CN101636107A - 训练强度测定方法 - Google Patents

训练强度测定方法 Download PDF

Info

Publication number
CN101636107A
CN101636107A CN200880007655A CN200880007655A CN101636107A CN 101636107 A CN101636107 A CN 101636107A CN 200880007655 A CN200880007655 A CN 200880007655A CN 200880007655 A CN200880007655 A CN 200880007655A CN 101636107 A CN101636107 A CN 101636107A
Authority
CN
China
Prior art keywords
interval
standard
interval series
series
heart rate
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN200880007655A
Other languages
English (en)
Inventor
尼古劳斯·克莱普
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Individual filed Critical Individual
Publication of CN101636107A publication Critical patent/CN101636107A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A61B5/346—Analysis of electrocardiograms
    • A61B5/349—Detecting specific parameters of the electrocardiograph cycle
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
    • A61B5/221—Ergometry, e.g. by using bicycle type apparatus
    • A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Cardiology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physiology (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Analysing Materials By The Use Of Radiation (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明公开了一种对个体(2)的训练强度进行测定的方法。在该方法中，记录连续心跳间期RRi(13)，然后采用数学模拟方法，根据所述间期序列RRi(13)生成标准间期序列rri(14)。分别根据两个连续的标准间期rri(14)和rri+1生成庞加莱散点图(Poincaré－Plot)中的点，并且计算这些点相对于置信椭圆长轴X0(16)的标准偏差SOL。然后根据间期序列RRi(13)的平均值RRMW与标准偏差SOL组成的用于其它标准间期序列rri(14)的值对，生成个体(2)的训练强度曲线(20)；根据相当于平均值RRMW的心率HF(HF＝1/RRMW)和标准偏差SOL的值对生成所述训练强度曲线(20)。

