根据奈奎斯特采样定理，采样频率至少是信号频率的两倍才能还原原始信号。但可穿戴设备面对的是心电、加速度等低频生理信号，过高的采样率只会产生大量冗余数据，白白消耗能量。工程上的做法是“按需采样”：运动传感器在静止时降至1Hz以下，检测到步态变化后再提升至50Hz；心率监测则采用自适应算法，在信号稳定时拉长采样间隔。这种动态调节策略可将传感器功耗降低60%以上。
传感器输出的模拟信号需要经过放大和模数转换（ADC）。传统方案让ADC持续工作，功耗居高不下。更聪明的做法是引入“事件驱动”架构：模拟前端只在信号超过预设阈值时才唤醒ADC。例如，加速度计可以配置为在检测到特定运动模式时才输出数据，其余时间保持休眠。此外，采用逐次逼近型ADC替代闪速ADC，也能在精度不变的前提下大幅降低转换功耗。
把原始数据全部传到手机或云端处理，无线模块的能耗会迅速耗尽电池。因此，现代可穿戴设备倾向于在本地完成特征提取——只上传“心率异常”“步数增量”等浓缩信息，而非每秒数百个原始采样点。微控制器中的数字信号处理器（DSP）可以在低功耗下运行滤波和峰值检测算法。一些新型芯片甚至集成了神经网络加速器，能在微瓦级功耗下完成简单的心律失常分类。
无线传输是功耗大户。蓝牙低功耗（BLE）通过拉长连接间隔、减少广播信道来省电，但真正关键的是“数据打包”策略：将多次采样的结果缓存后一次性发送，避免频繁唤醒射频模块。在需要更高带宽的场景中，低功耗广域网（如NB-IoT）虽然单次传输能耗较高，但覆盖范围广，适合每天只上报几次数据的应用。工程上常采用“BLE+缓存”组合，让射频模块90%的时间处于睡眠状态。
低功耗不是单一环节的优化，而是从传感器、模拟前端、微控制器到无线模块的全局协同。例如，当加速度计检测到用户入睡，系统会自动降低心率采样率并关闭血氧监测；当蓝牙断开连接，设备会进入深度休眠并周期性广播。新研究还在探索能量采集技术，利用体温差或运动动能补充电量，进一步延长续航。理解这些工程权衡，有助于我们更理性地看待可穿戴设备的续航标称值，也能启发更多低功耗物联网设计。
