嵌入式面试真题第 04 题:资源受限设备中的低功耗短时事件识别架构

嵌入式面试真题第 04 题：资源受限设备中的低功耗短时事件识别架构

问题

在一款资源受限的嵌入式产品中，业务希望通过一个低成本、低维度、低功耗传感器识别某类短时用户意图或异常事件，例如敲击外壳、碰撞、低功耗唤醒、防拆振动、佩戴交互或机械冲击。但硬件受成本、体积和功耗限制，不能增加更高维度传感器、专用 DSP 或复杂边缘 AI 芯片。

这类事件通常持续时间很短，背景干扰又很多。例如跑步、咀嚼、走路、跌落轻碰、桌面摩擦、线缆拉扯或结构共振，都可能在传感器上产生相似波形。你会如何在 MCU 上设计一套极低功耗的短时事件识别算法，使系统尽量降低误触和漏检，并把“完美屏蔽干扰”这类不可验证需求转化为可落地的工程指标？

具体到本题，目标事件可以实例化为“使用普通单轴加速度计识别双击设备外壳接听电话”。

回答

结论：这类问题不能抽象成“某个传感器值超过固定阈值就触发事件”。更合理的通用设计是“低功耗粗筛 + 短窗口精采样 + 轻量信号处理 + 特征提取 + 状态机/小分类器确认 + 干扰抑制 + 业务门控 + 置信度输出”的事件识别管线。

这类问题的关键不是追求一个孤立算法，而是把传感器信息量、MCU 算力、功耗预算、目标事件时序、干扰分布和业务触发范围一起设计。低维传感器只能观测真实世界事件的一部分投影。如果干扰事件在该观测维度上的短时波形与目标事件足够相似，算法没有额外信息可用于数学意义上的完美区分。因此工程回答必须明确边界：可以通过多级过滤和业务约束把误触率压到可接受范围，但不能承诺“完美屏蔽”。

推荐的通用实现步骤如下。

1. 低功耗粗筛：传感器或外设长期工作在低功耗监听模式，只检测粗阈值、活动变化、边沿、能量突增或 wake-on-motion。MCU 大部分时间休眠。
2. 短窗口精采样：粗筛触发后，MCU 在很短时间内提高采样率，抓取目标事件前后波形，而不是持续高频采样。
3. 预处理与特征提取：对窗口数据做去直流、去慢变、限幅、高通/带通或滑动能量计算，再提取峰值、峰宽、能量、频带比例、过零率、衰减时间、事件间隔和持续时间。
4. 状态机或小分类器确认：用时序状态机确认“候选事件是否符合目标事件结构”；数据足够时，可用小型逻辑回归、决策树或查表分类器替代部分人工规则。
5. 干扰抑制：识别持续性、周期性、低频占比高、峰数量异常、衰减过慢或背景活动过强的干扰窗口，并拒绝触发。
6. 自适应阈值：根据背景噪声、安装差异、用户使用方式和运动状态动态更新基线，使用 baseline + margin，不要依赖全场景固定阈值。
7. 业务门控：只在业务允许的状态下打开高灵敏识别；非目标业务状态下降低灵敏度、延长冷却时间或关闭该识别路径。
8. 指标化验收：把“完美屏蔽”改写为检出率、误触率、唤醒频率、平均功耗、响应延迟和边界场景覆盖率。

