SmartBandESP

Identificação

Trabalho 2 — Fundamentos de Sistemas Embarcados — 2026/1

Integrantes:

1 - Descrição do produto selecionado

A Xiaomi Smart Band 8 é uma pulseira inteligente focada no monitoramento de saúde e atividades físicas, projetada como uma solução vestível avançada para contagem de passos, monitoramento cardíaco e análise de treinos.

Figura 1: Xiaomi Smart Band 8.

O dispositivo possui uma tela AMOLED de 1,62" com ajuste automático de brilho e é fabricado com uma estrutura de acabamento metálico resistente à água (5 ATM). Seu design inovador conta com engates de liberação rápida, permitindo o uso tradicional no pulso ou o "Modo Pebble", no qual o rastreador pode ser acoplado diretamente no cadarço do tênis para capturar métricas de passada e corrida com alta precisão.

Links Úteis:

• Página Oficial do Produto
• Manual do Usuário (FAQ)
• Ficha Técnica

2 - Análise técnica do funcionamento

Componentes e Sensores

A Xiaomi Smart Band 8 integra diversos sensores e componentes miniaturizados, responsáveis pela coleta e processamento ágil dos dados do usuário. Seus principais componentes de hardware incluem:

• Sensor de movimento de 6 eixos: Composto por um acelerômetro de 3 eixos e um giroscópio de 3 eixos, é a peça-chave para o monitoramento de atividades físicas e detecção de padrões de movimento;
• Sensor óptico PPG: Utilizado para o monitoramento contínuo da frequência cardíaca e da saturação de oxigênio no sangue (SpO₂);
• Sensor de luz ambiente: Ajusta dinamicamente o brilho da tela com base nas condições de iluminação externas;
• Módulo Bluetooth 5.1 BLE: Responsável pela comunicação sem fio de baixo consumo com smartphones;
• Tela AMOLED de 1,62 polegadas: Exibe métricas, interfaces e notificações com taxa de atualização de até 60 Hz;
• Bateria de 190 mAh: Oferece autonomia de até 16 dias em condições típicas de uso.

Sistema de Monitoramento de Atividades

O monitoramento de atividades baseia-se fundamentalmente no sensor de movimento de 6 eixos. Através do processamento dos dados inerciais, o firmware do dispositivo calcula métricas cruciais como o número de passos, a distância percorrida, a duração das atividades e a estimativa de gasto calórico.

A pulseira suporta mais de 150 modos esportivos. O grande diferencial desta geração é o suporte avançado ao monitoramento de corrida por meio de um clipe para calçados, que fornece dados biomecânicos detalhados sobre o desempenho da passada.

Tecnologia PPG

A Xiaomi Smart Band 8 utiliza um sensor óptico baseado na tecnologia PPG (Photoplethysmography) para monitoramento fisiológico. Essa tecnologia utiliza a emissão e a detecção de luz através da pele para identificar variações no fluxo sanguíneo, permitindo estimar parâmetros biométricos de forma não invasiva.

A partir desse sensor, o dispositivo realiza:

• Monitoramento contínuo da frequência cardíaca;
• Medição da saturação de oxigênio no sangue (SpO₂);
• Monitoramento dos níveis de estresse;
• Análise detalhada dos estágios do sono.

Os dados processados são enviados via Bluetooth para o aplicativo Mi Fitness, onde o usuário pode visualizar o histórico e a evolução de seus indicadores de saúde.

Tecnologia de Comunicação

A comunicação entre a Smart Band 8 e o smartphone é realizada por meio da tecnologia Bluetooth 5.1 Low Energy (BLE), que oferece baixo consumo energético e transmissão eficiente de dados.

Entre as principais funcionalidades suportadas estão:

• Sincronização de dados com o aplicativo Mi Fitness;
• Recebimento de notificações do smartphone;
• Atualização de firmware do dispositivo;
• Configuração remota das funcionalidades da pulseira.

A utilização do padrão Bluetooth Low Energy contribui para a elevada autonomia da bateria, reduzindo o consumo de energia durante a comunicação com dispositivos externos.

Contador de Passos

A contagem de passos depende fortemente dos algoritmos de detecção embarcados. Eles filtram o ruído dos dados do acelerômetro e identificam os picos de aceleração que correspondem ao impacto do pé no chão.

