CN110353692A - 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 - Google Patents
基于生物信号的体能、疲劳、恢复能力的评测系统及方法 Download PDFInfo
- Publication number
- CN110353692A CN110353692A CN201910468691.0A CN201910468691A CN110353692A CN 110353692 A CN110353692 A CN 110353692A CN 201910468691 A CN201910468691 A CN 201910468691A CN 110353692 A CN110353692 A CN 110353692A
- Authority
- CN
- China
- Prior art keywords
- value
- testee
- fatigue
- physical efficiency
- information
- 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.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1118—Determining activity level
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- 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]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
Abstract
本发明提供一种基于生物信号的体能、疲劳、恢复能力的评测系统及方法,解决现有测评方法分析结果不准确,且硬件结构硕大的问题;其中,评测系统包括:心电呼吸计步采集模块、蓝牙通讯模块、运算分析显示模块和存储模块,运算分析模块分别与存储模块和蓝牙通讯模块电连接,用于对受测者的体能、疲劳、恢复能力评估运算;评测方法包括如下步骤:采集受测者的心电信号和呼吸波形信号;运算分析模块通过蓝牙通讯模块获取上述信号,绘制生成心电曲线图及呼吸波形图,并将其与存储模块中的曲线样图进行对比分析,并输出评测结果;存储模块将评测结果以时间轴的方式存储。本发明对受测者的体能、疲劳程度、恢复能力及健康管理和体育锻炼,能形成指导。
Description
技术领域
本发明属于健康管理和体育训练技术领域,具体而言,本发明涉及基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统及方法。
背景技术
保持健康的心身需要合理的管理健康,通过心身训练和精准的体能、疲劳、恢复能力测评,具有了解自身状况、合理安排生活和进行强度适宜的体育锻炼的管理精准性,对于生活的现代化和适应现代化速度越来越快的生活,具有重要的现实意义。
中国专利文献CN108970085A中公开了运动体能分析方法、设备及存储介质,并公开了通过计算评估体能信息、实时体能信息,监测实时运动数据中生理参数是否异常,并分析所述实时体能信息与历次实时体能信息以得到体能变化数据,从而根据体能变化数据调整用于分析实时体能信息的计算参数,并且预测下次运动体能情况以给出相应运动或训练建议。其中,运动数据包括生命体征参数,而生命体征参数具体包括运动心率、呼吸频率、及血氧饱和度。
中国专利文献CN108888282A中公开了一种智能的呼吸肌功能评估反馈训练系统,首先利用呼吸肌测量单元、肺功能测量单元、胸腹起伏测量单元和血氧饱和度检测单元对受检者进行检测,然后利用嵌入式系统单元采集检测信息并将采集信息传送给呼吸肌评估单元进行评估,生成评估报告,评估报告上开有训练处方,最后根据训练处方要求,利用反馈训练单元对受检者进行训练。
上述专利文献中的方法虽然通过运动心率、呼吸频率等信息对测试者的体能进行了测评,但是存在以下问题:
1、信号采集部位易受身体运动幅度影响而产生信号噪音,致使分析结果不正确,误差较大。
2、仪器设备外形结构过于庞大,便携性较差。
3、没有充分利用心电信号以及呼吸波信号中所携带的受测者体况信息,进而分析出的数据结论不够全面,分析结果不是十分准确。
4、没有确时的计步功能和对年龄、性别、体重、身高的规划要求,因而缺乏耗能水平与体能、疲劳、恢复能力之间,精准测评的基础,也因之难以形成有意义的差别对比和建立科学的健康管理档案和管理方案。
5、不能进行通过云数据库的远程实时监控和事后分析。
因此,提供一种基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统及方法,以克服上述缺陷中的至少一种,成为一种必需。
发明内容
本发明解决的技术问题在于现有技术中的体能测评方法,方法不规范,数据不可靠,分析结果不准确,且硬件结构硕大的问题,进而提供一种基于生物信号的体能、疲劳、恢复能力的评测系统及方法标准。
为了解决上述问题,本发明提供了一种基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统,包括:
心电呼吸计步采集模块,用于采集受测者的心电信号、呼吸波形信号和规定时间内的步行步数;
蓝牙通讯模块,用于实现所述心电呼吸计步采集模块的数据传输和通讯;
运算分析显示模块,所述运算分析显示模块,分别与所述存储模块和蓝牙通讯模块电连接,用于接收和处理受测者的心电信号、呼吸波形信号和计步及体位状况,以及对受测者的体能、疲劳、恢复能力进行评估运算;