一句话概括：低功耗外设负责粗筛，MCU 只在短窗口内做精筛，状态机约束事件时序，干扰模型拒绝高风险样本，业务状态限制触发范围，最终输出置信度而不是绝对真值。

本题如何落回单轴双击识别

如果把上述通用问题实例化为“单轴加速度计双击接听电话”，各模块可以对应如下。

通用模块	单轴双击识别中的落地方式
低功耗粗筛	加速度计低功耗阈值中断或 wake-on-motion 唤醒 MCU。
短窗口精采样	中断后临时提高 ODR，采集 100ms 到 300ms 的冲击波形。
特征提取	计算峰值、峰宽、短时能量、过零率、衰减时间、峰间隔和峰数量。
状态机确认	`Idle -> FirstTap -> WaitSecondTap -> Confirm/Reject` ，第二击必须落在合理时间窗内。
干扰抑制	跑步看周期性、低频能量和持续时间；咀嚼看节律、连续峰数量和背景活动强度。
自适应阈值	根据佩戴松紧、外壳结构、环境噪声和运动评分更新触发阈值。
业务门控	只在来电或可接听状态下启用高灵敏双击识别；运动模式或非电话场景降敏。
验收指标	用双击检出率、跑步/咀嚼误触率、平均电流和响应延迟验收，而不是承诺绝对无误触。

因此，原题不是单纯考“单轴加速度计怎么识别双击”，而是在考“低成本传感器 + 低功耗 MCU + 强干扰场景下，如何设计一个可验收的事件识别系统”。

总体架构

这个架构里，低功耗传感器中断只是候选事件入口，不直接等于双击事件。MCU 被唤醒后也不应长时间连续采样，而是只采一段足够覆盖敲击波形和第二击等待窗口的数据。真正的双击判断由短窗口波形特征、状态机、干扰抑制和业务上下文共同完成。

通用机制与芯片/开源实现的对应关系

通用机制	可参考机制	能否直接使用	主要参考价值
低功耗唤醒	活动检测、wake-up interrupt、wake-on-motion	如果传感器支持可直接使用；普通单轴传感器至少要用阈值中断	让 MCU 长时间休眠，只在候选振动出现时唤醒。
短窗口采样	传感器高 ODR、FIFO、数据就绪中断	取决于具体传感器；没有 FIFO 时由 MCU 定时采样	中断后临时提高采样率，避免长期高功耗。
单/双击时序	tap threshold、quiet time、latency window	高端加速度计可能内置；普通单轴传感器需要 MCU 实现	双击不是两个过阈值点，而是峰形、静默时间和第二击窗口组合。
轻量滤波	IIR/FIR、高通、滑动能量、峰值检测	MCU 上直接实现；Cortex-M 可参考 CMSIS-DSP	去除姿态慢变和低频运动，只保留敲击相关瞬态。
干扰抑制	活动识别、步态周期、连续振动检测	单轴上只能近似实现	跑步和咀嚼多为持续性或周期性振动，不能只看瞬时峰值。
业务门控	来电态、佩戴态、运动态、冷却时间	必须结合产品业务实现	把算法工作范围限制到真正需要触发的场景。

很多三轴加速度计已经内置 tap/double tap、活动检测、FIFO 或自动低功耗切换功能；本题的限制是“最普通的单轴传感器”，所以要在 MCU 上软件化实现类似能力。参考这些芯片特性不是为了假设硬件已经具备功能，而是为了理解成熟实现通常会同时配置阈值、静默时间、最大双击间隔、唤醒中断和功耗状态切换。

低功耗入口如何设计

平时系统应处于粗筛状态，而不是一直高频采样。

低功耗入口建议分成三层。

层级	动作	目的
传感器低功耗层	配置低 ODR、阈值中断、活动检测或 wake-on-motion	让传感器承担最低成本的粗筛。
MCU 睡眠层	MCU 进入 Stop/Standby/Light Sleep，只保留 GPIO/EXTI/RTC	降低常驻功耗。
临时精筛层	中断后提高采样率并开启短窗口算法	只在候选事件出现后消耗算力。

传感器如果支持活动/非活动联动，可以让传感器在低功耗模式下检测活动，并通过中断唤醒 MCU。若传感器只提供最简单的模拟或数字数据输出，没有活动中断能力，则需要用更低频的 RTC 周期采样做粗筛，但功耗会更高，响应也会更差。

