TWI581195B - 運動量測評估系統及其方法 - Google Patents

Description

運動量測評估系統及其方法

本發明是關於一種量測評估系統及其方法，特別是關於一種整合運動過程的內外生理參數且具有即時回授調節功能的運動量測評估系統及其方法。

基礎臨床研究已證實運動預處理對於缺血性腦中風的耐受機制有一定的效果，但也有研究指出超過身體負荷的運動訓練反而會損壞人體的健康。因此，如何提供一個有效且健康的運動方式是一個重要的議題。目前為止，很少研究可以清楚地定義出有效的運動方式，主要原因在於目前還沒有一套較完整的運動量測評估系統及量測方法來評估運動是否有效。

目前習知的運動量測評估系統可分為三大類，其分別為侵入式量測系統、定點量測之非侵入式系統以及非定點量測之非侵入式系統。其中侵入式量測系統需要專業人士將感測晶片植入受測體內來進行生理量測，因此無法被用於體型太小的受測體，且實驗程序較為複雜。雖然晶片植入 後，遙測過程的行動干擾相較於非侵入式裝置來的少，但此系統最為人詬病的地方在於電池的維護，需要將感測晶片重新取出，有可能會中斷連續監測的過程，因此資料連續性的問題也是這類系統需要克服的地方。此外，定點量測之非侵入式系統主要是將感測器做在某個固定的裝置上。因此，受測體只能被固定在此裝置上才有辦法量測。此類的感測只能用於靜止狀態下的量測，其具有一定之限制。另外，非定點量測之非侵入式系統係將感測器貼附在穿載衣物上，只要動物穿上此感測衣物就可以量測其生理訊號，克服了定點量測的限制。然而，這類系統須將感測貼片精準的黏貼於身體的固定位置上，甚至需要將受測體束縛在一個空間內，才能量測到生理訊號。因此，穿載方式通常需要非常緊密綑綁束縛於受測體，此方式會讓受測體感覺不舒服，也會妨礙與影響受測體之行動力。

由此可知，目前市場上缺乏一種限制少、不妨礙與影響受測體之行動力、能持續量測而且可以即時回授調節的運動量測評估系統及其量測方法，故相關業者均在尋求其解決之道。

因此，本發明之目的在於提供一種運動量測評估系統及其方法，其透過感測裝置與運動平台整合內外生理參數，能夠即時回授調節受測體的運動狀態而建構出一套多維度的有效運動量測評估系統。再者，運動平台結合特定的感 測裝置可以讓受測體穩定地運動，使系統可以準確且穩定地量測運動過程中受測體的生理訊號變化。其相較於習知侵入式系統的實驗程序，除了有較高的便利性之外，也克服了傳統非定點之非侵入式系統會干擾受測體行動力之問題，讓受測體可以在低穿載干擾與高效率的環境下做最有效的運動。另外，本發明之運動量測評估系統及其方法可提供了一個更客觀的有效運動評估，其藉由多重參數回授機制可以在腦中風的預防上達到最佳的效果。

依據本發明一態樣提供一種運動量測評估系統，其用以量測評估一受測體運動時之一生理狀態。此運動量測評估系統包含一生理訊號感測裝置、一訊號處理裝置、一參數指標計算裝置以及一驅動裝置。生理訊號感測裝置設於受測體上並感測輸出一動態生理訊號。訊號處理裝置電性連接生理訊號感測裝置，且訊號處理裝置接收運算動態生理訊號並轉換輸出複數個動態生理參數。此外，參數指標計算裝置電性連接訊號處理裝置，此參數指標計算裝置包含一類神經運算模組與一模糊運算模組。其中類神經運算模組電性連接訊號處理裝置並接收動態生理參數，且類神經運算模組運算動態生理參數而輸出產生複數個代表性參數。而模糊運算模組則電性連接類神經運算模組並接收代表性參數，且模糊運算模組運算代表性參數而輸出產生有效運動指標值。此模糊運算模組傳送有效運動指標值至訊號處理裝置。至於驅動裝置則電性連接訊號處理裝置，此驅動裝置會依據有效運動指標值驅使受測體運動。再者，受測體會隨時間改變生理狀態 而致使動態生理訊號隨時間改變而產生一變異狀態。訊號處理裝置與參數指標計算裝置依據變異狀態回授控制驅動裝置。

