方向：方案分析、架构设计、模块分解

智能产品系统架构分析：运动手环架构分层

为“运动手环”写一份类似的架构设计文档，包含分层架构、实例、UML、项目结构、开发机理等。

运动手环是典型的可穿戴设备，核心功能：计步、心率监测、睡眠监测、运动模式识别、通知提醒、蓝牙同步等。低功耗是关键。分层可类似：硬件层（传感器、MCU、电池、蓝牙）、驱动/OS层（RTOS或轻量嵌入式系统）、基础服务层（传感器数据采集、滤波、电源管理）、应用逻辑层（计步算法、心率算法、运动识别、显示交互）、通信/云端层（蓝牙同步、手机App、云分析）。

用一个实例：用户佩戴手环走路，手环实时显示步数、心率，晚上记录睡眠，通过手机App同步数据并生成周报。

运动手环系统架构设计文档

1. 概述

运动手环是一种低功耗、轻量级可穿戴设备，用于采集人体运动、心率和睡眠等生理数据，并通过蓝牙与手机App同步，提供健康分析与提醒功能。本文从方案分析、架构设计、模块分解三个维度，对运动手环进行分层架构解析，并以“用户佩戴手环走路5分钟，实时计步、测心率，晚上记录睡眠，次日同步到App生成周报”为例，贯穿说明系统协作机理。

2. 系统分层架构总览

运动手环采用五层架构（从下至上），侧重低功耗与实时性：

层次	名称	职责	实例对应
L1	硬件层	传感器（加速度计、PPG心率）、MCU（ARM Cortex-M）、蓝牙芯片、电池、OLED屏	加速度计采集走路三轴数据
L2	驱动与RTOS层	传感器驱动、蓝牙栈、LCD驱动、FreeRTOS任务调度	读取加速度计FIFO数据
L3	基础服务层	数据滤波、运动检测、功耗管理、存储管理	卡尔曼滤波去噪，写入Flash
L4	应用逻辑层	计步算法、心率算法、睡眠识别、显示界面、闹钟提醒	根据加速度波形计步，实时更新步数
L5	通信与云端层	蓝牙GATT同步协议、手机App、云端健康分析	手机App拉取一周数据，生成运动周报

手环大多数AI算法（计步、睡眠）在本地MCU上完成，仅数据同步和长期趋势分析依赖App/云端。

3. 交互实例（按层动线）

场景：用户佩戴手环，从家门走到公交站（约5分钟），手环显示步数从100增加到520，心率从72升到98；当晚手环自动识别睡眠，次日连接手机App查看周报。

3.1 实时计步与心率显示（本地闭环）

1. 硬件层：加速度计（如BMI160）以50Hz采样，FIFO缓存数据；心率传感器（如MAX30102）每5秒测量一次血氧/PPG。
2. 驱动层：I2C驱动读取传感器寄存器，通过中断通知MCU。
3. 基础服务层：加速度数据进入滑动平均滤波器去除噪声；心率原始数据经DC抑制和峰值检测提取脉搏间隔。
4. 应用逻辑层：
   • 计步算法：检测加速度波峰波谷，结合步态模型（步频约1~3Hz）判定有效步数，更新计时器。
   • 心率算法：计算30秒内的平均心率，转换为bpm。
   • 显示管理：每1秒刷新OLED屏幕，展示当前步数和心率。
5. 功耗管理：在无活动时自动降低心率测量频率至10分钟一次。

3.2 睡眠监测与数据同步

1. 夜间：应用逻辑层的睡眠识别模块根据用户活动量（加速度方差极小）和心率下降趋势，判断进入浅睡/深睡/REM，并记录时间戳。数据存储于SPI Flash。
2. 次日同步：
   • 手机App通过蓝牙GATT连接手环。
   • 手环Bluetooth服务模块暴露特征值（步数、心率、睡眠数据）。
   • App读取历史数据（7天），擦除手环旧数据。
   • App将数据上传至云端（如阿里云），进行AI睡眠分析（睡眠评分、建议）。
   • 云端返回周报，App显示给用户。

4. 详细模块分解与职责

4.1 硬件抽象层 (HAL)

模块	功能	接口
AccelDriver	初始化/读取加速度计(BMI160/BMA400)	accel_read(xyz, &timestamp)
HeartRateDriver	控制PPG LED，采样光电容积波	hr_start_measurement() hr_get_value()
DisplayDriver	SSD1306 OLED屏驱动	display_write_buffer(buffer)
FlashDriver	W25Q128存储数据	flash_write(addr, data), flash_read
BatteryMonitor	电量采集（ADC）	get_battery_percent()

