CN113192654A - 一种运动心率的追踪方法、装置、设备和存储介质 - Google Patents

一种运动心率的追踪方法、装置、设备和存储介质 Download PDF

Info

Publication number
CN113192654A
CN113192654A CN202110518148.4A CN202110518148A CN113192654A CN 113192654 A CN113192654 A CN 113192654A CN 202110518148 A CN202110518148 A CN 202110518148A CN 113192654 A CN113192654 A CN 113192654A
Authority
CN
China
Prior art keywords
heart rate
user
pace
model equation
time
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
CN202110518148.4A
Other languages
English (en)
Inventor
刘新
饶旋
牛浩田
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.)
Guangdong Coros Sports Technology Co Ltd
Original Assignee
Guangdong Coros Sports Technology Co Ltd
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 Guangdong Coros Sports Technology Co Ltd filed Critical Guangdong Coros Sports Technology Co Ltd
Priority to CN202110518148.4A priority Critical patent/CN113192654A/zh
Publication of CN113192654A publication Critical patent/CN113192654A/zh
Priority to US17/737,713 priority patent/US20220361763A1/en
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • 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
    • A61B5/02416—Detecting, measuring or recording pulse rate or heart rate using photoplethysmograph signals, e.g. generated by infrared radiation
    • 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
    • A61B5/1112—Global tracking of patients, e.g. by using GPS
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/681—Wristwatch-type devices
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7285—Specific aspects of physiological measurement analysis for synchronising or triggering a physiological measurement or image acquisition with a physiological event or waveform, e.g. an ECG signal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
    • A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Cardiology (AREA)
  • Artificial Intelligence (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)

Abstract

本发明实施例公开了一种运动心率的追踪方法、装置、设备和存储介质。其中，该方法包括：如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程，将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。本发明实施例提供的技术方案，在通过光电心率设备当前检测的用户心率不符合预设心率标准时，直接将用户当前的实时配速输入到预建立的反映用户心率和配速关系的目标模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。