藉此，本發明之運動量測評估系統整合運動平台的外在行為評估以及內在的多重生理參數量測技術，建構一套多維度的有效運動評估平台。此外，利用整合之多維度參數以及建立之有效運動指標作為回授運動訓練的參考依據，可以進一步實現有效的腦中風預防運動訓練平台。

依據前述實施方式之其他實施例如下：，前述類神經運算模組可具有一類神經演算函數，此類神經演算函數符合下式： 其中P _j 為代表性參數，w _i 為權重值(Weight)，p _i 為動態生理參數，b _i 為偏權值(Bias)。

再者，前述模糊運算模組可包含一模糊化運算單元、一資料庫、一推理引擎運算單元以及一解模糊化運算單元。模糊化運算單元連接類神經運算模組並接收代表性參數，且模糊化運算單元依據一歸屬函數(membership function)運算代表性參數並產生複數個模糊集(Fuzzy set)。資料庫連接類神經運算模組並存取權重值。另外，推理引擎運算單元連接模糊化運算單元與資料庫，推理引擎運算單元依據各模糊集選擇對應之權重值。而解模糊化運算單元則連接推理引擎運算單元，此解模糊化運算單元接收模糊集與權重值並轉換產生一有效運動指標值。此外，前述驅動裝置可 包含一驅動器與一運動平台。驅動器連接訊號處理裝置，訊號處理裝置依據有效運動指標值來控制驅動器。而運動平台受驅動器連動而產生一位移速度，受測體運動於運動平台上而改變生理狀態，藉以令生理訊號感測裝置之動態生理訊號對應改變。另外，前述運動量測評估系統可包含一光感測裝置，其電性連接具有一軸心之運動平台。光感測裝置感測受測體之一運動位置與一運動速度，且光感測裝置包含一第一光感測模組、一第二光感測模組、一第三光感測模組以及一第四光感測模組。其中第一光感測模組設於運動平台之一第一位置上。此第一位置與軸心的連線跟一虛擬水平線相交一第一夾角，且第一夾角為0度。第二光感測模組則設於運動平台之一第二位置上。第二位置與軸心的連線跟虛擬水平線相交一第二夾角，且第二夾角為45度。第三光感測模組設於運動平台之一第三位置上。再者，第三位置與軸心的連線跟虛擬水平線相交一第三夾角，且第三夾角為90度。至於第四光感測模組則設於運動平台之一第四位置上。第四位置與軸心的連線跟虛擬水平線相交一第四夾角，且第四夾角為135度。

依據本發明另一態樣提供一種運動量測評估方法，其用以量測評估一受測體運動時之一生理狀態。此運動量測評估方法包含一生理訊號感測步驟、一第一訊號處理步驟、一參數指標計算步驟以及一驅動步驟。其中生理訊號感測步驟係感測受測體之生理狀態並輸出一動態生理訊號。第一訊號處理步驟係運算處理動態生理訊號並轉換輸出複數個 動態生理參數。再者，參數指標計算步驟包含一類神經運算子步驟與一模糊運算子步驟。類神經運算子步驟係依據一類神經演算法運算動態生理參數而輸出產生複數個代表性參數。而模糊運算子步驟則是依據一模糊理論運算代表性參數而輸出產生一有效運動指標值。驅動步驟係依據有效運動指標值驅動一驅動裝置，藉以驅使受測體運動。

藉此，本發明之運動量測評估方法係整合運動平台的外在行為評估以及內在的多重生理參數量測技術，以實現有效且客觀的運動評估。此外，利用整合之多維度參數以及建立之有效運動指標作為回授運動訓練的參考依據，不但可提升訓練過程的效果，還可進一步降低腦中風的發生機率。

依據前述實施方式之其他實施例如下：，前述運動量測評估方法可包含一第二訊號處理步驟，此第二訊號處理步驟係運算處理有效運動指標值並轉換輸出一驅動控制訊號，且驅動控制訊號控制驅動裝置。前述運動量測評估方法之執行順序依序可為生理訊號感測步驟、第一訊號處理步驟、參數指標計算步驟、第二訊號處理步驟以及驅動步驟，且驅動步驟後接續生理訊號感測步驟以回授調節受測體之生理狀態。此外，前述模糊運算子步驟係將有效運動指標值回授傳送至類神經運算子步驟，藉以令類神經運算子步驟依據有效運動指標值運算輸出代表性參數。

