库。安装就一行命令：

pip3 install smbus2

下面是完整可运行的读取脚本：

import smbus2 import time bus = smbus2.SMBus(1) addr = 0x53 # 根据实际i2cdetect结果调整 # 初始化 bus.write_byte_data(addr, 0x2D, 0x08) # POWER_CTL: 测量模式 bus.write_byte_data(addr, 0x2C, 0x0A) # BW_RATE: 100Hz 正常模式 bus.write_byte_data(addr, 0x31, 0x08) # DATA_FORMAT: 13位全分辨率 ±2g def read_accel(): data = bus.read_i2c_block_data(addr, 0x32, 6) x = (data[1] << 8) | data[0] y = (data[3] << 8) | data[2] z = (data[5] << 8) | data[4] if x & 0x8000: x -= 1 << 16 if y & 0x8000: y -= 1 << 16 if z & 0x8000: z -= 1 << 16 return x, y, z while True: x, y, z = read_accel() print(f"x={x * 0.000488:.3f}g y={y * 0.000488:.3f}g z={z * 0.000488:.3f}g") time.sleep(0.1)

运行后能看到三轴数据实时刷新。特别注意上面代码里的符号扩展处理，ADXL345输出的是有符号数，高字节最高位为1时要还原成负数，不然静止状态可能读到Z轴几万的无意义大数。这段代码我拿来连续跑过一夜，数据流稳定，没有出现掉线或卡死的情况。

5.3 实时波形调试小工具与日常自检

光打印数字不方便看信号特征，我平时会在树莓派上跑一个简单的实时曲线脚本，把合成矢量模打印成ASCII波形，能直观看到走路时波峰和波谷的节奏。核心逻辑就是把合成矢量模的值映射到字符长度，每100ms刷新一行。这个小工具不依赖任何图形库，SSH就能用，特别适合在现场快速判断传感器行为和佩戴状态。

日常自检也可以由脚本完成：让设备静止10秒，统计三轴的标准差。标准差低于某个阈值就认为传感器工作正常，超过阈值则提示可能存在硬件故障或松动。我在做长时间数据采集前都会跑一遍自检，免得采集完几小时数据之后发现初始配置就有问题，白耗时间和存储空间。

6. 搭一条低功耗链路：FIFO加中断的唤醒架构

6.1 一个典型低功耗架构：传感器每12.5Hz出一批数据，MCU睡大觉

把前面所有能力串起来，就形成了一套完整的低功耗采集架构。传感器端，ADXL345以12.5Hz低功耗模式运行，电流23µA。芯片的活动检测功能持续监测加速度变化，阈值设好，平时不触发。主控端，MCU进入深度睡眠模式，电流压到3到5µA。当用户开始运动，加速度超过活动阈值，ADXL345的INT1引脚输出中断信号，MCU从睡眠中唤醒，开始通过I2C从FIFO读取缓冲好的数据。

FIFO在这个链路里的角色很关键。活动检测触发后，芯片内部的FIFO开始以流模式记录数据，等FIFO里攒到比如16个样本（约1.28秒的数据），watermark中断再次触发，MCU一次性把这16组数据读走，执行计步或活动分类算法，处理完再回到睡眠状态。整个过程的平均电流可以估算为：

• 传感器连续运行：23µA
• MCU睡眠占绝大多数时间，偶尔唤醒读数据并处理：平均约5µA到10µA
• 合计：约30µA到40µA

对比一个典型的“轮询式”方案——MCU每100ms醒来调用一次I2C读数据——后者MCU活跃时间占比高得多，整机功耗轻松超过200µA。这个差距在电池容量只有几百毫安时的可穿戴设备上，就是续航一周还是续航一天的差别。

6.2 电池估算：CR2032到底能撑多久

很多人对µA级别的数字没有概念，我用一颗CR2032纽扣电池做个计算。CR2032标称容量大约220mAh。按上面平均30µA的功耗来算：

220mAh / 0.03mA = 7333小时 ≈ 305天

差不多一年续航。如果算法不需要频繁上报，只做本地计步和存储，这个估算很接近实际。但要注意，真实电路里还有几个吃电的地方：BLE广播是脉冲电流，瞬间能到10mA以上，虽然持续时间短，但频繁广播会明显拉高平均电流；DC-DC转换芯片有静态电流，不同芯片差异很大，好的能做到几µA，差的可能就几十µA了；传感器电源如果直接接电池又经过了LDO，LDO自身的静态电流也要算进去。

