SensorLog 使用指南

SensorLog 数据采集工作流程：配置 → 记录 → 导出 → 分析

App 简介

属性	值
名称	SensorLog
平台	iOS (iPhone / iPad / Apple Watch)
开发者	Bernd Thomas
App Store ID	388014573
价格	付费 (~CHF 3.00 / ¥22)

---

支持的传感器

传感器	iOS 框架类	数据字段
加速度计	CMAccelerometerData	accelerometerAccelerationX/Y/Z
陀螺仪	CMGyroData	gyroRotationX/Y/Z
磁力计	CMMagnetometerData	magnetometerX/Y/Z
设备运动	CMDeviceMotion	attitude (roll/pitch/yaw), userAcceleration, gravity, heading
GPS 位置	CLLocation	latitude, longitude, altitude, speed, course
气压计	CMAltimeter	pressure, relativeAltitude
音频	AVAudioEngine	audioLevel (dB)

---

基本操作

1. 配置采集参数

启动 App 后进入设置页面:

• 采样率 (Sample Rate): 建议 50 Hz 用于运动类实验,10 Hz 用于 GPS 实验
• 选择传感器: 勾选需要采集的传感器类型
• 输出格式: CSV 或 JSON

2. 开始/停止记录

• 点击 Record 按钮开始记录
• 运动过程中保持 App 在前台
• 点击 Stop 结束记录

3. 数据导出

• 记录完成后,在历史记录中选择数据文件
• 通过 Share 按钮导出:
  • AirDrop 传到电脑
  • 邮件发送
  • 保存到 iCloud Drive / Files

4. 网络流式传输

SensorLog 支持实时推送数据到服务器:

协议	配置
TCP	设置目标 IP 和端口
UDP	设置目标 IP 和端口
HTTP POST	设置 URL 端点
HTTP GET	设置 URL (数据作为查询参数)

---

数据上云方案

手机传感器数据上云处理的整体架构

将手机传感器数据传到云端处理,主要有 实时推送 和 离线上传 两类路线。

路线一: HTTP POST 实时推送

最简单的上云方式 — App 直接将每帧数据 POST 到你的服务器。

SensorLog 配置

1. 进入 SensorLog Settings → Push
2. 选择 HTTP POST
3. 填入云端接收 URL,例如 https://your-server.com/api/sensor
4. 数据以 CSV 字段名作为 POST 参数发送

Sensor Logger 配置

1. 进入 设置 → Push URL
2. 填入接收端 URL
3. 推送频率默认 1 次/秒 (付费版可调)
4. 数据以 JSON 格式 POST

Sensor Logger 的 JSON Payload 格式:

{
  "messageId": 42,
  "sessionId": "a1b2c3d4",
  "deviceId": "iPhone-XYZ",
  "payload": [
    {
      "name": "accelerometer",
      "time": 1711526400000000000,
      "values": {
        "x": 0.023,
        "y": -0.981,
        "z": 0.045
      }
    },
    {
      "name": "gyroscope",
      "time": 1711526400000000000,
      "values": {
        "x": 0.001,
        "y": -0.003,
        "z": 0.007
      }
    }
  ]
}

时间戳

time 字段为 UTC 纳秒级 epoch 时间戳,可用 pd.to_datetime(t, unit='ns') 转换。

云端接收服务 (Flask 示例)

from flask import Flask, request, jsonify
import json
import csv
import os
from datetime import datetime

app = Flask(__name__)

DATA_DIR = "sensor_data"
os.makedirs(DATA_DIR, exist_ok=True)

@app.route("/api/sensor", methods=["POST"])
def receive_sensor_data():
    """接收 Sensor Logger 推送的 JSON 数据"""
    data = request.get_json()

    session_id = data.get("sessionId", "unknown")
    device_id = data.get("deviceId", "unknown")

    # 按 session 存储到 CSV
    filepath = os.path.join(DATA_DIR, f"{session_id}.csv")
    file_exists = os.path.exists(filepath)

    with open(filepath, "a", newline="") as f:
        writer = csv.writer(f)
        if not file_exists:
            writer.writerow(["timestamp", "sensor", "x", "y", "z", "device"])

        for item in data.get("payload", []):
            values = item.get("values", {})
            writer.writerow([
                item.get("time"),
                item.get("name"),
                values.get("x", ""),
                values.get("y", ""),
                values.get("z", ""),
                device_id
            ])

    return jsonify({"status": "ok"}), 200

if __name__ == "__main__":
    app.run(host="0.0.0.0", port=5000)

部署到云服务器 (如阿里云 ECS / 腾讯云 CVM / AWS EC2) 后,填入公网 URL 即可接收数据。

---

路线二: MQTT 消息队列 (推荐用于多设备)

MQTT 是 IoT 领域标准的轻量消息协议,适合多台手机同时采集、实时性要求高的场景。

架构

手机 A ──publish──►                    ──subscribe──► 实时仪表盘
手机 B ──publish──► MQTT Broker (云端) ──subscribe──► 数据存储服务
手机 C ──publish──►                    ──subscribe──► AI 推理服务

Sensor Logger MQTT 配置

1. 进入 设置 → Push via MQTT
2. 填入 Broker 地址: wss://broker.emqx.io:8084/mqtt (公共测试) 或自建 Broker
3. 设置 Topic: sensor/${deviceId}/${sessionId}
4. 用户名/密码 (按 Broker 要求)
5. QoS 0 (至多一次,低延迟)

注意

Sensor Logger 的 MQTT 仅支持 WebSocket (wss://) 传输,不支持原生 TCP 的 1883 端口。

常用 MQTT Broker

Broker	类型	地址	说明
EMQX Cloud	托管服务	wss://xxx.emqxsl.cn:8084	国内访问快,免费 Serverless 版
HiveMQ Cloud	托管服务	wss://xxx.hivemq.cloud:8884	免费 100 连接
EMQX (自建)	开源	Docker 部署	适合私有化部署
Mosquitto (自建)	开源	Docker 部署	轻量级

云端订阅与存储 (Python 示例)

import paho.mqtt.client as mqtt
import json
import sqlite3
from datetime import datetime

# 初始化数据库
conn = sqlite3.connect("sensor_data.db")
conn.execute("""
    CREATE TABLE IF NOT EXISTS readings (
        id INTEGER PRIMARY KEY AUTOINCREMENT,
        timestamp TEXT,
        device_id TEXT,
        session_id TEXT,
        sensor_name TEXT,
        x REAL, y REAL, z REAL
    )
""")

def on_message(client, userdata, msg):
    """收到 MQTT 消息时写入数据库"""
    data = json.loads(msg.payload.decode())
    session_id = data.get("sessionId", "")
    device_id = data.get("deviceId", "")

    for item in data.get("payload", []):
        values = item.get("values", {})
        conn.execute(
            "INSERT INTO readings (timestamp, device_id, session_id, sensor_name, x, y, z) VALUES (?,?,?,?,?,?,?)",
            [
                datetime.utcnow().isoformat(),
                device_id,
                session_id,
                item.get("name"),
                values.get("x"),
                values.get("y"),
                values.get("z"),
            ]
        )
    conn.commit()

client = mqtt.Client(transport="websockets")
client.tls_set()  # wss 需要 TLS
client.on_message = on_message
client.connect("broker.emqx.io", 8084)
client.subscribe("sensor/#")  # 订阅所有设备
client.loop_forever()

---

路线三: 离线文件上传

适合采样完成后批量上传,对实时性没有要求的场景。

方式	步骤	适用
iCloud / Google Drive	App 导出 CSV → 保存到云盘 → 电脑或服务器同步	个人实验
脚本批量上传	导出 CSV → Python 脚本 POST 到 API	批量补传
对象存储	上传 CSV 到 OSS/S3 → 触发云函数处理	自动化流水线

批量上传脚本示例:

import requests
import glob

API_URL = "https://your-server.com/api/upload"

for filepath in glob.glob("sensor_data/*.csv"):
    with open(filepath, "rb") as f:
        resp = requests.post(API_URL, files={"file": f})
        print(f"{filepath}: {resp.status_code}")