此外，前述類神經演算法可執行一類神經演算函數，此類神經演算函數符合下式： 其中P _j 為代表性參數，w _i 為權重值，p _i 為動態生理參數，b _i 為偏權值。

100‧‧‧運動量測評估系統

102‧‧‧受測體

110‧‧‧受測體部位

120‧‧‧生理狀態

200‧‧‧生理訊號感測裝置

202‧‧‧動態生理訊號

210‧‧‧生理訊號擷取模組

211‧‧‧感測陣列

2112、2114、2116‧‧‧光體積描述訊號感測器

212‧‧‧多工器

213‧‧‧儀表放大器

214‧‧‧低通濾波器

215‧‧‧高通濾波器

216‧‧‧陷波濾波器

217‧‧‧放大單元

2172‧‧‧第一放大器

2174‧‧‧第二放大器

2176‧‧‧第三放大器

218‧‧‧類比數位轉換器

220‧‧‧三軸加速度規

222‧‧‧三軸加速度感測器

224‧‧‧電壓隨偶器

226‧‧‧三軸類比數位轉換器

520‧‧‧模糊運算模組

522‧‧‧模糊化運算單元

524‧‧‧資料庫

526‧‧‧推理引擎運算單元

528‧‧‧解模糊化運算單元

600‧‧‧驅動裝置

602‧‧‧軸心

610‧‧‧驅動器

620‧‧‧運動平台

622‧‧‧架體

624‧‧‧滾輪

700、700a‧‧‧運動量測評估方法

S11、S21‧‧‧生理訊號感測步驟

S12、S22‧‧‧第一訊號處理步驟

S13、S23‧‧‧參數指標計算步驟

S132、S232‧‧‧類神經運算子步驟

S134、S234‧‧‧模糊運算子步驟

S14、S25‧‧‧驅動步驟

S24‧‧‧第二訊號處理步驟

P‧‧‧運動位置

V‧‧‧運動速度

P ₁ 、P ₂ 、P ₃ 、P ₄ ‧‧‧代表性參數

w _1,1 、w _N,M 、w ₁ 、w _M 、W ₁ 、W ₂ 、W ₃ 、W ₄ ‧‧‧權重值

300‧‧‧光感測裝置

310‧‧‧第一光感測模組

320‧‧‧第二光感測模組

330‧‧‧第三光感測模組

340‧‧‧第四光感測模組

400‧‧‧訊號處理裝置

402‧‧‧動態生理參數

410‧‧‧通訊模組

420‧‧‧輸入/輸出埠

430‧‧‧類比數位轉換器

440‧‧‧數位類比轉換器

450‧‧‧記憶體

500‧‧‧參數指標計算裝置

510‧‧‧類神經運算模組

p ₁ 、p ₂ 、p ₃ 、p _N ‧‧‧動態生理參數

b、b ₁ 、b ₂ 、b _M ‧‧‧偏權值

N、M‧‧‧參數

Σ、f‧‧‧運算函數

VR‧‧‧位移速度

L‧‧‧虛擬水平線

C1‧‧‧第一位置

C2‧‧‧第二位置

C3‧‧‧第三位置

C4‧‧‧第四位置

第1A圖係繪示本發明一實施例之運動量測評估系統的方塊圖。

第1B圖係繪示本發明一實施例之運動量測評估系統的示意圖。

第2圖係繪示第1A圖之生理訊號擷取模組的方塊圖。

第3圖係繪示第1A圖之三軸加速度規的方塊圖。

第4圖係繪示本發明一實施例之感測陣列設置於受測體部位的示意圖。

第5圖係繪示第1A圖之光感測裝置設於運動平台的位置示意圖。

第6圖係繪示第1A圖之參數指標計算裝置的方塊示意圖。

第7圖係繪示本發明一實施例之運動量測評估方法的流程示意圖。

第8圖係繪示本發明另一實施例之運動量測評估方法的流程示意圖。

以下將參照圖式說明本發明之複數個實施例。為明確說明起見，許多實務上的細節將在以下敘述中一併說明。然而，應瞭解到，這些實務上的細節不應用以限制本發明。也就是說，在本發明部分實施例中，這些實務上的細節是非必要的。此外，為簡化圖式起見，一些習知慣用的結構與元件在圖式中將以簡單示意的方式繪示之；並且重複之元件將可能使用相同的編號表示之。