我的经验是在估算时按理想值的2到3倍预留，也就是如果要达成半年续航，平均电流预算要控制在35µA以内。这样才能给电路损耗、电池老化、温度影响这些现实因素留出空间。

6.3 别把BLE当继电器：上报策略也要为功耗让路

低功耗链路做到传感器和MCU省电还不够，无线上报策略是另一个大头。如果每走一步都通过BLE向上位机发一次数据，功耗直接爆炸。正确做法是本地处理优先：传感器数据在MCU上先完成计步和状态分类，MCU只在状态变化时（比如步数累计、活动状态切换）才通过BLE发一次短包，其余时间无线模块处于睡眠状态。

BLE的广播间隔和连接间隔都值得花时间调。广播间隔从100ms拉长到1s，平均电流能下降一个量级。连接间隔从7.5ms拉到50ms以上，对心率这种低频数据几乎没有影响，但能省很多电。有些方案甚至可以做到“无连接模式”，传感器只广播不连接，手机在靠近时接收数据包，也能省掉大量维持连接所需的功耗。

7. 续航估算与原型阶段的几个深坑

7.1 手工焊接LGA-14的教训

LGA-14封装没有引脚，底部是焊盘，手工焊接时最大的问题是看不到引脚和焊盘的对齐情况。我第一块板子就是焊歪了一点，导致X轴数据间歇性跳变，接上逻辑分析仪才发现是CS引脚虚接。建议焊接时用热风枪配合助焊剂，温度设在300°C左右，先给焊盘上一层薄锡，放上芯片后用镊子轻压，热风均匀吹到焊盘融化，芯片略有自对准效果。焊完务必用万用表蜂鸣档逐个检查VDD、GND和SDA、SCL两个通信引脚的连通性，再上电读WHO_AM_I，确认芯片真的被系统识别。

7.2 柔性板敷设与佩戴位置的选择

设计可穿戴设备时，柔性板是个常见选择，但柔性板弯折会在传感器区域产生额外应力。我做过一个腕带原型，柔性板在传感器正下方折了一圈，结果静止状态下Z轴读数漂了将近100mg，整个倾角计算全乱套。解决方案是在电路布局上把ADXL345放在柔性板的刚性区（覆铜面积大、远离弯折线的区域），并且尽量减少板体弯折穿过芯片正下方的可能性。佩戴位置同理，传感器所在的位置决定了运动信号形态，别指望一套算法在手腕、腰间、脚踝上全都好用，至少要做佩戴位置分组配置。

7.3 如果还要进阶：往姿态解算和AI步态识别走

ADXL345做基础的计步和活动检测已经游刃有余，如果项目后续要升级，两个方向值得考虑。一是用合成矢量加上倾角解算做更丰富的姿态识别，比如检测翻身、坐下、站立这些状态。这时候10Hz级别的低功耗模式带宽不够，建议在动作检测事件触发后切到100Hz正常模式，采集一小段时间窗口再做姿态分类，识别完成再切回低功耗。二是把多个样本窗口的数据送到树莓派或者手机上训练轻量级模型，再回到MCU部署。

这两种方向都不需要换传感器，ADXL345的数据率最高能到3200Hz，虽然我们不提倡在这种频率下连续跑，但在算法需要瞬态特征时短时间拉高采样率还是可行的。等到方案真的需要六轴融合或者更强的运动学模型，再去评估六轴IMU也不迟。

我在实际项目里最深的体会是：低功耗可穿戴方案的成败不只在传感器本身，而是传感器、主控策略、无线上报三者联动的结果。ADXL345的23µA只是起点，把FIFO、活动检测和中断唤醒用好，整机才能交出漂亮的续航成绩单。如果你也正在搭可穿戴运动设备，先别急着堆算法，把这几层链路逐一确认，再去优化模型，路会顺很多。