一种利用可穿戴PPG传感器的自由重量训练监测方法

本发明涉及一种自由重量训练监测方法，具体涉及一种利用可穿戴ppg(光电容积脉搏波标记法，photo plethysmo graphy)传感器的自由重量训练监测方法，属于移动计算应用与人体训练辅助。

背景技术：

1、自由重量训练通常使用哑铃、杠铃和壶铃等健身器材，通过控制负荷重量、重复次数和运动类型的选择来改善或维持人体肌肉。因在增强肌肉力量、改善身心健康等方面发挥着显著的作用，自由重量训练已广泛流行开来。然而，大多数锻炼者在参与自由重量训练时，很难在没有专业指导的情况下选择合适的负荷重量。一般来说，负荷重量过大可能会导致运动损伤，负荷重量不足则可能影响训练效果，阻碍了锻炼者的进步。

2、目前，各种健身辅助解决方案发展迅速。这些解决方案能够为跑步、自量训练和高强度间歇训练等运动提供精确而个性化的训练监测和建议反馈。然而，自由重量训练辅助领域的研究进展较为缓慢。大多数锻炼者在训练过程中仍需要借助于各种负荷重量调整模型(例如金字塔模型、线性模型等)手动记录、计算和调整负荷重量，计算过程不仅繁琐、耗时，而且容易出现错误。

3、为了解决上述问题，研究者们尝试了不同的设备来实现自动负荷重量估计。根据感知对象，这些工作可以分为两类：一类基于专用设备，另一类基于可穿戴设备。基于专用设备的工作依赖智能可调节哑铃、无源rfid标签等来感知锻炼者所用的健身器材。然而，智能哑铃和rfid阅读器的高成本阻碍了此类工作的大规模部署。基于可穿戴设备的方法使用表面肌电图、惯性测量单元和ppg(photoplethysmography，光电容积脉搏波)传感器来估计负荷重量。通过感知锻炼者而不是健身器材，这类工作可以实现对所有类型运动的监测。然而，这些方法粒度过粗，鲁棒性较差，很难实现高精度的负荷重量估计。此外，目前还没有工作可以提供对负荷重量调整的建议。

4、综上所述，现有技术存在各种不足，迫切需要开发一种新的易于部署、低成本和细粒度的自由重量训练监测技术。

技术实现思路

1、本发明的目的是为了克服在人体自由重量训练中，现有的负荷重量估计技术成本高、鲁棒性差等缺陷和不足，创造性地提出一种利用可穿戴ppg传感器的自由重量训练监测方法。本发明利用ppg传感器上的红外光和绿光来照射手腕皮肤，并收集包含肌肉运动信息的光密度变化数据。通过分析变化数据，获取锻炼者当前使用的负荷重量、重复次数和运动类型，并进一步预测下一步所需的调整的负荷重量。

2、本发明的创新点包括：在自由重量训练过程中，参与运动的主要肌群被激活，肌肉收缩并产生力量输出以克服给定阻力。在激活的肌肉组织中产生的力量增加了周围血管的阻力，并在不同程度上压缩了动脉的几何形状。ppg是一种用于无创检测心跳周期期间的血容量变化的光学技术。因此，由肌肉收缩和血管变形引起的动脉血流变化可以改变ppg波形的模式。简而言之，不同负荷重量和运动类型下特定肌肉群的变形会引起动脉的几何变化，并进一步地在ppg信号中产生细微而独特的变化模式。通过分析这种变化模式，本发明可以实现对负荷重量和运动类型的识别，并进一步地对自由重量训练进行监测。