Description

一种运动心率的追踪方法、装置、设备和存储介质
技术领域
本发明实施例涉及运动数据监测技术领域，尤其涉及一种运动心率的追踪方法、装置、设备和存储介质。
背景技术
由于跑步运动不受场地、器材等因素的制约，越来越多的用户通过跑步运动来进行锻炼。此时，为了防止用户在跑步时的过度运动，需要实时追踪用户在跑步过程中的运动心率，以确保用户能够达到最佳的运动效果。
用户在跑步过程中通常会采用腕式光电心率设备来实时检测用户的运动心率，但是由于腕式光电心率设备在用户佩戴时，会受到运动汗水、环境、晃动等干扰因素的影响，而出现所检测的运动心率很弱或者消失的问题，导致运动心率实时追踪出错，进而影响到后续跑步过程中的运动心率检测。
目前，在通过腕式光电心率设备实时追踪的运动心率很弱或者消失的时段内，会利用加速度计来分析用户前后时刻的运动状态变化来预测相应的运动心率变化，但是由于不同用户在同强度运动时的心率差异较大，使得适配性较差，极大增加了运动心率的追踪难度。
发明内容
本发明实施例提供了一种运动心率的追踪方法、装置、设备和存储介质，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
第一方面，本发明实施例提供了一种运动心率的追踪方法，该方法包括：
如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
第二方面，本发明实施例提供了一种运动心率的追踪装置，该装置包括：
模型方程调用模块，用于如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
心率追踪模块，用于将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
第三方面，本发明实施例提供了一种电子设备，该电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例所述的运动心率的追踪方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的运动心率的追踪方法。
本发明实施例提供了一种运动心率的追踪方法、装置、设备和存储介质，在通过光电心率设备当前检测的用户心率不符合预设心率标准时，可以直接将用户当前的实时配速输入到预建立的反映用户心率和配速关系的目标模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明实施例一提供的一种运动心率的追踪方法的流程图；
图2为本发明实施例二提供的一种运动心率的追踪方法的流程图；
图3为本发明实施例三提供的一种运动心率的追踪方法的流程图；
图4为本发明实施例四提供的一种运动心率的追踪装置的结构示意图；
图5为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种运动心率的追踪方法的流程图。本实施例可适用于对任一用户在运动过程中的心率进行追踪的情况中。本实施例提供的一种运动心率的追踪方法可以由本发明实施例提供的一种运动心率的追踪装置来执行，该装置可以通过软件和/或硬件的方式实现，并集成在执行本方法的电子设备中。
具体的，参考图1，该方法具体包括如下步骤：
S110，如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程。
可选的，由于光电心率设备在用户佩戴时，在用户运动过程中会受到汗水、环境、晃动等干扰因素的影响，而出现所检测的运动心率很弱或者消失的问题，导致运动心率实时追踪出错，进而影响到后续运动过程中的实时心率准确检测。因此，本实施例需要分析在运动过程中会与用户心率变化相关的参数变化，以参考该参数变化来表示用户心率的变化。
此时，通过分析用户运动过程中与心率变化相关的参数，可以获知用户在运动过程中的配速大小会影响到用户心率的变化，该配速可以采用用户的运动速度或者真实的配速来表示。因此，通过分析用户在运动过程中心率和配速之间的变化情况，能够判断出用户心率和配速之间的关系，从而可以预先建立出用于反映该用户心率和配速关系的目标模型方程，以便后续能够采用用户的实时配速来计算用户的实时心率，从而实现用户运动心率的实时追踪。
示例性的，本实施例中的目标模型方程可以为依据历史心率和历史运动速度所拟合的第一模型方程，或者依据用户储备心率比分别与用户心率和配速之间的关系所确定的第二模型方程。也就是说，在用户在历史运动过程中，可以通过光电心率设备来检测出各个历史时刻下的历史心率，并通过全球定位系统(Global Positioning System，GPS)等定位设备来检测各个历史心率所在历史时刻下的历史运动速度，然后采用大量历史心率和历史运动速度，来拟合出对应的第一模型方程。或者，由于用户储备心率比能够反映用户在当前运动下的运动强度，也就能够进一步判断有氧运动和无氧运动，此时用户储备心率比与用户的实时心率和实时配速之间存在相应的计算关系，进而通过用户储备心率比即可得到用户的实时心率和实时配速之间的关系，从而确定出对应的第二模型方程。此时，通过第二模型方程和第二模型方程，均可以利用用户的实时配速计算出对应的实时心率。
