一种具备环境适应能力的运动负荷评估方法

技术特征：
1.一种具备环境适应能力的运动负荷评估方法，所述方法包括训练阶段和预测阶段，其特征在于，所述的训练阶段包括以下步骤：步骤s1：召集对象人员，让对象人员保持身体静止、呼吸平稳，然后让对象人员进入运动状态，并在稳定状态下进行运动,询问获得对象人员的运动负荷；步骤s2：测量对象人员在他/她进行运动的时段中的心电数据，测量对象人员在他/她进行运动的时段中周围环境温度与相对湿度的数据；步骤s3：利用步骤s2中采集得到的心电数据计算心率差值特征；步骤s4：利用步骤s2中采集得到的心电数据计算心率变异性特征；步骤s5：利用步骤s1、步骤s2、步骤s3、步骤s4所获得的周围环境温度与相对湿度的数据、心率差值特征、心率变异性特征构建样本集sample；步骤s6：将样本集sample划分为训练数据sample
t
和测试数据samplev，利用模型训练数据sample
t
训练分类器模型，并在测试数据samplev上进行模型测试；所述的预测阶段包括以下步骤：步骤t1：选定一名对象人员，让对象人员保持身体静止、呼吸平稳，然后让对象人员进入运动状态，并在稳定状态下进行运动；步骤t2：测量对象人员在他/她进行运动的时段中的心电数据，测量对象人员在他/她进行运动的时段中周围环境温度与相对湿度的数据；步骤t3：利用步骤t2中采集得到的心电数据计算心率差值特征、心率变异性特征；步骤t4：利用步骤t2、步骤t3所获得的周围环境温度与相对湿度的数据、心率差值特征、心率变异性特征和步骤s6训练好的分类器模型预测对象人员的运动负荷。2.如权利要求1所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s1的过程为：召集多位对象人员p
j
∈[p1，p2，...，p
l
]，l为对象人员数量,j＝1，2，...，l，维持对象人员p
j
周围的环境状态，所述的环境状态是指对象人员p
j
所处的环境的温度、相对湿度，让对象人员p
j
保持身体静止、呼吸平稳，然后让对象人员p
j
开始运动，对象人员p
j
在运动中维持稳定的运动状态不变，所述的运动状态是指对象人员p
j
的运动速度，询问获得当前对象人员p
j
的运动负荷r
i
，所述的运动负荷r
i
是基于自感疲劳分级制定，包括从身体静止到体力极限的十个rpe等级；改变环境状态、运动状态和对象人员，从而获得多组运动负荷r
i
，共同组成运动负荷样本集r＝[r1，r2，...，r
m
]，m为所有采集得到的样本数目,i＝1，2，...，m。3.如权利要求2所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s2的过程为：利用心电信号采集设备测量对象人员p
j
的心电数据e
i
，所述的心电数据e
i
包括身体静止时的心电数据e
i|resting
和运动中的心电数据e
i|sport
，利用环境温度计与环境湿度计测量对象人员p
j
所处环境的温度t
i
、相对湿度s
i
，改变环境状态、运动状态和对象人员，从而获得多组心电数据e
i
、温度数据t
i
、相对湿度数据s
i
，组成心电数据样本集e＝[e1，e2，...，e
m
]、温度数据样本集t＝[t1，t2，...，t
m
]、相对湿度数据样本集s＝[s1，s2，...，s
m
]，m为所有采集得到的样本数目，i＝1，2，...，m。4.如权利要求3所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s3的过程为：
利用r峰识别算法对步骤s2中心电数据e
i
进行信号处理，获取步骤s2中心电数据的r峰位置并计算r峰间隔时间，利用r峰间隔时间的均值计算心率hr
i
，其计算公式为：其中，为对象人员p
j
心电数据e
i
计算的r峰间隔时间均值，单位为秒，hr
i
为心率，单位为次/分钟；计算心率差值hd
i
替代心率hr
i
，作为步骤s3的心率差值特征，心率差值hd
i
的计算公式为：hd
i
＝hr
i|sport-hr
i|resting
其中，hr
i|sport
是指利用e
i
中包含的e
i|sport
计算所得的心率，hr
i|resting
是指利用e
i
中包含的e
i|resting
计算所得的心率；利用步骤s2中心电数据样本集e中每组心电数据e
i
计算心率差值hd
i