請一併參閱第1A~6圖，第1A圖係繪示本發明一實施例之運動量測評估系統100的方塊圖。第1B圖係繪示本發明一實施例之運動量測評估系統100的示意圖。第2圖係繪示第1A圖之生理訊號擷取模組210的方塊圖。第3圖係繪示第1A圖之三軸加速度規220的方塊圖。第4圖係繪示本發明一實施例之感測陣列211設置於受測體部位110的示意圖。第5圖係繪示第1A圖之光感測裝置300設於運動平台620的位置示意圖。第6圖係繪示第1A圖之參數指標計算裝置500的方塊示意圖。如圖所示，此運動量測評估系統100用以量測評估受測體102運動時之生理狀態120。本實施例之受測體102為老鼠。此運動量測評估系統100包含生理訊號感測裝置200、光感測裝置300、訊號處理裝置400、參數指標計算裝置500以及驅動裝置600。

生理訊號感測裝置200設於受測體102上並感測受測體102之受測體部位110的生理狀態120，且生理訊號感測裝置200會將生理狀態120轉換而輸出對應之動態生理訊號202。由於受測體102為老鼠，且受測體部位110為 老鼠的尾巴，因此動態生理訊號202代表受測體102之尾巴的末梢血流訊號。詳細地說，生理訊號感測裝置200包含生理訊號擷取模組210與三軸加速度規220(Triaxial Accelerometer)。其中生理訊號擷取模組210包含感測陣列211、多工器212、儀表放大器213、低通濾波器214、高通濾波器215、陷波濾波器216、放大單元217以及類比數位轉換器218。感測陣列211具有三個光體積描述訊號感測器2112、2114、2116(Photoplethysmogram，PPG)，此三個光體積描述訊號感測器2112、2114、2116均設於受測體部位110上且彼此位於相異之位置，而且光體積描述訊號感測器2112、2114、2116之位置所形成之一平面垂直於受測體部位110之延伸方向。光體積描述訊號感測器2112、2114、2116可感測生理狀態120以產生對應之光體積描述訊號。本實施例所使用之光體積描述訊號感測器2112、2114、2116係由紅外線感測光電晶體所構成，並透過這些光體積描述訊號感測器2112、2114、2116來量測從老鼠尾巴(受測體部位110)根部之血管中反射回來的紅外線光強度，同時以三組光體積描述訊號感測器2112、2114、2116組成感測陣列211來量測老鼠尾巴(受測體部位110)根部不同位置的訊號，藉此利用多重感測的訊號來彌補運動雜訊造成血流訊號失真的問題。

再者，生理訊號擷取模組210的多工器212連接感測陣列211且依據一控制訊號選擇輸出其中一個光體積描述訊號。換句話說，光體積描述訊號感測器2112、2114、 2116之輸出端分別連接多工器212的三個輸入端。而且多工器212為類比多工器，其可依據控制訊號選擇三個輸入端之其中一個當作多工器212的輸出訊號。此外，儀表放大器213之一端連接多工器212，且儀表放大器213具有一儀表增益，此儀表增益之範圍可為1至10，而本實施例之儀表增益為4。儀表放大器213放大多工器212輸出端的光體積描述訊號而產生儀表放大光體積描述訊號。另外，低通濾波器214之一端連接儀表放大器213之另一端，此低通濾波器214具有一低通截止頻率，此低通截止頻率之範圍可為40Hz至60Hz，而本實施例之低通截止頻率為50Hz。低通濾波器214可過濾儀表放大光體積描述訊號而產生低通光體積描述訊號。再者，高通濾波器215之一端連接低通濾波器214之另一端，此高通濾波器215具有一高通截止頻率，此高通截止頻率之範圍可為0.01Hz至0.1Hz，而本實施例之低通截止頻率為0.05Hz。高通濾波器215可過濾低通光體積描述訊號而產生高通光體積描述訊號。至於陷波濾波器216之一端則連接高通濾波器215之另一端，此陷波濾波器216具有一中心頻率，此中心頻率之範圍可為55Hz至65Hz，而本實施例之中心頻率為60Hz。陷波濾波器216可過濾高通光體積描述訊號而產生陷波光體積描述訊號至放大單元217。

