目前中国最火的可穿戴设备是什么？智能手表？不，智能手环。
智能手环凭借更便宜的价格、更长的电池续航时间和更容易被标记的外观，在国内可穿戴市场中引起了人们的热情。
此前，我们对目前市面上流行的10款智能手环的外观设计进行了横向对比，并根据外观设计、佩戴舒适度、材质等给出了最终的排名。
那么，它们的功能如何呢？本文将对它们的性能和功能进行更全面的横向评价。
评测项目包括计步准确度、数据丰富度、睡眠监测是否智能、手机App界面友好度、是否支持社交分享、第三方应用等。
支持、电池寿命、防水性能测试等。
我们对市场上10款售价-元的智能手环进行了功能评测，对于大家决定是否值得购买具有很大的参考意义。
毕竟我们购买它们主要是希望它们能够在健身、运动、睡眠等方面帮助我们。
虽然最近发布了一些新的智能手环产品，但大部分都还没有上市，或者国外的国内推出品牌被推迟。
而发布的几款新品依然缺乏足够的卖点和亮点，所以短期内你在市场上看到的依然是这些还不算太老的“老”产品。
参与评测的产品有：Jawbone UP24、Fitbit Force、Misfit Shine、三星 Gear Fit、Garmin Vivofit、索尼 SWR1O、Gudong 2、bong1、Body Memory T9 和 Phantom，共 10 款。
其中，前六款为国际品牌，后四款为国产品牌。
测试使用手机型号：iPhone 4s、三星Note 2、Vivo XShot、三星Note 4 ▲小编在跑步机上同时测试了参与的智能手环 测试环境：原本公司楼下&健身房&办公室计划在附近的中国人民大学操场进行实际测试。
空间宽敞，更有运动气息和渴望。
不过，由于白天不对外开放，中国人民大学附属中学也不允许进入，所以大楼后面的北大附中连操场都没有（目前是在操场上建楼），无奈只能放弃，最后选择了楼下的人行道作为妥协。
考虑到一些实际的使用环境，除了户外运动之外，很多人可能还会去健身房或者购买一台跑步机在家中使用。
公司配备的健身房已成为我们重要的测试场地。
测试方法：以步数为基准，行走，重复测试步数3次，求平均值，然后根据实际使用中出现的频率/概率进行加权，得到最终的测试结果和最终排名。
智能手环计步原理：三轴加速器 无论是智能手环还是智能手表，甚至前段时间发布的Apple Watch、Moto，都标配了运动计步功能。
目前的智能手环，包括我们评测的10款智能手环，均采用内置三轴加速度传感器来实现计步等功能。
据查资料显示，加速度计是惯性导航和惯性制导系统的基本测量元件之一。
它本质上是安装在移动载体内部的振荡系统，可用于测量载体的运动加速度。
下面，我们用x、y、z代表三轴加速度计的三个坐标，分析一下它在智能手环中的工作原理。
在用户水平行走运动过程中，垂直加速度和向前加速度会周期性变化。
在收回脚的行走动作中，由于重心向上，且一只脚着地，垂直加速度会呈正增加趋势，然后继续向前移动。
，重心下移，两脚触底，加速度相反。
收回脚时水平加速度减小，迈步时水平加速度增大。
如下所示。
我们可以看到，在行走过程中，垂直向前产生的加速度随时间大致呈正弦曲线，并在某一点出现峰值，其中垂直方向的加速度变化最大。
通过监测并计算轨迹的峰值和加速度阈值，决策可以实时计算出用户所走的步数，并据此进一步估计用户的步行距离。
如下图所示： 计步器算法 由于用户可能在运动时将设备平放或将设备放入口袋中，导致设备放置方向不确定。
为此，我们计算三个加速度的矢量长度，以获得步行运动的正弦轨迹。
其次，峰值检测。
记录最后的矢量长度和运动方向。
通过矢量长度的变化，可以判断当前的加速度方向，并与上次保存的加速度方向进行比较。
