CN102292025A

CN102292025A - 确定用户的能量消耗

Info

Publication number: CN102292025A
Application number: CN2010800051018A
Authority: CN
Inventors: B.尹; P.H.A.迪伦
Original assignee: Koninklijke Philips Electronics NV
Current assignee: Koninklijke Philips NV
Priority date: 2009-01-21
Filing date: 2010-01-11
Publication date: 2011-12-21
Anticipated expiration: 2030-01-11
Also published as: EP2389109A1; US10512423B2; RU2535615C2; EP2389109B1; EP2210557A1; US20110276304A1; WO2010084430A1; CN102292025B; JP2012515570A; RU2011134908A

Abstract

本发明涉及一种用于估算人的能量消耗的电子设备。该电子设备使用基于加速度数据的数学模型用于估算作为实际执行的活动和加速度值的函数的人的能量消耗。通过利用活动缩放参数缩放时间积分的加速度数据的值，加速度值被转换为对给定活动的能量消耗的估算。已经通过将在例如一天上测量的能量消耗的与相同时段上估算的能量消耗进行比较而离线确定用于不同活动的活动缩放参数，其中所估算的值使用所述数学模型来确定。

Description

确定用户的能量消耗

技术领域

本发明涉及确定用户的能量消耗，且特别地涉及改进对不同活动的能量消耗的确定。

背景技术

对人类在一天期间的能量消耗的监测用在用于医学、保健和消费者生活方式应用的设备中。

用于测量能量消耗的已知设备使用附接到人的大腿或腰部的运动传感器。通过分析传感器输出，可以确定例如奔跑或步行的能量消耗。然而，已经表明，这样的方法对某种活动（比如骑车）的能量消耗给出了较不精确的测量。

EP1302162公开了一种练习量测量设备，其包括用于检测活体的身体运动的加速度传感器、用于基于加速度传感器的检测信号计算练习量的装置、以及用于显示计算出的练习量的显示部分，所述设备进一步包括：用于计算表示在规定时段中的能量消耗的估算的消耗热量值；以及用于显示计算出的估算的消耗热量值的显示部分。

虽然EP1302162公开了一种用于估算在规定时段期间的能量消耗的设备，该设备是否能够以足够精度确定不同活动（比如骑车）所消耗的能量是值得怀疑的。因此，本发明的目的是改进对不同类型的活动的能量消耗的估算。

应当注意，Kim D等人的论文“estimation of activity energy expenditure based on activity classification using multi-site triaxial accelerometry”, Electronics Letters, IEE stevenage, GB, vol. 44, no. 4, 2008年2月14日，第266-267页，XP006030492 ISSN:0013-5194描述了一种无线联网的多位点三轴加速度计系统，以便估计在日常生活期间的活动能量消耗。该系统的一个特征是基于多位点加速度信号的活动分类的使用。所使用的信号处理和估算算法使用加速度计输出的绝对值的积分。随后使用线性回归方程将这些值转换为估算的活动能量消耗，其中线性回归方程基于使用标准方法获得的参考数据。在给定时段期间的活动根据腕与踝加速度信号幅值的比率而被自动分类为两个类别，即手臂主导的活动和腿主导的活动。该比例作为附加因素而并入到回归分析中。

而且，应当注意，Carlijn V. C. Bouten等人的论文“A triaxial accelerometer and portable data processing unit for the assessment of daily physical activity”, IEEE transactions on biomedical engineering, IEEE service center, Piscataway, NJ, US, vol. 44, no. 3，1997年3月1日，XP011006346 ISSN:0018-9294描述了用于评估日常身体活动的三轴加速度计（TA）和便携式数据处理单元的发展。TA由三个相互垂直地安装的单轴压阻式加速度计构成并且可以用于记录覆盖人类身体加速度的幅度和频率范围的加速度。该数据单元使得加速度计的在线处理输出八天时段上身体活动的估算量。而且，应当注意，2004年4月22日提交的WO2004/032715（Bodymedia Inc.）描述了一种用于使用基于一个或多个传感器的信号来测量个体状态参数的方法和装置。在一个实施例中，第一组信号用在第一函数中以确定第二组信号如何用在一个或多个第二函数中以预测状态参数。在另一个实施例中，使用了第一和第二函数，其中状态参数或状态参数的指示器可以根据第一函数与第二函数之间的关系而获得。状态参数可以例如包含由个体消耗的热量或燃烧的热量。

发明内容

因此，本发明优选地设法减轻或消除对能量消耗的不正确估算的上述缺点中的一个或多个。特别地，可以视为本发明的目的的是提供一种这样的设备，该设备提供对不同类型的能量消耗的改进的估算。

