心率能测出来不难,难的是低功耗、稳定、还能量产

从一颗 PPG AFE 的设计取舍,看可穿戴心率血氧的工程落地

做过智能手表、手环或健康穿戴的人大概都有同感:让心率功能"跑起来"并不难。真正消耗时间的,是后面这一串问题:

  • 运动时信号还稳不稳?

  • LED 一开,功耗会不会突然上去?

  • 表底空间已经很紧,光路怎么排?

  • PD 附近被数字走线干扰了怎么办?

  • 换一批结构件,血氧数据会不会又漂?

这些问题指向同一个事实:PPG 健康监测不是"选一颗芯片、跑一个算法"就能收尾的事。它是一个贯穿模拟前端、电源、PCB、光学结构、佩戴状态判断的系统工程。

下面以 VC9202 + VP60A2 这一组公开资料相对完整的 PPG 方案为例,从工程角度梳理可穿戴心率血氧设计中几个容易被低估的环节。需要先说明:同一颗芯片在不同电源、不同光路、不同结构下的表现可能差距很大,本文讨论的是设计层面的取舍,而不是对某一方案的性能背书 。

一、功耗预算:真正要算的不是"工作电流",而是"什么时候可以不工作"

可穿戴产品的现实约束是:屏幕、BLE、MCU、GPS 都在抢电池,LED 又是健康监测里的耗电大户。如果心率 AFE 只在"测得准"上做文章,而不管大部分时间里的静态开销,系统功耗很难压下来。

VC9202 的公开规格中,心率模式在 25 Hz 条件下典型功耗约 40 μA,包含 LED 发光功耗 ;血氧模式约 400 μA ;未佩戴状态约 2 μA @ 1 Hz ,休眠电流约 400 nA。

这组数字里更值得注意的不是 40 μA 本身,而是未佩戴状态和自动佩戴检测的配合。手表手环并不是 24 小时紧贴皮肤,系统没有必要在脱腕时仍按完整检测状态运行。把"不佩戴时安静下来"作为一项系统能力,比单纯追求工作模式下的最低电流更贴近可穿戴的真实功耗逻辑。

工程上可以检查的点:佩戴检测的判定条件是否足够稳定,脱腕后是否真正切到低功耗档位,以及频繁摘戴时会不会产生误唤醒和反复状态切换。

二、运动心率:麻烦的从来不是"心率",是叠加在脉搏上的运动伪影

静止测心率,条件相对友好。跑步、骑行、力量训练时,PPG 信号里同时混进的东西会多得多:皮肤与传感器之间的相对位移、环境光变化、机械振动、接触压力波动,以及电路本身的噪声。系统看到的不是干净脉搏,而是"脉搏 + 一堆不需要的成分"。

处理运动伪影的常见工程路线,是用加速度计信号作为参考输入,配合自适应滤波(如 LMS 类算法)对 PPG 中的运动相关成分做抑制。但算法能做的修正有边界:如果前端信号已经被串光或电源噪声污染,算法只是在为错误的源头做后处理。

因此,运动心率方案要看的不是"有没有算法",而是前端是否为算法保留了可用的信号条件------PD 偏置是否合理、环境光抑制是否到位、接触状态变化时增益会不会频繁跳档。佩戴检测在运动场景下的意义也在这里:它需要判断的不只是"有没有光打到 PD",而是"这个信号是否来自真实且稳定的皮肤接触"。

三、PD 和光路:最容易被放到"最后再调"的环节,往往最先出问题

很多团队的第一反应是盯芯片和算法,但硬件调到后面会发现,PD 的连接和布局对信号质量的影响一点也不小。

VC9202 的参考设计对 PD 布局给出了比较具体的要求:PD 优先布局,尽量以最短距离连接到芯片;EPDN 走线建议控制在 6 mil 左右;EPDN 与 EPDP 周围不能近距离平行走 I²C、SPI 等高速信号,无法避免时要铺地隔离;PD 周围铺铜(EPDP 网络)且与铺地间距大于 1.5 mm,外围地尽量完整包围 PD。

这些要求的背后是 PPG 的测量本质:PD 接收的是经过皮肤和血管组织吸收、反射后非常微弱的光电变化。一条靠近的数字走线、一个不完整的参考地,都可能把前端 SNR 拖下来。芯片焊上去、算法跑起来,只是起点;模拟前端、电源和 PCB 需要同时设计。

四、串光与隔光:一个硅胶框的工程权重,可能高于一轮参数升级

光学传感器有个很有意思的现象:算法调了几周,最后发现根因是串光。

LED 发出的光如果没有经过皮肤,而是通过结构缝隙直接进入 PD,PD 看到的就是大量不含血流信息的"假信号"。一旦串光严重,后端算法再优化也很难从被污染的信号里解析出稳定结果。

通用 PPG 工程实践中,隔光通常用硅胶框或隔光泡棉实现,硅胶框与镜片之间需要约 0.1 mm 的压缩干涉 ,以保证压紧后不留缝。LED 与 PD 的间距也并非"差不多就行":典型布局中,心率 Green LED 中心与 PD 中心间距建议在 3.8~4.5 mm ,血氧 Red/IR LED 与 PD 间距建议在 5.5~7.5 mm;间距过大时,反射回来的有效光衰减,深肤色场景的表现可能下降。