采样窗口如何设计

敲击外壳通常是短时冲击响应。它的典型表现不是持续大幅运动，而是一个陡峭峰值后接快速衰减的振铃。因此采样窗口要覆盖峰值、峰宽、衰减和双击间隔。

建议参数如下，实际需要按产品结构、传感器安装位置和外壳材料实测调整。

参数	建议范围	说明
粗筛 ODR	6Hz ~ 50Hz	只用于唤醒候选事件，越低越省电但越容易错过短冲击。
精筛 ODR	200Hz ~ 1000Hz	覆盖敲击瞬态和振铃；外壳刚性越强，所需频率越高。
单击分析窗口	40ms ~ 120ms	判断峰值、峰宽、衰减和静默时间。
双击等待窗口	80ms ~ 350ms	第二击太近可能是一击振铃，太远用户感知不像双击。
冷却时间	500ms ~ 1500ms	防止同一次动作或连续振动重复触发。

短窗口策略的功耗优势在于：高频采样不是常态，而是中断后的短时行为。平均功耗可以用以下方式估算：

I_avg = I_sensor_lp      + N_wake_per_s * (I_sensor_hr * T_capture + I_mcu_active * T_compute)      + I_sleep_leakage

其中 N_wake_per_s 是每秒候选唤醒次数。误唤醒越多，平均功耗越高，所以粗筛阈值不能过低。粗筛阈值的目标不是尽量灵敏，而是在漏检和唤醒频率之间取得平衡。

预处理与特征提取

单轴数据可以记为 x[n]。预处理目标是去掉静态重力投影、佩戴姿态慢变和低频运动，只保留敲击瞬态。

推荐处理顺序如下。

raw x[n]  -> 去直流/慢变基线  -> 高通或带通滤波  -> 限幅与异常点处理  -> 峰值检测  -> 特征计算

一个低成本高通可以用一阶 IIR 实现：

baseline[n] = baseline[n-1] + alpha * (x[n] - baseline[n-1])x_hp[n]     = x[n] - baseline[n]

其中 alpha 要足够小，使 baseline 跟踪姿态和慢变运动，而不吞掉敲击瞬态。若 MCU 有足够余量，也可以用短阶 FIR/IIR 带通，把低频步态和高频噪声压掉。

建议提取以下特征。

特征	含义	对误触抑制的价值
`peak_abs`	窗口内最大绝对峰值	粗略判断是否有冲击。
`peak_width`	超过阈值的持续时间	敲击通常窄；挤压、晃动通常宽。
`energy_short`	短窗口能量	判断冲击强度。
`energy_low_ratio`	低频能量占比	跑步和晃动低频占比通常更高。
`zero_cross_rate`	过零次数或符号翻转次数	敲击振铃可能更明显；慢变运动较少。
`decay_time`	峰后能量衰减时间	外壳敲击通常快速衰减；持续振动衰减慢。
`peak_count`	时间窗内候选峰数量	跑步、咀嚼可能出现连续节律峰。
`inter_tap_gap`	两次敲击间隔	双击必须落在合理时间窗内。

不要用单一峰值阈值替代这些特征。单轴传感器在跑步落地、线缆碰撞、牙齿咬合或外壳刮擦时都可能出现大峰值；峰形、时序和上下文比峰值本身更重要。

单击候选如何判定

单击候选可以用硬门限加评分的方式判断。硬门限用于快速拒绝明显不符合的波形，评分用于处理边界样本。

is_tap_candidate =    peak_abs      >= tap_peak_th       &&    peak_width    <= tap_width_max     &&    energy_short  >= tap_energy_th     &&    decay_time    <= tap_decay_max     &&    low_ratio     <= low_ratio_max     &&    peak_count    <= peak_count_max

然后再计算置信度：

score = w1 * norm_peak      + w2 * norm_energy      + w3 * norm_decay      + w4 * norm_zcr      - w5 * norm_low_ratio      - w6 * norm_periodic_score

如果产品没有足够训练数据，优先使用规则状态机，不要一开始就上复杂模型。等产测和用户测试积累了足够样本后，可以把规则特征输入到一个很小的逻辑回归、决策树或查表分类器中。低功耗 MCU 上不建议把问题一开始就设计成大模型推理。

