当下国内最热的可穿戴设备是什么？智能手表？No，智能手环。拥有更便宜的价格、更持久的续航以及更加容易张扬的外观，让智能手环在国内可穿戴市场找到激情。此前，我们对目前市面上比较热门的10款智能手环在外观设计方面进行了横向对比，并根据外观设计、佩戴舒适度、材质等给出了最终排名。那么，它们的功能表现如何呢？
本文将对它们在性能和功能方面进行更加全面的横向测评，测评内容项包括计步准确性、数据丰富性、睡眠监测智能与否、手机Apps界面友好性、是否支持社交分享、对第三方应用的支持、电池续航能力、防水性能测试等等。
我们对市面上价格在500—1500元的10款智能手环进行功能上的测评对于大家是否值得买有着重要的参考意义，毕竟买来主要还是希望它们能够在健身、运动、睡眠等方面给予我们帮助。
虽然近期发布了一些智能手环新品，但是绝大多数都还没有上市，要么就是国外的品牌在国内上市时间推迟。并且发布的几款新品依然缺乏足够的卖点和亮点，所以，短期内你能在市面上看到的依然是这些并不太老的“老款”产品。
参评产品：Jawbone UP24、Fitbit Force、Misfit Shine、三星Gear Fit、Garmin Vivofit、索尼SWR1O、咕咚2、bong1、体记忆T9和幻响，共计10款。其中前六款为国际品牌，后四款为国内品牌。
测试用手机机型：iPhone 4s、三星Note 2、Vivo XShot、三星Note 4
▲编辑在跑步机上同时对参评智能手环进行测试
测试环境：公司楼下&健身房&办公场所
原本计划到就近的中国人民大学操场上进行实际测试，空间大放得开，更有运动的气氛和欲望，不过由于白天不对外开放，而人大附中不让进，楼后的北大附中连操场都没了（正在操场上盖楼），所以只能无奈的放弃了，最终折中选择了楼下的人行道。
考虑到一些实际使用环境，除了户外运动外，很多人可能也都会去健身房或购置一台跑步机放在家里，而恰好公司给配备的健身房此时就责无旁贷的成了我们重要的测试场地。
测试方法：以100步为基准，走100步，反复3次测试步数，求其平均值，然后根据实际使用中发生的频率/概率加权得出最终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，哪怕是前阵子发布的Apple Watch和Moto 360，运动计步功能都被作为标配功能存在。目前的智能手环，包括我们评测的这10款智能手环，它们都是通过内置的三轴加速度传感器来实现计步等功能的。
根据查找的一些资料，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，它本质上是一个振荡系统，安装于运动载体的内部，可以用来测量载体的运动加速度。下面用x，y，z来表示三轴加速计的三个坐标，并分析它如何在智能手环中工作。
用户在水平步行运动中，垂直和前进两个加速度会呈现周期性变化，在步行收脚的动作中，由于重心向上单只脚触地，垂直方向加速度是呈正向增加的趋势，之后继续向前，重心下移两脚触底，加速度相反。水平加速度在收脚时减小，在迈步时增加。如下图所示。
我们可以看到在步行运动中，垂直和前进产生的加速度与时间大致为一个正弦曲线，而且在某点有一个峰值，其中垂直方向的加速度变化最大，通过对轨迹的峰值进行监测计算和加速度阈值决策，即可实时计算用户运动的步数，还可依此进一步估算用户步行距离。如下图所示：
计步算法
因为用户在运动中可能手平持设备或者将设备置于口袋中，所以设备的放置方向不定，为此我们通过计算三个加速度的矢量长度，获得一条步行运动的正弦曲线轨迹。
其次，峰值检测。记录了上次矢量长度和运动方向，通过矢量长度的变化，可以判断目前加速度的方向，并和上一次保存的加速度方向进行比较，如果是相反的，即是刚过峰值状态，则进入计步逻辑进行计步，否则舍弃。通过对峰值的次数累加可得到用户步行步伐。
最后是去干扰。手持设备会有一些低幅度和快速的抽动状态，或是我们俗称的手抖，或者某个恶作剧用户想通过短时快速反复摇动设备来模拟人走路，这些干扰数据如果不剔除，会影响记步的准确值，对于这种干扰，我们可以通过给检测加上阈值和步频判断来过滤。
人体最快的跑步频率为5HZ，也就是说相邻两步的时间间隔至少大于0.2秒，如图所示，我们设置了Timespan在记步过程中我们过滤了高频噪声，即步频过快的情况。同时通过和上次加速度大小进行比较，设置一定的阈值Threshold来判断运动是否属于有效，有效运动才可进行记步。
备注：以上资料参考自腾讯CDC和百度百科。
日常计步测试：三星Gear Fit胜出
按照我们实际使用环境下可能出现的情况以及前文中提及的去干扰情况，我们对智能手环的计步功能测试分为挥臂走、不挥臂走。
挥臂走路是我们日常生活中最常见的行走或跑步姿势；而不挥臂走其实也非常普遍，比如大家天冷的时候或者由于习惯性动作，会将一只手插进衣服兜里走路，这也是相对理想状态下的计步测试。
