地磁复合型传感器，然后对加速度合矢量进行计算，采集及计算的结果作为运动过程中 的加速度基础数据，该加速度基础数据采集与计算可以采用实时采集数据、平均数据、间接 离散采集数据以及连续采集数据或更多其他方式来实现。
[0041] 本例利用可测量的、已知的受测对象的基础信息，所述受测对象的基础信息包括 安静心率、性别、年龄、身高和体重，所述安静心率为受测对象在安静状态下的心率，进而计 算出不同个体的最大心率、最大心率下的耗氧量和基础代谢率，再利用最大心率下的耗氧 量求出在最大心率下的能耗，所述能耗为能量消耗量。在运动过程中，受测对象的加速度矢 量发生变化，记录在一定时间后加速度的值，计算出在这段时间里，加速度的变化引起的能 量消耗量的变化，加上起始时刻的能耗就是经过这段时间后新的能耗；将最大心率下的能 耗和当前计算出的新的能耗以及基础代谢率代入到建立的运动过程中心率与能量之间的 计算模型，进而能够预测出运动过程中的心率。
[0042] 具体的，本例所述步骤S1为通过多轴加速度传感器采集受测对象在运动过程中 所产生的电压信号进而得到多轴加速度传感器在各个方向上的加速度矢量，通过各个方向 的加速度矢量计算得到加速度合矢量。所述各个方向指的是多轴加速度传感器的方向，如 三轴加速度传感器则包括前后、水平和垂直共3个方向的加速度矢量。
[0043] 本例所述步骤S1利用加速度传感器采集受测对象运动过程中产生的电压信号或 其他形式的信号，并将运动程度转化成加速度矢量的值表示，由η个方向的加速度矢量计 算得到该时刻的加速度合矢量；所述步骤S1包括以下子步骤：
[0044] 步骤S101，通过η轴加速度传感器获取t2时刻下，受测对象在η个方向上 的加速度矢量
并计算出在t2时刻的加速度合矢量％ =
[0045] 步骤S102,通过η轴加速度传感器获取h时刻下，受测对象在η个方向上 的加速度矢量
并计算出在h时刻的加速度合矢量％，
[0046] 本例所述步骤S2由步骤S1得到的加速度合矢量的变化，计算受测对象在运动过 程中能耗的变化，建立加速度合矢量和能耗之间的关系模型，求出加速度合矢量的变化之 后，对应的新的能耗的值；所述步骤S2包括以下子步骤：
[0047] 步骤S201，令t2> t i，根据h时刻到12时刻中加速度合矢量从％变换为进而 建立加速度矢量和能耗之间的关系模型为
其中，h为取值范围 为0. 005~0. 010的常系数，所述h的最佳取值为0. 007 ; Δ X为从t i时刻到12时刻里受 测对象在运动过程中的能耗变化量；
[0048] 步骤S202,采集受测对象在h时刻的能耗X。，进而得到受测对象在t2时刻的能耗 X为：
[0049] 本例所述步骤S3根据受测对象的年龄、身高，体重以及性别等基础信息，求出该 受测对象的基础代谢率、最大心率和最大心率下的摄氧量以及最大心率下的能耗；所述步 骤S3包括以下子步骤：
[0050] 步骤S301，根据受测对象的性别、体重、身高和年龄，计算出受测对象的基础代谢 率冊R ;
[0051] 步骤S302,计算受测对象的最大心率y_;
[0052] 步骤S303,测量受测对象在安静时的安静心率yrast，通过最大心率y_和安静心率 yrast得到在单位体积最大心率下的摄氧量V〇
[0053] 步骤S304,通过最大心率下的摄氧量V02_获取受测对象在最大心率下的能耗 -^?max °
[0054] 本例所述步骤S301中，男性受测对象的基础代谢率BMRmlA BMR mle = α 彳 a 2*we i ght+ a 3*he i ght+ a 4*age ;女性受测对象的基础代谢率 BMRf_1(^ BMR f_le = β i+β 2*weight+P 3*height+P 4*age ;其中，weight 为受测对象的体重，height 为受测对 象的身高，age为受测对象的年龄，α ρ α 2、α 3、α 4、β ρ β 2、β 3和β 4为预先设置的常系 数，所述a i的取值范围为50~80,所述α 2的取值范围为10~20,所述α 3的取值范围 为1~10,所述α4的取值范围为-10~〇,所述β 1的取值范围为500~700,所述β 2的 取值范围为5~15,所述β3的取值范围为0~5,所述β 4的取值范围为-10~0;