双击状态机如何设计

双击不是两个峰值过阈值这么简单。第一击后需要有静默约束，第二击需要落在合理间隔内，并且两次峰形都要像敲击。

建议状态参数如下。

参数	典型范围	作用
`tap_width_max`	10ms ~ 60ms	限制单击候选的冲击持续时间。
`quiet_min`	30ms ~ 80ms	第一击后必须有短静默，避免把振铃当第二击。
`gap_min`	80ms ~ 120ms	第二击不能太近。
`gap_max`	250ms ~ 450ms	第二击不能太远。
`score_confirm_th`	按实测标定	双击确认阈值。
`refractory_ms`	500ms ~ 1500ms	触发后冷却，避免重复识别。

状态机必须把 reject 原因记录下来，例如 REJECT_TOO_LONG、REJECT_PERIODIC、REJECT_LOW_FREQ、REJECT_CONTEXT、REJECT_TIMEOUT。这些原因对后续调参非常重要，否则现场误触只能看到一个失败结果，无法定位是阈值、状态机还是业务门控问题。

如何抑制跑步误触

跑步误触的典型问题是周期性冲击。落地冲击可能在单轴上产生很高峰值，但跑步不是孤立双击，而是连续、周期性、持续时间较长的振动序列。

抑制策略如下。

检测项	跑步特征	拒绝策略
周期性	300ms ~ 900ms 左右重复出现峰值，具体与步频有关	维护 1s ~ 3s 活动窗口，若峰值周期稳定则提高阈值或禁用双击。
持续能量	能量不是一次快速衰减，而是持续存在	若连续多个窗口能量高于背景，进入 `motion_suppress`。
低频占比	步态低频成分更强	`energy_low_ratio` 超阈值时拒绝。
峰数量	一个等待窗口内可能出现多个非敲击峰	`peak_count` 超过上限时拒绝。
业务状态	跑步模式、运动检测、用户正在移动	由业务状态提高门槛或关闭该手势。

工程上可以维护一个活动评分：

motion_score = a * low_freq_energy             + b * periodic_peak_score             + c * continuous_energy_time             + d * wake_frequency

当 motion_score 高于阈值时，不是直接永久关闭识别，而是进入抑制状态：提高 tap_peak_th、缩短等待窗口、要求更高静默质量，或者仅在来电前几秒内开启识别。

如何抑制咀嚼误触

咀嚼误触在耳机、眼镜、头戴或贴近头部的设备上更常见。咀嚼的振动可能沿结构传到外壳，单轴上也可能出现明显峰值。但咀嚼通常具有持续性和节律性，不像两次孤立敲击后快速静默。

抑制策略如下。

检测项	咀嚼特征	拒绝策略
持续时间	往往持续数秒，而不是 300ms 内结束	连续活动时间超过阈值时进入抑制。
节律性	多个相似峰按节律出现	`peak_count` 和周期稳定性超阈值时拒绝。
峰形	可能较宽、衰减慢，或伴随多个小峰	限制 `peak_width`、`decay_time` 和峰后静默。
触发上下文	非来电状态下误触价值低	非电话可接听状态关闭高灵敏度识别。

需要注意，咀嚼和轻敲在某些结构上可能高度相似。单轴加速度计无法可靠识别“用户意图”，只能识别波形模式。因此文档、需求评审和测试报告里不要写“完全屏蔽咀嚼”，应写“在定义测试集和业务场景下，误触率低于目标阈值”。

自适应阈值如何做

固定阈值的问题是样机、量产机、佩戴松紧、结构胶、外壳材料和个体习惯都会改变波形幅值。阈值应随背景噪声和场景调整。

建议维护以下统计量。

noise_floor      = 背景高通能量的滑动估计peak_baseline    = 非触发窗口峰值的分位数估计wake_rate        = 单位时间粗筛唤醒次数motion_score     = 当前运动干扰评分user_sensitivity = 用户或产品档位