Description

训练强度测定方法
本发明涉及一种对个体的负荷强度或训练强度进行测定的方法，即按照权利要求1、2和19所述的特征，测定个体的心率信息。
尤其对于运动医学应用而言，核心问题就是训练者的训练强度或者负荷强度达到最佳水平。但是纯粹的心率-成绩测试完全不适用，因为心率与负荷强度近似成正比，无法据此测定最佳训练水平。个体的情况千差万别，仅可通过血液中的乳酸浓度进行测定。乳酸是厌氧乳酸代谢的最终产物，是用来客观评价耐力的最佳指标。在大运动量耐力训练过程中，如果通过呼吸道吸收的氧不足以满足收缩肌肉所需的能量，就会形成乳酸。在负荷情况下会不断地形成乳酸，但也会重新将其消除，使得强度增加时达到产生量恰好等于消除量的乳酸浓度。在运动医学领域将这一范围称作最大乳酸稳态(maxlass)、有氧/无氧阈，或者称作代谢极限。因此只要了解不同身体负荷下的血乳酸浓度，也就是了解个体的代谢情况，就能可靠评价、控制耐力。仅将心率与成绩关联的测试方法不适合用来测定最佳训练水平。
当然需要耗费时间进行检查，同时抽取血样进行分析，以便能够测定不同负荷情况下个体血乳酸浓度的变化。但这些检测方法完全不适合在训练过程中进行检测。因此曾有人尝试研究能够结合体力活动无创鉴定体内乳酸含量的方法，例如EP 1127543B1就描述了这样一种方法。按照该专利所述，将个体的心率信息与该个体的生理学参数共同输入到数学模型之中，该数学模型对体内乳酸浓度进行建模，从而得出训练者体内乳酸浓度的评估值。但是所使用的生理学参数(如年龄，体重，升高及性别)以及所输入的负荷参数(如健身车的速度或者阻力)不仅不足以获得可靠的结果，而且难以应用于大众体育。
因此本发明的目的在于，提供一种个体训练强度测定方法，能够根据心率测量结果确定个体的最佳训练强度。
采用符合权利要求1所述步骤的方法，即可实现本发明的这一目的。所述的个体训练强度测定方法采用检测心率信息，即首先记录连续心跳间期RRi。以确定连续间期RRi的数量N或者确定观测区间的方式，选择间期序列RRi，然后根据该间期序列RRi，采用数学模拟方法生成标准间期序列rrj。然后针对两个连续的标准间期rri和rri+1，在标准间期rri的庞加莱散点图中生成云点，采用正交回归分析法确定标准间期序列rri的云点在庞加莱散点图中的长轴X0和短轴Y0。然后根据这些云点相对于长轴X0的正交距离算出标准偏差SOL。将间期序列RRi的平均值RRMW与标准偏差SOL组成的值对作为部分分析结果保存起来。针对其它间期序列RRi继续执行上述分析步骤。然后根据算出的相当于平均值RRMW的心率HF(HF＝1/RRMW)和标准偏差SOL生成个人训练强度曲线。将最后一次测定的心率HF与算出的训练强度曲线进行比较，最终算出个体的当前具体训练强度。这些方法的有益之处在于：不必事先耗费时间进行检查，例如抽血、测定血乳酸浓度，就可以在训练过程中进行监测，并且确定训练者的最佳负荷范围。
也可独立采用符合权利要求2所述步骤的方法来实现本发明的目的，即作为对上述方法的补充，除了标准偏差SOL之外，也可根据标准间期序列rri的云点相对于长轴Y0的正交距离计算另一个标准偏差SOW。将间期序列RRi的平均值RRMW与标准偏差SOL和标准偏差SOW的商s＝SOL/SOW组成的值对作为部分分析结果保存起来。然后根据算出的值对生成个体的训练强度曲线，将最后一次测定的心率HF与算出的训练强度曲线进行比较，算出个体的当前具体的训练强度或者身体负荷状态。
按照本发明所述方法的一种改进实施方式，从时间相互重叠的观测区间中选择用于进行分析的间期序列RRi。这样有助于较快地获得足够数量的值对来确定训练强度曲线，从而可以更快、更加可靠地推断出有关当前训练强度的信息。
权利要求6～9所述方法的改进实施方式也有益处，因为能够以此改善分析结果的可靠性。
权利要求10～15所述实施方式的优点在于：不仅可以在负荷下限、而且也可在负荷上限范围内获得具有较强或者更为突出的曲线段的训练强度曲线。这样可以更加可靠地确定最佳训练范围。
权利要求16所述改进实施方式的优点在于：可通过所使用的训练强度逼近算法提供足够好的逼近值。
权利要求17所述的改进实施方式也有益处，因为可以形成随时间变得更加稳定的训练强度曲线，并且能可靠监测训练或负荷强度。
按照本发明所述方法的一种改进实施方式，在训练结束之后将训练强度曲线与诸如个人姓名之类的数据和训练数据共同保存起来。这样有助于将来进行比较，并且可以推断出个人成绩的长期发展情况。
采用权利要求19所述的个人负荷强度监测装置也可实现本发明的目的。所述装置包括：可以固定在身体上的具有用来记录心率的传感器的单元；用来执行上述某一方法的分析单元；以及将算出的负荷强度告知个人的输出单元。
以下将根据附图所示的实施例，对本发明进行详细解释。
相关附图如下：
图1固定在训练者身上用于监测负荷强度的装置；
图2胸带以及图1所示装置的监测单元的原理示意图；
图3连续心跳间期RRi的数值图；
图4标准间期序列rri简图；
图5标准间期rri的庞加莱散点图；
图6不同负荷强度或者不同心率HF下标准偏差SOL曲线图；
图7训练强度的另一种实施例；