下面的测试数据皆以100步为测试单元，测试10款智能手环在挥臂走和不挥臂走测试项各自计量数据的误差大小。误差越小，计步准确度越高。
▲测试中所用到的机型，左起：iPhone 4s，三星Note 2、Vivo Xshot
为了保证测试数据的真实有效，我在参与测试的手机中下载的各智能手环APP都设置了同样的身高、体重、年龄、性别。测试时，将所有手环都佩戴在左右手臂上，将手机同时随身携带，每到100步时即迅速同步，并尽量避免手臂晃动带来的干扰。
▲10款智能手环日常计步测试拍摄
备注：首先，在我们测试的这10款智能手环中，索尼SWR10是最让人纠结的，6月份我们购买的时候，它只能通过Google Play下载App（需要下载），受制于条件有限，我们没有对其进行评测。而就在10月底，它正式在国内上市了，我们用三星Note 4（Android 4.4.1版本）成功安装了所需要的3个APP，结果依然令我们纠结的是始终无法同步运动数据。后来打给索尼客服，得到客服的答案是，生活轨迹APP最近在全球范围内都遭遇了同样的问题，包括无法进入APP界面和不能同步运动数据等信息；
▲左：索尼SWR1O的生活轨迹APP；右：体记忆T9的APP
其次，体记忆T9虽然能够下载APP，但是经过无数次尝试，始终无法跟手机端相应App进行蓝牙配对和同步，所以其测试数据为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8.5—10分；平均误差在5%—7%（含）之间得7—8.5分；平均误差在7%—10%（含）之间得5—7分；平均误差大于10%得0—5分。下文中“跑步机上的智能手环”测试单元采用同样的打分机制。
▲10款智能手环常规走路计步测试
以100步为计量单位的测试，是模拟相对理想状态下的测试。我们通过上面的表格看到，在正常的挥臂测试中，三星Gear Fit、Misfit Shine、Jawbone UP24和Fitbit Force的表现要明显好于其它几款产品，它们的平均误差都控制在5%以内，并且最大误差也同样控制在5步左右；在不挥臂走路测试（将手插在裤兜里）中，该4款产品的表现同样是比较突出的，它们的最大计量误差为10%，同样处于较为出色的水平。
从测试数字来看，Misfit Shine是以上提及的4款中表现最为保守的。各项测试，Shine的数值都低于100步，而其它都在100步上下浮动。造成这种结果的原因根绝第二页的计步原理，我们认为可能是手环内置的三轴加速计过于追求去干扰因素的衡量，比如对于小幅度或者拐弯的步伐都被它排除在外；而其它三款精度上同样有待提高，整体表现相对让人满意，当然，只是相对。
国产手环中表现出色的是咕咚2，尽管在三次测试中其最大偏差都超过了10%，但是从实际的数字来看，三次中至少有两次是相对较准的。而bong1和幻响两款产品在平均误差值上都达到或超过5%，并且二者的单项测试中的最大偏差值达到了16%。其中，号称能够自动识别各种运动模式的bong1在追踪监测上的迟钝令人不满意。
测试中最不理想的是Garmin Vivofit，它在测试中显然过于“激动”，在百步测试中几乎每次都要比实际上多走10步以上。造成这个成绩的原因，可能是Garmin这家美国知名GPS设备厂商在去干扰和峰值监测上没有用心，以及对优化算法表现得过于消极。它的这个问题其实在我们此前的单品测试上也得到了体现。
正如我们前文所说，索尼SWR10和体记忆T9由于各自的问题，没能进行该项测试，得分为0分。尤其体记忆T9，始终无法跟手机连接，并且无法同步任何数据，导致其缺席了本次的测试。
跑步机测试：Misfit Shine逆袭
现在随着人们越来越重视自身身体健康，下了班或者周末锻炼就成了很多上班族的爱好。而随着空气质量的恶化，户外锻炼的人相对减少，人们更加热衷于办一张健身卡去健身房锻炼，或者置办一台跑步机放在家里锻炼。那么，我们本次测试的这10款智能手环是否能将跑步机上的步数进行精准的监测并量化呢？
跑步机测试同样分为两种情况：一种是摆臂跑，这可能也是最常见的；另一种则是在累了的时候可能会用手扶住跑步机上的把手继续跑一会儿，该情况出现的频率较小。
在跑步机上整体表现最出色的是Misfit Shine，这完全出乎我们的预料，无论是挥臂狂跑，还是手扶着把手跑，它的表现一改在陆地上的谨慎闷骚，变得“放荡”，并且在奔跑的同时还能够恰到好处的收住，让其误差控制在相对理想的范围内，所以我们按照上图中备注的权重，Shine最终得到了9.8分的最高分；
▲跑步机测试
表现次之的是三星Gear Fit，在挥臂跑的过程中，误差很小，最多只有3步，在不挥臂跑中，测试结果相对较差一些，但是依然能够保证10步以内的平均误差。按照权重，它最终得到了9.2分的高分；
▲十款智能手环在跑步机上的计步测试
Jawbone U24排第三，它在挥臂跑的时候计步较为准确，在扶住把手跑的时候，计步都不足100步，并且最大差值达16步，但总得分相当出色，最后加权后得分为9分；