本实施例中，在用户运动过程中，会实时采用用户佩戴的光电心率设备来实时追踪用户的运动心率，此时为了保证用户运动心率的追踪准确性，本实施例会设定一个预设心率标准，要求光电心率设备对用户实时追踪的运动心率能够符合该预设心率标准。其中，该预设心率标准可以为运动心率高于静息心率，且在一定范围内变化，例如如果光电心率设备当前检测的运动心率很弱或者直接消失，则不符合预设心率标准。
因此，为了实现用户运动心率的实时追踪，在通过光电心率设备确定当前检测的用户心率不符合预设心率标准时，可以调用预先建立的用于反映该用户心率和配速关系的目标模型方程，来采用用户的实时配速来计算用户的实时心率，从而保证用户运动心率的准确性。
S120，将用户当前的实时配速输入到目标模型方程中，得到用户当前的实时心率。
具体的，如果光电心率设备当前检测的用户心率不符合预设心率标准，那么可以通过GPS等定位设备来检测用户当前的实时配速，进而将该实时配速输入到所建立的目标模型方程中，通过该目标模型方程计算出用户当前的实时心率。此时针对任一用户均可以采用该目标模型方程来分析用户运动过程中的实时心率，保证运动心率追踪的全面适配性。
作为本实施例中的一种可选方案，由于通过GPS等定位设备来检测用户当前的实时配速，可能出现因GPS等定位漂移而导致用户配速出错的情况，因此，为了进一步提高运动心率的追踪准确性，将用户当前的实时配速输入到所述目标模型方程中，得到用户当前的实时心率，具体可以包括：将用户当前的实时配速输入到目标模型方程中，得到用户当前的初始心率；依据初始心率与用户在上一时刻下实时心率的差异，确定用户当前的实时心率。
也就是说，在通过GPS等定位设备检测出用户当前的实时配速后，可以将用户当前的实时配速输入到目标模型方程中，以得到当前的用户心率。此时，为了避免出现因GPS等定位漂移而导致用户配速出错的情况，可以将目标模型方程输出的用户心率作为当前的初始心率。然后，将用户当前的初始心率与用户在上一时刻下实际追踪到的实时心率进行比对，判断两者差异是否过大，以此分析是否出现因GPS等定位漂移而导致用户配速出错的情况。若两者差异过大，例如两者差异超出预设变化指标(如3)，则直接将当前的心率变化限定为该预设变化指标，然后在上一时刻下的实时心率的基础上，采用预设变化指标来进行相应调整，确定出用户当前的实时心率，从而滤除因GPS等定位漂移而导致用户配速出错的情况。然而，若两者差异较小，例如两者差异未超出预设变化指标，说明GPS等定位未发生漂移，可以直接将该初始心率作为用户当前的实时心率。
此外，如果通过光电心率设备当前追踪到的用户心率与自身实际心率的偏差过大时，可以通过主动触发心电图(Electrocardiogram，ECG)技术来测量用户当前的实时心率。也就是说，为了进一步保证用户运动心率的追踪准确性，本实施例在通过光电心率设备当前追踪到的用户心率与自身实际心率的偏差过大时，可以要求用户停止运动30s左右，利用ECG设备来测量用户当前的实时心率，以修正光电心率设备追踪到的用户心率，使得光电心率设备后续能够继续采用该ECG设备来测量的实时心率作为基准值，来在用户运动过程中重新追踪心率信号，以得到准确的运动心率，提高后续光电心率追踪的准确性。
本实施例提供的技术方案，在通过光电心率设备当前检测的用户心率不符合预设心率标准时，可以直接将用户当前的实时配速输入到预建立的能够反映用户心率和配速关系的目标模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
实施例二
图2为本发明实施例二提供的一种运动心率的追踪方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，目标模型方程可以为依据历史心率和历史运动速度所拟合的第一模型方程，或者依据用户储备心率比分别与用户心率和配速之间的关系所确定的第二模型方程。在本实施例中，主要对于建立反映用户心率和配速关系的第一模型方程的具体过程进行详细的解释说明。
具体的，参见图2，本实施例的方法具体可以包括：
S210，以一定的移动周期，按照时间顺序，依次获取并判断每个连续的单位时段内的历史心率和历史运动速度是否符合下述条件：1)单位时段内的心率波动在第一预设范围内；2)单位时段内的速度波动在第二预设范围内；3)单位时段内的运动高度变化在第三预设范围内。
在本实施例中，分析由历史心率和历史运动速度所拟合的第一模型方程时，为了保证所获取的历史心率和历史运动速度的有效性，最大程度过滤掉一些与运动无关的数据，会采用滑动平均的方式来采集相应的历史心率数据和历史运动速度数据。
具体的，此时可以设定滑动平均所指定的单位时段，例如在每两分钟内采集一个由历史心率和历史运动速度组成的数据点，以及滑动平均所指定的移动周期，例如每秒滑动采集一次。此时，在采集历史心率和历史运动速度时，可以按照时间顺序，以该移动周期不断滑动，每滑动一次即可对应指定一个单位时段，那么获取当前单位时段内所检测到的各个历史心率以及与每个历史心率同一时刻下检测到的历史运动速度。此时，采用一定的移动周期不断滑动，即可不断获取到每个连续的单位时段内的各个历史心率和各个历史运动速度。
本实施例中的以移动周期为1秒，单位时段为2分钟为例，滑动获取是指不断获取第1-120秒、第2-121秒、第3-122秒、……等各个连续的单位时段内的历史心率和历史运动速度等多个数据。
然后，为了保证历史心率和历史运动速度的有效性，需要判断每个单位时段内的历史心率的心率波动是否在第一预设范围(正负5)之间，且每个单位时段内的历史运动速度的波动是否在第二预设范围内(正负0.5m/s)之间，且每个单位时段内的海拔高度变化是否在第三预设范围(小于3m)内。只有各个单位时段内的数据同时符合上述三个条件，才能够获取到有效的历史心率和历史运动速度的数据。