此外，生理訊號擷取模組210的放大單元217可將陷波光體積描述訊號放大輸出一光體積描述放大訊號。放大單元217包含第一放大器2172、第二放大器2174以及第三放大器2176。其中第一放大器2172、第二放大器2174 以及第三放大器2176的增益範圍可為5至15，而本實施例之增益均為10。放大單元217輸出三個光體積描述放大訊號，而此三個光體積描述放大訊號分別為第一輸出端之訊號、第二輸出端之訊號以及第三輸出端之訊號，可用以產生不同的放大倍率。值得一提的是，本實施例的放大單元217有三組放大倍率，而且感測陣列211具有三個光體積描述訊號感測器2112、2114、2116，由於每一個感測器都可以三組放大倍率，因此共可以產生9組訊號供後端的模組處理及轉換。再者，類比數位轉換器218包含三個類比輸入端與一個數位輸出端。三個類比輸入端分別連接放大單元217的第一輸出端、第二輸出端以及第三輸出端，而各數位輸出端均連接訊號處理裝置400，數位輸出端則輸出實際生理訊號。再者，類比數位轉換器218為16位元的轉換器，透過此類比數位轉換器218可以將類比訊號轉換成數位訊號，利於後端之訊號處理裝置400的處理與轉換。

另外，三軸加速度規220設於受測體部位110上，且三軸加速度規220位於光體積描述訊號感測器2112的旁邊。此三軸加速度規220感測生理狀態120以產生複數個預測雜訊。再者，三軸加速度規220包含一個三軸加速度感測器222、三個電壓隨偶器224以及一個三軸類比數位轉換器226。電壓隨偶器224可補強三軸加速度感測器222所感測到的訊號，以降低訊號在取樣轉換時的失真問題。而三軸類比數位轉換器226與類比數位轉換器218同為16位元的轉換器，其可一次同時擷取8個通道的訊號，且三軸類比 數位轉換器226輸出預測雜訊。藉此，本發明利用多個位於不同位置的光體積描述訊號感測器2112、2114、2116與三軸加速度規220來同時量測生理狀態120以產生動態生理訊號202，此動態生理訊號202係由生理訊號擷取模組210感測輸出的實際生理訊號以及由三軸加速度規220感測輸出的預測雜訊所組成，而本發明藉由這種多重的動態生理訊號202來當作消除動態訊的參考依據以補強取樣轉換時的失真問題，進而有效且準確地得知生理狀況。

光感測裝置300電性連接具有一軸心602之運動平台620並設於架體622上。光感測裝置300感測受測體102之一運動位置P與一運動速度V，且光感測裝置300包含第一光感測模組310、第二光感測模組320、第三光感測模組330以及第四光感測模組340。此外，這四個感測模組均利用紅外線感測，且彼此設於相異的位置上，其所感測到的運動位置P以及運動速度V將傳送至訊號處理裝置400與參數指標計算裝置500作為運算有效運動指標值之依據。

訊號處理裝置400電性連接生理訊號感測裝置200，且訊號處理裝置400接收運算動態生理訊號202並轉換輸出複數個動態生理參數402。詳細地說，訊號處理裝置400包含通訊模組410(Universal Synchronous Asynchronous Receiver Transmitter；USART)、輸入/輸出埠420(Digital I/O)、類比數位轉換器430(ADC)、數位類比轉換器440(DAC)以及記憶體450(RAM)。此訊號處理裝置400利用通訊模組410與輸入/輸出埠420接收動態生 理訊號202、運動位置P以及運動速度V。再者，類比數位轉換器430與數位類比轉換器440係用以將訊號做對應之轉換，記憶體450則存取訊號。藉此，訊號處理裝置400透過輸入/輸出埠420將動態生理參數402傳送至參數指標計算裝置500或驅動裝置600做進一步的處理或控制。前述動態生理參數402包含心率、心率變異率以及活動量。另外值得一提的是，記憶體450內預設儲存一適應性加速模型，此適應性加速模型可為一指數增長函數，指數增長函數符合下式： 其中VR為滾輪624之位移速度，B1為一第一預設速度，B2為一第二預設速度，t為運動時間，λ為一增長常數。適應性加速模型係用以將運動平台620的滾輪624由靜止慢慢加速至一定的訓練轉速，換句話說，訊號處理裝置400係透過適應性加速模型來控制驅動裝置600的驅動器610而調整運動平台620的滾輪624轉速。