图8含有伪迹的间期RRi的简图。
在描述不同的实施例中，相同的部件均具有相同的附图标记或者相同的部件名称，且所有描述中所包含的公布内容均可转用于具有相同附图标记或者具有相同部件名称的部件。描述内容中所选用的位置说明(例如上、下、侧面等等)均对应于直接描述的或者绘制的附图，且在位置改变后将其转用于新的位置。所介绍以及所描述的不同实施例中的单一特征或者组合特征也可用来表达自身独立的解决方案、有创造性的解决方案或者本发明所述的解决方案。
图1所示的负荷强度监测装置1固定在训练者2身上。
按照该实施例所述，装置1包括胸带3，其配有用来记录心率的传感器4以及个人2可以像手表一样佩戴的监测单元5。
传感器4具有电极，从而能够按照已知方式记录个人2心电活动的心电图(EKG)。
图2所示为装置1的胸带3和监测单元5的简化原理示意图。
除了传感器4之外，胸带3也具有发射器6，用来将检测信号传输给监测单元5。监测单元具有接收器7作为继续处理心率信息的信号输入端。监测单元还包括中央控制器8、分析单元9以及存储器10，用来保存或临时保存所记录的心率信息或者分析计算数据。配有用来操作监测单元5的操作单元11以及用来显示数据分析结果的输出或显示装置12。在分析单元9或者中央控制器8中加载有用来执行本发明所述方法的计算机程序。
在分析单元9中根据个人2的心电信号检测连续心跳间期，并且将其保存在存储器10之中。
现在依据图3～6对本发明所述方法的第一种实施例进行描述。
图3所示为包含连续心跳间期RRi 13的简图。
以编号i为横坐标、并且以间期RRi 13为纵坐标表示单独心跳之间的时间间隔。间期RRi 13的单位通常为ms(毫秒)，也就是前后两次心跳之间的时长。此外也可以使用某一次心跳的当前时刻替代编号i作为横坐标参量。在下一个步骤中，从连续记录的间期RRi 13中选择间期序列RRi作为分析心率HF变化的依据。以分散单位进行分析，例如150个固定数的间期RRi13，或者在观测区间内所记录的所有心跳次数，例如1.5分钟内。例如可通过N＝150个连续间期RRi 13(i＝1...N)形成这种间期序列RRi 13。
在下一个步骤中根据间期序列RRi 13生成标准间期序列rri 14，如图4所示。按照本发明所述方法的第一种实施例，将每一个间期RRi 13除以间期序列RRi 13的平均值RRMW，从而得出标准间期序列rri 14。
rri＝RRi/RRMW；i＝1...N
间期RRi 13具有时间量纲(通常以ms为单位)，而标准间期rri 14则是无量纲的量。
图5所示为标准间期rri 14的庞加莱散点图。
为此可将连续的标准间期rri 14和rri+1作为云点记在图5所示的图中。在这个二维图中形成点云15，以能够进行量化分析的方式表达心率HF的变化。标准间期rri 14的庞加莱散点图也可用来显示连续心率的时长差别，也就是间期RRi 13的长度差别。在下一个步骤中通过监测单元5中的计算机程序针对点云15在庞加莱散点图中的云点计算置信椭圆尤其是95％置信椭圆的长轴X0 16和短轴Y0 17。可以利用回归分析法或者正交回归分析法进行计算。点云15的每一个云点均具有相对于长轴X0 16的正交距离18以及相对于短轴Y0 17的正交距离19。在进一步的步骤中，根据这些正交距离18计算标准偏差SOL。将相对于长轴X0 16的正交距离18的标准偏差SOL与间期序列RRi 13的平均值RRMW作为间期序列RRi 13的分析结果保存起来。
针对其它的间期序列RRi 13继续执行上述步骤，并且记录或保存标准偏差SOL和间期序列RRi 13平均值RRMW的相应值。可以在二维图中表示这些值对，使用相当于间期序列RRi 13平均值RRMW的心率HF(即倒数HF＝1/RRMW)作为横坐标，使用相应的标准偏差SOL作为纵坐标(图6)。
图6所示为不同负荷强度下标准偏差SOL的简图。
按照上述方法确定的平均值RRMW与相应标准偏差SOL组成的值对可确定相应个体2的特征负荷强度曲线或者训练强度曲线20。由于已知心率HF与成绩或者负荷强度成正比，因此可以将频率HF值表示的横坐标作为相应的负荷强度。通过上述方法产生的平均值RRMW和标准偏差SOL的值对来确定训练强度曲线20，该曲线特别有助于用来评价个体2的当前负荷或训练强度。从训练强度曲线20中的最小值开始，标准偏差SOL朝向低负荷或低心率HF方向上升，但是也朝向较高负荷或较高心率HF方向上升。研究结果表明：标准偏差的最小值相当于大约70％乳酸稳态值，所达到的乳酸值低于健身锻炼的推荐值2mmol/l。
训练强度曲线20最终可以确定个体2的当前具体的训练强度，方法是将最后一次测定的值也就是间期序列RRi 13平均值RRMW和相应的标准偏差SOL与训练强度曲线20的变化进行比较。这时应注意：当初次使用本装置时，尚不存在个体2的训练强度曲线20，只有在渐进的训练过程中，通过监测单元5对个体2的心率信息进行分析，将间期序列RRi的平均值RRMW与相应标准偏差SOL组成的值对保存起来，才会逐渐产生训练强度曲线。例如个体2实际使用装置1的过程如下：个体2首先通过操作单元11启动监测单元5，然后开始提高训练负荷。随着训练时间的延续，将逐渐计算、记录训练强度曲线20下降段或者负荷下限区域中的点。个体2在训练过程中逐渐提高负荷，从而可以根据负荷上限区域算出训练强度曲线20的点。这样就可以根据训练者2在训练过程中的交变负荷完善训练强度曲线20。
