兼顧低功耗/感測性能　智慧手表關鍵技術持續挺進

穿戴式裝置的軟硬體技術持續演進，然而，市場上尚缺乏殺手級應用來帶動明顯需求。因此，除了專注於感測器與電源管理效能的優化，如何藉由應用套件的開發發展關鍵應用，亦是智慧穿戴發展的重點。

隨著穿戴式裝置朝高階智慧手表發展，如何融入更多的感測器，提升辨識精準度並有效地控制功耗，成為智慧手表發展的關鍵。除了關鍵元件的優化之外，演算法在智慧手表的效能演進也扮演著關鍵的角色。

Bosch Sensortec台灣暨東南亞總經理黃維祥(圖1)表示，基本款的手環功能較簡單，因此不需要太多感測器，然而，隨著穿戴裝置市場逐漸轉向智慧手表，裝置內開始導入陀螺儀、加速度計、地磁計、GPS、大氣壓力計以及光體積變化描記圖(PPG)與心電圖(ECG)等多種感測器，來提供更精確的環境與生理監測。

降低智慧手表功耗　感測器中樞/MCU/演算法多管齊下

隨著智慧手表導入越來越多的感測器，其所需的運算效能也越來越龐大。而資料的收集、類比與數位訊號轉換、感測融合以及運算，都將耗費比以往更多的電力，使得電源管理成為智慧手表在設計上的一大挑戰。為此，相關廠商也從感測器、處理器甚至是演算法等不同的面向著手，推出低功耗的解決方案。

智慧感測器中樞

因應穿戴式裝置的發展趨勢，Bosch在2018年6月推出了兩款新型智慧感測器中樞(Sensor Hub)，在感測器中樞內建處理器，來分擔主處理器的運算負載。黃維祥進一步說明，當感測器收集到訊號時，會先將資料傳送至感測器中樞做初步的訊號轉換與處理，甚至是感測融合，完成後再將結果傳送至主處理器做進一步的判斷。這麼一來，就不須隨時啟動主處理器，可大幅降低系統的功耗。

黃維祥指出，該公司新推出的兩款感測器中樞系列配有16位元MEMS感測器，並分別搭載六軸慣性測量元件以及三軸加速度計，以應對不同的應用需求。此外，該產品也搭載靈活的連接介面，最多可連結25個GPIO，同時可支援其他感測器裝置的整合，例如全球衛星導航系統(GNSS)或其他定位系統。

不過，隨著穿戴式裝置發展越趨成熟，也開始有處理器廠商推出穿戴式裝置專用處理器，將感測器中樞的設計融入MCU架構中。而為提升產品的靈活性，Bosch也推出多種穿戴裝置感測器組合，如包含MCU的BHI與BHA系列智慧感測器中樞，以及不帶MCU的BMI與BMA系列產品。

感測器/演算法優化助電源管理一臂之力

不同於Bosch的做法，艾邁斯半導體(ams)新一代的生命體徵感測器並沒有內建處理晶片。對此，ams台灣區總經理李定翰(圖2)解釋，由於過去市場發展較不成熟，少有晶片廠商推出穿戴式裝置專用的處理器，因此該公司過去會在感測器中內建處理晶片與常用的演算法，協助終端裝置廠商簡化裝置開發流程。

然而，隨著市場發展越趨成熟，目前市面上已經有針對穿戴式裝置所設計的MCU，將穿戴式裝置所需的電源管理模式與演算法都寫入MCU。為提升產品的靈活性，並進一步降低感測器的功耗與成本，該公司新一代的生命體徵感測器並沒有搭載處理晶片，感測系統只執行資料收集，不進行資料的處理與判斷。

此外，李定翰也提到，除了可以藉由休眠模式去減少穿戴式裝置系統的功耗，感測器精準度與演算法的提升，也將有助於減輕系統功耗。換句話說，過去可能要偵測一百次才能獲得準確的數據，而藉由感測器與演算法的優化，現在只須偵測十次，系統就能做出有效、準確的判斷。

MCU低功耗模式再細分

智慧手表提供的功能逐漸增多，而不同的使用情境下，需要的效能與電量都不同。因應此趨勢，意法半導體(ST)亞太區資深產品行銷經理楊正廉(圖3)表示，該公司新推出的MCU可支援多種低功耗模式，開發者可依據其應用情境所需的運算效能，選擇不同的功耗模式，使終端裝置在效能與功耗上能同時取得最佳化(圖4)。

過去該公司推出的MCU也有提供待機(Standby)、停止(Stop)、睡眠(Sleep)等低功耗省電模式。而新一代MCU與上一代產品最大的差異在於，其根據省電模式下所需的隨機存取記憶體(RAM)大小，將省電模式劃分得更精細。讓終端裝置的開發者可依據須保留的資料量大小，選擇適當的功耗模式。

此外，楊正廉也指出，感測訊號的收集是穿戴式裝置系統最耗電的環節，因此，該公司也在處理架構中設置感測器中樞，但由於穿戴式裝置所需的運算效能不高，因此其感測器中樞並沒有搭載運算晶片，只負責收集各感測器的訊號，待收集到一段有效的資料後，再一次寫入處理器進行運算。如此一來，在收集訊號時，就不須耗費處理器的效能，同時也能節省一顆處理晶片的成本。