---

路线对比

对比项	HTTP POST	MQTT	离线上传
实时性	准实时 (~1s)	实时 (~200ms)	非实时
多设备支持	一般 (每设备一个连接)	优秀 (发布/订阅解耦)	优秀
实现复杂度	低 (一个 Flask 路由)	中 (需要 Broker)	低
断网容错	数据丢失	数据丢失	不丢失
适合场景	单人/少量设备快速验证	多人课堂同时采集	采完后批量分析
SensorLog 支持	HTTP POST/GET	不支持	CSV 导出
Sensor Logger 支持	HTTP POST	MQTT (WSS)	CSV/JSON 导出

教学场景推荐

• 个人实验: HTTP POST + Flask,最简单
• 全班同时采集: MQTT + Sensor Logger,每个学生手机是一个 Publisher
• 课后作业: 离线 CSV 导出 + Python 分析,零门槛

---

云平台快速入门

如果不想自建服务器,可以使用云平台托管方案:

方案 A: 阿里云 IoT + 函数计算

Sensor Logger → MQTT → 阿里云 IoT Platform → 规则引擎 → 函数计算 → 表格存储 OTS

1. 创建阿里云 IoT 产品和设备
2. App 配置 MQTT Broker 地址为阿里云 IoT 接入点
3. 规则引擎将数据转发到函数计算或表格存储
4. 在 DataV 或 Grafana 上可视化

方案 B: AWS IoT Core + S3 + Lambda

Sensor Logger → MQTT → AWS IoT Core → IoT Rule → Lambda → S3 / DynamoDB

方案 C: Grafana Cloud (免费额度)

适合快速搭建可视化仪表盘:

Sensor Logger → HTTP POST → Telegraf (中继) → InfluxDB Cloud → Grafana Dashboard

社区项目 sensorlogger-telegraf 提供了现成的 Telegraf 配置。

---

CSV 数据格式

导出的 CSV 文件示例:

loggingTime,accelerometerAccelerationX,accelerometerAccelerationY,accelerometerAccelerationZ,gyroRotationX,gyroRotationY,gyroRotationZ
2026-03-27T10:00:00.000+0800,0.0234,-0.9812,0.0456,0.0012,-0.0034,0.0078
2026-03-27T10:00:00.020+0800,0.0256,-0.9798,0.0445,0.0015,-0.0031,0.0082

---

Python 数据加载

import pandas as pd
import matplotlib.pyplot as plt

# 加载 CSV
df = pd.read_csv("sensorlog_data.csv")

# 解析时间戳
df['loggingTime'] = pd.to_datetime(df['loggingTime'])
df['elapsed'] = (df['loggingTime'] - df['loggingTime'].iloc[0]).dt.total_seconds()

# 绘制加速度计数据
fig, axes = plt.subplots(3, 1, figsize=(12, 8), sharex=True)

for i, axis in enumerate(['X', 'Y', 'Z']):
    col = f'accelerometerAcceleration{axis}'
    if col in df.columns:
        axes[i].plot(df['elapsed'], df[col], linewidth=0.5)
        axes[i].set_ylabel(f'Accel {axis} (g)')
        axes[i].grid(True, alpha=0.3)

axes[2].set_xlabel('时间 (s)')
fig.suptitle('加速度计原始数据')
plt.tight_layout()
plt.savefig('accelerometer_plot.png', dpi=150)
plt.show()

---

替代方案: Sensor Logger (免费)

如果不想购买 SensorLog,可以使用免费的 Sensor Logger (iOS/Android):

特性	SensorLog	Sensor Logger
价格	付费	免费
平台	iOS	iOS + Android
传感器覆盖	全面	全面
导出格式	CSV / JSON	CSV / JSON
网络流式	TCP/UDP/HTTP	HTTP POST
Apple Watch	支持	支持
Core ML	支持	不支持

Sensor Logger 官网: https://www.tszheichoi.com/sensorlogger

---

延伸阅读

• SensorLog App Store 页面
• Sensor Logger GitHub 社区