S220，计算每一符合上述条件的目标单位时段内历史心率和历史运动速度的平均值，作为反映用户心率和配速关系的关联数据点。
作为本实施例中的一种可选方案，可以从所有单位时段中筛选出同时符合上述三个条件的目标单位时段。然后，针对每一目标单位时段，可以分别计算出该目标单位时段内各个历史心率和各个历史运动速度的平均值，并该历史心率平均值和该历史运动速度平均值将共同作为该目标单位时段内反映用户心率和配速关系的关联数据点。此时，按照上述过程，可以在每一目标单位时段内确定一个反映用户心率和配速关系的关联数据点，以保证历史心率和历史运动速度之间的平滑关联性。
S230，利用各个目标单位时段对应的关联数据点，拟合出第一模型方程。
可选的，本实施例可以保存一个月内的目标单位时段对应的关联数据点，并要求关联数据点的数量超过一定数量(如30个)，以便采用各个目标单位时段对应的关联数据点，来拟合生成对应的第一模型方程。
示例性的，本实施例中拟合出的第一模型方程可以为：hr＝k*v+b；其中，hr为用户的实时心率，v为用户的实时运动速度，k和b为利用各个目标单位时段对应的关联数据点所拟合得到的方程定值。
S240，如果光电心率设备当前检测的用户心率不符合预设心率标准，则将用户当前的实时配速输入到第一模型方程中，得到用户当前的实时心率。
本实施例提供的技术方案，首先采用滑动平均的方式移动获取各个目标单位时段内由历史心率平均值和历史运动速度平均值组成的关联数据点，以此建立反映用户心率和配速关系的第一模型方程，保证第一模型方程对于实时心率追踪的准确性；然后在通过光电心率设备当前检测的用户心率不符合预设心率标准时，可以直接将用户当前的实时配速输入到该第一模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
实施例三
图3为本发明实施例三提供的一种运动心率的追踪方法的流程图。本发明实施例是在上述实施例的基础上进行优化。可选的，目标模型方程可以为依据历史心率和历史运动速度所拟合的第一模型方程，或者依据用户储备心率比分别与用户心率和配速之间的关系所确定的第二模型方程。在本实施例中，主要对于建立反映用户心率和配速关系的第二模型方程的具体过程进行详细的解释说明。
具体的，参见图3，本实施例的方法具体可以包括：
S310，获取采用用户的实时心率、静息心率和最大心率计算用户储备心率比的第一公式，以及采用用户的实时配速和最大摄氧量配速计算用户储备心率比的第二公式。
可选的，用户储备心率比可以反映用户的运动强度，通过用户心率来计算用户储备心率比的第一公式可以为：
Figure BDA0003062674330000101
其中，hri为用户运动过程中的实时心率，hrmax为用户的最大心率，hr0为用户在清醒、安静状态下的静息心率。此时，最大心率和静息心率可通过便携式心率检测设备检测得到，在用户知道自己的最大心率和静息心率数值的情况下，也可由用户手动设置。另外，最大心率还可通过用户年龄计算获得，即hrmax＝208-0.7a，a为用户年龄。
同时，由于最大摄氧量(VO2Max)是指在人体进行最大强度的运动时所能摄入的氧气含量，而且当运动强度逼近最大心率时，也会逼近最大摄氧量，因此最大摄氧量配速也能够表示用户最大运动强度下所能达到的配速，此时用户储备心率比也能够通过最大摄氧量配速来反映用户的运动强度，本实施例中通过用户配速来计算用户储备心率比的第二公式可以为：
Figure BDA0003062674330000102
其中，pacei为用户运动过程中的实时配速，pacemax为用户的最大摄氧量配速。此时，用户的最大摄氧量配速通过历史运动时的运动情况计算得到，在用户知道自己的最大摄氧量配速的情况下，也可由用户手动设置。
S320，基于第一公式和第二公式，确定第二模型方程。
可选的，在得到第一公式和第二公式后，结合用户储备心率比，可以确定出第二模型方程为：
Figure BDA0003062674330000111
通过该第二模型方程，利用用户当前的实时配速，即可计算出用户当前的实时心率。
需要说明的是，在第二模型方程中，最大心率和静息心率能够提前确定，而最大摄氧量配速提前未知时，需要进行一定的计算。
在本实施例中，对于最大摄氧量配速的计算过程，具体可以包括：利用用户在标准赛程下的标准配速，确定对应的乳酸阈值配速；基于乳酸阈值配速，确定用户的最大摄氧量配速。
可选的，标准赛程可以分为半马赛程和全马赛程等，此时通过分析用户在标准赛程下的实际运动情况，可以分析出用户在标准赛程下的标准配速。
此时，如下表1所示，会在各个用户在标准赛程的历史运动过程中，预先采集大量标准配速、乳酸阈值配速和最大摄氧量配速之间的匹配数据表：
表1半马赛程下标准配速、乳酸阈值配速和最大摄氧量配速之间的匹配数据表
标准配速 乳酸阈值配速 最大摄氧量配速
2:45 2:44 2:44/120％
3:25 3:24 3:24/120％
4:05 4:02 4:02/120％
4:47 4:40 4:40/118％
5:30 5:16 5:16/117％
6:13 6:03 6:03/115％
6:52 6:27 6:27/114％
7:25 7:15 7:15/113％
8:03 7:40 7:40/112％
8:55 8:20 8:20/111％