按照本发明所述，通过监测单元5将标准偏差SOL或者相当于平均值RRMW的心率HF与训练强度曲线20的比较结果告知个体2。例如可通过下述方式实现这一点：按照图6所示在监测单元5的显示装置12上进行图形显示，重点突出最后一次测定的值。个体2可以查看其当前负荷与训练强度曲线20之间的关系，并且可在需要时采取适当的反应，提高、减小负荷或者保持不变。除此之外，监测单元5也可具有声音输出功能，个体2可以通过该功能获得当前具体训练强度的相关信息。
在监测单元5或者分析单元9的计算机程序中配置有相应的算法，可按照本发明所述方式分析心率信息或者分析数据。以回归分析法确定标准偏差SOL的最小值，即按照偏差平方的最小化的方法，将训练强度曲线20的点代入多项式SOL(HF)尤其是三阶多项式。也就是通过多项式逼近训练强度曲线20的点。
SOL(HF)＝s0+s1HF+s2HF2+s3HF3
然后根据回归分析法确定的多项式SOL(HF)，用微分分析法确定标准偏差SOL的最小值。在执行本发明所述方法时，还可以对如此算出的训练强度曲线20或多项式SOL(HF)定期进行重新计算。最好在每次确定一个新的值对之后，针对最后一次所分析的间期序列RRi 13，也就是针对最后一次测定的间期序列RRi 13的平均值RRMW与最后一次测定的相应标准偏差SOL，重新计算表达训练强度曲线20的多项式。这样就可通过逐渐增大图6所示图中的云点数量的方式，使得训练强度曲线20的变化逐渐趋于更加稳定，从而更为可靠地监测训练或负荷强度。
现在依据图7对训练强度曲线20的另一个示例进行说明。按照图5所示庞加莱散点图中所示点云的点，除了计算标准偏差SOL之外，还根据相对于长轴Y0 17的正交距离计算标准偏差SOW。现在根据这两个标准偏差SOL和SOW，以求算商的方式得出一个新的特征量，也就是商s＝SOL/SOW。现在将商s和平均值RRMW组成的值对作为间期序列RRi 13的分析结果保存起来。针对其它间期序列RRi 13继续执行这些步骤，同时记录所得到的商s＝SOL/SOW以及相应间期序列RRi 13的平均值RRMW。与以上针对标准偏差SOL所做的描述一样，现在同样可在二维图中表示这些值对。在图7所示的图中，使用相当于相应间期序列RRi 13平均值RRMW的心率HF作为横坐标，使用相应的特征量s＝SOL/SOW作为纵坐标，从而获得另一种训练强度曲线20。可以通过多项式逼近该训练强度曲线20的点。
s(HF)＝u0+u1HF+u2HF2+u3HF3
图7所示的训练强度曲线20同样可用来监测身体负荷交替变化的个体2的当前训练或负荷强度。
应强调的是：所述方法同样足以用来检测间期RRi 13。可以不必像以前那样对个体2进行试验来确定其成绩特征，因为可根据个体2的当前成绩或者日常状态，按照上述方式确定训练强度曲线20，从而自动产生这些个体特征。不仅不需要预先记录训练强度曲线20以供之后评价当前训练强度，而且甚至没有好处，因为个体2的日常状态变化或者成绩水平变化甚至可能会引起错误判断。而按照本所述的方法，甚至可以在个体2结束训练之后，在监测单元5的操作单元11上输入相应的数据对所获得的训练强度曲线20进行补偿，例如可将个体2的姓名以及训练数据保存到监测单元5的存储器10之中。事后可以对相隔较长时段的训练强度曲线20进行比较，根据比较结果推断个体的长期体能发展情况。
按照本发明所述方法的一种实施方式所述，预先按照所述方法分析心率信息进行数据准备。在间期RRi 13的数据准备第一阶段，识别、消除伪迹。为此可根据间期RRi 13算出滑动基准值21，当间期RRi 13与之前算出的基准值21偏差大于30％时，就将其作为伪迹。可将前五个及后五个间期RRi 13的中值分配给该间期RRi作为其基准值21。应使用至少一定数量的至少前三个及至少后三个间期RRi 13来计算基准值21。现在如果符合间期RRi 13的条件，即该间期与相应基准值21之间的偏差大于30％，就将相关间期RRi 13的值替换成相应的基准间期21(图8)。图8以示例方式表示消除了伪迹的图3所示的间期序列RRi 13。
在数据准备的第二阶段选择观测区间或者间期序列RRi 13以供继续进行分析。为此可确定一个上限，例如可预先设定的伪迹频率百分比(例如5％)，并且规定伪迹频率超过此范围的观测区间或者检测段不在进一步分析的范围之列。上述数据准备措施能改善训练强度曲线20分析或计算结果的可靠性。
也可以不选用连续的观测区间或者连续的间期序列RRi 13，取而代之采用时间上重叠的观测区间来进一步分析、计算训练强度曲线20。这样有助于在较短时间内获得图6所示训练曲线20的足够数量的点，从而可以按照本方法更为迅速地得出关于当前训练强度的可靠结论。