在本发明的第一方面中，该目的和若干其他目的通过提供一种用于确定用户的能量消耗的设备而获得，该设备包括

- 数据输入端，用于接收作为时间的函数的用户加速度数据，

- 参数输入端，用于接收表征用户的一个或多个用户参数Ui，

- 存储器，用于存储恒定参数和活动缩放参数，该缩放参数是用户活动的函数，该活动作为用户输入而获得或者由自动活动识别算法确定，

- 处理器，用于通过在活动的持续时间上对加速度数据进行积分或求和来确定取决于活动的活动值，且用于通过获得活动缩放参数与活动值的乘积且通过形成所述乘积与所述一个或多个用户参数之和来确定能量消耗的估算值，其中用户参数由恒定参数和活动持续时间来缩放。

本发明特别地但非排他地有利于获得用于确定由设备用户执行的活动的能量消耗的设备。

可能有利的是，根据由人或用户执行的给定活动的加速度数据来计算活动值，这是因为加速度数据提供了活动的能量消耗的指示。

可被视为另一个优点的是，通过将活动值乘以活动缩放参数来获得能量消耗的测量，因为缩放参数是用户活动的函数并且因此可以缩放活动值以提供能量消耗的改进的测量。事实上，活动缩放参数可以校正高估或低估对用户所执行的实际活动的能量消耗的活动值。因此，基于加速度的活动量缩放可能是有利的，因为这使得用户能够更好地区分不同活动的强度水平并且可以因此激发用户练习具有相反被低估能量消耗的活动，因为这样的活动的能量消耗可以以更大精度来确定。

应当理解，或者求和加速度数据可以包括求和加速度数据的量。

在一个实施例中，活动缩放参数k（p）可以通过对给定时段获得的包括一个或多个活动的所测量的能量消耗值与在相同时段为活动估算的能量消耗值的值之和之间的差进行最小化来确定。

可能有利的是，通过最小化被认为是正确值的测量的能量值与使用缩放参数k（p）估算的能量值之间的差来确定活动缩放参数k（p），因为两个值用于相同的时段，因此所确定的缩放参数k（p）提供了用于整个时段的能量的改进估算。

用于确定活动缩放参数k（p）的实施例也可以用于确定其他恒定参数ai。

在一实施例中，确定活动缩放参数（k（p））可以包括：

- 获得多个主体的测量的能量消耗值和加速度数据的多个数据对，其中能量消耗值和加速度数据是在给定时段上测量的，

- 最小化所测量的能量消耗值与使用模型获得的所计算的能量消耗值之间的差以确定活动缩放参数，其中该模型通过在活动的持续时间上积分或求和加速度数据以获得活动量的值、将活动量的值乘以活动缩放参数以及求和在活动时活动量和活动缩放参数的乘积，从而根据加速度值确定活动量值。

可能有利的是，获得多个主体的测量的能量消耗值和加速度数据的多个数据对，使得所确定的活动缩放参数提供对不同主体（例如不同体重和年龄的人）的能量消耗的改进估算。

在一实施例中，对于具有低估实际能量消耗的、根据加速度数据而确定的活动值的活动，活动缩放参数可以大于预设阈值，并且对于具有高估实际能量消耗的、根据加速度数据确定的活动值的活动，活动缩放参数可以小于该阈值。

该预设阈值可以是比如值1的任何值。

在一实施例中，处理器进一步被配置用于形成用于不同活动的能量消耗的估算值的序列，以确定该能量消耗的时间简档，例如一天时段的简档。

可能有利的是，将估算的能量消耗值提供为所执行活动的索引和次序的序列，以便向用户提供对用于在一个时段期间（例如在一天期间）所执行的不同活动的能量消耗的概观。

由于使用已经通过将给定时段的总估算能量消耗约束为与相同时段的所测量的和正确的能量消耗相同而确定的活动缩放参数来确定能量消耗的值的序列，由该序列给出的总能量消耗以良好的精度近似于所测量的能量消耗。

在一实施例中，用户参数包括年龄、体重和高度，并且根据下述方程通过恒定参数和活动持续时间来缩放所述乘积和用户参数的和：PAEE(p)=Tp*a0’+Tp*a1’*年龄+Tp*a2’*体重+Tp*a3’*身高+a4_*k(p)*AC(p)，其中该和另外包括项T_p*a0。

在一实施例中，确定取决于活动的活动值包括对于加速度传感器的每个加速度方向在活动的持续时间上对加速度数据进行积分或求和。

可能有利的是，针对加速度传感器的每个轴或方向来积分加速度数据，例如加速度数据的大小，以提供能量消耗的更可靠的值。

本发明的第二方面涉及一种用于制造根据第一方面的设备的方法，该方法包括，

- 获得多个主体的所测量的能量消耗值和加速度数据的多个数据对，其中能量消耗值和加速度数据是在给定时段上测量的，

- 在递归循环中最小化所测量的能量消耗值与使用用于计算活动的能量消耗值的模型而获得的计算的能量消耗值之间的差以确定恒定用户参数和活动缩放参数，其中该模型的活动值是通过对加速度数据进行积分或求和而根据来自给定主体的给定活动的加速度数据来确定的，

