第1章穿戴设备概述

1. 穿戴设备概述：穿戴设备发展史、主流穿戴平台对比（手表/手环/眼镜）、音频在穿戴设备中的核心应用场景

说起穿戴设备，我入行那会儿，大家管它叫「可穿戴计算」。那时候的概念很酷，但产品嘛……说实话，挺尴尬的。

最早能追溯到的穿戴设备，是上世纪80年代的计算器手表。你想想看，手腕上戴个能算加减乘除的东西，在当时已经是黑科技了。但真正让穿戴设备走进大众视野的，是2009年Fitbit发布的计步器。嗯，就是那个只能记步数、算卡路里的小夹子。

我个人习惯把穿戴设备的发展分成三个阶段：

1.0 时代（2009-2013）：功能单一，以计步、睡眠监测为主。说白了就是个传感器盒子，数据还得手动同步到电脑上看。
2.0 时代（2014-2018）：智能手表爆发。Apple Watch 2014年发布，Android Wear跟进。这时候开始有通知推送、心率监测、GPS定位。我记得当时做项目，最头疼的是续航——功能多了，电池撑不过一天。
3.0 时代（2019至今）：AI+健康深度融合。血氧、心电图、血压监测陆续上车。音频能力也成了标配——麦克风阵列、语音助手、实时翻译，一个都不能少。

我在项目中遇到过最典型的案例：某款手环的麦克风位置没选好，戴在手腕上说话时，风噪直接盖过人声。后来我们花了三个月重新设计声学结构，才把通话质量提上来。所以你看，音频在穿戴设备里，从来不是「加个麦克风」那么简单。

做穿戴音频系统，第一步就是选平台。我建议你根据应用场景来定，别盲目追参数。

你可能会问：「为什么手表的音频体验总是不如眼镜？」

原因其实很简单——麦克风离嘴巴太远了。手表戴在手腕上，你抬手说话时，麦克风指向的是天花板，而不是你的嘴。我曾经测试过，同样一颗MEMS麦克风，放在手表上比放在眼镜上，信噪比直接掉了6dB。6dB是什么概念？相当于声音能量损失了75%。

所以做手表音频，核心要解决的是远场拾音和波束成形。而眼镜的优势在于天然近场，但你要搞定的是结构共振和风噪。

音频在穿戴设备里，绝对不是「能听个响」就完事了。我把它归纳为四大核心场景：

这是最基础也最刚需的场景。Siri、小爱同学、小艺……用户对着手表说「打电话给老婆」「明天天气怎么样」，背后是一整套音频链路在支撑。

这里有个坑，我曾经踩过：唤醒词检测。手环的算力有限，你不能跑一个完整的语音识别模型在MCU上。我们当时的方案是用轻量级的关键词检测（KWS）模型，只识别「你好XX」这几个音节，唤醒后再把音频传到手机或云端做进一步处理。

我的经验： 做穿戴设备的语音唤醒，建议用两级唤醒架构。第一级在设备端做低功耗检测（功耗<1mW），第二级确认后再启动主处理器。这样既能省电，又能避免误唤醒。

蓝牙通话是智能手表的标配功能。但你要知道，手表通话和手机通话完全是两码事。

手机你贴在耳朵上，麦克风离嘴只有几厘米。手表呢？你抬着手腕，扬声器在手腕内侧，麦克风在另一侧。这种结构天然会造成回声和侧音问题。

我记得有一次做某款手表的通话测试，对方说「你那边怎么有回音？」我们查了两周，最后发现是扬声器的振动通过表体传导到了麦克风。解决方案是在结构上增加硅胶减震垫，同时在算法里加了一级自适应回声消除（AEC）。

避坑指南： 我曾经因为麦克风和扬声器的开孔距离太近（<5mm），导致AEC算法怎么调都调不好。后来结构工程师把两个孔的距离拉大到8mm，问题迎刃而解。所以硬件设计阶段，一定要给声学留足空间。

这个方向比较新，但潜力巨大。比如：

我在做睡眠监测项目时发现，手环的麦克风放在手腕上，其实很难直接采集到清晰的鼾声。后来我们改用骨传导传感器+麦克风融合的方案，才把准确率从60%提升到85%。

这个场景很多人会忽略，但我觉得它会是未来的刚需。

比如智能眼镜可以实时分析环境声音——检测到汽车鸣笛、警报声、婴儿哭声，然后通过骨传导耳机提醒用户。这对听障人士或者骑行者来说，非常实用。

我建议你在设计音频系统时，预留一个环境声监听的通道。不需要太高的采样率（16kHz就够了），但要求低延迟（<50ms），这样才能做到实时响应。

好了，第一章的内容就这些。说白了，穿戴设备的音频系统，核心就三件事：拾音（麦克风选型与布局）、处理（降噪、回声消除、波束成形）、输出（扬声器或骨传导）。

下一章我会带你深入麦克风的选型——MEMS和驻极体到底怎么选？为什么我推荐MEMS？到时候细聊。

本章要点回顾：