最好在选择间期序列RRi 13时考虑训练过程中的特殊事件。这种特殊事件例如会突然改变心率HF，如图3中以虚线表示的间期RRi(i＝5、6等等)。最好适当选择用于选择间期序列RRi 13的观测区间，使得其中不包含突然的心率HF变化。例如心率HF骤变点之前的第一个观测区间22(图3)即可。在心率HF骤变点之后才开始另一个观测区间23。也可以将一定数量处在心率HF骤变点附近的间期RRi 13完全排除在下一步分析之外。也就是说，既不将其纳入第一观测区间22的间期序列RRi之中，也不将其纳入下一个观测区间23的相应序列之中。此外最好不仅能够根据训练过程中出现的特殊事件自动调整观测区间22、23的始点或终点，而且优选能够自动调整观测区间22、23中所考虑的间期RRi 13的长度或者数量。这些边界分析条件的动态调整措施有助于改善分析质量或者提高分析结果的可靠性。
按照本发明所述方法的另一种实施方式所述，执行线性趋势消除法来分析相应的间期序列RRi 13。为此可采用最小偏差平方法，算出相应间期序列RRi13的回归直线。
Yi＝a+bi；i＝1...N
然后用以下方式形成标准间期序列rri 14：首先将间期RRi 13减去相应的值Yi，然后将获得的值除以间期RRi 13的平均值RRMW。
rri＝(RRi-(a+bi))/RRMW；i＝1...N
此外也可用下述方式生成标准间期序列rri 14：并非除以平均值RRMW，而是除以相应回归直线的值Yi。
rri＝(RRi-(a+bi))/(a+bi)；i＝1...N
采用所述的线性趋势消除法，可以改善标准间期序列rri 14的平稳性，此外还可补偿观测区间或者间期序列RRi之外的心率HF或者间期RRi 13的变化。
按照本发明所述方法的另一种实施方式所述，使用三阶多项式对间期RRi13进行标准化处理，使其成为标准间期rri 14。此外还可使用减小间期序列RRi 13偏差平方的方法，计算三阶多项式函数。也就是说，通过三阶多项式逼近间期序列RRi 13。
Yi＝a+bi+ci2+bi3；i＝1...N
rri＝(RRi-Yi)/Yi；i＝1...N
然后按照图5所示，以相同方式将按照最后所述方式算出的标准间期序列rri 14记录在庞加莱散点图之中。算出长轴X0 16与短轴Y0 17之后，最终计算相对于长轴X0 16的正交距离18的标准偏差。最终将针对所选间期系列RRi 13算出的标准偏差SOL和间期RRi 13的平均值RRMW或者相应的心率HF用来计算训练强度曲线20。按照本实施例所述的方式对间期RRi 13进行标准化处理，使其成为标准间期rri 14，从而使得训练强度曲线20中较高心率HF或者较高负荷范围内的标准偏差SOL显著增大(图6)。
按照本发明所述方法的另一种实施方式所述，使用傅立叶级数展开式使得间期RRi 13成为标准间期rri。通过傅立叶展开式对间期RRi 13进行插值，方法是确定傅立叶展开系数。最终使用三角多项式Fi对间期RRi 13进行标准化处理，采用根据少数几个项中止傅立叶展开式的方式获得所述的三角多项式。最好使用傅立叶展开式前三项构成的三角多项式来计算标准间期rri 14。然后通过傅立叶展开式的前三项逼近间期序列RRi 13。
rri＝(RRi-Fi)/Fi；i＝1...N
如前所述，间期序列RRi 13或者标准间期rri 14的另一种分析方法为：将标准间期rri 14记录在图5所示的庞加莱散点图之中，然后根据庞加莱散点图中的点相对于长轴X0 16的正交距离18算出标准偏差SOL。在下一个序列中计算图6所示训练强度曲线20的点，然后将其用来评价个体2的当前训练强度。
按照本发明所述方法的另一种实施方式所述，也可以使用小波或者小波变换对间期RRi 13进行级数展开式标准化处理。仅用所获得的级数展开式的少数几个项来形成多项式Wi。最好使用间期RRi 13的小波级数展开式前三项进行标准化处理。
rri＝RRi-Wi/Wi；i＝1...N
内容描述中关于数值范围的所有数据指的是同时包括任意范围以及所有局部范围的数据，例如数据1～10同时包括下限1和上限10之间的所有局部范围，也就是从大于等于1的下限开始至小于等于10的上限终止的所有局部范围，例如1～1.7或3.2～8.1或5.5～10。
所述实施例均为本方法的可能实施方式，需补充说明的是：本发明并不限于所述的实施方式，而是可以将各个实施例进行各种不同的组合，且该技术领域的专业人士能够根据本发明的原理实现这种变化可能性。所有能够通过组合所述实施例的各种细节来实现的可想而知的实施方式，均属于保护范围。
最终需说明的是：为了有助于理解装置1的构造，这些发光器件及其构件一部分并未按照比例绘制，或者有所放大或缩小。
关于本发明所解决的任务可查阅描述内容。
构成本发明所述解决方法的尤其是图1，2；3，4，5，6，7和8中所示的各个实施例。有关本发明所述的任务和解决方法可查阅这些图。
附图标记清单
1装置
2人
3胸带
4传感器
5监测单元
6发射器
7接收器
8控制器
9分析单元
10存储器
11操作单元
12显示装置
13间期RRi
14间期rri
15点云
16长轴X0
17短轴Y0
18距离
19距离
20训练强度曲线
21基准值
22观测区间
23观测区间