Segundo Marcotte et al. (2024), a precisão em vestíveis de pulso varia conforme a capacidade do algoritmo de isolar movimentos genuínos de locomoção de outros movimentos cotidianos dos braços. Em atividades estruturadas, como caminhadas e corridas contínuas, esses sensores apresentam alta confiabilidade. Análises práticas de mercado corroboram que, embora sujeita a margens de erro comuns à categoria, a Smart Band 8 oferece uma consistência muito satisfatória para o uso diário (CASSERLY, 2024).

3 - Proposta de reprodução com ESP32

3.1 Descrição conceitual da proposta de reprodução

A proposta de reprodução do produto supracitado tem como objetivo recriar as principais funcionalidades de uma Smart Band, focando especificamente no desenvolvimento de um contador de passos (pedômetro) inteligente para monitoramento de atividades físicas.

Para ilustrar a visão geral do projeto e a interface de usuário pretendida, a Figura 2 apresenta um conceito visual do dispositivo em funcionamento.

Figura 2: Ilustração conceitual da interface e design do protótipo. Autor: Gemini

O sistema utilizará o microcontrolador ESP32 como unidade central de processamento, responsável pela aquisição, processamento e exibição dos dados. Uma Unidade de Medição Inercial (IMU), contendo acelerômetro e giroscópio, será empregada para capturar os padrões de movimento característicos de atividades como caminhada e corrida. A detecção de passos ocorrerá por meio da análise de picos no sinal inercial do eixo vertical, considerando a oscilação natural do corpo durante a locomoção.

Como referência prática para a montagem física e validação desses componentes, baseamo-nos em um projeto documentado na literatura maker (citado na seção de bibliografia), conforme ilustrado na bancada de testes da Figura 3.

Figura 3: Protótipo de hardware de referência utilizado como inspiração para a montagem. Autor: Mamtaz Alam

Além do contador de passos, o sistema contará com uma Tela OLED de 0.98" (via comunicação I2C) conectada à ESP32, que exibirá em tempo real as informações processadas, tais como:

• Tempo de início e duração da atividade;
• Contagem acumulada de passos;
• Estimativa de distância percorrida.

Para viabilizar a comunicação correta entre o microcontrolador e os periféricos, adotaremos uma arquitetura de hardware baseada no mesmo tutorial de referência. A Figura 4 detalha o diagrama de ligações esquemáticas que servirá de norte para a construção do nosso circuito.

Figura 4: Diagrama eletrônico de referência, interligando a ESP32 ao sensor IMU. Autor: Mamtaz Alam

Por fim, o sistema implementará o envio de notificações via Bluetooth Low Energy (BLE) para um smartphone em proximidade, permitindo o espelhamento de alertas de chamadas, mensagens e eventos do dispositivo móvel diretamente na interface da nossa Smart Band reproduzida.

3.2 Lista de Componentes

Para a montagem do protótipo físico detalhado nesta proposta, serão utilizados os seguintes módulos eletrônicos:

3.2 Lista de Componentes

Para a montagem do protótipo físico detalhado nesta proposta, serão utilizados os seguintes módulos eletrônicos:

1. Microcontrolador ESP32

Figura 5: Placa de Desenvolvimento ESP32.

2. Tela OLED 0.98" (I2C)

Figura 6: Display OLED de 0.98 polegadas.

3. Unidade de Medição Inercial (IMU - Acelerômetro e Giroscópio)

Figura 7: Módulo IMU (Acelerômetro e Giroscópio).

3.3 Diagrama conceitual do sistema

O diagrama abaixo ilustra o fluxo de dados e as interações entre os componentes de hardware e software propostos para o sistema:

Figura 8: Diagrama de arquitetura e fluxo de funcionamento do sistema. Autor: Arthur

3.4 Limitações e desafios esperados

Durante a fase de planejamento, foram identificadas as seguintes limitações técnicas e desafios de implementação:

• Precisão do contador de passos: O algoritmo de detecção de picos pode registrar falsos positivos diante de gestos bruscos, trepidações em veículos ou movimentação isolada dos braços. Adaptar dinamicamente os limiares de detecção (thresholds) da IMU para diferenciar uma caminhada de uma corrida exigirá calibração refinada.
• Ausência de calibração biométrica individual: Diferente de produtos comerciais, nosso algoritmo utilizará constantes genéricas para cálculo de distância. Variações como altura do usuário e tamanho médio da passada afetarão a precisão da distância estimada, embora não comprometam a contagem bruta de passos.
• Processamento concorrente e em tempo real: A ESP32 precisará lidar simultaneamente com a aquisição de dados I2C (da IMU e da tela OLED), processamento matemático, manutenção da conexão BLE e atualização gráfica do display. O gerenciamento dessas tasks via FreeRTOS será um desafio para evitar latências e perda de dados.
• Consumo energético: A ESP32 e a tela OLED selecionada consomem substancialmente mais energia do que os microcontroladores focados em wearables (como as linhas ARM Cortex-M de ultra-baixo consumo). O projeto não terá a mesma autonomia de semanas observada na pulseira comercial.
• Complexidade do protocolo BLE: A implementação da pilha Bluetooth Low Energy para recebimento de notificações exigirá o desenvolvimento, ou a adaptação, de um aplicativo de smartphone compatível, lidando com diferentes comportamentos entre sistemas operacionais (Android/iOS) e instabilidades de conexão.
• Curva de aprendizado e tempo: A integração e depuração física dos módulos eletrônicos demandará conhecimento prático e testes iterativos, devendo ser conciliada com o cronograma e com as demais demandas acadêmicas da equipe.

4 - Pesquisa bibliográfica e tecnológica

Artigos Científicos sobre as Tecnologias do Produto

1. Wrist Activity Recognition for Robust Step and Distance Estimation (2018)

• Autores: Duong Trong Bui, Nhan Duc Nguyen e Gu-Min Jeong.
• Periódico: Sensors (MDPI), Vol. 18.
• DOI: 10.3390/s18072034
• Resumo: Descreve um sistema avançado que utiliza smart bands para estimar distâncias com precisão. O método aplica máquinas de vetores de suporte (SVM) para identificar diferentes posturas do braço durante a caminhada, adaptando o algoritmo de detecção de passos para corrigir falsos positivos. A técnica alcança taxa de sucesso superior a 98%.
• Relevância: Essencial para o desenvolvimento da lógica de software do nosso projeto. Detalha como sensores inerciais e filtros digitais são aplicados na prática para resolver o exato problema que enfrentaremos com os falsos positivos na movimentação do braço.

2. Analytical Validation of Wrist-Worn Accelerometer-Based Step-Count Methods during Structured and Free-Living Activities (2025)

• Autores: Robert T. Marcotte, Shelby L. Bachman, Yaya Zhai, Ieuan Clay e Kate Lyden.
• Periódico: Pulse (Karger Publishers).
• DOI: 10.1159/000542850
• Resumo: Avalia a precisão de quatro métodos distintos de contagem de passos em acelerômetros de pulso, contrastando cenários de testes laboratoriais com o uso no mundo real. Conclui que métodos focados em detecção de picos de amplitude são bons para uso estruturado, mas a análise de frequência entrega resultados melhores na rotina diária.
• Relevância: Fornece embasamento científico e métricas de comparação fundamentais para a justificativa das limitações e escolhas de design do algoritmo que embarcaremos na ESP32.

3. Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges, and Opportunities (2021)

• Autores: Kaixuan Chen, Dalin Zhang, Lina Yao, Bin Guo, Zhiwen Yu e Yunhao Liu.
• Periódico: ACM Computing Surveys, Vol. 54, Issue 4.
• DOI: 10.1145/3447744
• Resumo: Apresenta uma revisão sobre técnicas de Deep Learning aplicadas ao reconhecimento de atividades humanas (Human Activity Recognition – HAR) utilizando dados coletados por sensores embarcados. Os autores analisam diferentes modalidades de sensores, como acelerômetros e giroscópios, além de métodos baseados em redes neurais profundas utilizados para interpretar sinais de movimento.
• Relevância: Apresenta fundamentos para a escolha e implementação de algoritmos de reconhecimento de atividades, detalhando técnicas de processamento de dados de sensores que podem orientar o desenvolvimento da lógica embarcada e do algoritmo de contagem de passos na ESP32.