9:29 9:10 9:10/110％
在不同的标准赛程下，可以得到对应的上述数据，此时按照各标准赛程下相应的上表数据，可以拟合出标准赛程下反映标准配速和乳酸阈值配速关系的第一关联方程和反映乳酸阈值配速和最大摄氧量配速关系的第二关联方程。因此，将用户在标准赛程下的标准配速输入到第一关联方程中，可以得到该标准配速对应的乳酸阈值配速，然后将该乳酸阈值配速输入到第二关联方程中，便可以得到该乳酸阈值配速对应的最大摄氧量配速。
进一步的，对于用户在标准赛程下的标准配速的计算过程，具体可以包括：利用用户在标准赛程下的最大摄氧量，确定对应的目标储备心率比；基于目标储备心率比以及用户的最大心率和静息心率，计算用户在标准赛程下的标准运动心率；利用标准运动心率以及预建立的反映标准赛程下用户心率和配速关系的各分段模型方程，计算用户在标准赛程下的标准配速。
具体的，本实施例可以通过分析用户年龄、性别、体重等生理特征，以及用户在标准赛程下的最大心率和静息心率，以及利用在标准赛程下一段运动过程中的实时运动心率和实时运动速度，所计算出的平均运动心率和平均运动速度可以分析出用户在标准赛程下所支持的最大摄氧量，本实施例中最大摄氧量的计算公式可以为：
Figure BDA0003062674330000121
其中，A为40～50的常数，P1为7～8的常数，S为性别常数，男性为1，女性为0；P2为0.1～0.2的常数，G为用户体重；P3为4～5的常数，V为平均运动速度，P4为3～4的常数，B为1～2的常数；C为15～20的常数，hravg为平均运动心率，hr0为用户在清醒、安静状态下的静息心率，hrmax为用户的最大心率；a为用户年龄。
进一步的，根据在标准赛程下的运动，能够制作与标准赛程相对应的储备心率比查询表。以半马赛程为例，如下表2和表3所示，用户储备心率比查询表中记录有相对于半马赛程具有不同生理特征和最大摄氧量的用户所对应的储备心率比。
表2男性在半马赛程下的储备心率比
Figure BDA0003062674330000131
表3女性在半马赛程下的储备心率比
Figure BDA0003062674330000132
针对不同的标准赛程，均可以制作出上述半马赛程对应的储备心率比查询表。此时，可以根据用户的生理特征数据和最大摄氧量查询标准赛程下的储备心率比查询表，获得用户相对于标准赛程的目标储备心率比。
然后，基于储备心率比的计算公式，以及用户的最大心率和静息心率，可以计算出用户在标准赛程下的标准运动心率。
此时，为了采用标准运动心率计算出用户在标准赛程下的标准配速，则需要选取大量有效历史心率和历史配速，来建立反映标准赛程下用户心率和配速关系的模型方程。然而，由于标准赛程分为半马赛程和全马赛程等不同赛程，为了便于计算每一标准赛程下的标准配速，本实施例会对所采集的各类数据按照运动距离进行划分，分别划分为0-10km、10-20km、20-30km、30-40km、40km以上这五个分段，并在每一分段下能够建立对应的分段模型方程，便于各个分段结合得到不同的标准赛程，以计算不同标准赛程的标准配速。
示例性的，本实施例可以用户在历史运动过程中的实时心率、配速、温度、湿度、海拔、坡度、距离、体温、运动时辰等数据，并选取符合模型搭建的心率、配速数据，具体要求如下：
1)用户单次运动时长大于设定时长(如10分钟)；
2)以一定的移动周期，按照时间顺序，依次获取并判断每个连续的单位时段内的历史心率和历史配速是否符合下述条件：a、单位时段内的心率波动在某一预设范围(未超过12bpm)内；b、单位时段内的速度波动在另一预设范围(未超过5m/s)内；c、单位时段内的储备心率比在一预设区间(50％～90％)内。此时，可以不断获取到符合上述条件的每个目标单位时段内的历史心率和历史配速，并计算出每个目标单位时段内历史心率和历史配速的平均值，作为对应的关联数据点。例如，以2分钟为一个单位时段，以1秒的移动周期，不断记录每个2分钟内的心率和配速，计算出每个2分钟的心率均值和配速均值，也就是每隔1秒统计一个2分钟的单位时段，从而不断获取第1-120秒、第2-121秒、第3-122秒、……等各个连续的单位时段内的历史心率和历史运动速度等多个数据。
然后，按照各个运动距离，对对各个目标单位时段内由历史心率和历史配速组成的关联数据点进行分类，组成0-10km、10-20km、20-30km、30-40km、40km以上等这五个分段下对应的数据集合，从而利用每一分段下的数据集合，能够拟合出该分段下用于反映用户心率和配速关系的分段模型方程。例如，每一分段下的分段模型方程可以为：
Figure BDA0003062674330000151
用于利用用户在标准赛程下的标准运动心率计算对应的标准配速。或，为了保证标准配速的准确性，分段模型方程还可以为：
Figure BDA0003062674330000152
其中，time为运动时间点，atmos为气温，humi为湿度，hei为海拔，slope为坡度，temp为体温，通过增加影响参数，来保证各个分段模型方程的准确性。
此时，通过上述历史数据分析，可以建立出0-10km、10-20km、20-30km、30-40km、40km以上等这五个分段下用于反映用户心率和配速关系的分段模型方程，此时从这五个分段模型方程可以筛选出与标准赛程相关的分段模型方程，然后，将用户在标准赛程下的标准运动心率输入到与标准赛程相关的各分段模型方程种，以计算出相应的标准配速。