存储发送模块,用于存储受测者的心电信号、呼吸波形信号、心电曲线样图、呼吸波曲线样图、计步和体位信息,及受测者的体能、疲劳、恢复能力进行评估运算结果。
优选地,还包括体位采集模块,所述体位采集模块与所述心电呼吸计步采集模块集成于一体;所述体位采集模块,用于采集受测者的体位活动信号;所述体位采集模块与所述运算分析显示模块电连接。
优选地,所述计步和体位采集模块内集成设置有至少一个多轴传感器或一个陀螺仪,用于获取人体的步行步数和体位信息。
优选地,所述体位信息包括:平卧、左侧卧、右侧卧。
优选地,所述体位信息还包括:站、坐、行走。
优选地,还包括云服务器;所述云服务器内存储有数据库,所述云服务器与所述中央处理器通信连接;所述数据库用于存储受测者的心电信号、呼吸波形信号信息、计步和体位活动信号。
优选地,还包括显示装置;所述显示装置与所述运算分析模块电连接,用于显示所述运算分析显示模块的评估运算结果。
本发明还提供一种基于生物信号的体能、疲劳、恢复能力的评测方法,采用如前所述的评测系统;所述方法包括如下步骤:
(1)通过心电呼吸计步采集模块,采集受测者执行一个标准测评模型的运动前、运动中以及运动后的心电信号、呼吸波形信号、计步和体位信号;
(2)运算分析显示模块通过蓝牙通讯模块获取所述心电信号、呼吸信号、计步数量及体位信号;
(3)运算分析显示模块分别将所述心电信号和呼吸波形信号绘制生成实时的心电波形图或心电曲线图、实时的呼吸波形图或呼吸曲线图,并将计步情况和体位状况可视化;
(4)运算分析显示模块将所述心电信息、呼吸信息及计步情况和体位状况,分别与存储模块中的标准步数及标准体位下的心电测试曲线样图及呼吸测试曲线样图进行对比分析,并输出包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果和至少一种恢复能力曲线样图;
(5)存储模块将包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果,以时间轴的方式存储,并可同步将所存储的数据发送到云端存储。
优选地,所述心电测试曲线样图及呼吸测试曲线样图,分别由不同年龄、不同性别、不同体重、不同身高的受测者的心电信号、呼吸信号、计步和体位信号,在完成同一个标准测试模型全程中的心电信息、呼吸信息经加权处理后计算获得。
优选地,所述心电测试曲线样图、呼吸测试曲线样图、以及恢复能力曲线样图,分别由不同年龄、不同性别、不同体重、不同身高的受测者的心电信号和呼吸信号,经过加权运算产生;不同年龄、不同性别、不同体重、不同身高的受测者,从完成一个自选的标准测试模型的全程中,获得由其心电信息和呼吸信息经加权处理后产生的心电测试曲线图、呼吸测试曲线图及恢复能力曲线图。
优选地,步骤(4)中,对受测者的体能评测包括如下步骤:
将采集的受测者开始标准测试模型前的心电信息、呼吸信息和体位信息,与所述数据库中存储的标准体位下的心电测试曲线样图及呼吸测试曲线样图进行计算和比较;输出体能评测结果。
优选地,所述计算和比较,包括如下步骤:
从受测者当次心电信息和呼吸信息中,获得开始标准测试前的心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第一和值;
从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前心电信息值的平均值和呼吸信息值的平均值,将这两个值求和,并乘以系数X;或以受测者上一次开始标准测试前心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第二和值;
将所述第一和值与所述第二和值作比后获得百分比P体能;
或,第一和值与所述第二和值作差后获得的差值D体能;
作为受测者本次体能评测结果输出,并存入存储模块;其中,将P体能=1 和D体能=0,定义为常态,将P体能<1和D体能<0定义为其值越小,体能越好;将P体能>1和D体能>0定义为其值越大,体能越差。
优选地,步骤(4)中,对受测者的疲劳评测包括如下步骤:
从受测者执行一个标准测试模型的当次心电信息和呼吸信息中,获得开始标准测试前和完成一个标准测试模型的运动量后即刻,其心电信息值的差值和呼吸信息值的差值,将这两个差值求和,并乘以系数Y,作为第三和值;
计算第四和值,所述第四和值的计算方式包括:
从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息值差值的平均值和呼吸信息值差值的平均值,将这两个平均值求和,并乘以系数Y;或,以受测者上一次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息差值和呼吸信息差值,将这两个差值求和,并乘以系数Y;
将所述第三和值与所述第四和值作比后获得百分比P疲劳,作为受测者本次疲劳评测结果输出,并存入存储模块;
将所述第三和值与所述第四和值作差后获得差值D疲劳;
将P疲劳=1和D疲劳=0,定义为常态,将P疲劳<1和D疲劳<0定义为其值越小,体能越好;将P疲劳>1和D疲劳>0定义为其值越大,体能越差。
优选地,步骤(4)中,对受测者的恢复能力评测包括如下步骤:
受测者执行一个标准测试模型;
获取开始该标准测试模型之前受测者的心电信息值h0和呼吸信息值b0;
将心电信息值h0和呼吸信息值b0求和,并乘以系数Z,作为起始值S0;
受测者完成一个标准测试模型的运动量后,获取受测者完成测试时刻的心电信息值h1和呼吸信息值b1;
将心电信息值h1和呼吸信息值b1求和,并乘以系数Z,作为第五和值 S1,
每隔10秒,将对应时间的心电信息值hi和呼吸信息值bi求和,并乘以系数Z,作为每隔10秒的一个和值Si;