如果相反，即刚刚过了峰值状态，就会进入计步状态。
逻辑计算步数，否则丢弃。
通过累加峰值数量即可得到用户的行走步速。
最后一件事就是干涉。
手持设备会出现一些低幅度、快速抽动的状态，或者我们俗称的手抖，或者恶作剧用户想要通过短时间快速重复摇动设备来模拟行走。
如果这些干扰数据不去除，就会影响计步。
的准确值，对于这种干扰，我们可以通过在检测中加入阈值和步频判断来将其过滤掉。
人体最快的跑步频率为5HZ，这意味着相邻两步之间的时间间隔至少大于0.2秒。
如图所示，我们设置Timespan，过滤掉步进录制过程中的高频噪音，即步进频率太快。
案件。
同时，通过与上次加速度进行比较，设置一定的阈值Threshold来判断运动是否有效。
只能记录有效的动作。
注：以上信息参考自腾讯CDC和百度百科。
每日计步测试：三星 Gear Fit 获胜。
根据我们实际使用环境中可能出现的情况以及上一篇文章提到的干扰排除条件，我们对智能手环计步功能的测试分为挥臂行走和不挥手行走。
手臂行走。
挥臂走路是我们日常生活中最常见的步行或跑步姿势；走路时不挥动手臂实际上很常见。
例如，当天气寒冷或由于习惯性动作时，人们走路时会将一只手插在口袋里。
这也是比较理想条件下的计步器测试。
以下测试数据均以步骤为测试单位，测试10款智能手环在挥臂和非挥臂测试项目中测量数据的误差。
误差越小，计步精度越高。
▲测试使用的机型，左起：iPhone 4s、三星Note 2、Vivo Xshot。
为了保证测试数据的真实性和有效性，我参与测试的手机中下载的所有智能手环APP都设置为相同的身高、体重、年龄、性别。
测试时，左右臂均佩戴手环，同时随身携带手机。
他们每走一步都速度很快，并尽量避免手臂抖动带来的干扰。
▲ 10款智能手环每日计步测试拍摄 注：首先，我们测试的10款智能手环中，索尼SWR10是最让人困惑的。
我们六月份买的时候，只能通过Google Play下载。
App（需要下载），由于条件有限，我们没有审核。
10月底，在中国正式上线。
我们在三星Note 4（Android 4.4.1版本）上成功安装了所需的三个APP。
然而，仍然困扰我们的是我们无法同步运动数据。
后来我给索尼客服打电话，得到的答复是Life Track APP最近在全球范围内遇到了同样的问题，包括无法进入APP界面、无法同步运动数据等信息； ▲左：索尼SWR1O的Life Track APP；右：Body Memory T9的APP。
其次，体存T9虽然可以下载APP，但经过无数次尝试，始终无法与手机上对应的APP进行蓝牙配对同步，因此其测试数据为0。
再次，计步功能得分标准。
满分为10分。
平均误差在5%（含）以内，得分为8.5-10分。
平均误差在5%至7%（含）之间，得分为7-8.5分。
平均误差在 7% 到 10%（含）之间。
如果平均误差大于10%，则得分为5-7分；如果平均误差大于10%，则得分为0-5分。
下面的“跑步机上的智能手环”测试单元使用了相同的评分机制。
▲10款智能手环的常规步行计步测试以步为计量单位，是模拟比较理想状态的测试。
从上表我们可以看到，在正常手臂摆动测试中，三星Gear Fit、Misfit Shine、Jawbone UP24和Fitbit Force表现明显优于其他几款产品，它们的平均误差均控制在5%以内。
并且最大误差也控制在5步左右；在不摆臂（手插裤兜）的步行测试中，这四款产品的表现也很突出。
它们的最大测量误差为10%，也属于A级比较优秀的水平。