以半马赛程作为标准赛程为例，可以确定0-10km和10-20km下的分段模型方程与半马赛程相关，此时将用户在半马赛程下的标准运动心率分别输入到0-10km和10-20km下的分段模型方程中，可以分别得到0-10km下的第一配速pace1和10-20km下的第二配速pace2，可以计算出半马配速为
Figure BDA0003062674330000153
参照上述步骤，通过标准赛程下的各分段模型方程和标准运动心率，即可计算出用户在标准赛程下的标准配速，以便后续采用标准赛程下的标准配速，来确定对应的乳酸阈值配速，并基于该乳酸阈值配速，确定用户的最大摄氧量配速，从而将该最大摄氧量配速代入到第二模型方程中，并利用用户当前的实时配速，计算出用户当前的实时心率。
S330，如果光电心率设备当前检测的用户心率不符合预设心率标准，则将用户当前的实时配速输入到第二模型方程中，得到用户当前的实时心率。
本实施例提供的技术方案，首先基于采用用户的实时心率、静息心率和最大心率计算用户储备心率比的第一公式，以及采用用户的实时配速和最大摄氧量配速计算用户储备心率比的第二公式，建立反映用户心率和配速关系的第二模型方程，保证第二模型方程对于实时心率追踪的准确性；然后在通过光电心率设备当前检测的用户心率不符合预设心率标准时，可以直接将用户当前的实时配速输入到该第二模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
实施例四
图4为本发明实施例四提供的一种运动心率的追踪装置的结构示意图，如图4所示，该装置可以包括：
模型方程调用模块410，用于如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
心率追踪模块420，用于将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
本实施例提供的技术方案，在通过光电心率设备当前检测的用户心率不符合预设心率标准时，可以直接将用户当前的实时配速输入到预建立的能够反映用户心率和配速关系的目标模型方程中，得到该用户当前的实时心率，从而实现运动心率的实时追踪，避免出现光电心率设备实时追踪的运动心率不准确的问题，保证运动心率追踪的全面适配性，提高运动心率的追踪准确性。
进一步的，上述目标模型方程为依据历史心率和历史运动速度所拟合的第一模型方程，或者依据用户储备心率比分别与用户心率和配速之间的关系所确定的第二模型方程。
进一步的，如果上述目标模型方程为第一模型方程，上述目标模型方程可以采用如下步骤建立：
以一定的移动周期，按照时间顺序，依次获取并判断每个连续的单位时段内的历史心率和历史运动速度是否符合下述条件：
1)单位时段内的心率波动在第一预设范围内；
2)单位时段内的速度波动在第二预设范围内；
3)单位时段内的海拔高度变化在第三预设范围内；
计算每一符合上述条件的目标单位时段内历史心率和历史运动速度的平均值，作为反映用户心率和配速关系的关联数据点；
利用各个目标单位时段对应的关联数据点，拟合出所述第一模型方程。
进一步的，如果上述目标模型方程为第二模型方程，上述目标模型方程可以采用如下步骤建立：
获取采用用户的实时心率、静息心率和最大心率计算用户储备心率比的第一公式，以及采用用户的实时配速和最大摄氧量配速计算用户储备心率比的第二公式；
基于所述第一公式和所述第二公式，确定所述第二模型方程。
进一步的，上述运动心率的追踪装置，还可以包括：
阈值配速确定模块，用于利用用户在标准赛程下的标准配速，确定对应的乳酸阈值配速；
摄氧量配速确定模块，用于基于所述乳酸阈值配速，确定用户的最大摄氧量配速。
进一步的，上述运动心率的追踪装置，还可以包括：
心率比确定模块，用于利用用户在标准赛程下的最大摄氧量，确定对应的目标储备心率比；
标准心率计算模块，用于基于所述目标储备心率比以及用户的最大心率和静息心率，计算用户在标准赛程下的标准运动心率；
标准配速计算模块，用于利用所述标准运动心率以及预建立的反映标准赛程下用户心率和配速关系的各分段模型方程，计算所述用户在标准赛程下的标准配速。
进一步的，上述心率追踪模块420，可以具体用于：
将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的初始心率；
依据所述初始心率与用户在上一时刻下实时心率的差异，确定所述用户当前的实时心率。
本实施例提供的一种运动心率的追踪装置可适用于上述任意实施例提供的运动心率的追踪方法，具备相应的功能和有益效果。
实施例五
图5为本发明实施例五提供的一种电子设备的结构示意图。如图5所示，该电子设备包括处理器50、存储装置51和通信装置52；电子设备中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；电子设备的处理器50、存储装置51和通信装置52可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储装置51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明实施例中的运动心率的追踪方法对应的模块(例如，运动心率的追踪装置中的模型方程调用模块410和心率追踪模块420)。处理器50通过运行存储在存储装置51中的软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述的运动心率的追踪方法。