阈值可以写成：

tap_peak_th   = max(factory_min_peak, peak_baseline + k1 * noise_floor + k2 * motion_score)tap_energy_th = max(factory_min_energy, energy_baseline + k3 * noise_floor)score_th      = base_score_th + k4 * motion_score

自适应要有两个限制。

1. 只在非候选敲击窗口更新背景，避免把真正敲击学习成噪声。
2. 设置上下限，避免阈值越调越高导致漏检，或越调越低导致误触。

如果业务允许，可以把灵敏度分成高、中、低三档。来电态用中高灵敏度，运动态用低灵敏度，非电话态关闭或只保留很粗的事件记录。

业务门控必须参与识别

双击接听电话不是通用常开手势，而是强业务相关事件。业务门控越严格，误触越容易控制。

推荐门控条件如下。

业务状态	策略
无来电、非通话、非可接听	不输出接听事件；可不启用高灵敏度识别。
来电响铃	开启高灵敏度双击识别。
已接通通话	根据产品定义切换为挂断、静音或关闭该手势。
音乐播放	若双击已有其他语义，避免复用造成冲突。
运动模式或高活动评分	提高阈值，要求更严格静默，必要时关闭。
刚触发过事件	进入 refractory 时间，不重复输出。

很多误触不是算法本身完全解决的，而是靠业务状态降低损失。例如用户跑步时没有来电，算法即使检测到疑似双击，也不应触发接听动作。把手势限定在“来电可接听”这一窄场景，误触风险会显著下降。

MCU 实现建议

MCU 上建议使用定点实现，避免浮点和复杂频域计算。短窗口样本数很少，规则特征足够高效。

数据结构

#define TAP_MAX_SAMPLES        256U#define TAP_FEATURE_Q          15typedefenum {    TAP_STATE_IDLE = 0,    TAP_STATE_FIRST_TAP,    TAP_STATE_WAIT_SECOND,    TAP_STATE_CONFIRMED,    TAP_STATE_REFRACTORY,} tap_state_t;typedefstruct {int16_t peak_abs;uint16_t peak_width_ms;uint32_t energy_short;uint16_t zero_cross_count;uint16_t decay_time_ms;uint16_t peak_count;uint16_t low_energy_ratio_q15;uint16_t score_q15;} tap_feature_t;typedefstruct {tap_state_t state;uint32_t first_tap_time_ms;uint32_t refractory_until_ms;int32_t baseline;uint32_t noise_floor;uint16_t motion_score_q15;} tap_detector_t;

处理流程

accel_irq_handler()  -> 记录唤醒时间  -> 启动高频采样定时器或传感器高 ODR  -> 采满短窗口后投递 TAP_PROCESS 事件tap_process_window(samples)  -> preprocess()  -> extract_feature()  -> update_motion_score()  -> tap_state_machine()  -> 输出 NONE / DOUBLE_TAP  -> 恢复低功耗监听

计算复杂度

若窗口为 256 点，每点只做一阶滤波、能量累加、峰值检测和少量比较，则一次识别通常是 O(N) 复杂度。对 Cortex-M0/M3/M4 这类 MCU 来说，这比持续 FFT 或神经网络推理更适合低功耗场景。

参数如何量化

参数不能只凭感觉设置，应先由产品目标反推。

P_false_target = 允许误触率，例如每用户每天小于 1 次P_miss_target  = 允许漏检率，例如标准敲击样本检出率大于 95%T_response     = 用户可接受响应延迟，例如小于 500msI_budget       = 常驻平均电流预算

然后建立测试集。

数据集	内容	用途
正样本	不同用户、不同力度、不同位置、不同佩戴状态下的双击	标定检出率和双击时间窗。
跑步负样本	慢跑、快跑、上下楼、跳跃、手持晃动	标定运动抑制策略。
咀嚼负样本	轻咀嚼、用力咀嚼、说话、大笑、头部动作	标定持续节律干扰。
结构干扰	桌面碰撞、外壳摩擦、线缆拉扯、跌落轻碰	标定峰宽、衰减和冷却时间。
业务场景	来电、非来电、通话中、音乐中、运动模式	验证业务门控。