，组成心率差值样本集hd＝[hd1，hd2，...，hd
m
]，m为所有采集得到的样本数目，i＝1，2，...，m。5.如权利要求4所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s4的过程为：使用频域变换法将步骤s3中由心电数据e
i
包含的e
i|sport
计算得到的r峰间隔时间转换为频域形式，其计算公式为：f(t)
i
→
f(w)
i
其中，f(t)
i
表示r峰间隔时间的时域函数，f(w)
i
表示r峰间隔时间的频谱函数，分别计算r峰间隔时间频域形式的低频功率lf
i
和高频功率hf
i
，计算所获的低频功率和高频功率的比值，获得低频功率与高频功率之比lh
i
，以低频功率lf
i
、低频功率与高频功率之比lh
i
作为心率变异性特征；所述的低频功率lf
i
，表示r峰间隔时间在0.04-0.15hz区间的功率值，用于评估人体疲劳程度，其计算公式如下：其中，w是指频率，f(w)
i
表示r峰间隔时间的频谱函数，lf
i
是指r峰间隔时间的低频功率；所述的高频功率hf
i
，表示r峰间隔时间在0.15-0.4hz区间的功率值，其计算公式如下：其中，w是指频率，f(w)
i
表示r峰间隔时间的频谱函数，hf
i
是指r峰间隔时间的高频功率；所述的低频功率与高频功率之比lh
i
，其计算公式如下：其中，w是指频率，f(w)
i
表示r峰间隔时间的频谱函数，lh
i
是指r峰间隔时间的低频功率
与高频功率的比值；利用步骤s2中心电数据样本集e中每条心电数据计算低频功率lf
i
、低频功率与高频功率之比lh
i
，组成低频功率样本集lf＝[lf1，lf2，...，lf
m
]、lh＝[lh1，lh2，...，lh
m
]，m为所有采集得到的样本数目,i＝1，2，...，m。6.如权利要求5所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s5的过程为：利用步骤s1、步骤s2、步骤s3、步骤s4所获得的周围环境温度样本集t与相对湿度样本集s、心率差值样本集hd、低频功率样本集lf、低频功率与高频功率之比样本集lh构建多组特征矩阵features_input
i
，所述的特征矩阵features_input
i
表示为：features_input
i
＝{t
i
，s
i
，hd
i
，lf
i
，lh
i
}每个特征矩阵由五个点值数据组成，分别为：环境温度t
i
、相对湿度s
i
，、心率差值数据hd
i
、低频功率lf
i
，、低频功率与高频功率之比lh
i
，每个特征矩阵features_input
i
对应运动负荷样本集r中的运动负荷r
i
，将该对应的运动负荷r
i
作为特征矩阵features_input
i
的运动负荷标签，所有特征矩阵共同构成样本集sample＝[features_input1，features_input2，...，features_input
m
]，m为所有采集得到的样本数目,i＝1，2，...，m。7.如权利要求6所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤s6的过程为：将步骤s5所述的样本数据集sample划分为训练数据sample
t
和测试数据samplev，所述的训练数据用于训练模型，所述的测试数据用于模型性能测试，对模型的预测效果进行评价；所述的评价依据的评价标准基于准确率accuracy，所述的准确率通过利用测试数据预测运动负荷，并将预测结果同特征矩阵运动负荷标签进行比较得到，所述的准确率accuracy计算公式如下：accuracy计算公式如下：accuracy计算公式如下：其中，指代所述的分类器模型输出的预测的运动负荷，r
i
指代测试数据数据集特征矩阵中的运动负荷标签，g(i)指代对第i个样本预测正误的判断函数，g(i)＝1代表预测正确，g(i)＝0代表预测错误,n为测试数据中预测正确的样本数量，v为测试数据样本数量；利用训练数据训练分类器模型，然后利用经测试数据测试训练后的分类器模型，生成准确率；根据所述的准确率进一步调优分类器模型，并重复利用训练数据训练分类器模型，使得准确率尽可能的达到最大值，所述的调优为调整分类器模型的模型参数。8.如权利要求1～7之一所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤t1的过程为：选定一位对象人员p，维持对象人员p周围的环境状态，所述的环境状态是指对象人员p所处的环境的温度、相对湿度，让对象人员p保持身体静止、呼吸平稳，然后让对象人员p开