Claims (19)

1.对个人(2)的训练强度进行测定的方法，即检测个人(2)的心率信息，其特征在于，
a)记录连续心跳间期RRi(13)，并且
b)通过定义连续间期RRi(13)的数量N、或者确定观测区间的方式，选择间期序列RRi(13)，并且
c)采用数学模拟方法，根据间期序列RRi(13)产生标准间期序列rri(14)，并且
d)根据两个连续的标准间期rri(14)和rri+1，在标准间期rri(14)的庞加莱散点图中产生云点，并且
e)针对庞加莱散点图中标准间期序列rri(14)的云点，算出置信椭圆尤其是95％置信椭圆，确定所述椭圆的长轴X0(16)和短轴Y0(17)，并且
f)根据标准间期序列rri(14)的云点相对于长轴X0(16)的正交距离，算出标准偏差SOL，并且
g)保存间期序列RRi的平均值RRMW(13)与标准偏差SOL组成的值对，并且
h)选择其它的间期序列RRi(13)，然后针对这些其它的间期序列RRi(13)执行步骤c)～g)，并且
i)根据在步骤c)～h)中所确定的相当于平均值RRMW的心率HF(HF＝1/RRMW)与标准偏差SOL组成的值对，生成个人(2)的训练强度曲线(20)，并且
j)将最后一次测定的心率HF与训练强度曲线(20)进行比较，确定个人(2)的当前具体的训练强度。
2.对个人(2)的训练强度进行测定的方法，其中，检测个人(2)的心率信息，其特征在于，
a)记录连续心跳间期RRi(13)，并且
b)以定义连续间期RRi(13)的数量N或者确定观测区间的方式，选择间期序列RRi(13)，并且
c)采用数学模拟方法，根据间期序列RRi(13)产生标准间期序列rri(14)，并且
d)根据两个连续的标准间期rri(14)和rri+1，在标准间期rri(14)的庞加莱散点图中产生云点，并且
e)针对庞加莱散点图中标准间期序列rri(14)的云点，算出置信椭圆尤其是95％置信椭圆，确定所述椭圆的长轴X0(16)和短轴Y0(17)，并且
f)根据标准间期序列rri(14)的云点相对于长轴X0(16)的正交距离(18)算出标准偏差SOL，并且根据标准间期序列rri(14)的云点相对于短轴Y0(17)的正交距离算出标准偏差SOW，并且
g)将间期序列RRi(13)的平均值RRMW与标准偏差SOL和标准偏差SOW的商s＝SOL/SOW组成的值对保存起来，并且
h)选择其它的间期序列RRi(13)，然后针对这些其它的间期序列RRi(13)执行步骤c)～g)，并且
i)根据在步骤c)～h)中确定的相当于平均值RRMW的心率HF(HF＝1/RRMW)与标准偏差SOL和标准偏差SOW的商s组成的值对，生成个人(2)的训练强度曲线(20)，并且
j)将最后一次测定的心率HF与训练强度曲线(20)进行比较，确定个人(2)的当前具体的训练强度。
3.根据权利要求1或2所述的方法，其特征在于，根据训练过程中的事件选择用来进行分析的间期序列RRi(13)。
4.根据权利要求3所述的方法，其特征在于，适当选择间期序列RRi(13)，从而排除或者不包含心率HF骤变点。
5.根据上述权利要求中任一项所述的方法，其特征在于，从时间上相互重叠的观测区间中选择用来进行分析的间期序列RRi(13)。
6.根据上述权利要求中任一项所述的方法，其特征在于，给每一个间期RRi(13)分配一个基准值(21)，用于识别、消除相应间期序列RRi(13)中的伪迹；通过至少前三个及至少后三个间期RRi(13)的中值构成所述的基准值(21)；当相应的间期RRi(13)以大于某个预先设定的百分比偏离与其对应的基准值(21)时，就将该间期RRi(13)替换成其基准值(21)。
7.根据权利要求6所述的方法，其特征在于，选用30％作为所述百分比。
8.根据权利要求6或7所述的方法，其特征在于，伪迹频率超过预先设定的百分比的观测区间被排除在下一步分析之外。
9.根据权利要求8所述的方法，其特征在于，选用5％作为所述百分比。
10.根据上述权利要求中任一项所述的方法，其特征在于，用来生成标准间期序列rri(14)的方式是将每一个间期RRi(13)除以间期序列RRi(13)的平均值RRMW，所用公式为rri＝RRi/RRMW；i＝1…N。
11.根据权利要求10所述的方法，其特征在于，用于生成标准间期序列rri(14)的方式也利用回归直线(Yi＝a+bi)对间期序列RRi(13)执行线性趋势消除法，所用公式为rri＝(RRi-(a+bi))/RRMW；i＝1…N。
12.根据权利要求1～9中任一项所述的方法，其特征在于，用来生成标准间期序列rri(14)的方式是通过回归直线(Yi＝a+bi)逼近间期序列RRi(13)，所用公式为rri＝(RRi-(a+bi))/(a+bi)；i＝1…N。
13.根据权利要求1～9中任一项所述的方法，其特征在于，用于生成标准间期序列rri(14)的方式是通过三阶多项式(Yi＝a+bi+ci2+bi3)逼近间期序列RRi(13)，所用公式为rri＝(RRi-(a+bi+ci2+bi3))/(a+bi+ci2+bi3)；i＝1…N。
14.根据权利要求1～9中任一项所述的方法，其特征在于，用于生成标准间期序列rri(14)的方式是通过傅立叶展开式前三项组成的三角多项式Fi逼近间期序列RRi(13)，所用公式为rri＝(RRi-Fi)/Fi；i＝1…N。
15.根据权利要求1～9中任一项所述的方法，其特征在于，用来生成标准间期序列rri(14)的方式是通过小波级数展开式的前三项Wi逼近间期序列RRi(13)，所用公式为rri＝(RRi-Wi)/Wi；i＝1…N。
16.根据上述权利要求中任一项所述的方法，其特征在于，逼近心率HF和标准偏差SOL组成的值对，或者逼近心率HF和商s＝SOL/SOW组成的值对，使用逼近结果作为训练强度曲线(20)，所用公式为多项式，最好使用三阶多项式SOL(HF)＝s0+s1HF+s2HF2+s3HF3或者s(HF)＝u0+u1HF+u2HF2+u3HF3。
17.根据权利要求16所述的方法，其特征在于，定期重新计算训练强度曲线(20)。
18.根据上述权利要求中任一项所述的方法，其特征在于，训练结束之后将训练强度曲线(20)与诸如个体(2)姓名以及训练数据之类的数据共同保存起来。
19.个体(2)负荷强度监测装置(1)，包括具有用来记录心率的传感器(4)的可以固定在身体上的单元，其特征在于，所述装置(1)包括：分析单元(9)，其具有用来执行权利要求1～13中任一项所述方法的构件；输出单元，其用来将所确定的负荷强度告知个体(2)。
CN200880007655A 2007-02-06 2008-02-05 训练强度测定方法 Pending CN101636107A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA195/2007 2007-02-06
AT1952007 2007-02-06