运算分析显示模块将S0、S1到Si沿时间轴t0、t1到ti依序描点,生成Si值逐渐下降的恢复曲线;
将所有数据及恢复曲线存于存储模块中,并发送到云数据库中。
与现有技术相比,本发明的优点和有益效果在于:
本发明所述的基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统,在让受测者完成一个确时N档的标准测试模型的全过程中,采集并分析受测者的心电信号、呼吸信号、计步和体位信号等生物信号,进而得到受测者的体能、疲劳、恢复能力情况,通过其评测结果,对受测者的健康管理和体育锻炼等进行指导。其中,蓝牙通讯模块的设置能够便捷地将受测者的心电、呼吸、体位、行走信息传送到运算分析显示模块,运算分析显示模块可及时地将评估运算的结果,反馈至显示终端,便于使用者能够快速准确地获知自己的体能信息、当前的疲劳程度、以及当前所拥有的恢复能力,致使使用者能够根据自己的身体状况,调整当前的工作和生活内容,更为高效合理地安排自己的生活和工作日程。
进一步的,计步和体位采集模块的设置,能够标记运动状况和体位信息与其体能、疲劳、恢复能力测评结果之间的关系。这不仅可加深使用者对设置标准测试模型重要性的理解,从而有良好的依从性,也可让使用者通过使用不同的测试模型,更加精确地了解自身在不同耗能模式中体能消耗及恢复能力的差异,从而增加应用本测评系统和方法的乐趣。
特别是对运动员,选择针对个人的专用测试模型,可对其临赛状况、继续比赛的体能状况、训练方案/饮食/情绪以及睡眠质量对体能影响,做出更为科学的测评。
进一步的,云服务器的设置用于远程掌握测试者的体能、疲劳、恢复能力的评测信息,便于相关专家针对上述信息为测试者提出科学的指导建议。
此外,本发明进一步提供的基于生物信号的体能、疲劳、恢复能力的评测方法,为如何以使用者运动的方式实施评测提供了相关算法依据。其中,包含受测者的体能、疲劳、恢复能力评测信息中,至少一项信息的评测结果能够为受测者提供科学的行为指导,存储模块内以时间轴的方式存储的评测结果,能够方便测试者了解自己在标准测试模型的运动过程中体能消耗状态,为日后合理安排自身的体能训练方式提供指导性依据。
进一步的,采用不同年龄、不同性别、不同身高和不同体重的受测者的心电、呼吸、计步和体位信息,以及确时N档的标准测试模型,随着用户量的增加,云数据库数据的不断丰富,不断修正的均值心电曲线样图、呼吸曲线样图、以及恢复能力曲线样图,在年龄、性别、身高、体重方面,会越来越具有精准分档的平均共享性,为分析受测者的体能、疲劳、恢复能力提供既个性化又均值化的分析依据,致使分析结果具有更强的个人可参考性和健康管理价值。以此为基础获得的大数据,将能够反映公众体能、疲劳、恢复能力的基本水平,可作为公众健康水平和健康管理的一个客观数据,对发展健康中国的国家战略,具有现实和深远发展的重大意义。
附图说明
图1为实施例中所述的基于生物信号的体能、疲劳、恢复能力的评测系统的结构示意图。
图2为实施例中其中一位受测者的心率曲线、呼吸复曲线及恢复能力曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1:
如图1所示,本实施例的基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统,包括:心电呼吸计步采集模块100,用于采集受测者的心电信号、呼吸信号和计步及体位信息;蓝牙通讯模块 200,用于实现所述心电呼吸计步采集模块的数据传输和通讯;运算分析显示模块300,所述运算分析显示模块300分别与所述存储模块400和蓝牙通讯模块200电连接,用于接收和处理受测者的心电信号、呼吸信号、计步和体位信号,以及对受测者的体能、疲劳、恢复能力进行评估运算;存储模块400,用于存储受测者的心电信号、呼吸信号、计步和体位信号、心电曲线样图、呼吸曲线样图、恢复能力曲线样图,以及受测者的体能、疲劳、恢复能力进行评估运算结果。
需要说明的是,上述心电呼吸计步采集模块、蓝牙通讯模块及运算分析显示模块的电路结构均为现有技术,其相关技术细节参见专利文献 CN107374642A及CN107374615A中公开的技术信息,在此本申请不再进一步图示与赘述。
使用时,将心电呼吸计步采集模块贴附在受测者的胸骨柄位置,可采集到的受测者清晰的心电信号、呼吸波形信号、计步和体位信号,被获取的信号信噪比较高,能够携带大量与受测者身体素质相关的参数信息,致使本申请能够准确的分析出受测者的体能、疲劳、恢复能力的评测结果。具体的,如图2所示,其中一位受测者的心率曲线H、呼吸复曲线B及恢复能力曲线 S受测者总共运动11分钟,包含一分钟的静息准备时间、5分钟标准测试模型规定的额定量运动时间和5分钟的静息测试时间;从图中可获知,该受测者在5分钟的额定量运动后的恢复能力测试时间为5分钟。由于不同体质的人或同一人在不同的状态下,在同样运动量下,恢复时长不同,上述评测系统可以全面的评测不同人员的体能、疲劳及恢复能力,进而为针对性的制定健康管理或运动指导方案,提供数据分析基础。
进一步的,在本实施例的其中一个优选技术方案中,还包括体位采集模块,所述体位采集模块与所述心电呼吸计步采集模块集成于一体;所述体位采集模块,用于采集受测者的体位活动信号;所述体位采集模块与所述运算分析显示模块电连接。体位采集模块的设置能够实时获取使用者的体位信息,便于运算分析显示模块将使用者不同时刻的体位信息与受测者的体能、疲劳、恢复能力进行评估运算结果以时间轴的方式输出,便于使用者自行分析自己的体位姿态与体能、疲劳、恢复能力之间的关系。进一步的,将上述分析结果应用在健康管理或健身运动中,还能让耐力训练中的运动员充分了解自己以何种姿态运动能够保持更为长久的体能输出。此外,以时间轴的方式输出结合体位信息的心电信号和呼吸波形信号,还能为使用者获知睡眠中自身处于何种体位,便能够获得不压迫心脏的休息效果提供数据分析基础,为使用者如何实施限位睡眠提供技术指导。