3、本发明的目的是通过以下技术方案实现的。

4、一种利用可穿戴ppg传感器的自由重量训练监测方法，包括以下步骤：

5、步骤1：使用红外光和绿光的双波长ppg传感器，采集人体锻炼过程中腕处的两路ppg信号，去除ppg信号中的高频噪声和动脉噪声，得到纯净的运动衍生信号。

6、具体地，包括以下步骤：

7、步骤1.1：对采集到的两路ppg信号分别进行处理(可以利用低通滤波器处理)，消除与ppg信号频率不重叠的高频干扰。

8、步骤1.2：将两路ppg信号相减获取动脉噪声参考信号，利用自适应滤波技术进一步消除动脉噪声，提取纯净的运动衍生信号。

9、步骤2：分割运动衍生信号并估计运动重复次数，为每个动作片段生成可有效表示时空特征的递归图。

10、具体地，包括以下步骤：

11、步骤2.1：利用移动窗口法检测运动衍生信号上每个动作片段的起始点和结束点，实现动作分割和运动重复次数估计。

12、步骤2.2：为步骤2.1得到的每个动作片段生成递归图。

13、步骤3：将递归图和人体个人信息输入至多任务卷积神经网络，同时实现负荷重量估计和运动类型识别，并根据人体状态和锻炼目标，提出个性化负荷重量调整建议，实现自由重量训练监测。

14、具体地，包括以下步骤：

15、步骤3.1：构建多任务卷积神经网络模型，将步骤2.2得到的表示时空特征的递归图像和人体个人信息作为输入，以负荷重量估计和运动类型识别结果作为输出。

16、步骤3.2：结合步骤3.1获得的负荷重量、运动类型和重复次数，根据用户的状态和目标选择最适合的负荷重量调整模型，给予人体负荷重量调整建议。

17、至此，从步骤1到步骤3，实现了利用可穿戴ppg传感器的自由重量训练监测。

18、有益效果

19、本发明方法，与现有技术相比，具有以下优点：

20、1.本发明仅使用集成在商用可穿戴设备中的低成本ppg传感器便可以实现连续和被动的自由重量训练监测，无需锻炼者中断训练，可推广性强。此外，本发明将负荷重量估计重新定义为回归问题，不再局限于离散的负荷重量类别，并提供个性化的负荷重量调整反馈建议。

21、2.本发明提出了一种新颖的动脉噪声消除方法，有效地降低了动脉中脉搏噪声的影响；设计了一种新颖的基于递归图的特征提取方法，将每个动作片段映射到二维相空间来提取时空特征；构建了一种新颖的基于卷积神经网络的多任务学习模型，同时实现了对负荷重量和运动类型的监测。

技术特征：

1.一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤1.1中，使用截止频率为5hz的四阶巴特沃斯低通滤波器去除两路ppg信号中的高频噪声；随后，将两路信号范围均缩放到[-1,1]。

3.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤1.2中，将步骤1.1得到的红外光和绿光两路ppg信号分别记作x(k)、y(k)，k标记了信号序列；然后，将动脉噪声参考信号定义为a(k)，a(k)＝x(k)-y(k)；

4.如权利要求3所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于：

5.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤2.1中，首先找到运动衍生信号的第一个波谷的位置v1，使用自相关算法计算信号在前15秒内的周期p1，设置跳跃步长t的初始值为p1；

6.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤2.2中，首先将时间序列中的每个点pm变换成相空间中相应的状态重构相空间；

7.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤3.1中构建的多任务卷积神经网络模型，从输入递归图中自动提取鲁棒的特征表示，并将个人信息明确纳入学习模型；

8.如权利要求1所述的一种利用可穿戴ppg传感器的自由重量训练监测方法，其特征在于，步骤3.2中，采用决策树方案，基于用户状态和目标自动选择4种负荷重量调整模型之一，包括线性模型、二对二模型、金字塔模型和重复最大值区域模型，4种模型信息如下：

技术总结
本发明涉及一种利用可穿戴PPG传感器的自由重量训练监测方法，属于移动计算应用与人体训练辅助技术领域。本发明利用PPG传感器上的红外光和绿光来照射手腕皮肤，并收集包含肌肉运动信息的光密度变化数据。通过分析变化数据，获取锻炼者当前使用的负荷重量、重复次数和运动类型，并进一步预测下一步所需的调整的负荷重量。本发明提出了一种新颖的动脉噪声消除方法，有效地降低了动脉中脉搏噪声的影响，设计了一种新颖的基于递归图的特征提取方法，将每个动作片段映射到二维相空间来提取时空特征，构建了一种新颖的基于卷积神经网络的多任务学习模型。本发明能够对负荷重量和运动类型进行有效识别，实现对自由重量训练的监测。

技术研发人员：李凡,刘晓晨,曹烨彤,翟圣淳
受保护的技术使用者：北京理工大学
技术研发日：
技术公布日：2024/1/22