Publications (1)

Publication Number Publication Date
CN101636107A true CN101636107A (zh) 2010-01-27

Family

ID=39494519

Family Applications (1)

Application Number Title Priority Date Filing Date
CN200880007655A Pending CN101636107A (zh) 2007-02-06 2008-02-05 训练强度测定方法

Country Status (7)

Country Link
US (1) US8401630B2 (zh)
EP (1) EP2120691B1 (zh)
CN (1) CN101636107A (zh)
AT (1) ATE493065T1 (zh)
DE (1) DE502008002142D1 (zh)
RU (1) RU2009133362A (zh)
WO (1) WO2008095213A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104305958A (zh) * 2014-10-08 2015-01-28 西安交通大学 一种极短时自主神经状态的光电容积波多参量分析方法
US9724000B2 (en) 2014-03-27 2017-08-08 Industrial Technology Research Institute Exercise guiding system, exercise guiding method and anaerobic threshold measuring method
CN111512186A (zh) * 2017-12-22 2020-08-07 罗伯特·博世有限公司 用于确定停车空间的停车位的占用状态的方法和装置
CN111989037A (zh) * 2018-04-10 2020-11-24 日本电信电话株式会社 运动强度估计方法、运动强度估计装置和程序

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AT511044B1 (de) 2011-02-09 2013-06-15 Pulse7 Gmbh Verfahren und vorrichtung zur bestimmung des leistungspotentials einer testperson
GB201202637D0 (en) * 2012-02-16 2012-04-04 Univ Leuven Kath Exercise system and method

