气压与运动信号能否离线同步可穿戴设备记录？

设备无法通信时时钟会逐渐漂移

要把多台可穿戴设备的数据合并分析，必须先知道一台设备的哪个采样点对应另一台设备的哪个时刻。每台设备用自己的实时时钟给测量打时间戳，而这些时钟依赖晶体振荡器。论文指出其典型精度为 10–100 ppm，这意味着两台起初对齐的时钟在运行数小时后可能相差数秒。因此，在联合分析记录之前需要反复同步。

常见做法各有代价，对长时间独立采集尤其明显。GPS 能提供精确时间基准，但在看不到天空的地方不可靠，且接收器功耗达数毫瓦。TPSN、FTSP、RBS 等无线传感器网络协议以精度为优化目标，而非极低功耗。BMAR 走另一条路：把记录到的信号本身当作同步依据，因此设备在记录期间完全不需要通信。

气压提供粗略的共同参照

BMAR 的第一阶段使用气压。论文称气压传感器便宜、低功耗，且常被集成在可穿戴设备中。同一人身上的设备共享周围气压，因此即使人不动，它们的压力曲线也会一起起伏。BMAR 在所有可能的对齐位置上比较两条压力曲线，选出最匹配的滞后量，判据是 Huber 损失差值或两条曲线逐点差值的最小标准差。

这一阶段做两件事。它验证两段记录确实同时采集：若逐点气压差的均值超过阈值，就判定为不同时记录，该阈值设为传感器的 100 Pa 绝对容差。它还给出粗略的预对齐。这个预对齐被有意当作常数滞后，因为其误差通常大于两台设备之间的时钟偏斜。先做粗对齐，是为了避免在细化阶段之前锁定到局部而非全局的对齐位置。

运动信号细化滞后并跟踪时钟偏斜

第二阶段用加速度幅值来锐化对齐。BMAR 把记录切成若干窗口，通过最大化互相关为每个窗口算出一个滞后量，再用普通最小二乘对这些窗口滞后拟合直线，并用 Bonferroni 检验剔除离群点。拟合出的直线是随时间变化的滞后量，方法正是以此处理记录过程中不断累积、而非保持恒定的时钟偏斜。

窗口数量不固定。BMAR 从四个窗口开始，每次翻倍，直到窗口长度低于 1 秒或窗口数超过 512，然后选出调整后 r² 最好的近似。论文的理由是：某些窗口内的局部错位在整条记录上不会呈现线性，因此拟合质量可以指示对齐质量。细化被限制在预对齐结果前后正负 5 秒内；预对齐误差更大时无法完全纠正，而放宽范围又会提高错位风险。

有运动的场次误差在数十毫秒内

评估使用自制硬币大小的设备，尺寸 23 mm × 22 mm，佩戴在额头、胸骨、手腕或脚踝上方。记录覆盖睡眠、办公室工作、骑行和滑雪，同时佩戴三到五台设备，运行时长最长约十小时。真值来自一套有线装置：每次场次开始和结束时向所有设备发送按键触发信号；在 349 组触发序列中，单次触发的平均误差为 1.2 ms，评估中取连续三次触发的均值。

在有运动的场次中，中位对齐误差随记录变长而下降：5 分钟 0.442 s，10 分钟 0.074 s，15 分钟 0.044 s，30 分钟 0.041 s，1 小时 0.028 s，6 小时及以上 0.034 s。全部同步记录合计的 33.4 ms 中位误差正落在这一区间。论文还报告 BMAR 能可靠拒绝不重叠的记录，这与对齐精度是两回事：拒绝判断的是两段记录是否在时间上重叠，而不是它们对齐得多准。

睡眠场景暴露方法对运动的依赖

被动场次用来隔离加速度计无可用信息时的情况。睡眠期间实验者保持静止，论文将其视为最差基线。此时第二阶段无法利用运动细化，只剩基于气压的预对齐。中位误差在 5、10、15 分钟时均超过 60 s，30 分钟为 20.2 s，1 小时为 5.42 s，6 小时及以上为 3.06 s。

这一对比是论文中最影响判断的比较。同一方法、同一硬件，仅因佩戴者是否运动，误差就从数十毫秒变为数秒。更长的被动记录有帮助，因为压力曲线有更多时间约束对齐，但并不能恢复细化步骤。作者也直接说明了相应限制：加速度细化依赖信号特征，方法不提供最坏情况保证；如果记录中没有事件或异步模式，细化反而可能让预对齐结果变差。

记录时长与佩戴者运动决定适用性

实际分界在于采集中有没有身体运动。对于活动监测、健康追踪或动作捕捉这类佩戴者会运动的场景，30 分钟及以上约 28–44 ms 的误差是应参考的数字。对于睡眠或其他静止监测，应参考被动场次的数字：六小时及以上的现实预期是 3.06 s 中位误差，而不是 33.4 ms 这个总体数字。

还有两个条件限定结论范围。BMAR 是为同一人佩戴的设备设计的；论文提出，若设备处于同一位置，基于气压的对齐或许能扩展到多人或非可穿戴设备，但这只是预期，并非已验证结果。另外，由于方法只使用可穿戴设备本就会采样的传感器，它不增加运行功耗，也不要求设备处于同一无线网络。因此读者最该关注的不是单一的中位误差，而是自己的记录更接近哪一类场次。

本文引用的文献