1.72, β4的最佳取值为-4. 7。
[0069] 步骤D，通过公式ymax= k 2+k3*age求出最大心率ymax，k2, k3均是常数。k2的取值 范围为[190, 220]，k3的取值范围为[0.5, l]，k2的最佳取值为210, k3的最佳取值为0.7。 并利用测量得到的安静心率yrast，计算最大心率下耗氧量V02max= k 4*weight*ymax/yrast。最 大心率下耗氧量的计算方法中选取的系数为匕。k4的取值范围为[0.01，0.03]，k4的最佳 取值为0.015。
[0070] 步骤E，通过最大心率的耗氧量V02max计算出最大心率下的能耗X _，计算最大心率 下的能耗x_的方法X mx= k 5*V02_，系数为k5。k5的取值范围为[19. 5, 21. 5]，k 5的最佳 取值为20. 5。
[0071] 步骤F，建立运动过程中，受测对象的心率和能耗之间的关系模型为：
，该关系模型中涉及到最大心率下 的能耗x_和基础代谢率BMR等可以通过前面的步骤计算得到，而系数k 6的取值范围为
[0. 002, 0. 004]，系数k7的取值范围为[0. 015, 0. 070]，k 6的最佳取值为0. 0029, k 7的最佳 取值为0.035。
[0072] 步骤G，将加速度传感器计测出的加速度合矢量，转化为最大心率下的能耗x_，代 入运动过程中受测对象的心率和能耗之间的关系模型，即代入步骤F中的关系模块就可以 得到心率的预测值y。
[0073] 实施例3 :
[0074] 本发明还提供一种基于加速度传感器预测运动过程心率的装置，所述基于加速度 传感器预测运动过程心率的装置采用了如实施例1或实施例2所述的基于加速度传感器预 测运动过程心率的方法。
[0075] 优选的，本例所述基于加速度传感器预测运动过程心率的装置为手表，当老人或 是有心率健康问题的特殊人群带上本发明所述的基于加速度传感器预测运动过程心率的 装置时，通过一定时间的数据统计和分析，便能够在运动过程中实现心率的预测，意义非常 重大。
[0076] 以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定 本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在 不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的 保护范围。
【主权项】
1. 一种基于加速度传感器预测运动过程心率的方法，其特征在于，包括以下步骤： 步骤S1，通过加速度传感器采集并计算受测对象在运动过程中所产生的加速度矢量； 步骤S2,通过分析加速度矢量值在时间轴上的变化，计算受测对象在运动过程中能耗 的变化，建立加速度矢量和能耗之间的关系模型； 步骤S3,采集受测对象的基础信息，通过计算得到受测对象的基础代谢率、最大心率、 最大心率下的摄氧量以及最大心率下的能耗； 步骤S4,建立受测对象运动过程中心率和能耗之间的关系模型，利用能耗的变化计算 心率的变化，实现运动过程中针对该受测对象心率的预测。2. 根据权利要求1所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 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。3. 根据权利要求1所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 所述步骤S1包括以下子步骤： 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％s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 加速度矢量气、s' ……并计算出在h时刻的加速度合矢量％ :4. 根据权利要求3所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 所述步骤S2包括以下子步骤： 步骤S201，令t2>ti，根据心时刻到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；ΔX为从^时刻到12时刻里受测对象在运动过程中的能耗变化 量； 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：5. 根据权利要求4所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 所述4的取值为0.007。6. 根据权利要求1至5任意一项所述的基于加速度传感器预测运动过程心率的方法， 其特征在于，所述步骤S3包括以下子步骤： 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 BMR； 步骤S302,计算受测对象的最大心率y_; 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〇2_; 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X_。7. 根据权利要6所述的基于加速度传感器预测运动过程心率的方法，其 特征在于，所述步骤S301中，男性受测对象的基础代谢率BMR"^为BMR_ = α彳a2*weight+a3*height+a4*age;女性受测对象的基础代谢率BMRf_1(^BMRf_le = βi+β2*weight+P3*height+P4*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，αρα2、α3、α4、βρβ2、β3和β4为预先设置的常系 数，所述ai的取值范围为50~80,所述α2的取值范围为10~20,所述α3的取值范围 为1~10,所述α4的取值范围为-10~〇,所述β1的取值范围为500~700,所述β2的 取值范围为5~15,所述β3的取值范围为0~5,所述β4的取值范围为-10~0; 所述步骤S302中，通过ymax=k2+k3*age计算受测对象的最大心率ymax，其中，k2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； 所述步骤S303,通过最大心率ymax和安静心率yrast得到在单位体积最大心率下的摄氧 量乂〇2_为2_=k4*Weight*y_/yrast，其中，k4为取值范围为0· 01~0· 03的常系数； 所述步骤S304中，受测对象在最大心率下的能耗x_为：x_=k5*V02_，其中，k5为取 值范围为19. 5~21. 5的常系数。8. 根据权利要求7所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 所述步骤S4包括以下子步骤： 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； 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。9. 根据权利要求8所述的基于加速度传感器预测运动过程心率的方法，其特征在于， 所述步骤S301中，α取值为65,α2的取值为13. 73,α3的取值为5,α4的取值为-6. 9， β:的取值为660,β2的取值9. 6,β3的取值为1. 72,β4的取值为-4. 7 ;所述步骤S302 中，匕的取值为210,k3的取值为0. 7 ;所述步骤S303中，k4的取值为0. 015 ;所述步骤S304 中，匕的取值为20. 5 ;所述步骤S401中，k6的取值为0. 0029,k7的取值为0. 035。10. -种基于加速度传感器预测运动过程心率的装置，其特征在于，采用了如权利要求 1至9任意一项所述的基于加速度传感器预测运动过程心率的方法。
【专利摘要】本发明提供一种基于加速度传感器预测运动过程心率的方法及装置，所述基于加速度传感器预测运动过程心率的方法包括以下步骤：步骤S1，通过加速度传感器采集并计算受测对象在运动过程中所产生的加速度矢量；步骤S2，通过分析加速度矢量值在时间轴上的变化，计算受测对象在运动过程中能耗的变化，建立加速度矢量和能耗之间的关系模型；步骤S3，采集受测对象的基础信息，计算得到其基础代谢率、最大心率、最大心率下的摄氧量以及能耗；步骤S4，建立受测对象运动过程中心率和能耗之间的关系模型，实现运动过程中针对该受测对象心率的预测。本发明通过加速度传感器就能预测运动过程受测对象的心率，简单易操作，测量精度能够满足训练要求。
【IPC分类】A61B5/024
【公开号】CN105286842
【申请号】CN201510752717
【发明人】李永旭, 马自强, 王建鹏, 陈文武, 肖子玉, 田言金
【申请人】深圳风景网络科技有限公司, 李永旭
【公开日】2016年2月3日
【申请日】2015年11月6日