VC9202 方案对 Green、IR、Red 的波长也给出了典型值:Green 约 525 nm ,IR 约 940 nm ,Red 约 620~660 nm ,同时对发光效率和正向压降提出要求。此外,Green LED 通常需要布置在更靠近 PD 的一侧。这些细节说明一件事:光路设计不是"选好 LED 就行",而是LED 位置、PD 位置、隔光结构和镜片开窗一起决定的。

五、电源完整性:LED 瞬态负载是 PPG 前端最容易被忽略的干扰源

PPG 系统里,LED 是按脉冲方式工作的。每次发光都是一次负载瞬变,如果供电环路响应不够快,AVDD 上就会出现纹波,直接影响微弱光信号的采样质量。

VC9202 的供电要求中,AVDD 典型 3.3 V ,电源纹波峰值要求 小于 40 mV ;LDO 在 1 kHz、输出电流 50 mA 条件下 PSRR 应 ≥ 65 dB ;负载瞬态从 1 mA 跳变到 100 mA 时,稳定时间应 小于 100 μs ,稳定压降 小于 100 mV 。这些指标指向的不是"芯片挑剔",而是 PPG 前端的共性约束:模拟电源的干净程度,直接等价于信号质量的一部分。

此外,去耦电容需要尽量靠近对应引脚,VC9202 参考设计还建议增加屏蔽罩并接地处理。对于 LED 产生的瞬态负载,LDO 的瞬态响应和 PSRR 需要和 LED 驱动时序放在一起评估,而不是等纹波出现后再补电容。

六、芯片内置功能的价值:不在"创新",在减少系统层的底层负担

VC9202 内部集成了自动调光、自动佩戴检测、128 Bytes FIFO 、最高 1 MHz I²C 、中断输出,以及硬件/软件/上电复位机制;封装为 3 mm × 3 mm × 0.55 mm,16 PIN QFN。

这些功能单看都不算"颠覆性创新",但对可穿戴产品有实际工程意义:

  • FIFO 让 MCU 不必频繁轮询,可以在一定时间内批量取数,有利于系统级功耗调度;

  • 自动调光和自动佩戴检测把部分实时性要求较高的控制逻辑收进 AFE,减少 MCU 的干预频率;

  • 复位机制完善,异常状态下的恢复路径更短,量产阶段莫名其妙的"死机后数据不动"问题会少一些;

  • 3 mm × 3 mm QFN 对表底 PCB 面积紧张的产品比较友好。

这些点的共同指向是:把复杂度收进芯片和参考设计,减少系统层需要临时处理的事情。工程价值往往就在这些"不够炫"的地方。

七、最后回到一个更根本的问题

很多团队在选型时会问:"换这颗芯片,血氧是不是就准了?"答案通常是否定的。

PPG 健康监测的性能由电源、PCB、光学窗口、隔光结构、佩戴位置甚至表带松紧共同决定。VC9202 + VP60A2 的参考设计之所以值得作为工程讨论的样本,不是因为它"参数漂亮",而是因为它把 PD 布局、LED 波长与位置、隔光要求、LDO 纹波和瞬态指标、去耦与屏蔽都写进了设计约束里。这些约束恰恰是实际调试中最容易出问题的地方。

如果正在做智能手表、手环或运动健康设备,选 PPG 前端时可以把问题从"这颗芯片功能多不多"换成:

它给出的参考设计,有没有覆盖电源、光路、结构和佩戴判断这些真正决定量产一致性的环节?

这两个问题看起来接近,但对于要把产品稳定做出来的工程师来说,差别很大。

说明:本文中 VC9202 的电气参数、功耗数据及布局要求引自公开数据手册与参考设计资料;光路间距、隔光工艺等工程数据引自公开的 PPG 设计实践总结。实际产品性能取决于完整的电源、光学、结构和算法设计,建议以具体项目的实测结果为准。

相关推荐
具身AGI2 小时前
家用导航的安全,要看它离什么多近多快
人工智能·深度学习·安全
大模型任我行2 小时前
英伟达:双重采样修正强化学习奖励
人工智能·语言模型·自然语言处理·论文笔记
PaperAccept2 小时前
【研知有术论文发表】材料科学一区期刊,影响因子30+的纳米科技SCI,审稿严格但有效率
大数据·数据结构·科技·量子计算
Meta Luo2 小时前
AI 时代,Web 自动化测试该怎么做?
前端·人工智能·playwright 替代工具·无代码自动化测试工具·低代码 ui 自动化测试·web 回归测试工具
海盗12342 小时前
微软技术日报 2026-11-02:开发者环境服务退役、Defender 清点本地 AI 代理
人工智能·microsoft·机器人·人工智能aigc
猿界零零七2 小时前
Agent 开发面试题--Day002【Agent和Workflow的有什么区别】
人工智能·大模型
lucas_AI2 小时前
OpenAI 重写「模型宪法」:五条价值观取代规则清单,第一条给了人类意图
人工智能
品牌常新2 小时前
室外巡检机器人推荐:园区与厂区怎么选
数据库·人工智能·机器人
爱吃火鸡面呀2 小时前
OpenCV 颜色识别实战:从 HSV 原理到摄像头实时检测
人工智能·opencv·计算机视觉