Fitbit Force的情况和Jawbone UP24的比较相似，不过它在不挥臂跑步测试环节的表现扯了后腿，三次测试误差均在20步以上，并且均在100步以内，证明它“偷懒”了，综合后其最终得分为7.2分；
反倒是Garmin Vivofit在跑步机上变得正经起来了，一改激进，在我们进行的共计6次测试中，它有4次非常接近100步的实际测量值，只有一次误差超过20%，这也让其在跑步机上的整体表现令人满意，最终得分为8.6分；
国内的几款手环中，最让我们感到惊讶和惊喜的是咕咚2，在挥臂跑不挥臂跑共计6次测试中，它只有1次的误差超过了20%，而有5次的误差最大只有5%，证明其在算法上拥有比较强大的实力，最终让其得到了8.8的高分；
幻响的表现时好时坏，我们更加关心的是bong1，它的表现实在令人太失望了，通过上面的实测数据，它对步数的丢失完全不能用误差来形容了，而是彻底的失败，这让在测试前对它抱有极大信心的我感到不可理解，这款号称能够自动识别各种运动状态的家伙，平均差值在30步以上，最终其得分我们只给出了1分，其实完全可以给0分的。
睡眠监测：自动识别者胜出
智能手环除了在运动方面能够给用户提供一定的数据支持之外，它还有另一项被认为是非常重要的功能——睡眠监测，并且目前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。尽管大家都知道监测用户的睡眠质量对人们改善睡眠非常重要，然而目前绝大多数智能手环（包括智能手表）在自动切换、识别睡眠状态方面的表现很糟糕。考虑到现实中，我们几乎不会每天都去想着在睡觉的时候切换到睡眠模式（当困意上来了的时候，你还能记得去先照顾一下你的手环吗）；或者当你把手环切换到睡眠模式后，你却一时半会儿无法入睡，这些都会严重影响到智能手环监测的睡眠质量的数据真实性。还有早上醒来的时候，你还要重复操作一次。
这样的使用体验，非但不能帮助我们准确了解自身的睡眠状况，还绑架了我们的生活，甚至带来一定的困扰。在实际体验这些智能手环的过程中，无论是天天佩戴的Jawbone UP24、Misfit Shine还是Fitbit Force，我基本上不会记得去手动切换睡眠模式和运动模式。
▲睡眠质量测试
庆幸的是，总有例外。在我们测试的这10款智能手环中确实有个别能够自动识别睡眠状态的产品，这让睡眠数据变得更加科学、真实一些。
综上，我们在睡眠测试方面（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，理由是，在当前可穿戴市场，能做到哪怕简单的自动识别运动状态已经非常非常难能可贵了；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的，我们就无法保证监测到的数据的真实性和客观性。
如下图所示，在该项测试中，Misfit Shine、Fitbit Force和bong1得了满分，因为它们能自动识别睡眠和运动状态，并且通过我的实际体验，它们在你睡觉和醒来的时间节点的卡位上非常准确，足以让人信服，它们的确很努力的在做好这一件事儿，在别人没有做到的情况下。
▲10款智能手环睡眠监测评比
而让我们惊喜的是，Fitbit Force在我最近升级了APP版本后，也能自动监测睡眠了，并且时间数据基本吻合，这显然是Fitbit发布了Charge/Charge HR后的最新举措，此前它是无法自动监测的，所以它显示我一个礼拜之前的睡眠记录都为0。最终，我们修正了上面的测试数据。
其它智能手环包括三星Gear Fit、Jawbone UP24、索尼SWR10等其它7款都不支持自动睡眠识别，Misfit、Force能做到，你们为什么不能做到？
当然，这里我们依然需要对当前所有的智能手环在睡眠监测功能上提出一个大大的疑问：你们的深度睡眠和浅度睡眠数据真的准吗？你们的判断依据是用户在睡眠时佩戴智能手环，当手动或者翻身，你们就认为用户是浅度睡眠，只有始终保持同一个动作躺着，才被认为是深度睡眠，这样的监测真的科学、理性吗？真的贴近实际睡眠中的情况吗？
或许不然，有些人可能就是在睡觉的时候爱翻身，又比如夏天睡觉时被蚊子咬了，用手拍了一下蚊子但是却睡得跟死猪一样还被手环判定为浅度睡眠，这样真的科学吗？或许，这样的监测依据有些太草率，无法更加合理的贴近实际睡眠状况。
其实无论是前文我们测试的有些那么离谱的计步数据监测还是本页的睡眠监测数据让人不知道该怎么来相信，并因此对可穿戴设备怀有疑虑，都是因为偷懒却又想尽快变现捞钱的厂商太多。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，比如如何能够自动识别你处于什么样的运动状态，比如能够甄别你到底是深度还是浅度睡眠，等等。所以，在下一个阶段，谁在算法上能获得突破，谁可能就将成为一匹黑马杀出重围引领风骚。
下接：《十款热门智能手环对比横评：三星Gear Fit独占鳌头（下）》
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。