4. Stepping towards More Intuitive Physical Activity Metrics with Wrist-Worn Accelerometry: Validity of an Open-Source Step-Count Algorithm (2022)

• Autores: Benjamin D. Maylor, Charlotte L. Edwardson, Paddy C. Dempsey, Matthew R. Patterson, Tatiana Plekhanova, Tom Yates e Alex V. Rowlands.
• Periódico: Sensors (MDPI), Volume 22, Issue 24.
• DOI: 10.3390/s22249984
• Resumo: Avalia a validade de um algoritmo de código aberto para contagem de passos baseado em acelerômetros de pulso. Os autores compararam duas versões do algoritmo Verisense, uma original e outra otimizada. O algoritmo utiliza padrões de aceleração, detecção de picos e filtros de periodicidade e continuidade para diferenciar passos reais de movimentos não relacionados à caminhada. Os resultados mostraram que a versão otimizada apresentou maior precisão na estimativa de passos.
• Relevância: Detalha técnicas de processamento de sinais aplicadas a acelerômetros de pulso, demonstrando como dados brutos de movimento são filtrados e analisados por algoritmos de detecção de padrões para estimar a quantidade de passos. O estudo contribui para a compreensão e implementação de algoritmos embarcados, abordando etapas fundamentais para a construção da solução de contagem de passos na ESP32.

Artigos Científicos sobre Aplicações e Uso do Produto

1. Electrical heating behavior of flexible thermoplastic polyurethane/Super-P nanoparticle composite films for advanced wearable heaters (2018)

• Autores: Zhen Xiao, Chengjie Sheng et al.
• Periódico: Journal of Industrial and Engineering Chemistry.
• DOI: 10.1016/j.jiec.2018.11.038
• Resumo: Detalha a criação de polímeros flexíveis condutivos para aplicação em wearables. Mostra como o controle da tensão em materiais de poliuretano (TPU) dopados com nanopartículas permite o gerenciamento térmico seguro em eletrônicos de vestir.
• Relevância: Traz a perspectiva da engenharia de materiais na construção física de produtos como a Smart Band 8 (cujas pulseiras são predominantemente feitas de TPU), destacando a importância da dissipação de calor nos componentes em contato direto com a pele.

2. The Effects of Step-Count Monitoring Interventions on Physical Activity: Systematic Review and Meta-Analysis (2020)

• Autores: Umar A. R. Chaudhry et al.
• Periódico: International Journal of Behavioral Nutrition and Physical Activity, Vol. 17.
• DOI: 10.1186/s12966-020-01020-8
• Resumo: Uma vasta meta-análise de ensaios clínicos demonstrando que intervenções focadas em monitorar passos (via pedômetros ou pulseiras) resultam em aumentos consistentes nos níveis de atividade física diária e reduções nos índices de sedentarismo em adultos.
• Relevância: Valida o escopo social e mercadológico do nosso projeto, provando cientificamente que o recurso tecnológico que estamos reproduzindo (o contador de passos) tem impacto real e positivo na saúde pública.

3. Using Pedometers to Increase Physical Activity and Improve Health

• Autores: Bravata, D.M. et al.
• Periódico: JAMA — Journal of the American Medical Association
• DOI: 10.1001/jama.298.19.2296
• Resumo: Meta-análise de 26 estudos (2.767 participantes) que avaliou o impacto do uso de pedômetros na atividade física e nos desfechos de saúde. Os resultados indicam que o uso de pedômetros está associado a aumento significativo de 2.491 passos/dia em comparação com grupos controle, além de reduções clinicamente relevantes no IMC (-0,38) e na pressão arterial sistólica (-3,8 mmHg). O estudo destaca que a definição de metas diárias (ex.: 10.000 passos) é um fator motivacional-chave.
• Relevância: Demonstra o impacto comprovado do monitoramento de passos na saúde pública e na motivação para atividade física.

4. Effect of Pedometer-Based Walking Interventions on Long-Term Health Outcomes

• Autores: Harris, T. et al.
• Periódico: PLOS Medicine
• DOI:10.1371/journal.pmed.1002836
• Resumo: Acompanhamento prospectivo de 4 anos de dois ensaios clínicos randomizados (PACE-UP e PACE-Lift). Intervenções de 12 semanas baseadas em pedômetros resultaram em aumento sustentado de 30 minutos/semana de atividade física de moderada a vigorosa, associado a reduções significativas em eventos cardiovasculares e fraturas. Aproximadamente 60 pessoas precisariam receber a intervenção para prevenir um evento cardiovascular.
• Relevância: Evidência de longo prazo sobre benefícios clínicos de intervenções com pedômetros em cuidados primários.