- 在设备中提供所确定的恒定参数和活动缩放参数。

可被看作优点的是，根据多个主体的测量的能量消耗值和加速度数据的多个数据对来确定恒定用户参数和活动缩放参数，这是因为所确定的参数由于使用多个主体的实验数据而可以提供改进的精度。这些参数可以在根据第一方面的设备中提供。例如，这些参数可以在制造期间存储在该设备的存储器中。

在第二方面的一实施例中，最小化的步骤包括在递归循环中执行步骤a-c:

a）在用于计算活动（p）的能量消耗值的模型（PAEE_CAL(j)）中，获得每个用户的每个数据对的活动量值，其中该活动量值是通过在一定时段中在各活动上对活动缩放参数和活动值的乘积进行求和而根据表达式∑_pk(p)*AC(p)获得，其中该活动值是根据来自给定主体的给定活动的加速度数据确定的，

b）使用该模型，通过将所测量的能量消耗值与所计算的能量消耗值进行比较来确定恒定参数，以及

c）调节用于给定活动的活动缩放参数，直到所测量的能量消耗值与所计算的能量消耗值之间的差小于给定阈值为止。

调节活动缩放参数可以包括调节由一组根据预设步长大小的间隔而限定的活动缩放参数，直到找到最小化所测量的能量消耗值与所计算的能量消耗值之间的差的一组参数为止。

本发明的第三方面涉及一种用于确定用户的能量消耗的系统，该系统包括根据第一方面的设备和用于测量用户的加速度数据的便携式加速度计。

该便携式加速度计可以经由有线或无线连接而连接到根据第一方面的设备，或者该加速度计和该设备可以被集成到单个系统组件中。

本发明的第四方面涉及一种用于确定用户的能量消耗的方法，包括

- 获得由用户（101）执行的活动（p）作为用户输入或通过自动活动识别算法获得活动，

- 通过在活动的持续时间上对用户的加速度数据进行积分或求和来确定取决于由用户执行的活动的活动值，

- 根据实际活动从一组缩放参数中选择活动缩放参数，该缩放参数是用户的活动的函数，

- 通过获得活动缩放参数和活动值的乘积且通过形成所述乘积与一个或多个用户参数之和来确定能量消耗的估算值，其中用户参数由恒定参数和活动的持续时间来缩放，且其中用户参数表征该用户。

本发明的第五方面涉及一种使得计算机处理器能够执行第四方面的方法的计算机程序产品。

本发明的第一、第二、第三、第四和第五方面中的每一个方面可以与任意其他方面组合。本发明的这些和其他方面将根据下文所描述的实施例而清楚明白并且参照这些实施例而被阐明。

总之，本发明涉及一种用于估算人的能量消耗的电子设备。该电子设备使用基于加速度数据的数学模型以用于估算作为实际执行的活动和加速度值的函数的人的能量消耗。该加速度值通过利用活动缩放参数缩放时间积分的加速度数据的值而被转换为给定活动的能量消耗的估算。用于不同活动的活动缩放参数已经通过比较在例如一天中所测量的能量消耗与在相同时段上估算的能量消耗而被离线确定，其中使用所述数学模型确定所估算的值。

附图说明

现在将仅通过实例的方式参照附图来解释本发明，在附图中

图1A示出用于确定用户的能量消耗的设备和系统，

图1B示出估算的能量消耗值和能量消耗简档，

图2A示出用于估算能量消耗值的模型的实施方式，

图2B是根据本发明的方法的流程图，

图3A示出用于使用该模型确定恒定参数和活动缩放参数的流程图，以及

图3B示出如何可以根据加速度值确定活动量值。

具体实施方式

图1A示出用于基于经由数据输入端110从关联加速度计105提供的加速度数据ACC来确定用户101的能量消耗的设备100。加速度数据采取模拟或数字时间相关信号的形式。该设备100进一步包括参数输入端120，其用于接收表征携带加速度计105的用户101的用户参数Ui。该设备100包括数据存储器151，其用于存储恒定参数ai和活动缩放参数k（p）（将在下文解释）。设备100所包括的处理器150（例如数字处理单元）用于处理加速度数据、用户参数Ui、恒定参数ai和活动缩放参数k（p）以确定用户101的能量消耗。由处理器150确定的能量消耗的图形简档和值可以显示在设备100所包括的显示器140上。

加速度计105可以被用户101携带。当用户希望检查能量消耗简档或值时，用户可以将设备100连接到加速度计以用于将存储在加速度计105中的加速度计数据传送到设备100。