始运动，对象人员p在运动中维持稳定的运动状态不变，所述的运动状态是指对象人员p的运动速度；所述的步骤t2的过程为：利用心电信号采集设备测量对象人员p的心电数据e
p
，所述的心电数据e
p
包括身体静止时测得的心电数据e
p|resting
和运动中测得的心电数据e
p|sport
，利用环境温度计与环境湿度计测量运动中对象人员p所处环境的温度t
p
、相对湿度s
p
。9.如权利要求8所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤t3的过程为：利用r峰识别算法对步骤t2中心电数据e
p
进行信号处理，获取步骤t2中心电数据的r峰位置并计算r峰间隔时间，利用r峰间隔时间的均值计算心率hr
p
，其计算公式为：其中，为对象人员p心电数据e
p
计算的r峰间隔时间均值，单位为秒，hr
p
为心率，单位为次/分钟；计算心率差值hd
p
替代心率hr
p
，作为步骤s3的心率差值特征，心率差值hd
p
的计算公式为：hd
p
＝hr
p|sport-hr
p|resting
其中，hr
p|sport
是指利用e
p
中包含的e
p|sport
计算所得的心率，hr
p|resting
是指利用e
p
中包含的e
p|resting
计算所得的心率；使用频域变换法将步骤t3中由心电数据e
p
包含的e
p|sport
计算得到的r峰间隔时间转换为频域形式，其计算公式为：f(t)
p
→
f(w)
p
其中，f(t)
p
表示r峰间隔时间的时域函数，f(w)
p
表示r峰间隔时间的频谱函数，分别计算r峰间隔时间频域形式的低频功率lf
p
和高频功率hf
p
，计算所获的低频功率和高频功率的比值，获得低频功率与高频功率之比lh
p
，以低频功率lf
p
、低频功率与高频功率之比lh
p
作为心率变异性特征；所述的低频功率lf
p
，表示r峰间隔时间在0.04-0.15hz区间的功率值，用于评估人体疲劳程度，其计算公式如下：其中，w是指频率，f(w)
p
表示r峰间隔时间的频谱函数，lf
p
是指r峰间隔时间的低频功率；所述的高频功率hf
p
，表示r峰间隔时间在0.15-0.4hz区间的功率值，其计算公式如下：其中，w是指频率，f(w)
p
表示r峰间隔时间的频谱函数，hf
p
是指r峰间隔时间的高频功率；
所述的低频功率与高频功率之比lh
p
，其计算公式如下：其中，w是指频率，f(w)
p
表示r峰间隔时间的频谱函数，lh
p
是指r峰间隔时间的低频功率与高频功率的比值。10.如权利要求9所述的一种具备环境适应能力的运动负荷评估方法，其特征在于，所述的步骤t4的过程为：利用步骤t2、步骤t3所获得的周围环境温度t
p
与相对湿度s
p
、心率差值hd
p
、低频功率lf
p
、低频功率与高频功率之比lh
p
构建特征矩阵features_input
p
，所述的特征矩阵features_input
p
表示为：features_input
i
＝{t
p
，s
p
，hd
p
，lf
p
，lh
p
}每个特征矩阵由五个点值数据组成，分别为：环境温度t
p
、相对湿度s
p
、心率差值hd
p
、低频功率lf
p
、低频功率与高频功率之比lh
p
，将特征矩阵输入到训练阶段步骤s6训练完毕的分类器模型当中，即可预测对象人员的运动负荷r
p
。

技术总结
一种具备环境适应能力的运动负荷评估方法，包括训练阶段和预测阶段，训练阶段，让对象人员开始运动；测量对象人员的心电数据和所处环境的温度、相对湿度数据；基于所测量的心电数据计算心率差值特征；基于所测量的心电数据计算心率变异性特征；利用心率差值特征、心率变异性特征、周围环境温度和相对湿度数据，训练并验证基于分类器模型的运动负荷评估模型，选择在测试集上具有最高识别率的训练模型应用于预测阶段。本发明结合周围环境温度、相对湿度以及对象人员的生理数据，在不需要询问对象人员的情况下，能够准确预测出对象人员的运动负荷，且具有环境适应能力。且具有环境适应能力。且具有环境适应能力。


技术研发人员：潘赟 王凯隆 朱怀宇 李俊捷
受保护的技术使用者：浙江大学
技术研发日：2022.05.27
技术公布日：2022/8/12