1. 手环触摸屏基础：电容式触摸屏原理、手势交互基础、手环硬件架构概览
各位同学，欢迎来到第一节课。
做手势识别算法移植，你得先搞明白一件事——你的算法最终跑在什么硬件上？触摸屏又是怎么感知你手指动作的？
我刚开始接触手环项目时，也犯过傻。拿到一块屏，直接往上怼算法，结果数据全是噪声。后来才明白，不懂底层原理，上层算法就是空中楼阁。
这节课，咱们就把地基打牢。
1.1 电容式触摸屏原理
现在市面上99%的手环，用的都是电容式触摸屏。为什么？因为它耐用、省电、还能支持多点触控。
核心原理其实很简单：屏幕表面有一层透明的导电材料（通常是ITO，氧化铟锡）。当你手指靠近时，人体这个导体会和屏幕之间形成一个耦合电容。触摸芯片检测到这个电容值的变化，就知道你摸到哪了。
我打个比方你就懂了。你把手伸到水面上方，水面会微微隆起。手指就是你的手，水面就是屏幕上的电场。手指越靠近，电场变形越厉害，芯片读到的电容变化值就越大。
关键参数：
- 自电容 vs 互电容：自电容检测每个电极对地的电容变化，适合单点触控；互电容检测行列电极交叉点的电容变化，支持多点触控。手环上两种都有，但互电容是主流。
- 扫描频率：一般在50-200Hz之间。频率越高，响应越快，但功耗也越大。手环上我建议控制在100Hz左右，兼顾流畅和省电。
- 信噪比（SNR）：至少需要5:1以上，否则手势识别算法会频繁误判。我在项目中遇到过SNR只有3:1的屏，算法怎么调都抖，最后换了触控IC才解决。
避坑指南：我曾经在调试时发现，手环充电时触摸数据会飘。后来查了资料才知道，充电器的开关电源会产生共模干扰，耦合到触摸屏上。解决办法是加一个共模扼流圈，或者在算法里做充电状态检测，充电时降低触摸灵敏度。
1.2 手势交互基础
手环屏幕小，操作空间有限。你不能像手机那样做复杂手势。所以手环上的手势交互，讲究的是「少而精」。
常见手势类型：
| 手势名称 | 动作描述 | 典型应用 | 算法难度 |
|---|---|---|---|
| 点击（Tap） | 手指快速按下并抬起 | 确认、选中 | ★☆☆☆☆ |
| 长按（Long Press） | 手指按下并保持超过500ms | 进入设置、删除 | ★★☆☆☆ |
| 滑动（Swipe） | 手指沿直线快速移动 | 翻页、切换菜单 | ★★★☆☆ |
| 捏合（Pinch） | 双指靠近或远离 | 缩放地图、图片 | ★★★★☆ |
| 旋转（Rotate） | 双指做圆弧运动 | 旋转表盘、调节音量 | ★★★★★ |
你想想看，手环屏幕才1.2英寸到1.5英寸，双指手势其实很勉强。我个人习惯是，在手环上尽量只用点击和滑动两种手势。捏合和旋转留给大屏设备去做。
手势识别的核心流程：
- 数据采集：从触摸IC读取原始电容值矩阵（通常是8x8或16x16的网格）。
- 预处理：去噪、基线校准、手指检测。这一步很关键，我后面会专门讲。
- 特征提取：提取手指轨迹、速度、加速度、方向等特征。
- 分类识别：用规则引擎或机器学习模型判断手势类型。
- 事件上报：把识别结果发给上层应用。
注意：手环的触摸屏采样率通常不高（100Hz左右），所以手势识别算法必须能处理稀疏数据。不要指望像手机那样每帧都有精确的坐标。我见过有人直接把手机上的手势算法移植到手环上，结果一跑就崩——因为手环的数据太「毛糙」了。
1.3 手环硬件架构概览
做算法移植，你得知道你的代码最终跑在什么芯片上，周围有哪些外设，内存和算力有多少。
典型手环硬件架构：
+------------------+ +------------------+
| 触摸屏 (TP) | | OLED/AMOLED |
| (电容式触摸IC) | | 显示屏 (DDIC) |
+--------+---------+ +--------+---------+
| |
v v
+--------+---------+ +--------+---------+
| SPI/I2C总线 | | SPI/QSPI总线 |
+--------+---------+ +--------+---------+
| |
+----------+--------------+
|
v
+----------+----------+
| 主控MCU/SoC |
| (ARM Cortex-M4/M33 |
| 或 RISC-V) |
| RAM: 256KB-2MB |
| Flash: 1MB-8MB |
+----------+----------+
|
+----------+----------+
| 蓝牙/WiFi模块 |
| (连接手机) |
+---------------------+各模块说明：
- 主控芯片：手环的「大脑」。常见的有Nordic nRF52系列、Ambiq Apollo4系列、瑞萨RA系列等。这些芯片的特点是：低功耗、中等算力、有硬件浮点单元（FPU）。
- 触摸IC：专门处理触摸信号的芯片。常见的有Goodix、FocalTech、Cypress等厂家的产品。触摸IC通过I2C或SPI把处理后的坐标数据发给主控。
- 内存：手环的内存非常有限。256KB的RAM是常态，1MB就算豪华配置了。你的手势识别算法必须精打细算，不能随便malloc。
- 存储：Flash用来放固件和配置文件。算法模型如果太大，就得考虑压缩或量化。
我的经验：选型时，我建议优先考虑带硬件触摸控制器（Touch Controller）的MCU。比如Nordic nRF5340，它内部集成了一个触摸感应模块，可以省掉一颗外部触摸IC，成本和功耗都能降下来。但缺点是灵活性差一些，有些高级手势需要自己写算法补全。
嗯，这里要注意一点。手环的硬件架构决定了你的算法移植策略。比如，如果你的主控没有FPU，那所有浮点运算都得用软件模拟，速度会慢10倍以上。这时候你就得考虑把算法改成定点运算，或者用查表法代替计算。
我曾经在一个项目里，把手势识别算法从Cortex-M4（带FPU）移植到Cortex-M0（不带FPU），结果识别延迟从20ms飙到了200ms。后来我把所有的浮点运算都改成了Q15定点数，才把延迟压回30ms以内。这个经验，后面讲算法优化时我会详细展开。
小结
这节课我们讲了三个东西：
- 电容式触摸屏怎么工作的——说白了就是检测电容变化。
- 手环上常用的手势——点击和滑动是主力，别贪多。
- 手环硬件长什么样——内存小、算力有限，算法必须精打细算。
下节课，咱们开始动手。我会带你搭建一个手势数据采集系统，把触摸屏的原始数据抓出来看看。你可能会惊讶——原来手指在屏幕上滑动时，数据长这样。
公众号:蓝海资料掘金营，微信deep3321