存储装置51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置51可进一步包括相对于多功能控制器50远程设置的存储器，这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置52可用于实现设备间的网络连接或者移动数据连接。
本实施例提供的一种电子设备可用于执行上述任意实施例提供的运动心率的追踪方法，具备相应的功能和有益效果。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可实现上述任意实施例中的运动心率的追踪方法。该方法具体包括：
如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的运动心率的追踪方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述运动心率的追踪装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种运动心率的追踪方法，其特征在于，包括：
如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
2.根据权利要求1所述的方法，其特征在于，所述目标模型方程为依据历史心率和历史运动速度所拟合的第一模型方程，或者依据用户储备心率比分别与用户心率和配速之间的关系所确定的第二模型方程。
3.根据权利要求2所述的方法，其特征在于，如果所述目标模型方程为第一模型方程，所述目标模型方程采用如下步骤建立：
以一定的移动周期，按照时间顺序，依次获取并判断每个连续的单位时段内的历史心率和历史运动速度是否符合下述条件：
1)单位时段内的心率波动在第一预设范围内；
2)单位时段内的速度波动在第二预设范围内；
3)单位时段内的海拔高度变化在第三预设范围内；
计算每一符合上述条件的目标单位时段内历史心率和历史运动速度的平均值，作为反映用户心率和配速关系的关联数据点；
利用各个目标单位时段对应的关联数据点，拟合出所述第一模型方程。
4.根据权利要求2所述的方法，其特征在于，如果所述目标模型方程为第二模型方程，所述目标模型方程采用如下步骤建立：
获取采用用户的实时心率、静息心率和最大心率计算用户储备心率比的第一公式，以及采用用户的实时配速和最大摄氧量配速计算用户储备心率比的第二公式；
基于所述第一公式和所述第二公式，确定所述第二模型方程。
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
利用用户在标准赛程下的标准配速，确定对应的乳酸阈值配速；
基于所述乳酸阈值配速，确定用户的最大摄氧量配速。
6.根据权利要求5所述的方法，其特征在于，在利用用户在标准赛程下的标准配速，确定对应的乳酸阈值配速之前，还包括：
利用用户在标准赛程下的最大摄氧量，确定对应的目标储备心率比；
基于所述目标储备心率比以及用户的最大心率和静息心率，计算用户在标准赛程下的标准运动心率；
利用所述标准运动心率以及预建立的反映标准赛程下用户心率和配速关系的各分段模型方程，计算所述用户在标准赛程下的标准配速。
7.根据权利要求1-6任一项所述的方法，其特征在于，所述将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率，包括：
将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的初始心率；
依据所述初始心率与用户在上一时刻下实时心率的差异，确定所述用户当前的实时心率。
8.一种运动心率的追踪装置，其特征在于，包括：
模型方程调用模块，用于如果光电心率设备当前检测的用户心率不符合预设心率标准，则调用预建立的反映用户心率和配速关系的目标模型方程；
心率追踪模块，用于将用户当前的实时配速输入到所述目标模型方程中，得到所述用户当前的实时心率。
9.一种电子设备，其特征在于，所述电子设备包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的运动心率的追踪方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的运动心率的追踪方法。
CN202110518148.4A 2021-05-12 2021-05-12 一种运动心率的追踪方法、装置、设备和存储介质 Pending CN113192654A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110518148.4A CN113192654A (zh) 2021-05-12 2021-05-12 一种运动心率的追踪方法、装置、设备和存储介质
US17/737,713 US20220361763A1 (en) 2021-05-12 2022-05-05 Tracking method and apparatus of an exercise heart rate, device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110518148.4A CN113192654A (zh) 2021-05-12 2021-05-12 一种运动心率的追踪方法、装置、设备和存储介质