[0055] 所述步骤S302中，通过ymax= k 2+k3*age计算受测对象的最大心率ymax，其中，1^2为 取值范围为190~220的常系数，k3为取值范围为0. 5~1的常系数；
[0056] 所述步骤S303,通过最大心率ymax和安静心率y rast得到在单位体积最大心率下的 摄氧量乂02_为：V0 2_= k 4*Weight*y_/yrast，其中，k4为取值范围为0. 01~0. 03的常系 数；
[0057] 所述步骤S304中，受测对象在最大心率下的能耗χ_为：x max= k 5*V02max，其中，k5为取值范围为19. 5~21. 5的常系数。
[0058] 本例所述步骤S4建立心率和能耗之间的关系模型，利用能耗的变化预测和计算 心率的变化，进而实现对运动过程中受测对象心率的预测功能；所述步骤S4包括以下子步 骤：
[0059] 步骤S401，建立受测对象运动过程中心率和能耗之间的关系模型为：
，其中，k6为取值范围为0.002~ 0. 004的常系数，k7为取值范围为0. 015~0. 070的常系数；
[0060] 步骤S402,通过加速度传感器测量受测对象在运动过程中某一时刻的加速度矢 量，并将其转化为最大心率下的能耗1_，然后将该最大心率下的能耗1_的值代入所述步 骤S401的公式，即可求出该时刻下对应的心率预测值y。所述某一时刻即为想要知道受测 对象心率的时刻，这个根据用户的需求进行设置，通过该时刻下在各个方向的加速度矢量， 并能够求出其加速度合矢量，结合能耗的值，就能够计算得到该时刻下
[0061] 通过发明人的研究证明，本例所述步骤S301中，a i的最佳取值为65, α 2的最佳 取值为13. 73, α3的最佳取值为5, α 4的最佳取值为-6.9, β 1的最佳取值为660, β 2的 最佳取值9. 6, β 3的最佳取值为1. 72, β 4的最佳取值为-4. 7 ;所述步骤S302中，k 2的最 佳取值为210, k3的最佳取值为0. 7 ;所述步骤S303中，k 4的最佳取值为0. 015 ;所述步骤 S304中，k5的最佳取值为20. 5 ;所述步骤S401中，k 6的最佳取值为0. 0029, k 7的最佳取值 为 0· 035。
[0062] 值得一提的是，本例所述的基于加速度传感器预测运动过程心率的方法针对每一 个受测对象都有一一对应的数据，这些数据是支持每一个受测对象的具有自身独特性的数 据，因此，最终计算出来的心率预测值y也是与每一个受测对象一一对应的，这个心率预测 值y与该受测对象的基础数据相关，即与该受测对象的安静心率、性别、年龄、身高、体重和 历史采集数据都有相关性，因此，非常具备参考价值。
[0063] 本例提出了采用加速度传感器实现对受测对象在运动过程的预测心率的方法，解 决了传统心率测量方法要求专业的操作、设备且不能便携等难题，拓展了心率预测在运动 训练和健康监测等多个领域的应用和普及，本发明仅利用加速度传感器就可以预测受测对 象在运动过程中的心率，简单易操作，测量精度满足普通训练要求，尤其是对于老人或是有 心率健康问题的特殊人群，意义更加重大。
[0064] 实施例2 :
[0065] 在实施例1的基础上，本例进行了实际的模拟测试，测试基于三轴加速度传感器 预测运动过程心率的方法，包括以下步骤：
[0066] 步骤A，三轴加速度传感器感应受测对象在前后、水平和垂直三个方向产生的加速 度信号，及测量X、Y和Z三个方向上的加速度矢量，并计对应该时刻下的加速度合矢量。
[0067] 步骤B，建立加速度合矢量在时间轴上变化量和能耗之间的关系模型
求出能耗的变化量，进而求出新的能耗的值，所述系数4的 取值范围为〇. 005、0. 007和0. 010中的任意一个。
[0068] 步骤C，根据受测对象的性别、体重、身高和年龄，计算出受测人体的基础代谢率 BMR，其中，男士的基础代谢率方法 BMRmale= α i+α 2*Weight+a 3*height+a 4*age，系数为αι，α2，α3，α4,女士的基础代谢率方法 BMRfemale= β i+Pj^weight+P^height+Pdage， 系数为β2, β3, β4;α 1的最佳取值为65, α 2的最佳取值为13. 73, a 3的最佳取值为 5, α 4的最佳取值为-6. 9 ; β 1的最佳取值为660, β 2的最佳取值为9. 6, β 3的最佳取值为