5. Comparativo com produtos similares

6. Referências bibliográficas

• CASSERLY, M. Xiaomi Smart Band 8 review: another cracking budget-friendly fitness tracker. Tech Advisor, 31 jan. 2024. Disponível em: Link. Acesso em: 8 jun. 2026.
• CHAUDHRY, U. A. R. et al. The Effects of Step-Count Monitoring Interventions on Physical Activity: Systematic Review and Meta-Analysis. International Journal of Behavioral Nutrition and Physical Activity, v. 17, art. 129, 2020. Disponível em: Link. Acesso em: 10 jun. 2026.
• GOOGLE. Fitbit Charge 6. Google Store, 2023. Disponível em: Link. Acesso em: 10 jun. 2026.
• HOW2ELECTRONICS. DIY Pedometer with ESP32 & BMI160 Steps Counter. Vídeo tutorial/artigo técnico, 2023. Disponível em: Link. Acesso em: 11 jun. 2026.
• HUAWEI. Huawei Band 9. Huawei Brasil, 2024. Disponível em: Link. Acesso em: 10 jun. 2026.
• MARCOTTE, R. T. et al. Analytical Validation of Wrist-Worn Accelerometer-Based Step-Count Methods during Structured and Free-Living Activities. Pulse, 2025. Disponível em: Link. Acesso em: 10 jun. 2026.
• SAMSUNG. Samsung Galaxy Fit 2. Samsung Brasil, 2020. Disponível em: Link. Acesso em: 10 jun. 2026.
• XIAOMI. Xiaomi Smart Band 8. Xiaomi Brasil, 2023. Disponível em: Link. Acesso em: 10 jun. 2026.

7. Conclusão

Este estudo teórico-exploratório realizou com sucesso a engenharia reversa conceitual da pulseira comercial Xiaomi Smart Band 8, detalhando seus módulos funcionais e tecnologias críticas, como o monitoramento inercial contínuo e a comunicação eficiente via Bluetooth Low Energy (BLE).

A Proposta de Reprodução (SmartBandESP) demonstrou que as funcionalidades centrais de autenticação de movimento (leitura da IMU, contagem de passos e espelhamento de notificações via smartphone) são perfeitamente viáveis utilizando componentes eletrônicos acessíveis, como o microcontrolador ESP32, o módulo inercial (acelerômetro e giroscópio) e a tela OLED de 0.98".

A principal conclusão do trabalho é a identificação da lacuna estrutural entre um protótipo funcional de bancada e um wearable comercial robusto. A análise evidenciou que os desafios de engenharia do produto real não estão apenas na aquisição básica de dados do sensor, mas sim em requisitos não-funcionais críticos, como:

• Engenharia de Hardware: A miniaturização extrema dos componentes, o gerenciamento de energia de ultra-baixo consumo para garantir semanas de autonomia com uma pequena bateria de 190 mAh, e a proteção mecânica (resistência à água 5 ATM) são complexos e essenciais para a usabilidade e durabilidade do produto.
• Engenharia de Software Embarcado: A filtragem avançada de ruídos inerciais para evitar passos falsos (como a movimentação isolada dos braços), a integração de algoritmos proprietários de saúde e o gerenciamento concorrente da comunicação BLE com a renderização no display OLED via barramento I2C são desafios de software significativamente mais complexos do que a simples leitura de aceleração.

A pesquisa bibliográfica complementou essa visão, demonstrando que, mesmo em produtos comerciais, a precisão da estimativa de atividades no mundo real e a estabilidade da comunicação com o aplicativo companion são desafios constantes de desenvolvimento e calibração.

Dessa forma, o modelo conceitual do SmartBandESP cumpre seu objetivo e serve como um blueprint validado para a próxima etapa prática da disciplina. Ele estabelece uma base teórica clara e estruturada para a montagem e programação física do protótipo no laboratório.