4.2 基础服务层

• 运动检测：基于三轴加速度幅值方差判断设备是否静止。用于触发“抬手亮屏”和睡眠/唤醒状态切换。
• 数据滤波：
  • 低通滤波器分离重力分量与人体加速度。
  • 中值滤波去除PPG信号的运动伪影。
• 功耗管理：根据用户活动状态动态调整传感器采样率（静止时降频至10Hz，运动时50Hz）和蓝牙广播间隔。
• 存储管理：环形缓冲区管理历史数据，每5分钟存入一条记录（步数、心率、卡路里估算）。

4.3 应用逻辑层（核心算法）

模块	算法	实现要点
计步算法	峰值检测+动态阈值	窗口大小为1秒，峰谷差大于阈值（自适应）计为一步；排除高频抖动。
心率计算	时域峰值计数/FFT	对PPG信号做FFT，取30~180bpm范围内最大幅值频率。
卡路里估算	基于运动强度公式	使用代谢当量(MET) × 体重 × 时间，步速由加速度幅值推算。
睡眠识别	活动量+心率阈值	连续30分钟活动量低于阈值且心率<静息心率+10%，判定为睡眠；细分深睡/浅睡基于心率变异。
抬手亮屏	重力矢量变化	检测手腕转动角度（绕重力轴旋转90°）触发屏幕点亮。
消息提醒	蓝牙通知解析	接收手机推送的来电/微信，驱动马达振动和显示图标。

4.4 通信协议层

• 蓝牙栈：使用NimBLE或BlueNRG，实现GAP广播（用于连接发现）和GATT服务。
  • 服务UUID: 0x180D (心率), 自定义服务 0xFFE0（步数/睡眠）。
• 数据同步协议：
  • 命令帧：[CMD][LEN][PAYLOAD]，如0x01表示请求历史步数。
  • 数据分页：每包20字节，蓝牙MTU协商至最大。

4.5 云端与App层

组件	技术	功能
手机App（iOS/Android）	Flutter/React Native	设备连接、数据展示、设置同步、图表绘制
云端API	Spring Boot + MySQL	用户注册、历史数据存储、健康报告生成
数据分析服务	Python + Pandas	睡眠质量评分（基于心率变异、深睡时长）、运动达标率

5. UML建模（Mermaid）

5.1 分层组件图（包图）

5.2 计步与心率实时处理序列图

5.3 睡眠监测与同步序列图

5.4 部署架构图（节点与通信）

6. 项目文件结构组织

开发运动手环通常分为固件工程、手机App工程和云端工程三个独立仓库，但统一管理。

sport_band/
├── docs/
│   ├── architecture/
│   │   ├── adr/                 # 架构决策记录
│   │   └── uml/                 # Mermaid源文件
│   └── api/                     # 蓝牙通信协议.md
├── firmware/                    # 手环固件 (C, Keil/IAR)
│   ├── hal/                     # 硬件抽象层
│   │   ├── bmi160.c             # 加速度计
│   │   ├── max30102.c           # 心率传感器
│   │   ├── ssd1306.c            # OLED屏
│   │   └── spi_flash.c
│   ├── middleware/              # 基础服务
│   │   ├── filter.c             # 低通/卡尔曼滤波
│   │   ├── power_mgr.c          # 动态调频
│   │   ├── storage_fifo.c       # 环形缓冲区
│   │   └── motion_detect.c      # 运动/静止判断
│   ├── algorithm/               # 应用算法
│   │   ├── step_counter.c       # 峰值检测计步
│   │   ├── heart_rate.c         # PPG→bpm
│   │   ├── calorie.c            # MET计算
│   │   └── sleep_tracker.c      # 睡眠阶段识别
│   ├── app/                     # 业务入口
│   │   ├── main.c               # FreeRTOS任务创建
│   │   ├── ui_display.c         # 界面切换逻辑
│   │   ├── ble_gatt_svr.c       # 蓝牙服务
│   │   └── notification.c       # 振动/消息
│   ├── rtos_config/             # FreeRTOS配置
│   └── CMakeLists.txt
├── mobile_app/                  # 手机App (Flutter)
│   ├── lib/
│   │   ├── ble/                 # 蓝牙连接与数据解析
│   │   ├── pages/               # 首页、历史图表、个人中心
│   │   ├── models/              # 步数/睡眠数据模型
│   │   └── services/            # 云端API调用
│   └── pubspec.yaml
├── cloud/                       # 云端微服务
│   ├── api/                     # Node.js/Express
│   │   ├── routes/              # /sync, /report
│   │   └── controllers/
│   ├── analyzer/                # Python 数据分析
│   │   ├── sleep_scoring.py     # 睡眠质量评分算法
│   │   └── weekly_report.py
│   └── db/                      # MySQL schema
│       └── schema.sql
├── test/                        # 测试套件
│   ├── firmware_test/           # 计步算法单元测试(Ceedling)
│   ├── integration/             # 蓝牙模拟测试(Python)
│   └── hardware_test/           # 传感器数据采集脚本
├── tools/
│   ├── data_logger/             # 串口打印加速度数据
│   ├── ble_sniffer/             # 蓝牙抓包分析
│   └── ota_packer/              # 固件打包工具
└── README.md