可替代地，能量消耗确定设备100和加速度计105二者在使用设备100期间可以被用户携带，使得加速度计105连续地向设备100传送加速度数据ACC。

能量消耗确定设备100和加速度计105可以作为单独的组件而被系统160包括，或者设备100和加速度计可以集成到单个集成设备160中。

图1B示出用户（例如人或动物）的估算的一天能量消耗简档180。该简档180示出在作为时间t的函数的就能量消耗PAEE而言的用户身体活动。不同的活动p示出了身体活动的能量消耗PAEE的不同水平。例如，在时段D（例如从6:00AM到第二天6:00AM测量的一天）期间，与所执行的其他活动p相比，由于用户行走引起的活动p1可具有相对高水平的身体活动能量消耗PAEE。图1A中的用户在那天还两次进行骑车，如活动p2所示。然而，针对活动p2的PAEE水平被低估，这是因为如点线181所示，能量消耗的实际量更高。

能量消耗简档180是根据由图1的用户携带的加速度计的加速度值来确定的。然而，骑车活动p2导致与例如行走或奔跑相比较小的加速度值，这是因为：首先，骑车不涉及与地面的直接碰撞，该直接碰撞对于特别是沿着垂直于地面的方向的加速度的生成有极大的作用；其次，与行走或奔跑不同，骑车引起上半身在竖直和水平方向上的很少移动，从而导致当加速度计穿戴在腰或胸处时加速度的有限级别。因此，对于骑车或其他活动使用加速度值会给出与使用例如黄金标准法（gold standard method）（比如通过确定注射的氢和氧同位素的冲洗动力学的双标识水（doubly-labeled water，DLW）方法）测量的实际能量消耗简档181相比、对能量消耗简档180的不正确估算。

由用户101执行的实际活动p可以通过用户输入端（未示出）提供给设备100，通过该用户输入端用户可以例如使用活动按钮、键盘或触敏显示器输入活动。可替代地，该活动可以通过由处理器150执行的自动活动识别算法来确定。该自动活动识别算法可以利用来自由用户携带的GPS传感器（全球定位系统）的数据、来自心跳传感器、血压传感器和麦克风的数据。例如，该活动p可以根据由GPS提供的速度信息和由心跳传感器提供的心跳信息确定。该自动活动识别算法也可以利用加速度数据ACC自动确定实际活动。例如可以将低加速度值结合高速度（例如大于20km/h）的GPS测量识别为骑车。

身体活动相关的能量消耗PAEE可以使用各种方法从加速度测量结果确定。下面的方程1提供一种用于根据加速度测量结果估算PAEE的方法：

PAEE=a0+a1*年龄+a2*体重+a3*身高+a4*ACD，方程1，

其中a0-a4是恒定参数，且因子年龄、体重和身高是用户特性参数。系数a0-a4可以是性别相关的，所以方程1对于男性和女性而言可以是不同的。

因子ACD表示每天的活动量且是根据携带加速度计的用户的加速度数据而确定的。所使用的加速度计可以提供在一个方向上（例如在地球引力方向上）、在两个垂直方向上或在所有三个垂直的方向上的加速度数据。每天的活动量ACD可以通过积分或求和来自加速度计的加速度数据来确定。当加速度计具有多于一个加速度计方向时，每天的活动量ACD可以通过求和针对每个加速度方向获得的加速度数据的积分大小而根据加速度数据确定，其中积分在加速度数据的给定时段（例如一天的加速度数据）上执行。例如下面的方程，

ACD=∑_n∑_ti|ACC(ti)_n|

通过在采样索引ti上求和加速度样本ACC的大小并且在加速度计的每个方向n上求和而得出ACD。当加速度信号是模拟信号时，样本ti上的求和可以用在时间上的积分替代。

由于从方程1导出PAEE不区分不同的活动p，所以针对不同活动的PAEE的值会被低估或高估，这是因为用于计算ACD的加速度值没有正确地表示不同活动p的实际能量消耗。例如，骑车的低加速度值可能低估骑车的PAEE值。

身体活动相关的能量消耗PAEE的值可以通过根据与加速度数据相关联的活动p的类型来缩放加速度数据或ACD值来确定，以便更精确地估算不同类型的身体活动p的能量消耗简档180。下面的方程2使用活动缩放参数k（p）来根据活动类型缩放加速度数据：

PAEE(p)=Tp*a0′+Tp*a1′*年龄+Tp*a2′*体重+Tp*a3′*身高+a4*k(p)*AC(p) 方程2。

一般地，恒定参数a0′、a1′、a2′、a3′作为单位时间的变化率而给出，并且因此a0′、a1′、a2′、a3′与活动p的持续时间Tp相乘以便确定活动p的能量消耗。因此，Tp是实际活动p的函数。方程2中最后一项与不是作为单位时间的变化率给出的恒定参数a4相乘，这是因为AC（p）已经针对持续时间Tp来确定。因此，最后一项不乘以Tp。

当方程1的恒定参数a0-a4被列出以给出方程1中一天的PAEE值时，a0（或a1-a3）的时间中的等价变化率可以通过a0′=a0/D给出，其中D可以是以分钟为单位给出的一天的持续时间。

因此，在方程2中，取代使用对不同活动的加速度积分的每天活动量ACD的是，使用了从用于不同活动p的加速度值获得的并且被活动相关参数（k（p））缩放的活动值AC（p）。

应当理解，方程2给出了PAEE时间简档180的活动p的值或高度182。

因此，时段D内的一个或多个活动p的整个PAEE简档180可以通过形成如下针对每个活动p1、p2直到pm的PAEE值182的序列来确定：

PAEE(p1, p2,…, pm)={PAEE(p1), PAEE(p2), …, PAEE(pm)} 方程3。

通过积分或求和从用户所携带的加速度传感器获得的加速度数据的大小来确定方程2中的活动值AC（p）。当加速度传感器具有多个传感器方向n时，通过对针对每个加速度方向获得的积分的、求和的或取平均的加速度数据ACC（ti）的大小进行求和来根据加速度数据确定活动值AC（p）。通过在每个活动p的持续时间上对数据ACC（ti）积分、求和或取平均来获得活动值AC（p）。作为实例，活动值AC（p）可以根据下式确定：

AC(p)=∑_n∑_ti|ACC(ti)_n|，

其中针对活动p的持续时间而在采样时间ti上并且在加速度计的每个方向n上对给定活动p的加速度值ACC的大小进行求和。当加速度信号ACC为模拟信号时，通过在时间t上积分加速度信号的大小来获得活动值AC（p）。应当理解，采样时间ti或连续时间t作为活动p的函数而给出，并且因此AC（p）变为活动p的函数。

根据加速度值ACC计算活动值AC（p）可以包括例如通过过滤掉加速度值的DC分量而移除由于地球引力引起的加速度分量。

图2A示出方程2的实施方式200，例如在运行用于实现图2所示图中的程序的计算机上的实施方式。在步骤201中，对给定活动p的加速度数据ACC进行积分或确定加速度数据的信号大小区域（SMA），这例如使用AC(p)=∑_n∑_ti|ACC(ti)_n|。在后续步骤202和204中，将来自步骤201的结果乘以k（p）和a4。将用户输入U1、U2、U3（例如年龄、体重和身高）在步骤205、207、209中乘以Tp以及在步骤206、208和210中分别乘以a1′、a2′和a3′。在步骤213中，对来自步骤201-210的乘积连同从步骤211-212提供的a0′乘以Tp进行求和。如图2A所示，常数a0′可以通过将值1用作用户参数U0来确定。

方程2仅仅表示一种可能的用于确定取决于身体活动p的身体活动相关的能量消耗PAEE的方法。一般地，可以使用任何数量的恒定参数ai′和任何数量的用户参数Ui来分别取代a1′-a3′以及年龄、提供和身高。作为实例，利用N-1个用户参数Ui，身体能量相关的能量消耗PAEE的值或高度182可以根据下式确定：

PAEE(p)＝∑_iai′*Tp*Ui+aN*k(p)*AC(p) 方程4a

或，

PAEE(p)＝∑_iTp*ai′*Ui+k(p)*AC(p), 方程4b

其中ai′对应于a1′-a3′，且aN对应于方程2中的a4。在方程4b中，省略了恒定参数aN，这是因为它包含在k（p）中了。

因此，针对给定的活动p的用户101的能量消耗PAEE的值高度182可以而根据加速度数据ACC和用户参数Ui 102确定，所述确定通过在活动p的时间或时间样本上对加速度数据ACC的大小进行积分或求和来确定取决于活动p的活动值AC（p）、通过确定活动缩放参数k（p）和活动值（AC（p））的乘积、以及通过形成乘积k（p）*AC（p）与由恒定参数ai′和活动的时间段Tp缩放的一个或多个用户参数Ui 102的和之和来进行。因此，当仅使用一个用户参数Ui时，乘积ai′*Ui的和减少到单个项。用户参数Ui可以具有包含对应于方程2的第一项Tp*a0′的值1的任何值。

类似于方程3，时段D内的一个或多个活动p的整个PAEE简档180可以如下通过形成针对每个活动p1、p2直到pm的来自方程4a或4b的PAEE值182的序列来确定：

PAEE(p1, p2,…, pm)={PAEE(p1), PAEE(p2),…, PAEE(pm)}。

在方程4b中，应当理解，乘积k（p）*AC（p）由恒定参数ai隐含地缩放。例如，该恒定参数可以包含在乘积k（p）*AC（p）中的活动缩放参数k（p）中。

图2B示出本发明一个实施例的用于基于方程4a或4b确定用户101的能量消耗PAEE（p）的方法步骤，该方法包括步骤：

步骤221：通过在活动p的持续时间Tp上对用户101的加速度数据ACC积分或求和来确定取决于由用户执行的活动p的活动值AC（p）；

步骤222：根据实际活动p从一组缩放参数中选择活动缩放参数k（p），该缩放参数是用户101的活动p的函数；以及

步骤223：通过获得活动缩放参数k（p）和活动值AC（p）的乘积且通过形成所述乘积k（p）*AC（p）与由恒定参数ai′和活动p的持续时间Tp缩放的一个或多个用户参数102的和来确定能量消耗PAEE的估算值182，其中该用户参数102表征用户101。

图3A中的图示说明了用于根据多个人或主体j的测量的能量消耗值PAEE（j）和加速度数据ACC（j）的多个数据对来确定恒定参数ai和活动缩放参数k（p）的方法。应当注意，用于确定参数ai和k（p）的主体j通常是选定的一组人，而用户（101）是设备100的用户。测量的能量消耗值PAEE（j）是根据方法步骤303获得的，其中PAEE值使用黄金标准法来实验确定。针对每个主体j的加速度数据ACC与实验中所获得的PAEE值对应。在方法步骤301中，根据加速度值ACC（j）确定活动量值ACD（j）。

图3B示出如何通过在活动p的持续时间Tp上对加速度数据ACC（j）的大小进行积分或求和而根据加速度数据ACC（j）确定活动量值ACD（j），从而在步骤311中获得给定活动p的活动量的值AC（p）。在步骤312中，将活动量的每个值AC（p）乘以活动缩放参数k（p）。最后，在由主体j在给定时段D期间（例如一天）执行的不同活动p上，对活动量值与活动缩放参数的乘积（AC（p）*k（p））进行求和。在步骤311中，应当理解，如果传感器具有多于一个的感测方向，则在加速度传感器的各方向上对积分的或求和的加速度数据ACC（j）进行求和。

在图3A中的方法步骤302中，使用最优化过程确定恒定参数ai和活动缩放参数k（p）。该最优化过程基于用于计算PAEE值的给定模型。作为实例，用于计算活动p的能量消耗值的该模型可以基于对应于方程4a的以下方程：

PAEE_CAL(j)＝∑_iai*Ui+aN*ACD(j) 方程6a

或当恒定参数ai其中之一（例如aN）包含在项ACD（j）中所包含的活动缩放参数k（p）中时，基于对应于方程4b的以下方程

PAEE_CAL(j)＝∑_iai*Ui+ACD(j) 方程6b。

ai的变化率可以由ai′=ai/D给出，其中D是确定所测量的能量消耗值PAEE（j）和活动量值ACD（j）的持续时间。因此，D可被选择为1440分钟，即一天的持续时间。

因此，通过最小化所测量的能量消耗值PAEE（j）与所计算的能量消耗值PAEE_CAL（j）之间的差，可以确定ACD（j）中使用的恒定参数ai和活动缩放参数k（p）。

可以使用各种方法执行最小化所测量的能量消耗值PAEE（j）与所计算的能量消耗值PAEE_CAL（j）之间的差。例如，在图3A中，可以使用线性回归确定恒定因子ai，因为方程6表示恒定参数ai的线性函数。活动缩放参数k（p）可以通过使用调节反馈304迭代地调节k（p）来确定。对于每次调节k（p），确定新的恒定因子ai。调节反馈304用于找到最小化前述差的一组k（p）。

由于最小化问题可能存在多于一个的解，所以不仅可以找到单一组的活动缩放参数k（p），而且可以找到多组的活动缩放参数k（p），其每一组最小化所测量的能量消耗值PAEE（j）与所计算的能量消耗值PAEE_CAL（j）之间的差。然而，理想的活动缩放参数k（p）组应当不仅仅正确地确定在时段D上活动p的累加的能量消耗值PAEE，而且还应当正确地确定在时段D上不同活动p的PAEE值或高度182的变化。即，理想的活动缩放参数k（p）组应当正确地确定用户对不同活动p的能量消耗简档180。

可以通过最小化涉及不同活动（如图1所示的p、p1、p2）的所测量的与所计算的能量消耗值PAEE之间的差来确定正确的活动缩放参数k（p），并由此确定正确的能量消耗简档180。可替代地，可以通过计算所谓的皮尔森（Pearson）系数R²来确定所述正确的活动缩放参数k（p），其中皮尔森系数R²的高值指示方程6平均地给出了实际测量的PAEE（j）的良好预测。皮尔森系数R²可以被限定为：

其中

是测量的PAEE（j）在j上的平均值。可以看出，R²中的项是前述计算差，所以良好的预测将导致接近1的R²值。

因此，活动缩放参数k（p）的初始组可用作初始猜测。在已经计算了皮尔森系数R²之后，可以通过基于皮尔森系数R²的值调节k（p）参数的值来确定新的参数k（p）组。

也可以使用全局搜索来确定k（p）的最优值，其中对于k（p）值的预设范围，计算R²并且选择导致最高R²的这组k（p）。

可以对活动缩放参数k（p）的调节进行调节以使得对于具有低估实际能量消耗PAEE的活动值AC（p）的活动，活动缩放参数k（p）被调节为大于预设阈值（例如值1）的值，并且使得对于具有高估实际能量消耗PAEE的活动值AC（p）的活动，活动缩放参数k（p）被调节为小于预设阈值的值。一般地，当恒定参数a4或aN包含在k（p）中时，预设阈值不同于值1，并且当a4或aN不包含在k（p）中时，预设阈值可以等于值1。

因此，通过最小化给定时段D（例如一天）的所测量的能量消耗值与相同时段D上活动p的估算的能量消耗值的值的和之间的差来确定活动缩放参数k（p）。

因此，通过使用已经在约束下实验确定的活动缩放参数k（p）获得优点，该约束为：在时段D期间为运动p估算的能量消耗值的值之和接近相同时段D上测量的所测量的能量消耗值。即，所确定的活动缩放参数k（p）具有放大这样的活动值AC（p）的属性，所述活动值AC（p）由于加速度值太低而不能反映实际能量消耗而低估了实际能量消耗PAEE。类似地，活动缩放参数k（p）具有缩小这样的活动值AC（p）的属性，所述活动值AC（p）由于加速度值太高而不能反映实际能量消耗而高估了实际能量消耗PAEE。另一个优点在于，在一天上总的累加的估算的能量消耗接近一天的实际测量的能量消耗，这是因为已经在这样的约束下确定活动缩放参数k（p），该约束为：该天估算的总耗费的能量与总的测量的能量相比保持不变。

可以在调节反馈304中在方法步骤305中执行例如通过计算皮尔森系数R²最小化所测量的与所计算的能量消耗简档之间的差并且调节活动缩放参数k（p）。

应当理解，用于确定恒定参数ai和活动缩放参数k（p）的方法不在使用设备100用于确定用户101的能量消耗期间执行，而是结合能量消耗设备100的制造来执行。因此，使用例如图3A-B所示过程确定的ai和k（p）参数可以例如通过将参数存储在设备100的存储器中而在装配期间应用于能量消耗设备100。

尽管已经结合指定实施例描述了本发明，但是本发明不意图限于本文所提出的特定形式。相反，本发明的范围仅由所附权利要求限定。在权利要求中，术语“包括”不排除其他元件或步骤的存在。此外，尽管单独的特征可以包含在不同的权利要求中，但是这些特征可以有利地组合，并且包含在不同的权利要求中并不暗示特征的组合不是可行的和/或不是有利的。此外，单数引用不排除多个。因此对“一”、“一个”、“第一”、“第二”等的引用不排除多个。而且，权利要求中的附图标记不应当被解释为限制范围。

Claims

1.一种用于确定用户（101）的能量消耗的设备（100），该设备包括

- 数据输入端（110），用于接收作为时间函数的该用户的加速度数据（ACC），

- 参数输入端（120），用于接收表征该用户的一个或多个用户参数（Ui，120），

- 存储器（151），用于存储恒定参数（ai，ai′）和活动缩放参数（k（p）），该缩放参数是该用户（101）的活动（p）的函数，该活动作为用户输入而获得或者由自动活动识别算法确定，

- 处理器（150），编制为用于通过在活动（p）的持续时间（Tp）上对加速度数据（ACC）进行积分或求和来确定取决于活动（p）的活动值（AC（p）），并且用于通过获得活动缩放参数（k（p））与活动值（AC（p））的乘积以及通过形成所述乘积（k（p）*AC（p））与所述一个或多个用户参数（102）之和来确定能量消耗（PAEE）的估算值（182），其中所述用户参数由恒定参数（ai′）和活动（p）的持续时间（Tp）来缩放。

2.根据权利要求1的设备（100），其中所述活动缩放参数（k（p））是在包括一个或多个活动（p）的给定时段（D）上获得的所测量的能量消耗值（PAEE（j））与在相同时段（D）上为活动（p）所估算的能量消耗值（PAEE_CAL（j））的值之和之间的差的最小值。

3.根据权利要求1的设备（100），其中所述活动缩放参数（k（p））为

- 多个主体（j）的测量的能量消耗值（PAEE（j））和加速度数据（ACC（j））的多个数据对，其中所述能量消耗值和加速度数据在给定时段（D）上测量，

- 最小化所测量的能量消耗值（PAEE（j））和使用模型获得的所计算的能量消耗值（PAEE_CAL（j））之间的差来确定所述活动缩放参数（k（p）），其中该模型通过在活动（p）的持续时间（Tp）上对加速度数据（ACC（j））进行积分或求和以获得活动量的值（AC（p））、将活动量的值（AC（p））乘以活动缩放参数（k（p）），以及在活动（p）上对活动量和活动缩放参数的乘积（（AC（p））*k（p））求和，从而根据加速度值（ACC（j））确定活动量值（ACD（j））。

4.根据权利要求1的设备，其中对于具有低估实际能量消耗（PAEE）的、根据加速度数据（ACC）确定的活动值（AC（p））的活动，所述活动缩放参数（k（p））大于预设阈值，并且其中对于具有高估实际能量消耗（PAEE）的、根据加速度数据（ACC）确定的活动值（AC（p））的活动，所述活动缩放参数（k（p））小于所述阈值。

5.根据权利要求1的设备，其中所述处理器进一步被配置用于形成不同活动（p1，p2，pm）的能量消耗（PAEE）的估算值（182）序列以确定PAEE值的时间简档。

6.根据权利要求1的设备，其中所述用户参数（Ui，102）包括年龄、体重和身高，且其中根据下述方程通过恒定参数（a1′-a3′，a4）和活动（p）的持续时间（Tp）来缩放所述乘积和用户参数之和：PAEE(p)=Tp*a0’+Tp*a1’*年龄+Tp*a2’*体重+Tp*a3’*身高+a4_*k(p)*AC(p)，其中该和另外包括项T_p*a0。

7.根据权利要求1的设备，其中确定取决于活动（p）的活动值（AC（p））包括对于加速度传感器（105）的每个加速度方向在活动（p）的持续时间（Tp）上对加速度数据（ACC）进行积分或求和。

8.一种用于制造如权利要求1所述的设备的方法，包括，

- 获得多个主体（j）的所测量的能量消耗值（PAEE（j））和加速度数据（ACC（j））的多个数据对，其中所述能量消耗值和加速度数据在给定时段（D）上进行测量，

- 在递归循环中最小化所测量的能量消耗值（PAEE（j））与使用用于计算计算主体（j）的活动（p）的能量消耗值的模型（PAEE_CAL（j））而获得的所计算的能量消耗值（PAEE_CAL（j））之间的差以确定所述模型的恒定用户参数（ai）和活动缩放参数（k（p）），其中该模型的活动值（AC（p））是通过对来自给定主体（j）的给定活动（p）的加速度数据（ACC）进行积分或求和而根据该加速度数据（ACC）来确定，

- 在设备（100）中提供所确定的恒定参数（ai）和活动缩放参数（k（p））。

9.根据权利要求10的用于制造如权利要求1所述的设备（100）的方法，其中所述最小化的步骤包括在递归循环中执行步骤a-c:

a）在用于计算活动（p）的能量消耗值的模型（PAEE_CAL(j)）中，获得每个用户的每个数据对的活动量值（ACD（j）），其中该活动量值是通过在一时段（D）中在各活动（p）上对活动缩放参数（k（p））和活动值（AC（p））的乘积进行求和而根据表达式∑_pk(p)*AC(p)获得，其中所述活动值（AC（p））是根据来自给定主体（j）的给定活动（p）的加速度数据（ACC（j））而确定的，

b）使用该模型（PAEE_CAL（j）），通过将所测量的能量消耗值（PAEE（j））与所计算的能量消耗值（PAEE_CAL（j））进行比较来确定恒定参数（ai），以及

c）调节用于给定活动（p）的活动缩放参数（k（p）），直到所测量的能量消耗值（PAEE（j））与所计算的能量消耗值（PAEE_CAL（j））之间的差小于给定阈值为止。

10.一种用于确定用户（101）的能量消耗的系统，该系统包括根据如权利要求1所述的设备和用于测量用户的加速度数据（ACC）的便携式加速度计（105）。

11.一种用于确定用户（101）的能量消耗的方法，包括

- 获得由用户（101）执行的活动（p）作为用户输入或通过自动活动识别算法获得该活动，

- 通过在活动（p）的持续时间（Tp）上对用户（101）的加速度数据（ACC）进行积分或求和来确定取决于用户（101）执行的活动（p）的活动值（AC（p）），

- 根据所述实际活动（p）从一组缩放参数选择活动缩放参数（k（p）），该缩放参数是所述用户（101）的活动（p）的函数，

- 通过获得所述活动缩放参数（k（p））和活动值（AC（p））的乘积且通过形成所述乘积（k（p）*AC（p））与一个或多个用户参数（102）之和来确定能量消耗（PAEE）的估算值（182），其中所述用户参数由所述恒定参数（ai′）和活动（p）的持续时间（Tp）来缩放，且其中所述用户参数（102）表征用户，其中。

12.一种使得计算机处理器能够实现权利要求8或9的方法的计算机程序产品。