进一步的,在本实施例的其中一个优选技术方案中,还包括云服务器;所述云服务器内存储有数据库,所述云服务器与所述中央处理器通信连接;所述数据库用于存储受测者的心电信号、呼吸信号、计步信息、体位活动信号,以及每一次测试后所获得的心电信息曲线图、呼吸信息曲线图和恢复能力曲线图。云服务器的设置用于远程掌握测试者的体能、疲劳、恢复能力的评测信息,便于相关专家针对上述信息为测试者提出科学的健康管理或体育锻炼指导建议。
进一步的,在本实施例的其中一个优选技术方案中,还包括显示装置;所述显示装置与所述运算分析显示模块电连接,用于显示所述运算分析显示模块的评估运算和显示结果。
本发明所述的基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测系统,采集并分析受测者的心电信号、呼吸信号、计步和体位等生物信号,进而得到受测者的体能、疲劳、恢复能力情况,通过其评测结果,对受测者的健康管理和体育锻炼等进行指导。其中,蓝牙通讯模块的设置能够无线高速地将所获信息发送给运算分析显示模块,运算分析显示模块将评估运算的结果送至显示终端和存储模块,便于使用者在经过标准测试模型的测试后,当即能够获知自己的体能信息,当前的疲劳程度,以及当前所拥有的恢复能力,致使使用者能够根据自己的身体状况调整当前的作业内容,更为高效合理的安排自己的生活和工作日程。
实施例2:
本实施例在上述实施例的基础上还提供一种基于生物信号的体能、疲劳、恢复能力的评测方法,所述评测方法采用上述实施例中的评测系统;所述方法包括如下步骤:
(1)通过心电呼吸计步采集模块,采集受测者进行一个标准测试模型的运动前、运动中以及运动后的心电信号、呼吸信号、计步和体位信号;
(2)运算分析显示模块通过蓝牙通讯模块获取所述心电信号、呼吸信号、计步数量和体位信号;
(3)运算分析显示模块分别将所述心电信号和呼吸信号绘制生成实时的心电波形图或心电曲线图、实时的呼吸波形图或呼吸曲线图,并将计步情况和体位状况可视化;
(4)运算分析显示模块将所述心电信息、呼吸信息及计步情况和体位状况,分别与存储模块中的标准步数及标准体位下的心电测试曲线样图及呼吸测试曲线样图进行对比分析,并输出包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果和至少一种恢复能力曲线样图;
(5)存储模块将包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果,以时间轴的方式存储,并可同步将所存储的数据发送到云端存储。
进一步的,在本实施例的其中一个优选技术方案中,所述心电测试曲线样图、呼吸测试曲线样图、以及恢复能力曲线样图,分别由不同年龄、不同性别、不同体重、不同身高的受测者的心电信号和呼吸信号,经过加权运算产生。不同年龄、不同性别、不同体重、不同身高的受测者,从完成一个自选的标准测试模型的全程中,获得由其心电信息和呼吸信息经加权处理后产生的心电测试曲线图、呼吸测试曲线图及恢复能力曲线图。采用不同年龄、不同性别、不同身高和不同体重的受测者的心电、呼吸、计步和体位信息,以及确时N档的标准测试模型,随着用户量的增加,云数据库数据的不断丰富,不断修正的均值心电曲线样图、呼吸曲线样图、以及恢复能力曲线样图,在年龄、性别、身高、体重方面,会越来越具有精准分档的平均共享性,为分析受测者的体能、疲劳、恢复能力,提供既个性化又均值化的分析依据,致使分析结果具有更强的个人可参考性和健康管理价值。需要说明的是,本实施例是在标准测试模型下测试完成,所谓的标准测试模型,即在规定的时间内完成一个标准运动量的耗能模型。比如,设定跑步机运行的速度为40 步/分钟、60步/分钟、80步/分钟,并同时设定走步的时间为3分钟、5分钟、 10分钟等,因此,本标准测试模型依不同的耗能量分为N个档次,称为确时 N档标准测试模型。
进一步的,在本实施例的其中一个优选技术方案中,步骤(4)中,对受测者的体能评测包括如下步骤:将采集的受测者的心电信息曲线图和呼信息曲线图与所述数据库中存储的心电测试曲线样图及呼吸测试曲线样图进行拟合;输出体能评测结果。
进一步的,在本实施例的其中一个优选技术方案中,步骤(4)中,对受测者的体能评测包括如下步骤:将采集的受测者开始标准测试模型前的心电信息、呼吸信息和体位信息,与所述数据库中存储的标准体位下的心电测试曲线样图及呼吸测试曲线样图进行计算和比较;输出体能评测结果。
进一步的,在本实施例的其中一个优选技术方案中,所述计算和比较,包括如下步骤:
从受测者当次心电信息和呼吸信息中,获得开始标准测试前的心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第一和值;公式如下:
S0=(心电值h0+呼吸值b0)*X;
从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前心电信息值的平均值和呼吸信息值的平均值,将这两个值求和,并乘以系数X;或以受测者上一次开始标准测试前心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第二和值;
将所述第一和值与所述第二和值作比后获得百分比P疲劳,公式如下:
P体能=第一和值/第二和值;
或所述第一和值与所述第二和值作差后获得的差值D体能,公式如下:
D体能=第一和值/第二和值;