7. 设计开发机理与方法

7.1 核心设计原则

• 低功耗优先：所有外设默认睡眠，通过中断唤醒。CPU在两次处理之间进入Stop模式，平均功耗<1mA。
• 算法轻量化：计步算法不使用FFT或神经网络，纯时域峰值检测，运行在M0+内核上。
• 数据有损存储：为节省Flash，每5分钟存储一次平均值而非原始数据；历史数据最多保留30天。
• 端云分工：实时显示、基础计步/心率在本地方完成；长期趋势分析、睡眠评分、社交排行依赖云端。

7.2 开发步骤

阶段	任务	产出
1. 硬件选型与EVB调试	选择nRF52840或Apollo3 Blue，焊接传感器，测试I2C/SPI通信	硬件调试通过，传感器可读取原始值
2. 驱动与RTOS搭建	移植FreeRTOS，编写所有外设HAL，实现任务调度	点亮OLED，定时采数
3. 基础服务实现	实现低通滤波、FIFO存储、功耗管理	待机功耗<100μA
4. 核心算法开发	实现计步器、心率计算、睡眠识别，使用真实人步行数据进行调优	计步准确率>95%
5. 蓝牙协议开发	定义GATT服务特征，编写手机侧连接和数据读取Demo	蓝牙传输速度>1KB/s
6. 手机App开发	实现设备绑定、数据同步、历史图表、云端上传	完整App功能
7. 云端报告服务	构建数据接收接口，开发睡眠评分模型（基于规则或简单ML）	周报自动生成
8. 整机测试与优化	穿戴测试72小时，校准算法，优化功耗	典型续航7天以上

7.3 关键机理详解

7.3.1 计步算法的抗干扰方法

• 机理：行走时垂直加速度呈正弦波形，峰谷差约为0.5~1.5g。但颠簸（坐车）也会产生类似波形。
• 方法：增加步频有效性窗口（0.5_{3Hz，即每秒0.5}3步）和波峰波谷交替检测（避免半步行误判）。
• 步骤：
  1. 对合成向量模 sqrt(x²+y²+z²) 减去1g（重力）。
  2. 滑动平均去除了高频噪声。
  3. 检测波谷->波峰->波谷完整周期，若幅度大于阈值且周期在允许范围内，计一步。
  4. 连续10步内置信度低则重置阈值自适应。

7.3.2 心率测量的运动伪影抑制

• 机理：步行时腕部晃动使PPG信号产生低频漂移，叠加运动噪声。
• 方法：使用加速度计作为参考，通过自适应滤波（LMS）消除与加速度相关的噪声成分。
• 步骤：
  1. 将三轴加速度幅值作为参考输入。
  2. 对PPG信号进行归一化最小均方误差（NLMS）滤波。
  3. 对输出信号做FFT，选择30~180bpm范围内最大峰对应频率。

7.3.3 睡眠阶段识别（简化版）

• 机理：深睡时心率下降、心率变异增大、身体几乎无活动（加速度方差极小）；REM期心率略升，仍无大肌动。
• 方法：使用有限状态机（FSM）+ 滑动窗口分类。
  1. 状态：Awake → Light → Deep → REM 之间转移。
  2. 每30秒计算活动量（加速度方差）和平均心率。
  3. 规则链：
     • 活动量>threshold → Awake
     • 心率<静息心率-5 且 活动量极低 → Deep
     • 心率接近静息且心率变异>50ms → REM
     • 其余为Light。

7.3.4 功耗管理策略

• 动态采样率：运动时加速计50Hz，静止时5Hz；心率传感器：运动时连续测量，静止时每10分钟一次。
• 蓝牙广播占空比：未连接时每秒广播100ms；连接后协商连接间隔45ms（平衡功耗与响应）。
• 深度睡眠：RTOS空闲任务进入WFI，所有未使用外设时钟门控；RTC定时唤醒刷新显示。

8. 总结

运动手环是典型的资源受限、电池供电的实时嵌入式系统，其架构的精髓在于：将有限的算力和能量集中于核心功能（计步、心率），并通过蓝牙将繁重的数据分析和社交功能转移给手机和云端。本文提出的五层架构清晰界定了硬件驱动、基础服务、应用算法、通信及云端的职责，结合实例和UML图展示了完整的运行流程。

开发此类产品必须从第一天起就进行功耗预算法（典型应用：计步+心率每天用电0.8mAh，显示屏0.5mAh，蓝牙0.2mAh，总<1.5mAh，对于150mAh电池可实现>5天续航），并持续优化算法以降低CPU占用率。

本文提供的项目结构和开发步骤可直接指导工程落地，其中的算法原理同样适用于智能手表等类似设备。