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI110303B (fi) 1994-12-29 2002-12-31 Polar Electro Oy Menetelmä ja laite kunto- tai urheiluharjoittelun rasitustasojen ja harjoittelun rasittavuuden määrittämiseksi
US6454679B1 (en) * 1998-06-09 2002-09-24 Scott Brian Radow Bipedal locomotion training and performance evaluation device and method
FI114201B (fi) 2000-02-23 2004-09-15 Polar Electro Oy Laktaatin määrän arviointi elimistössä
DE10163348A1 (de) 2001-12-21 2003-07-10 Hans D Esperer Verfahren und Vorrichtung zur automatisierten Detektion und Differenzierung von Herzrhythmusstörungen
DE102004052083A1 (de) * 2004-10-26 2006-05-04 Nuske, Andreas Digitales, elektronisches Diagnose-Verfahren zur unblutigen Lactat-Leistungsbestimmung und einer mobilen Messvorrichtung zur elektronischen Durchführung

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9724000B2 (en) 2014-03-27 2017-08-08 Industrial Technology Research Institute Exercise guiding system, exercise guiding method and anaerobic threshold measuring method
CN104305958A (zh) * 2014-10-08 2015-01-28 西安交通大学 一种极短时自主神经状态的光电容积波多参量分析方法
CN111512186A (zh) * 2017-12-22 2020-08-07 罗伯特·博世有限公司 用于确定停车空间的停车位的占用状态的方法和装置
CN111989037A (zh) * 2018-04-10 2020-11-24 日本电信电话株式会社 运动强度估计方法、运动强度估计装置和程序
CN111989037B (zh) * 2018-04-10 2024-03-19 日本电信电话株式会社 运动强度估计方法、运动强度估计装置和程序

Also Published As

Publication number Publication date
WO2008095213A1 (de) 2008-08-14
US20100217142A1 (en) 2010-08-26
ATE493065T1 (de) 2011-01-15
DE502008002142D1 (de) 2011-02-10
US8401630B2 (en) 2013-03-19
EP2120691A1 (de) 2009-11-25
RU2009133362A (ru) 2011-03-20
EP2120691B1 (de) 2010-12-29

Similar Documents

Publication Publication Date Title
KR100954817B1 (ko) 맥파신호분석을 이용한 혈관건강 및 스트레스 검사시스템 및 방법
US20240221948A1 (en) Systems and methods of analyte measurement analysis
EP2925217B1 (en) Method and system for determining a ventilatory threshold
Singh et al. Sampling frequency of the RR interval time series for spectral analysis of heart rate variability
US6687535B2 (en) Controlling of fitness exercise
US20150150515A1 (en) Respiration rate extraction from cardiac signals
CN109730663B (zh) 基于脉搏波传导速度非线性分析的血压评估方法
EP3174458B1 (en) Method and system for monitoring stress
US20030187337A1 (en) Combining measurements from different sensors
CN101636107A (zh) 训练强度测定方法
EP3643227A1 (en) Minimum heart rate value approximation
KR102154652B1 (ko) 순환신경망을 이용한 구간혈압 추정 방법 및 그 방법을 구현하기 위한 구간 혈압 추정 장치
CN111599471A (zh) 动态获取最大摄氧量的方法及电子设备
Kotzen et al. Benchmarking photoplethysmography peak detection algorithms using the electrocardiogram signal as a reference
US9320445B2 (en) System for cardiac condition detection responsive to blood pressure analysis
EP3019076B1 (en) Arterial pressure-based determination of cardiovascular parameters
CN114340484A (zh) 动脉血压信号的无监督实时分类
Jang et al. A Gaussian model-based probabilistic approach for pulse transit time estimation
CN112040859B (zh) 无氧代谢阈值估计方法和装置
WO2016139802A1 (ja) シャント音解析装置、シャント音解析方法、コンピュータプログラム及び記録媒体
Nakamura et al. Local holder exponent analysis of heart rate variability in preterm infants
Castiglioni et al. How to check steady-state condition from cardiovascular time series
KR101476730B1 (ko) 중심 대동맥 수축기압을 나타내는 값의 유도 방법 및 중심 대동맥 수축기압을 나타내는 값을 유도하기 위해 동맥압 파형 데이터를 분석하는 방법
US20240172979A1 (en) Concentration State Evaluation Method, Non-Transitory Computer-Readable Storage Medium Storing Concentration State Evaluation Program, And Concentration State Evaluation Device
Imam et al. A novel technique to investigate the effect of ageing on ventricular repolarization characteristics in healthy and LQTS subjects

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20100127