作为受测者本次体能评测结果输出,并存入存储模块;
P体能值之越大,体能越差,P疲劳值越小,体能越好;D体能值越大,体能越差,D体能值越小,体能越好。所说的体能越好或越差,是指受测者本次测评与之前测评结果比较而言的。
本方法将P体能=1和D体能=0,定义为常态,将P体能<1和D体能<0定义为其值越小,体能越好;将P体能>1和D体能>0定义为其值越大,体能越差。
进一步的,在本实施例的其中一个优选技术方案中,步骤(4)中,对受测者的疲劳评测包括如下步骤:
从受测者执行一个标准测试模型的当次心电信息和呼吸信息中,获得开始标准测试前和完成一个标准测试模型的运动量后即刻,其心电信息值的差值和呼吸信息值的差值,将这两个差值求和,并乘以系数Y,作为第三和值,公式如下:
第三和值=(Δ心电信息值差值+Δ呼吸信息值差值)*Y;
计算第四和值,所述第四和值的计算方式包括:从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息值差值的平均值和呼吸信息值差值的平均值,将这两个平均值求和,并乘以系数Y,或以受测者上一次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息差值和呼吸信息差值,将这两个差值求和,并乘以系数Y;公式如下:
第四和值=(历次平均Δ心电信息值差值+历次平均Δ呼吸信息值差值)*Y;
所述两种方式任选一种作为第四和值;
将所述第三和值与所述第四和值作比后获得百分比P疲劳,公式如下:
P疲劳=第一和值/第二和值;
其中,作为受测者本次疲劳评测结果输出,并存入存储模块;P疲劳值之越大,疲劳度越大,P疲劳值越小,疲劳度越小。
将所述第三和值与所述第四和值作差后获得差值D疲劳公式如下:
D疲劳=第三和值-第四和值;
需要说明的是,D疲劳表示疲劳和恢复区间,D疲劳值越大,疲劳度越大, D疲劳值越小,疲劳度越小。所说的疲劳度越高或越低,是指受测者本次测评与之前测评结果比较而言的。
优选地,本方法将P疲劳=1和D疲劳=0,定义为常态,将P疲劳<1和D疲劳 <0定义为其值越小,体能越好;将P疲劳>1和D疲劳>0定义为其值越大,体能越差。
进一步的,在本实施例的其中一个优选技术方案中,步骤(4)中,对受测者的恢复能力评测包括如下步骤:
从受测者执行一个标准测试模型的当次心电信息和呼吸信息中,获得开始该标准测试模型之前其心电信息值和呼吸信息值,将所述的两个值求和,并乘以系数Z,作为起始值S0,公式如下:
S0=(心电值h0+呼吸值b0)*Z;
然后,再从其完成了一个标准测试模型的运动量后,获得其完成当即的心电信息值h1和呼吸信息值b1,将所述的两个值求和,并乘以系数Z,作为第五和值S1,公式如下:
S1=(心电值ht1+呼吸值b1)*Z;
随后每隔10秒,将对应时间的心电信息值hi和呼吸信息值bi求和,并乘以系数Z,作为每隔10秒的一个和值Si;公式如下:
Si=(心电值hi+呼吸值bi)*Z;
由运算分析显示模块将S0、S1到Si沿时间轴从t0、t1到ti依序描点,形成一条Si值逐渐下降的恢复曲线,将所有数据及恢复曲线存于存储模块中,并发送到云数据库中。上述过程如附图2所示;
将所述Si与S0作比后获得百分比Pi,公式如下:
Pi=Si/S0;
本发明将Pi=1所对应的时间,作为该被测者完成一个标准测试模型后,耗能状态恢复到运动前水平所需的时间,定义为总恢复时间T总,公式:
T总=tpi=1–t1;
T总越长,恢复能力越差;反之,能力越强。
将所述Si与S0作差后获得差值Di,公式如下:
Di=(Si+S0)/2;
本发明将Pi=(S1+S0)/2所对应的时间,即公式:
T半=t(s1+s0)/2–t1;
作为该被测者完成一个标准测试模型后,耗能状态恢复到运动前一半水平所需的时间,定义为半程恢复时间T半。由于恢复曲线是非线性的,半程恢复时间T半通常并不等于总恢复时间T总的一半。T半或T总的值越小,恢复能力越强。反之,则越弱。
从上述测试方法中获得的数据,不仅保存在本地的存储模块中,从而形成数据和图表化的个人体能、疲劳、恢复能力的档案,也可同步发送到云数据库中,形成本系统和方法的大数据库。
上述测评方法,适用于对同一受测者使用同一标准测试模型的情况。若要在不同受测者之间进行体能、疲劳、恢复能力的比较,需要统一使用同一标准测试模型。
本系统设有国家级运动员标准恢复曲线模型,使用者可按标准测试模型分级选择,进行自我对照。
同时,随着用户的不断增加,大数据会产生共享恢复曲线,每一个用户可根据年龄、性别、身高、体重、以及所选择的标准测试模型,获得可与自身情况相类比的共享恢复曲线,得知你与相同条件的人的平均恢复能力的优劣情况。
本发明进一步提供的基于微型穿戴式实时多种生物信号捡拾发射技术的体能、疲劳、恢复能力的评测方法,为如何以使用者应用标准测试模型的方式实施评测,提供了相关算法依据。其中,包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果,能够为受测者提供科学的行为指导,存储模块内以时间轴的方式存储的评测结果,能够方便测试者了解自己在应用标准测评模型过程中的体能消耗和恢复状态,为合理安排自身的健康管理和体能训练方式,提供指导性依据。
由技术常识可知,本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (10)
1.一种基于生物信号的体能、疲劳、恢复能力的评测系统,其特征在于,包括:
心电呼吸计步采集模块,用于采集受测者的心电信号、呼吸波形信号和行走步数;
蓝牙通讯模块,用于实现所述心电呼吸计步采集模块的数据传输和通讯;