Publications (1)

Publication Number Publication Date
CN113192654A true CN113192654A (zh) 2021-07-30

Family

ID=76981232

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110518148.4A Pending CN113192654A (zh) 2021-05-12 2021-05-12 一种运动心率的追踪方法、装置、设备和存储介质

Country Status (2)

Country Link
US (1) US20220361763A1 (zh)
CN (1) CN113192654A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113893516A (zh) * 2021-10-19 2022-01-07 成都拟合未来科技有限公司 基于健身信息采集的镜面展示方法及系统
CN115429262A (zh) * 2022-09-09 2022-12-06 东莞跑力科技有限公司 运动数据分析的乳酸阈值预测方法、装置、设备及介质
WO2023115436A1 (zh) * 2021-12-23 2023-06-29 广东高驰运动科技股份有限公司 越野跑等价水平配速的估算方法、装置、设备和介质
CN116392779A (zh) * 2023-03-01 2023-07-07 山西美好蕴育生物科技有限责任公司 基于功率车的用户心率控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107595273A (zh) * 2017-09-12 2018-01-19 广东远峰电子科技股份有限公司 一种心率估算方法和装置
CN108831526A (zh) * 2018-05-21 2018-11-16 四川斐讯信息技术有限公司 一种具有识别功能的智能可穿戴运动设备及其识别方法
CN110176288A (zh) * 2019-04-28 2019-08-27 深圳市龙腾飞通讯装备技术有限公司 运动伴随方法和使用该方法的移动终端
CN111530036A (zh) * 2020-05-13 2020-08-14 广东高驰运动科技有限公司 跑步运动成绩预测方法及电子设备
CN112289405A (zh) * 2020-11-10 2021-01-29 北京顺源开华科技有限公司 配速推荐方法、装置、电子设备和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107595273A (zh) * 2017-09-12 2018-01-19 广东远峰电子科技股份有限公司 一种心率估算方法和装置
CN108831526A (zh) * 2018-05-21 2018-11-16 四川斐讯信息技术有限公司 一种具有识别功能的智能可穿戴运动设备及其识别方法
CN110176288A (zh) * 2019-04-28 2019-08-27 深圳市龙腾飞通讯装备技术有限公司 运动伴随方法和使用该方法的移动终端
CN111530036A (zh) * 2020-05-13 2020-08-14 广东高驰运动科技有限公司 跑步运动成绩预测方法及电子设备
CN112289405A (zh) * 2020-11-10 2021-01-29 北京顺源开华科技有限公司 配速推荐方法、装置、电子设备和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
林路主编: "《民航安保人员体能训练》", 当代世界出版社, pages: 172 - 173 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113893516A (zh) * 2021-10-19 2022-01-07 成都拟合未来科技有限公司 基于健身信息采集的镜面展示方法及系统
WO2023115436A1 (zh) * 2021-12-23 2023-06-29 广东高驰运动科技股份有限公司 越野跑等价水平配速的估算方法、装置、设备和介质
CN115429262A (zh) * 2022-09-09 2022-12-06 东莞跑力科技有限公司 运动数据分析的乳酸阈值预测方法、装置、设备及介质
CN116392779A (zh) * 2023-03-01 2023-07-07 山西美好蕴育生物科技有限责任公司 基于功率车的用户心率控制方法及装置
CN116392779B (zh) * 2023-03-01 2024-03-05 山西美好蕴育生物科技有限责任公司 基于功率车的用户心率控制方法及装置

Also Published As

Publication number Publication date
US20220361763A1 (en) 2022-11-17

Similar Documents

Publication Publication Date Title
CN113192654A (zh) 一种运动心率的追踪方法、装置、设备和存储介质
US20140180033A1 (en) Device and method for calculating cardiorespiratory fitness level and energy expenditure of a living being
US8021306B2 (en) Method, device and computer program product for monitoring the physiological state of a person
US20160143544A1 (en) System for Calculating Biological Information Under Exercise Load, Biological Information Calculation Method, and Portable Information Terminal
US10580532B2 (en) Method and an apparatus for determining training status
US10993656B2 (en) Measuring and estimating sleep quality
US20210353196A1 (en) Method and device for evaluating physical stamina indicators in running exercise
CN111530037B (zh) 用于评估跑步运动中身体机能反应状态的方法及设备
CN106067001A (zh) 一种动作识别方法及系统
CN104406603A (zh) 一种基于加速度传感器的计步方法和装置
CN108888247A (zh) 有氧能力测试方法、装置、系统和数据采集设备
CN110448280A (zh) 基于压电薄膜传感器实现的瑜伽冥想质量检测方法及系统
CN111599471A (zh) 动态获取最大摄氧量的方法及电子设备
CN110595502A (zh) 一种跑步距离的估算方法及装置
CN106333643A (zh) 用户健康的监测方法、监测装置以及监测终端
US20200359958A1 (en) Sleep sufficiency estimation device and sleep sufficiency estimation method
CN112289405A (zh) 配速推荐方法、装置、电子设备和存储介质
CN108398540B (zh) 用于土壤测量指标的处理方法及装置
CN107291965B (zh) 一种信息查询方法、装置、设备及存储介质
CN111530036B (zh) 跑步运动成绩预测方法及电子设备
EP3132745A1 (en) A method and an apparatus to determine anaerobic threshold of a person non-invasively from freely performed exercise and to provide feedback on training intensity
CN107631736A (zh) 一种步幅估算方法和装置
CN111387940A (zh) 一种疲劳检测方法及装置、电子设备
CN114288629B (zh) 基于大数据的体能信息采集分析系统及方法
US20210228152A1 (en) Measuring and estimating alertness

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