基于Friend项目的低功耗设计与电池优化方案分析
2025-06-07 09:26:24作者:裴麒琰
项目背景
Friend项目是一个开源硬件项目,其DK2版本设备采用了250mAh电池供电方案。开发团队需要确保该设备在BLE连接状态下能够持续工作4天而不需要充电,这对低功耗设计提出了较高要求。
功耗测试数据分析
通过实际测量,我们获得了以下关键功耗数据:
- BLE未连接状态:约35mA电流消耗
- BLE连接状态:约6.5mA电流消耗
- 低功耗睡眠状态:约1.15mA电流消耗
测试结果表明,SD卡模块是系统中最耗电的组件,特别是在BLE断开连接时进行数据写入操作期间。
主要功耗来源分析
在BLE连接状态下(主要使用场景),系统功耗主要来自以下方面:
- SD卡读写操作:这是最显著的功耗来源
- BLE通信模块:维持连接状态的基础功耗
- 按钮状态监测:持续监测用户输入的功耗
优化方案建议
基于测试结果和分析,我们提出以下优化方案:
-
SD卡写入优化:
- 采用小文件分块写入策略,提高读写速度
- 使用QSPI闪存作为写入缓冲区,减少SD卡直接操作
- 默认保持SD卡卸载状态,仅在需要时挂载
-
电源管理优化:
- 优化BLE连接间隔参数
- 实现更精细的电源状态管理
- 考虑采用动态电压频率调整(DVFS)技术
-
硬件设计改进:
- 评估更高容量电池的可行性
- 考虑采用更低功耗的存储解决方案
- 优化电源管理电路设计
续航时间估算
以250mAh电池容量计算:
- BLE连接状态理论续航:约38小时
- 低功耗状态理论续航:约217小时
要达到4天(96小时)续航目标,需要将平均功耗控制在约2.6mA以下。这需要通过优化使用模式,增加低功耗状态占比来实现。
实施建议
开发团队应:
- 优先实施SD卡写入优化方案
- 建立更详细的功耗分析模型
- 考虑用户实际使用场景进行针对性优化
- 开展长期稳定性测试验证优化效果
通过系统级的低功耗设计和精细的电源管理,Friend项目有望实现其续航目标,为用户提供更好的使用体验。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217