运算分析显示模块,所述运算分析显示模块分别与存储模块和蓝牙通讯模块电连接,用于接收、处理和显示受测者的心电信号、呼吸波形信号和行走计步,以及对受测者的体能、疲劳、恢复能力进行评估运算;
存储模块,用于存储受测者的心电信号和呼吸波形信号、心电测试曲线样图、呼吸测试曲线样图、恢复能力曲线样图、以及当次评估中步行的计步情况,及受测者的体能、疲劳、恢复能力的评估运算结果。
2.根据权利要求1所述的基于生物信号的体能、疲劳、恢复能力的评测系统,其特征在于,还包括体位采集模块,所述体位采集模块与所述心电呼吸计步采集模块集成于一体;所述体位采集模块,用于采集受测者的体位活动信号;所述体位采集模块与所述运算分析显示模块电连接。
3.根据权利要求2所述的基于生物信号的体能、疲劳、恢复能力的评测系统,其特征在于,还包括云服务器;所述云服务器内存储有数据库,所述云服务器与所述运算分析显示模块通信连接;所述数据库用于存储受测者的心电信号、呼吸信息、计步情况及体位活动信号。
4.根据权利要求3所述的基于生物信号的体能、疲劳、恢复能力的评测系统,其特征在于,还包括显示装置;所述显示装置与所述运算分析显示模块电连接,用于显示所述运算分析显示模块的评估运算结果。
5.一种基于生物信号的体能、疲劳、恢复能力的评测方法,其特征在于,所述评测方法采用权利要求1-4中任一项所述的评测系统;所述方法包括如下步骤:
(1)通过心电呼吸计步采集模块,采集受测者运动前、运动中以及运动后的心电信号、呼吸波形信号、计步和体位信号;
(2)运算分析显示模块通过蓝牙通讯模块获取所述心电信号、呼吸信号、计步数量及体位信号;
(3)运算分析显示模块分别将所述心电信号和呼吸波形信号绘制生成心电曲线图、呼吸波形图,并将计步情况和体位状况可视化;
(4)运算分析显示模块将所述心电信息、呼吸信息及计步情况和体位状况,分别与存储模块中的标准步数及标准体位下的心电测试曲线样图及呼吸测试曲线样图进行对比分析,并输出包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果和至少一种恢复能力曲线样图;
(5)存储模块将包含受测者的体能、疲劳、恢复能力评测信息中至少一项信息的评测结果,以时间轴的方式存储,并同步将所存储的数据发送到云端存储。
6.根据权利要求5所述的方法,其特征在于,所述心电测试曲线样图及呼吸测试曲线样图,分别由不同年龄、不同性别、不同体重、不同身高的受测者的心电信号、呼吸信号,在完成同一个标准测试模型全程中的心电信息、呼吸信息经加权处理后计算获得。
7.根据权利要求6所述的方法,其特征在于,步骤(4)中,对受测者的体能评测包括如下步骤:
将采集的受测者开始标准测试模型前的心电信息、呼吸信息和体位信息,与所述数据库中存储的标准体位下的心电测试曲线样图及呼吸测试曲线样图进行计算和比较;
输出体能评测结果。
8.根据权利要求7所述的方法,其特征在于,所述计算和比较,包括如下步骤:
从受测者当次心电信息和呼吸信息中,获得开始标准测试前的心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第一和值;
从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前心电信息值的平均值和呼吸信息值的平均值,将这两个值求和,并乘以系数X;或以受测者上一次开始标准测试前心电信息值和呼吸信息值,将这两个值求和,并乘以系数X,作为第二和值;
将所述第一和值与所述第二和值作比后获得百分比P体能;
或,第一和值与所述第二和值作差后获得的差值D体能;
作为受测者本次体能评测结果输出,并存入存储模块;其中,将P体能=1和D体能=0,定义为常态,将P体能<1和D体能<0定义为其值越小,体能越好;将P体能>1和D体能>0定义为其值越大,体能越差。
9.根据权利要求5所述的方法,其特征在于,步骤(4)中,对受测者的疲劳评测包括如下步骤:
从受测者执行一个标准测试模型的当次心电信息和呼吸信息中,获得开始标准测试前和完成一个标准测试模型的运动量后即刻,其心电信息值的差值和呼吸信息值的差值,将这两个差值求和,并乘以系数Y,作为第三和值;
计算第四和值,所述第四和值的计算方式包括:
从存储模块中的心电测试曲线样图及呼吸测试曲线样图中,获得该受测者历次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息值差值的平均值和呼吸信息值差值的平均值,将这两个平均值求和,并乘以系数Y;或,以受测者上一次开始标准测试前和完成同一标准测试模型的运动后即刻,其心电信息差值和呼吸信息差值,将这两个差值求和,并乘以系数Y;
将所述第三和值与所述第四和值作比后获得百分比P疲劳作为受测者本次疲劳评测结果输出,并存入存储模块;
将所述第三和值与所述第四和值作差后获得差值D疲劳;
将P疲劳=1和D疲劳=0,定义为常态,将P疲劳<1和D疲劳<0定义为其值越小,体能越好;将P疲劳>1和D疲劳>0定义为其值越大,体能越差。
10.根据权利要求6所述的方法,其特征在于,步骤(4)中,对受测者的恢复能力评测包括如下步骤:
受测者执行一个标准测试模型;
获取开始该标准测试模型之前受测者的心电信息值h0和呼吸信息值b0;
将心电信息值h0和呼吸信息值b0求和,并乘以系数Z,作为起始值S0;
受测者完成一个标准测试模型的运动量后,获取受测者完成测试时刻的心电信息值h1和呼吸信息值b1;
将心电信息值h1和呼吸信息值b1求和,并乘以系数Z,作为第五和值S1,
每隔10秒,将对应时间的心电信息值hi和呼吸信息值bi求和,并乘以系数Z,作为每隔10秒的一个和值Si;
运算分析显示模块将S0、S1到Si沿时间轴t0、t1到ti依序描点,生成Si值逐渐下降的恢复曲线;