从测试数据来看，Misfit Shine 是上述四者中最保守的。
在所有测试中，Shine的值都低于steps，而其他值则围绕steps波动。
造成这个结果的原因与第二页上的计步原理完全不同。
我们认为可能是手环内置的三轴加速度计过于专注于测量干扰因素。
例如，它排除小步骤或转动步骤；其他三个模型的准确率也有待提高，整体表现比较令人满意。
当然，这只是相对的。
国产手环中，咕咚2表现不错。
虽然其在三项测试中最大偏差都超过了10%，但从实际数字来看，三项测试中至少有两项是相对准确的。
bong1和欢香产品的平均误差值均达到或超过5%，两款产品单次测试的最大偏差值均达到16%。
其中，号称能够自动识别各种运动模式的bong1，却因跟踪监测速度缓慢而不尽如人意。
测试中最不理想的就是Garmin Vivofit，它在测试过程中明显过于“兴奋”，在100步测试中几乎总是比实际多走10步以上。
造成这一结果的原因可能是美国知名GPS设备制造商Garmin对干扰去除和峰值监测重视不够，在优化算法上过于被动。
这个问题其实在我们之前的单品测试中也有所体现。
正如我们之前所说，索尼SWR10和Body Memory T9由于自身问题未能进行本次测试，得分为0分。
特别是内存T9无法与手机连接，无法同步任何数据，导致其缺席本次测试。
跑步机测试：Misfit Shine逆袭 如今，随着人们越来越注重自己的健康，下班后或者周末锻炼身体已经成为很多上班族的爱好。
随着空气质量恶化，户外锻炼的人越来越少。
人们更感兴趣的是办一张健身卡去健身房锻炼，或者买一台跑步机在家锻炼。
那么，我们这次测试的10款智能手环能否准确监测和量化跑步机上的步数呢？跑步机测试也分两种情况：一种是摆臂跑，这可能是最常见的；另一种是摆臂跑。
另一种是当你累了的时候，你可以握住跑步机上的手柄，继续跑一会儿。
这种情况出现的频率较低。
跑步机上整体表现最好的是Misfit Shine，完全超出了我们的预期。
无论是挥舞手臂狂奔，还是双手扶车把奔跑，它的表现都从陆地上谨慎沉闷的表现转变为“失落”，并且能在奔跑时恰到好处地保持住，从而避免误差。
控制在比较理想的范围内，所以根据上图标注的重量，Shine最终获得了最高分9.8分；▲跑步机测试中表现最好的是三星Gear Fit，在摆臂跑步时，误差很小。
，最多只有3步，测试成绩比较差，但根据重量还是能保证平均误差在10步以内，最终得到了9.2分的高分。
在跑步机上测试的十款智能手环中，Jawbone U24排名第三，步数有时不够，最大相差16步，但总成绩相当不错，最终加权得分为9分； Fitbit Force的情况与Jawbone UP24类似，但在不摆臂的跑步测试中表现不佳。
它的性能受到阻碍。
三个测试的误差都在20多步，而且都在一步之内，证明它是“偷懒”的。
综合分析，最终得分为7.2分；相反，Garmin Vivofit在跑步机上变得更加认真。
从根本上改变，在我们总共进行的6次测试中，有4次非常接近步数的实际测量值，只有一次误差超过20%，这也让它在跑步机上的整体表现令人满意，并且最终评分为8.6分；在几款国产手环中，最让我们惊讶的是咕咚2，在总共6次挥臂跑步和非挥臂跑步测试中，它的误差只有一次超过20%，而5次最大误差也仅为5 %，证明其在算法上具有比较强的实力，最终获得了8.8的高分； Phantom Sound的表现有好有坏，我们更关心的是bong1的表现。
真是令人失望。
从上面的实测数据来看，它的丢步根本不能用错误来形容，而是彻底的失败。
这让考前对其信心十足的我感到不可理解。
，这家伙号称能够自动识别各种运动状态。