感測融合/演算法提升辨識精準度

除了降低功耗外，如何強化辨識精準度，提高判斷的可靠性，也是目前智慧手表發展的一大重點。李定翰指出，當硬體市場發展到一定成熟度後，硬體間的效能差距將不再像發展初期那麼明顯。因此，隨著智慧手表市場越趨成熟，未來角力的重點會是大數據分析與演算法的開發。儘管如此，感測器仍須持續優化其精準度，提供高品質的原生資料，作為大數據分析與演算法的依據。

在此發展趨勢下，未來智慧手表勢必會導入越來越多的感測器，再藉由演算法融合不同的感測訊號，做出更精密的分析與判斷。而演算法開發的重點在於，必須將外在環境的變異量納入考量，並將之排除，避免影響判斷的準確性。

李定翰指出，過去，許多廠商會採用分離式元件組成感測系統，但不同廠商所提供元件接腳等規格都不同，因此在元件的整合、訊號收集及校準上都會面臨許多不確定性，進而影響判斷的精準度。而隨著導入的感測器越來越多，高整合度的模組也越顯重要，因模組可以降低外界對於感測器訊號收集的影響，同時降低演算法開發的複雜性。

因應此趨勢，該公司也推出高整合度的感測IC，由三個LED光源、光電二極體、一個用於心率監測的光學前端和程序裝置以及一個用於心電圖的類比前端組成，協助製造商解決感測器整合的問題，以確保資料擷取的準確性。

此外，李定翰也提到，演算法如何依據不同的人體狀況，進行訊號的調校相當重要。例如，不同人種皮膚的折射率都會有所差異，因此演算法必須能根據不同的生理條件做調校；此外，人體會出汗，導致光與皮膚的接觸多一層介質，形成干擾，且每個人的汗的顏色不同、帶有鹽分，這些都會影響感測的結果，因此必須搭配不同的光譜、波段來照射，再藉由訊號處理與演算法濾除雜訊，才能提升監測的精準度。

導入大氣壓力計　防水效能成挑戰

儘管導入更多的感測器，可以提升智慧手表效能，但卻也可能為終端裝置設計帶來挑戰。

黃維祥進一步說明，為了能量測使用者所在的高度、運動路徑的坡度，以提供更精準的卡路里，現今許多智慧手表會導入大氣壓力計。不過，壓力計須與空氣接觸才能量測壓力的改變，所以必須在裝置上留有開口，而這可能導致手表的防水性能受到影響。為解決上述問題，目前常見的做法有兩種，其一是採用GORE-TEX技術，讓機殼達到防水但可以透氣的效果，不過其防水效果可能無法滿足游泳或潛水等應用需求；因此，目前也有廠商擬讓感測器本身具備防水效能，再將之與其他的感測模組隔離，以提升智慧手表的防水等級。

MCU設計不可忽視資安問題

隨著穿戴式裝置逐漸深入使用者的生活，其資料安全性也成為不可忽視的議題。對此，楊正廉表示，過去產業時常忽略資訊安全的重要性，然而隨著物聯網時代來臨，端到端、端到雲的傳輸越來越頻繁，物聯網設備包括穿戴式裝置的軟硬體安全也成為不可忽視的議題。

舉例來說，市面上的智慧手表開始提供心率感測、心電圖等個人生理監控，未來可能會將這些資料上傳至雲端，或傳送至醫療單位做更進一步的應用。因應此趨勢，穿戴式裝置的處理器也開始導入軟硬體的安全解決方案，包括防拆解機制以及封包加密等，都成為MCU設計要點。

資料收集/模型訓練為應用套件開發關鍵

而談到穿戴式裝置應用套件開發，資策會智慧系統研究所組長廖憲正表示，應用套件的平台開發流程主要可分為三個階段，第一步是資料收集，收集到一定的樣本後，再運用深度學習技術分析慣性感測器(IMU)訊號，提供動作辨識、偵測服務，並將之導入終端裝置中(圖5)。

廖憲正指出，目前的深度學習技術已足以支援動作辨識平台的模型訓練，反而是在資料收集及如何判讀資料代表的意義，面臨較大的挑戰。以「居家復健」應用平台開發為例，必須先反覆執行動作以收集大量的樣本、進行動作標記，並在專業復建科醫師的指導下，定義哪些動作是正確的，哪些動作是不正確的，才能進行模型訓練。

而若要將動作辨識做得更精細，就必須收集更多不同的動作樣本，也使得資料的收集與動作的標示，成為開發過程中最耗時費力的環節。而為簡化資料收集的流程，並縮短開發時間，資策會系統所也利用演算法進行資料擴增，減少動作執行與採集的次數，提升30%的資料收集效率。

縱觀整體市場發展，近幾年，智慧穿戴相關軟硬體技術持續演進。不過，市場上尚缺乏可創造出明顯需求的殺手級應用，因此，接下來穿戴式裝置除了必須持續優化裝置感測與電源管理效能，如何結合運動、醫療復健等專業領域知識，將辨識技術導入穿戴式裝置，延伸出殺手級的應用，強化穿戴式裝置對於消費者的吸引力，亦相當重要。