将所有数据及恢复曲线存于存储模块中,并发送到云数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910468691.0A CN110353692B (zh) | 2019-05-31 | 2019-05-31 | 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910468691.0A CN110353692B (zh) | 2019-05-31 | 2019-05-31 | 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110353692A true CN110353692A (zh) | 2019-10-22 |
CN110353692B CN110353692B (zh) | 2021-11-12 |
Family
ID=68215398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910468691.0A Active CN110353692B (zh) | 2019-05-31 | 2019-05-31 | 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110353692B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111001134A (zh) * | 2019-11-25 | 2020-04-14 | 武汉湾流科技股份有限公司 | 放疗呼吸训练系统及训练方法 |
CN114098677A (zh) * | 2021-12-10 | 2022-03-01 | 汉朗科技(北京)有限责任公司 | 一种基于双数据源的青少年体能验控系统 |
CN116343997A (zh) * | 2023-04-03 | 2023-06-27 | 广州柏曼光电科技有限公司 | 一种基于睡眠状态的助眠方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204016267U (zh) * | 2014-07-17 | 2014-12-17 | 郑州大学 | 基于s3c44box的多功能跑步计步器 |
CN105792740A (zh) * | 2014-01-02 | 2016-07-20 | 英特尔公司 | 非临床环境中的心率恢复的检测与计算 |
CN107067152A (zh) * | 2017-02-14 | 2017-08-18 | 上海脉融健康科技有限公司 | 一种基于hrv分析的疲劳恢复指数监测装置及方法 |
CN107374615A (zh) * | 2017-08-15 | 2017-11-24 | 北京道贞健康科技发展有限责任公司 | 一种心电、呼吸、体位监测的梦游报告系统及方法 |
US20180358119A1 (en) * | 2016-06-03 | 2018-12-13 | FOURTH FRONTIER TECHNOLOGIES, Pvt. Ltd. | Method and system for continuous monitoring of health parameters during exercise |
CN109480814A (zh) * | 2018-12-14 | 2019-03-19 | 深圳市龙腾飞通讯装备技术有限公司 | 一种在智能穿戴上测量运动后心率恢复率的方法 |
-
2019
- 2019-05-31 CN CN201910468691.0A patent/CN110353692B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105792740A (zh) * | 2014-01-02 | 2016-07-20 | 英特尔公司 | 非临床环境中的心率恢复的检测与计算 |
CN204016267U (zh) * | 2014-07-17 | 2014-12-17 | 郑州大学 | 基于s3c44box的多功能跑步计步器 |
US20180358119A1 (en) * | 2016-06-03 | 2018-12-13 | FOURTH FRONTIER TECHNOLOGIES, Pvt. Ltd. | Method and system for continuous monitoring of health parameters during exercise |
CN107067152A (zh) * | 2017-02-14 | 2017-08-18 | 上海脉融健康科技有限公司 | 一种基于hrv分析的疲劳恢复指数监测装置及方法 |
CN107374615A (zh) * | 2017-08-15 | 2017-11-24 | 北京道贞健康科技发展有限责任公司 | 一种心电、呼吸、体位监测的梦游报告系统及方法 |
CN109480814A (zh) * | 2018-12-14 | 2019-03-19 | 深圳市龙腾飞通讯装备技术有限公司 | 一种在智能穿戴上测量运动后心率恢复率的方法 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111001134A (zh) * | 2019-11-25 | 2020-04-14 | 武汉湾流科技股份有限公司 | 放疗呼吸训练系统及训练方法 |