平均相差30多步。
最终我们只给它1分。
其实本来可以给0分。
睡眠监测：自动识别器胜出。
除了在运动方面为用户提供一定的数据支持之外，智能手环还有另一个被认为非常重要的功能——睡眠监测，而它现在已经成为所有智能手环的天然属性之一。
理想很丰满，现实很骨感。
虽然大家都知道监测用户的睡眠质量对于人们改善睡眠非常重要，但目前大多数智能手环（包括智能手表）在自动切换和识别睡眠状态方面表现非常差。
考虑到现实，我们几乎从来没有想过每天切换到睡眠模式（当困意袭来时，你能记得先照顾好你的手环吗）；或者当你把手放在智能手环切换到睡眠模式后，有一段时间无法入睡，这会严重影响智能手环监测到的睡眠质量数据的真实性。
而当你早上醒来的时候，你还得再次重复这个操作。
这种使用体验不仅不能帮助我们准确了解自己的睡眠状况，还会绑架我们的生活，甚至造成一定的麻烦。
在这些智能手环的实际体验中，无论是我日常佩戴的Jawbone UP24、Misfit Shine还是Fitbit Force，我基本上都不会记得手动切换睡眠模式和运动模式。
▲睡眠质量测试 幸运的是，凡事总有例外。
在我们测试的10款智能手环中，确实有一些产品可以自动识别睡眠状态，这使得睡眠数据更加科学、真实。
综上所述，在睡眠测试时（如果一定要打分的话），我们衡量的唯一标准就是能否自动识别睡眠状态。
满分依然是10分。
能够自动识别睡眠模式的我们给满分。
原因是，在目前的可穿戴市场中，能够自动识别哪怕是简单的运动状态的情况是非常非常少的；而需要手动操作的智能手环，我们给5分，因为只要是手动操作，我们就无法保证监测数据的真实性和客观性。
如下图所示，在本次测试中，Misfit Shine、Fitbit Force和bong1获得满分，因为它们可以自动识别睡眠和运动状态，而通过我的实际体验，它们都卡在了你睡觉和醒来的时间点。
定位非常准确，也很有说服力。
即使其他人做不到，他们也确实在努力做好这件事。
▲ 10款睡眠监测智能手环对比。
让我们惊讶的是，最近升级APP版本后，Fitbit Force还可以自动监测睡眠，而且时间数据基本一致。
这显然是Fitbit发布的Charge/Charge HR。
最新的举动是之前无法自动监测，所以显示我一周前的睡眠记录全部为0。
最后我们修正了上面的测试数据。
其他智能手环包括三星Gear Fit、Jawbone UP24、索尼SWR10等7款均不支持自动睡眠识别。
Misfit和Force都能做到，你为什么不能做到呢？当然，这里我们还是要对目前所有智能手环的睡眠监测功能提出一个大问题：你的深睡眠和浅睡眠数据真的准确吗？您的判断是基于用户睡觉时佩戴智能手环。
当用户移动或翻身时，您认为用户处于浅睡眠状态。
只有当用户持续以同样的动作躺下时，才被认为处于深度睡眠状态。
这样的监测确实很科学。
， 合理的？它真的很接近睡眠时发生的情况吗？也许不会。
有些人可能只是喜欢在睡觉时翻身。
比如，夏天睡觉时被蚊子咬了，用手拍蚊子，但睡得像死猪一样，被手环判断为浅睡。
这真的是科学吗？或许，这种监测依据过于仓促，无法更加合理地贴近实际睡眠情况。
事实上，无论是我们之前测试的离谱的计步数据监测，还是本页面的睡眠监测数据，都让人不知道如何相信，因此对可穿戴设备产生了怀疑。
都是因为他们懒，但又想尽快赚钱。
赚钱的厂家太多了。
最近有很多分析文章认为，未来包括智能手环在内的可穿戴设备应该在算法上下功夫，比如如何自动识别你处于什么样的运动状态，比如能够识别你是处于深度还是轻度睡觉等等等等。
因此，下一阶段，谁能在算法上取得突破，谁就可能成为黑马，领跑。