2.2.2 WiFi
WiFi是属于IEEE 802.11系列的可以将个人电脑、手持终端以无线方式互相连接的通信技术。WiFi具有覆盖范围广、传输速率快、低功耗且健康安全等优点。
博通公司推出 的 嵌 入 式 设 备 互 联 网 无 线 连 接（Wireless Internet Connectivityfor Embedded De-vices,WICED）平台[17]是一个低功耗、低成本的无线平台。在WICED平台中加入WiFi Direct功能后大大简化了可穿戴式设备WiFi连网功能的实现。WiFi Direct与蓝牙类似，都支持设备以点对点形式连接，且能实现多台设备同时连接，同时传输速率和距离与蓝牙相比都有大幅度提升。
2.2.3 ZigBee
ZigBee是一种能在短距离内实现无线通信的技术，具有低功耗的特点。与成熟的蓝牙、WiFi等无线 通 信 技 术 相 比[18].ZigBee相 对 简单，传输速率也较慢，但是可靠性较高，成本也更低。ZigBee最大的优点在于组网很方便，且能形成很大的网络规模，便于多个网络节点的管理，主要应用于人体生理参数监测的医疗保健领域的可穿戴式设备中。Wang等[19]提出 了 一种基于ZigBee技术的用于健康环境监测的可穿戴式设备，并分析了在不同距离下利用Zigbee传输的质量。
2.2.4 NFC
NFC是一种能在短距离内（一般在10cm以内）与兼容设备快速识别和数据交换的高频无线通信技术。与蓝牙技术相比，NFC技术操作简单、连接快速；NFC技术由无线射频识别（radio fre-quencyidentification,RFID）技 术 衍 生 而 来，能 与RFID兼容，但NFC技术的使用范围较广，可读写，且能直接集成在可穿戴式设备中；与红外线技术相比，NFC技术数据传输较快、功耗更低（可以进行无电读取）。鉴 于NFC技 术 具 有 许 多 优 势，因 此，将NFC技术应用于可穿戴式设备中[20],与智能手机或其他电子设备连接，能方便地实现数据传输、移动支付等功能。
2.3电源管理技术
受体积和充电时间的限制，电池是制约可穿戴式设备发展的一大瓶颈[21-23],续航能力弱的产品会导致较差的用户体验。因此，研发一种体积小、续航时间长的电池是可穿戴式设备发展中急需解决的问题。当前主流的可穿戴式设备的电池有两种，一种是高容量和高密度的一次性锂电池[24],这种电池需要使用者经常更换电池，但能降低生产厂商的成本；另一种是可充电电池[25],与一次性锂电 池相 比，储电量较低，但可供用户重复使用。
另外，可穿戴式设备电池的充电方式除了传统的USB充电外，无线充电和能量采集充电也是当前备受关注的充电方式。无线充电是通过充电器与设备之间的电感耦合传送能量，实现设备充电；能量采集充电是指采集设备周围的能量并转换为可以存储和采集的电能，利用这项技术可以随时随地为可穿戴式设备充电。相信随着可弯曲电池的发展，很多充电方式将成为可能，而且具有合适的尺寸、足够长的续航时间、便捷的充电方式的电池将会在可穿戴式设备中使用。Pu等[26]研发了一种用于可穿戴式设备的新型的能自我充电的电源，由纱质的超级电容和织质的摩擦电纳米发构成，不仅穿戴舒适，且可弯曲。
2.4显示技术
用户购买可穿戴式设备时，第一印象除了设备的外观就是设备屏幕的显示效果；在可穿戴式设备中，需要显示屏具有可弯曲、透明、轻薄等特性。因此，柔性显示技术与透明显示技术逐渐成为可穿戴式设备技术中的研究热点。
2.4.1柔性显示技术
柔性显示[27]具有轻薄、低功耗、可弯曲、柔韧性强等优点，不仅使设备具有更多变、舒适的外观，也使得设备更加贴合人体，同时降低了设备的功耗。因此，柔性显示技术广泛地应用于可穿戴式设备，特别是智能手表等设备中。目前，用于柔性显示的技术主要包括电子纸技术和有机 发 光 二 极 管（organic light emittingdiode,OLED）技术。其中，电子纸是一种轻薄、可重写、便于携带、可弯曲、超低功耗的类似自然纸张的电子显示屏幕。OLED[28]是一种以有机材料作为发光体的自发光显示器件，具有可视角度大、更加轻薄高亮度和高效发光、机械性能好、能实现软屏显示等优点，如Cheong等[29]就提出了一种可弯曲的OLED显示屏。
可穿戴式设备柔性显示技术的发展还刚处于起步阶段，要从可弯曲发展到可卷绕、可折叠，从柔性显示发展到触控、电池、电路板等的柔性仍有很长距离[30].
2.4.2透明显示技术
透明显示能让用户看到屏幕后面的事物，具有轻薄、便携、低功耗、支持三维显示等优点。在一些可穿戴式设备中已经应用了透明显示技术，如谷歌眼镜的镜片。即使透明显示技术还存在成本高、亮度有限等缺点，但随着相关技术的成熟和材料的不断更新，成本、亮度等问题会迎刃而解，透明显示技术将在可穿戴式设备中得到更加广泛的应用。
2.5大数据
随着可穿戴式设备集成的功能不断增多，能监测的数据也越来越多，然而，目前大部分可穿戴式设备只是简单地进行信息提醒（如通知功能）、数步数（如追踪功能）、提供互联网或游戏接口（如谷歌眼镜）等操作，不会对数据进行分析，也不能向用户反馈有意义的信息。因此，必须将传感器采集到的大数据[31]整合到强大的分析平台中进行分析，向用户反馈这些数据所反映的用户自身运动、健康等状况，并提供相应的解决方案，真正地解决和改善人们在生活中遇到的问题。
大数据处理数据的基本流程如图6所示，主要包括数据采集、数据处理与集成、数据分析、数据解析4个步骤。由于从可穿戴式设备传感器获取的数据源结构不同（有结构、半结构、非结构数据三种），所以先要利用数据处理与集成技术将数据源转变为统一的结构，以方便后续处理；然后利用数据分析方法将统一结构的数据进行分析，再将分析后得到的结构通过可视化技术反馈并展现给用户。虽然目前大数据仍存在用户隐私泄露等问题，但随着大数据、云计算、移动互联网三大技术的不断发展与融合，将给可穿戴式设备的用户带来更好的效果体验，也将为用户的隐私提供更安全的保障。Hussain等[32]为可穿戴式设备设计了一个大数据分析系统，这个系统使用mapreduce作为大数据分析的工具，可实时更新知识库并根据数据分析结果为用户给出合理建议。Diego等[33]利用有生物传感器的可穿戴式设备获取人体生理信号，然后利用大数据分析人们的身体健康状况，并给出相应的建议。