评价指标至少包括检出率、误触率、唤醒频率、平均功耗和响应延迟。只看识别准确率是不够的，因为低功耗识别系统的失败可能表现为功耗超标、响应慢或频繁误唤醒。

为什么不能承诺完美屏蔽

原因很直接：单轴传感器只输出一个方向上的加速度投影，它没有三维方向信息，也没有声音、压力、电容触摸或结构应变信息。如果干扰在该轴上的时间波形与真实敲击足够接近，算法没有额外信息可用。

可以做到的是：

1. 用波形特征降低非敲击冲击误判。
2. 用状态机降低振铃和单击误判。
3. 用运动抑制降低跑步、咀嚼等持续节律振动误判。
4. 用业务门控降低误触造成业务动作的概率。
5. 用测试数据定义误触率目标，而不是承诺绝对无误触。

需求评审时应把“完美屏蔽”改写为可验证指标，例如：

在定义佩戴方式和测试动作集合下，来电态双击检出率 >= 95%；跑步、咀嚼、说话、日常走动负样本误触率 <= X 次/小时；常驻平均电流增加 <= Y uA；双击触发响应延迟 <= Z ms。

这比“完美屏蔽”更适合工程验收。

调试与量产验证

建议固件保留轻量日志能力，但不要长期记录原始高频数据。量产固件可只记录特征和 reject reason。

timestampwake_reasonpeak_abspeak_width_msenergy_shortlow_energy_ratiozero_cross_countdecay_time_mspeak_countmotion_scorestatereject_reasonbusiness_context

调试阶段可以通过串口、RTT、BLE debug 或离线日志导出少量原始窗口数据。量产阶段只保留统计计数，避免功耗、存储和隐私风险。

参数更新建议采用灰度策略。先在实验室和小批量用户中收集误触与漏检样本，再更新阈值表或固件参数。不要只凭单个开发板上的手敲效果就固化量产阈值。

最终回答组织方式

回答这类题时，可以按以下顺序展开：

1. 先把问题抽象为“资源受限设备中的低功耗短时事件识别”，而不是只讨论某个传感器阈值。
2. 再说明约束边界：低维传感器信息不足，不能承诺数学意义上的完美屏蔽，只能工程化降低误触率。
3. 接着讲低功耗架构：外设低功耗粗筛，MCU 短窗口精采样，避免长期高频运行。
4. 然后讲信号处理：去直流、高通/带通、峰值、峰宽、能量、频带比例、过零率和衰减时间。
5. 再讲事件确认：用状态机或小分类器约束目标事件的时序、形态和置信度。
6. 补充干扰抑制：持续性、周期性、低频占比高或背景活动过强的窗口优先拒绝。
7. 最后讲业务门控和验收指标：只在业务相关状态下启用高灵敏识别，用检出率、误触率、功耗和延迟验收。

一句话概括：这类题的通用答案不是“某个动作怎么判”，而是“如何用弱传感器在强约束下构建一条低功耗、可解释、可调参、可验收的短时事件识别管线”；单轴双击接听电话只是这个框架下的一个具体实例。

参考链接

• Analog Devices ADXL362 Datasheet^[1]
• Bosch Sensortec BMA400 Datasheet^[2]
• STMicroelectronics LIS2DW12 Datasheet^[3]
• Arm CMSIS-DSP FIR filter documentation^[4]

引用链接

[1] Analog Devices ADXL362 Datasheet: https://www.analog.com/media/en/technical-documentation/data-sheets/adxl362.pdf[2] Bosch Sensortec BMA400 Datasheet: https://www.bosch-sensortec.com/media/boschsensortec/downloads/datasheets/bst-bma400-ds000.pdf[3] STMicroelectronics LIS2DW12 Datasheet: https://www.st.com/resource/en/datasheet/lis2dw12.pdf[4] Arm CMSIS-DSP FIR filter documentation: https://arm-software.github.io/CMSIS-DSP/latest/group__FIR.html