CN114098677A (zh) * | 2021-12-10 | 2022-03-01 | 汉朗科技(北京)有限责任公司 | 一种基于双数据源的青少年体能验控系统 |
CN114098677B (zh) * | 2021-12-10 | 2023-03-07 | 汉朗科技(北京)有限责任公司 | 一种基于双数据源的青少年体能验控系统 |
CN116343997A (zh) * | 2023-04-03 | 2023-06-27 | 广州柏曼光电科技有限公司 | 一种基于睡眠状态的助眠方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110353692B (zh) | 2021-11-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6436052B1 (en) | Method and system for sensing activity and measuring work performed by an individual | |
Blackie et al. | Normal values and ranges for ventilation and breathing pattern at maximal exercise | |
US20070219059A1 (en) | Method and system for continuous monitoring and training of exercise | |
US9999388B2 (en) | Hand-held device for the endurance training and the determination of endurance metrics | |
CN110353692A (zh) | 基于生物信号的体能、疲劳、恢复能力的评测系统及方法 | |
US20200261023A1 (en) | Ascertaining, Reporting, and Influencing Physical Attributes And Performance Factors of Athletes | |
CN103118587A (zh) | 针对患有慢性呼吸系统疾病的患者的循证管理的用于监视并报告医学信息的便携式设备 | |
CN105963956A (zh) | 全人群智能健身系统 | |
Gastinger et al. | A comparison between ventilation and heart rate as indicator of oxygen uptake during different intensities of exercise | |
US10449417B2 (en) | System for optimal physical exercise and training | |
WO2016157217A2 (en) | Technological device to assist user in workouts and healthy living | |
US20200129811A1 (en) | Method of Coaching an Athlete Using Wearable Body Monitors | |
JP2008212686A (ja) | 呼吸分析と動脈血測定による非侵襲的呼吸特性値の予測方法及び表示装置 | |
JP2023540286A (ja) | ユーザー動作を識別する方法及びシステム | |
CN109350069A (zh) | 一种通过负荷心率推算青少年日常活动摄氧量和运动强度的方法 | |
Scott et al. | An indirect method to assess the energy expenditure of manual labourers in situ | |
CN110477897B (zh) | 一种体能测试方法及系统 | |
CN109692000A (zh) | 便携式vo2检测设备 | |
CN106572813A (zh) | 用于量化慢性疾病的多种可能形式对被报告呼吸困难的患者的贡献的可能性的模式识别系统 | |
CN108538366A (zh) | 一种基于中医养生知识库的自我健康评测方法 | |
CN209450527U (zh) | 便携式vo2检测设备 | |
Ghosh et al. | i-lete: An IoT-based physical stress monitoring framework for athletes | |
Ryguła et al. | Diagnostic sources of information on sports result determinants in young powerlifting athletes | |
Zaman et al. | K-sense: Towards a kinematic approach for measuring human energy expenditure | |
Abut et al. | Performance comparison of different machine learning methods for prediction of maximal oxygen uptake from submaximal data |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |