CN105938715A - 一种基于语音和心率结合的运动强度检测方法 - Google Patents
一种基于语音和心率结合的运动强度检测方法 Download PDFInfo
- Publication number
- CN105938715A CN105938715A CN201610380818.XA CN201610380818A CN105938715A CN 105938715 A CN105938715 A CN 105938715A CN 201610380818 A CN201610380818 A CN 201610380818A CN 105938715 A CN105938715 A CN 105938715A
- Authority
- CN
- China
- Prior art keywords
- heart rate
- voice
- detection method
- strength detection
- combined based
- 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
Links
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L19/00—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis
- G10L19/02—Speech or audio signals analysis-synthesis techniques for redundancy reduction, e.g. in vocoders; Coding or decoding of speech or audio signals, using source filter models or psychoacoustic analysis using spectral analysis, e.g. transform vocoders or subband vocoders
- G10L19/032—Quantisation or dequantisation of spectral components
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L15/00—Speech recognition
- G10L15/02—Feature extraction for speech recognition; Selection of recognition unit
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
- G10L21/00—Processing of the speech or voice signal to produce another audible or non-audible signal, e.g. visual or tactile, in order to modify its quality or its intelligibility
- G10L21/02—Speech enhancement, e.g. noise reduction or echo cancellation
- G10L21/0208—Noise filtering
- G10L21/0216—Noise filtering characterised by the method used for estimating noise
- G10L21/0232—Processing in the frequency domain
Abstract
本发明提供一种基于语音和心率结合的运动强度检测方法,利用智能手环先采集心率信号,如果心率值变大并超过合理心率则启动语音检测。优先使用心率区间确定运动强度,然后在通过语音判断用户运动强度结合心率给出准确的运动强度。本发明利用心率和语音结合的方法得出准确的运动强度,相比单一利用心率检测得出运动强度,准确性更高;且语音识别简单易于实现,受环境的干扰因素小;对硬件要求低,容易制作成便携的检测设备,易于推广应用。
Description
技术领域
本发明涉及运动强度检测领域,更具体地,涉及一种基于语音和心率结合的运动强度检测方法。
背景技术
目前运动强度的检测主要靠心率变异来确定,根据用户在运动中心率所处的区间不同来确定不同的运动强度。通过心率来确定运动强度在一定条件是可以适用的,但是对于经常从事运动的人来说,运动心率比较趋于稳定。
据运动医学专家研究表明,激烈的、长时间的运动,如跑马拉松时,身体会分泌一种类似鸦片、有麻醉作用的物质,称为因多芬。它可使人在运动中感觉不到痛苦,尤其会失去心脏病发作的前奏感——胸部剧痛。故常有长跑者昏倒或心脏病发作的情况发生。另外,免疫系统的淋巴细胞也会当因多芬产生过多时,失去抵制外来病毒的作用,引起免疫功能失调,使感冒、肿瘤或癌症得以发病。
激烈过分的运动会产生许多对身体的组织和肌肉破坏性很大的氧自由基,造成血浆内锌与铁的降低及流失,使体内矿物质失去平衡。剧烈运动还会使心跳加快,血压升高,使运动中心脏病发作的危险性大大增加。
发明内容
本发明通过将心率和语音结合判断运动强度是一种更为简便快捷的运动强度检测方式,能够在不影响正常运动的情况下,通过高灵敏度的麦克风收集用户运动时候语音,并分析语音信号的频谱、幅度和能量来确定运动强度,因为在运动强度较大时候,人体语音的频谱、幅度和能量都会变化。
有鉴于此,本发明利用智能手环先采集心率信号,如果心率值变大且超过合理心率则启动语音检测。优先使用心率区间确定运动强度,然后在通过语音判断用户运动强度,最后结合心率值给出准确的运动强度。该技术方案具体如下:
一种基于语音和心率结合的运动强度检测方法,所述的方法包括以下几个步骤:
S1采集运动过程中用户的心率值;
S2对心率值变化进行分析,确定该心率的运动强度区间;
S3当心率值变大并超过合理心率值时,则启动语音检测工作;
S4利用麦克风采集语音信号,并过滤杂波,获取用户说话或呼吸产生的音频信号;
S5对输入的音频信号进行频谱分析、幅度分析、能量分析;
S6提取频谱、幅度、能量分布和杂波特征参数;
S7根据频谱、幅度、能量分布和杂波特征参数划分运动强度等级,成立参考模版数据库;
S8使用神经网络模式对频谱、幅度、能量分布和杂波特征参数在标准数据库中进行训练和匹配;
S9结合心率值和与语音信号进行综合分析,得出准确的运动强度。
优选的,所述的心率值采集部件为心率传感器。
优选的,所述的心率传感器设置在智能手环上。
优选的,所述的麦克风的灵敏度范围为-48dB~-35dB。
优选的,所述的麦克风选择信噪比为55dB~60dB。
优选的,所述的麦克风的型号选择KNOWLES的SPUL409HE5H-PB。
优选的,所述的杂波为80HZ~1.2KHZ范围外的音频信号。
优选的,所述的语音信号为最大分贝的频率信号。
本发明利用心率和语音结合的方法得出准确的运动强度,相比单一利用心率检测得出运动强度,准确性更高;且语音识别简单易于实现,受环境的干扰因素小;对硬件要求低,容易制作成便携的检测设备,易于推广应用。
附图说明
图1为本发明一种基于语音和心率结合的运动强度检测方法的工作流程图。
图2为本实施例1中的神经网络训练模式的工作流程图。
具体实施方式
为了便于本领域技术人员理解,下面将结合附图以及实施例对本发明进行进一步详细描述。
实施例1
如图1、图2所示,一种基于语音和心率结合的运动强度检测方法,所述的方法包括以下几个步骤:
(1)用户先利用智能手环上的心率传感器采集运动过程中心率值;
(2)将智能手环与手机APP通过无线连接,并将心率值数据上传至手机APP中,手机APP通过对心率值变化进行分析,获得基于心率的运动强度,确定该心率的运动强度区间;
(3)当用户的心率值变大并超过合理心率值时,则启动智能手环中的麦克风;
麦克风启动后,通过该麦克风采集用户的语言信号。其中,采集的语音信号为最大分贝的频率信号。所述的语言信号通过用户说话或呼吸产生,并转化成为语言信号。
所述的正常情况下人体的合理心率计算如下:
有氧运动中合理心率=(最大心率-安静心率-年龄)×Q+安静心率。公式中的最大心率=210;安静心率指运动前相对安静状态下的心率;Q代表运动量,50%以下为小运动量,50%~75%为中运动量,75%以上为大运动量。如某人50岁、安静心率76次/每分钟、希望进行小运动量有氧运动,确定有氧心率=(210-76-50)×50%+76=118次/每分钟。对中老年人来说,可以采用最简单而安全的方法:适宜的有氧运动心率=170-年龄。如60岁,参加有氧运动时,心率宜控制在170-60=110次/每分钟。而对体弱且年纪较大的人,为了安全,可以选择(170-年龄)×0.9。所述的人体的合理心率计算为本领域技术人员常用的公知常识。。
再者,因为用户离智能手环的距离最近,所以采集最大分贝的频率信号确保是用户自己说话或呼吸所产生的音频,避免采集到其他人的声音,影响运动强度的确认。
所述的麦克风的灵敏度范围控制在-48db~-35dB之间,并将麦克风的信噪比控制在55dB~60dB之间。其中,选用上述灵敏度和信噪比的麦克风具有灵敏度较高,采集的效果较好的优点。本实施例中所采用的麦克风为KNOWLES生产的型号为SPUL409HE5H-PB的麦克风。
(4)由于人的声音范围主要集中在80HZ-1.2KHZ之间,所以在过滤杂波时将大于80HZ和小于1.2KHZ频率的音频信号作为杂波过滤掉。其中杂波的过滤本实施例通过傅里叶变化剔除,获取用户说话或呼吸产生的正确的音频信号;
(5)对获取的音频进行频谱分析、幅度分析和能量分析;
(6)提取频谱、幅度、能量分布和杂波特征参数;
(7)根据频谱、幅度、能量分布和杂波特征参数划分运动强度等级;
(8)对已知的准确运动强度的语音特征参数进行数据收集,提取不同运动强度的语音特征参数值,建立语音的参考模版数据库,所述的特征参数为频谱、幅度、能量分布和杂波;
(9)使用神经网络模式对频谱、幅度、能量分布和杂波特征参数在参考模版数据库中进行训练和匹配,获得基于语音分析的运动强度;其中所述的神经网络模式中的训练具体如下:
a.以参考模版参数为输入,在给定的矩形特征原型下,计算并获得矩形特征参数集;
b.以特征参数集为输入,根据给定的弱学习算法,确定闽值,将特征参数与弱分类器进行一一对应,获得弱分类器集;c.以弱分类器集为输入,在训练检出率和误判率限制下,使用AdaBoost算法挑选最优的弱分类器构成强分类器;d.以强分类器集为输入,将其组合为级联分类器;e.以非有规律(非语音信号)数据集为输入,组合强分类器为临时的级联分类器,筛选并补充非有规律(非语音信号)样本。
(10)结合心率值和与语音信号进行综合分析,得出准确的运动强度。
本实施例利用心率和语音结合的方法得出准确的运动强度,相比单一利用心率检测得出运动强度,准确性更高;且语音识别简单易于实现,受环境的干扰因素小;对硬件要求低,容易制作成便携的检测设备,易于推广应用。
本实施例还利用了神经网络训练的方式,神经网络本身有很强的非线性拟合能力,可映射任意复杂的非线性关系,而且学习规则简单,便于计算机实现。具有很强的鲁棒性、记忆能力、非线性映射能力以及强大的自学习能力。
以上为本发明的其中具体实现方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些显而易见的替换形式均属于本发明的保护范围。
Claims (8)
1.一种基于语音和心率结合的运动强度检测方法,其特征在于,所述的方法包括以下几个步骤:
S1 采集运动过程中用户的心率值;
S2 对心率值变化进行分析,确定该心率的运动强度区间;
S3当心率值变大并超过合理心率值时,则启动语音检测工作;
S4 利用麦克风采集语音信号,并过滤杂波,获取用户说话或呼吸产生的音频信号;
S5 对输入的音频信号进行频谱分析、幅度分析、能量分析;
S6 提取频谱、幅度、能量分布和杂波特征参数;
S7 根据频谱、幅度、能量分布和杂波特征参数划分运动强度等级,建立参考模版数据库;
S8 使用神经网络模式对频谱、幅度、能量分布和杂波特征参数在参考模版数据库中进行训练和匹配;
S9 结合心率和与语音信号进行综合分析,得出准确的运动强度。
2.根据权利要求1所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的心率值采集部件为心率传感器。
3.根据权利要求2所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的心率传感器设置在智能手环上。
4.根据权利要求1所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的麦克风的灵敏度范围为-48dB~-35dB。
5.根据权利要求1或4所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的麦克风选择信噪比:55dB~60dB。
6.根据权利要求5所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的麦克风的型号选择KNOWLES的SPUL409HE5H-PB。
7.根据权利要求1所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的杂波为80HZ~1.2KHZ范围外的音频信号。
8.根据权利要求1所述的基于语音和心率结合的运动强度检测方法,其特征在于,所述的语音信号为最大分贝的频率信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610380818.XA CN105938715A (zh) | 2016-06-01 | 2016-06-01 | 一种基于语音和心率结合的运动强度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610380818.XA CN105938715A (zh) | 2016-06-01 | 2016-06-01 | 一种基于语音和心率结合的运动强度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105938715A true CN105938715A (zh) | 2016-09-14 |
Family
ID=57151689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610380818.XA Pending CN105938715A (zh) | 2016-06-01 | 2016-06-01 | 一种基于语音和心率结合的运动强度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105938715A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108852333A (zh) * | 2018-05-14 | 2018-11-23 | 四川斐讯信息技术有限公司 | 一种基于智能穿戴设备的心率监控方法及系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1968293A (zh) * | 2005-11-15 | 2007-05-23 | 黄煜树 | 可衡量运动状态及支持运动训练的移动电话装置 |
CN101128150A (zh) * | 2004-07-23 | 2008-02-20 | 以康源有限公司 | 使用非接触式麦克风进行呼吸型式测定的装置和方法 |
CN101496944A (zh) * | 2008-02-01 | 2009-08-05 | 三洋电机株式会社 | 被动型运动设备及其控制装置 |
CN101742981A (zh) * | 2007-02-16 | 2010-06-16 | 希盟(中国)科技有限公司 | 佩戴式微型智能健康监护系统及其监护方法 |
CN202044260U (zh) * | 2011-05-04 | 2011-11-23 | 中国工程物理研究院电子工程研究所 | 一种多功能心率计步器 |
CN103830885A (zh) * | 2014-02-27 | 2014-06-04 | 上海中医药大学附属曙光医院 | 基于生命体征信号的便携式动作指令控制装置及方法 |
CN103876711A (zh) * | 2014-03-27 | 2014-06-25 | 北京圣博亚科技有限公司 | 可穿戴电子设备以及人体健康监测管理系统 |
CN104434142A (zh) * | 2014-11-14 | 2015-03-25 | 惠州Tcl移动通信有限公司 | 可穿戴设备以及情绪提醒的方法 |
-
2016
- 2016-06-01 CN CN201610380818.XA patent/CN105938715A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101128150A (zh) * | 2004-07-23 | 2008-02-20 | 以康源有限公司 | 使用非接触式麦克风进行呼吸型式测定的装置和方法 |
CN1968293A (zh) * | 2005-11-15 | 2007-05-23 | 黄煜树 | 可衡量运动状态及支持运动训练的移动电话装置 |
CN101742981A (zh) * | 2007-02-16 | 2010-06-16 | 希盟(中国)科技有限公司 | 佩戴式微型智能健康监护系统及其监护方法 |
CN101496944A (zh) * | 2008-02-01 | 2009-08-05 | 三洋电机株式会社 | 被动型运动设备及其控制装置 |
CN202044260U (zh) * | 2011-05-04 | 2011-11-23 | 中国工程物理研究院电子工程研究所 | 一种多功能心率计步器 |
CN103830885A (zh) * | 2014-02-27 | 2014-06-04 | 上海中医药大学附属曙光医院 | 基于生命体征信号的便携式动作指令控制装置及方法 |
CN103876711A (zh) * | 2014-03-27 | 2014-06-25 | 北京圣博亚科技有限公司 | 可穿戴电子设备以及人体健康监测管理系统 |
CN104434142A (zh) * | 2014-11-14 | 2015-03-25 | 惠州Tcl移动通信有限公司 | 可穿戴设备以及情绪提醒的方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108852333A (zh) * | 2018-05-14 | 2018-11-23 | 四川斐讯信息技术有限公司 | 一种基于智能穿戴设备的心率监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220095989A1 (en) | Multimodal human-robot interaction system for upper limb rehabilitation | |
Alsabek et al. | Studying the Similarity of COVID-19 Sounds based on Correlation Analysis of MFCC | |
CN105796096B (zh) | 一种心率变异性分析方法、系统及终端 | |
CN102426651B (zh) | 人体前臂表面肌电信号采集及模式识别系统 | |
CN101599127B (zh) | 眼电信号的特征提取与识别方法 | |
CN104887263B (zh) | 一种基于心音多维特征提取的身份识别算法及其系统 | |
CN107422643A (zh) | 基于振动检测的智能家居监控方法及系统 | |
CN107799114A (zh) | 一种猪只咳嗽声音识别方法及系统 | |
Patil et al. | The physiological microphone (PMIC): A competitive alternative for speaker assessment in stress detection and speaker verification | |
CN105976820B (zh) | 一种语音情感分析系统 | |
CN107422841A (zh) | 一种基于非接触式情绪识别的人机交互方法 | |
Doulah et al. | Neuromuscular disease classification based on mel frequency cepstrum of motor unit action potential | |
CN102999154A (zh) | 一种基于肌电信号的辅助发声方法及装置 | |
CN104814727B (zh) | 一种非接触式的生物反馈训练方法 | |
Gopalakrishna et al. | A recursive wavelet-based strategy for real-time cochlear implant speech processing on PDA platforms | |
CN103116405A (zh) | 牙齿动作状态的脑肌电的实时检测控制装置及方法 | |
CN106653058B (zh) | 基于双声道的脚步检测方法 | |
CN109512441A (zh) | 基于多元信息的情绪识别方法及装置 | |
CN106200975A (zh) | 一种生物反馈放松方法及装置 | |
CN105938715A (zh) | 一种基于语音和心率结合的运动强度检测方法 | |
CN109767750A (zh) | 一种基于语音雷达与视频的语音合成方法 | |
CN105686827A (zh) | 一种基于微控制器的肌电信号处理及特征提取方法 | |
Dam et al. | e-Breath: breath detection and monitoring using frequency cepstral feature fusion | |
CN111150934B (zh) | 人工耳蜗汉语声调编码策略的评估系统 | |
Abdullah et al. | Bio-inspired radar: Recognition of human echolocator tongue clicks signals |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160914 |
|
RJ01 | Rejection of invention patent application after publication |