參數指標計算裝置500電性連接訊號處理裝置400，此參數指標計算裝置500可以為電腦或任何一種運算平台。參數指標計算裝置500包含一類神經運算模組510與一模糊運算模組520。其中類神經運算模組510電性連接訊號處理裝置400並接收動態生理參數402，且類神經運算模組510具有一類神經演算函數。類神經運算模組510依據類神經演算函數運算動態生理參數402而輸出產生複數個代表性參數P _j 。此類神經演算函數符合下式： 其中P _j 為代表性參數，w _i 為權重值(Weight)，p _i 為動態生理參數，b _i 為偏權值(Bias)，Σ為運算函數。參數i為1~N的正整數，參數j為1~M的正整數，而參數N與M均為大於1的正整數。第6圖中w _i,j 與w _i 分別代表不同節點之間的權重值。類神經演算函數是模擬人腦的腦神經網路，並期望能有大腦的特質，其由許多的神經元組成的架構，以一種近似神經元的數學模式類神經網路(Neural Network)運作，透過輸入與輸出訓練範例的方式而不斷地調整節點之間的權重值w _i 與偏權值b _i ，使類神經演算函數所計算的輸出為目標輸出。其運作之目的在於要讓演算結果能映射出正確的輸入與輸出關係模式。本發明藉由類神經運算模組510之類神經演算函數來運算求得出最佳的權重值w _i ，並把最佳的權重值w _i 以及代表性參數P _j 提供給模糊運算模組520做為參考之依據。

另外，模糊運算模組520電性連接類神經運算模組510並接收代表性參數P _j 與權重值w _i ，且模糊運算模組520運算代表性參數P _j 與權重值w _i 而輸出產生有效運動指標值。本實施例之代表性參數P _j 為P ₁ 、P ₂ 、P ₃ 、P ₄ ；權重值w _i 為W ₁ 、W ₂ 、W ₃ 、W ₄ 。此模糊運算模組520傳送有效運動指標值至訊號處理裝置400以及類神經運算模組510。有效運動指標與式子(1)的代表性參數P _j 有相關性，此相關性為線性相關或倍數相關，而且藉由有效運動指標來調整代表性參數P _j 時，式子(1)的權重值w _i 跟偏權值b _i 都會跟著做變動，直到代表性參數P _j 收斂到有效運動指標的線性相關或倍數相 關，權重值w _i 跟偏權值b _i 也會跟著確定。因此，只要有效運動指標有做調整，每個代表性參數P _j 所對應之權重值w _i 跟偏權值b _i 也會跟著調整到收斂值。此外，模糊運算模組520係以模糊理論(Fuzzy Logic)為運算核心，模糊理論的概念係探討人類邏輯思考的過程中希望以定量化的方式來處理，而提出了「模糊集」。因此任何定義不再只是「是/否」這樣的二值邏輯(two values logic)，對於許多介於是否之間的模糊地帶之應用，即可透過模糊集的方式來表示。參數之間都有適當的權重關係，這使得模糊模型(fuzzy model)能夠靈活的補償變異性大的數據。因此，模糊理論很適合應用在各種非邏輯可以表達的領域中，如情感表達或溝通模式。此外，模糊運算模組520包含模糊化運算單元522、資料庫524、推理引擎運算單元526以及解模糊化運算單元528。其中模糊化運算單元522連接類神經運算模組510並接收代表性參數P _j ，且模糊化運算單元522依據一歸屬函數(membership function)運算代表性參數P _j 並產生複數個模糊集(Fuzzy set)。本實施例的歸屬函數係利用高斯函數將參數模糊化，使每一個代表性參數P _j 都可以區分為無效運動(NE)、低有效運動(LE)以及高有效運動(HE)。再者，資料庫524連接類神經運算模組510並存取權重值w _i ，且資料庫524依據類神經運算模組510的權重值w _i 產生一組有規則的分數表。另外，推理引擎運算單元526連接模糊化運算單元522與資料庫524，且推理引擎運算單元526依據各模糊集選擇對應之權重值w _i 。而且推理引擎運算單元526會分析各個代表性參數 P _j 所歸屬的類別，並依據分數表得到相對應之分數。而解模糊化運算單元528則連接推理引擎運算單元526，此解模糊化運算單元528接收模糊集與權重值w _i 並轉換產生一有效運動指標值，此有效運動指標值對應分數表之一分數。舉例來說，當類神經運算模組510輸出四個代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ 時，模糊化運算單元522會將每一個代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ 都區分為無效運動(NE)、低有效運動(LE)以及高有效運動(HE)。再者，資料庫524會依據類神經運算模組510所得到的權重值W ₁ 、W ₂ 、W ₃ 、W ₄ 來產生一組有規則的分數表，如表一所示，此表一內所代表的分數數值亦為解模糊化運算單元528所輸出的有效運動指標值。

本實施例之資料庫524有3⁴共81條模糊規則。若四個代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ 都是高有效運動(HE)，則推理引擎運算單元526會分析各個參數的類別，且解模糊化運算單元528所輸出之有效運動指標值為9；若四個代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ 都是無效運動(NE)，則解模糊化運算單元528所輸出之有效運動指標值為1。故每一組代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ 均可找出對應之模糊規則以及有效運動指標值。藉此，本發明透過模糊運算模組520之模糊理論搭配類神經運算模組510的類神經演算法來整合多維度參數，以達到更準確的有效運動判斷。

驅動裝置600電性連接訊號處理裝置400，此驅動裝置600會依據有效運動指標值驅使受測體102運動。在運動的過程當中，受測體102會隨時間改變生理狀態120而致使動態生理訊號202隨時間改變而產生一變異狀態。訊號處理裝置400與參數指標計算裝置500依據變異狀態回授控制驅動裝置600。此外，驅動裝置600包含驅動器610與運動平台620，運動平台620包含架體622與滾輪624，滾輪624透過軸心602樞設於架體622上並連接驅動器610。驅動器610連接訊號處理裝置400，訊號處理裝置400依據有效運動指標值來控制驅動器610，本實施例之驅動器610為一馬達。而運動平台620的滾輪624受驅動器610連動而產生一位移速度VR，受測體102運動於運動平台620上而改變生理狀態120，藉以令生理訊號感測裝置200之動態生 理訊號202以及光感測裝置300所感測之運動位置P、運動速度V對應改變。再者，光感測裝置300的第一光感測模組310設於驅動裝置600的運動平台620之第一位置C1上。此第一位置C1與軸心602的連線跟一虛擬水平線L相交一第一夾角，此第一夾角為0度。第二光感測模組320則設於運動平台620之第二位置C2上。第二位置C2與軸心602的連線跟虛擬水平線L相交一第二夾角，此第二夾角為45度。第三光感測模組330設於運動平台620之第三位置C3上。第三位置C3與軸心602的連線跟虛擬水平線L相交一第三夾角，此第三夾角為90度。至於第四光感測模組340則設於運動平台620之第四位置C4上。第四位置C4與軸心602的連線跟虛擬水平線L相交一第四夾角，此第四夾角為135度。上述感測模組位置的分佈設置係用以決定受測體102之心率與體能消耗是否達到或超過有效的標準。例如：當受測體102位於一特定的運動位置P，即第二位置C2與第三位置C3之間，且運動速度V小於等於滾輪624的轉速時，代表受測體102的心率與體能消耗尚未到達有效運動的標準。另外值得一提的是，一開始紅外線滾輪624會依據式子(1)之加速曲線慢慢加速至一定的位移速度VR，此位移速度VR為介於20公尺/分鐘與30公尺/分鐘之間，其適合一般正常的受測體102。等到位移速度VR達到一定值後，滾輪624的控制將不會再依據式子(1)之加速曲線，而是依據感測陣列211之光體積描述訊號感測器2112、2114、2116、三軸加速度規220所感測之動態生理訊號202以及光感測裝置300所感 測之運動位置P、運動速度V。藉此，透過這些訊號即時地傳送到參數指標計算裝置500做多重參數之整合與分析，並根據多重參數整合後所得到的有效運動指標值做適當的回授調速訓練，進而提供一個穩定而且可即時適應生理狀態120變化的運動平台620給受測體102訓練。

第7圖係繪示本發明一實施例之運動量測評估方法700的流程示意圖。運動量測評估方法700用以量測評估受測體102運動時之生理狀態120，其包含一生理訊號感測步驟S11、一第一訊號處理步驟S12、一參數指標計算步驟S13以及一驅動步驟S14。

生理訊號感測步驟S11係利用生理訊號感測裝置200感測受測體102之生理狀態120並輸出一動態生理訊號202。

第一訊號處理步驟S12係利用訊號處理裝置400運算處理動態生理訊號202並轉換輸出複數個動態生理參數402。

參數指標計算步驟S13包含一類神經運算子步驟S132與一模糊運算子步驟S134。類神經運算子步驟S132係依據一類神經演算法運算動態生理參數402而輸出產生複數個代表性參數P _j 以及最佳化的權重值w _i 。類神經演算法係執行一類神經演算函數，此類神經演算函數符合式子(2)。而模糊運算子步驟S134則是依據一模糊理論運算代表性參數P _j 以及最佳化的權重值w _i 而輸出產生一有效運動指標值。再者，模糊運算子步驟S134可以進一步化分為四個步 驟，其分別為模糊化步驟、模糊規則產生步驟、推理引擎評估步驟以及解模糊化步驟。其中模糊化步驟係規劃各個參數之歸屬函數來模糊化輸入的代表性參數P _j ，每個參數皆有三個歸屬函數，其分別為無效運動、低有效運動以及高有效運動。模糊規則產生步驟係根據模糊化步驟後的實驗數據與類神經運算子步驟S132的權重值w _i 來求得模糊規則，假設最後選出4個代表性參數P ₁ 、P ₂ 、P ₃ 、P ₄ ，則有3⁴共81條模糊規則。此外，推理引擎評估步驟係將所有模糊規則進行評估，且每一條模糊規則會對應給予每個模糊集適當的權重值w _i 。至於解模糊化步驟則是匯集所有權重之模糊集後，轉換輸出一個有效運動指標值。在整個過程中，有效運動指標值會回授給類神經運算模組510作為動態調整參數權重的依據。換句話說，模糊運算子步驟S134會將有效運動指標值回授傳送至類神經運算子步驟S132，藉以令類神經運算子步驟S132依據有效運動指標值運算輸出調整後的代表性參數P _j 。藉此，本發明運用模糊運算模組520的模糊理論搭配類神經運算模組510的類神經演算法來整合多維度的不同參數，以達到更準確的有效運動判斷與控制。

驅動步驟S14係依據有效運動指標值驅動一驅動裝置600，藉以驅使受測體102運動。

第8圖係繪示本發明另一實施例之運動量測評估方法700a的流程示意圖。運動量測評估方法700a包含一生理訊號感測步驟S21、一第一訊號處理步驟S22、一參數 指標計算步驟S23、第二訊號處理步驟S24以及一驅動步驟S25。

配合參閱第7圖及第8圖，在第8圖的實施方式中，生理訊號感測步驟S21、第一訊號處理步驟S22、參數指標計算步驟S23及驅動步驟S25均與第7圖中生理訊號感測步驟S11、第一訊號處理步驟S12、參數指標計算步驟S13及驅動步驟S14之方塊相同，而且類神經運算子步驟S232與模糊運算子步驟S234亦分別與第7圖中的類神經運算子步驟S132與模糊運算子步驟S134之方塊相同，故不再贅述。特別的是，第8圖實施方式之運動量測評估方法700a更包含第二訊號處理步驟S24。此第二訊號處理步驟S24係運算處理有效運動指標值並轉換輸出一驅動控制訊號，此驅動控制訊號是用來控制驅動裝置600。另外，運動量測評估方法700a之執行順序依序可為生理訊號感測步驟S21、第一訊號處理步驟S22、參數指標計算步驟S23、第二訊號處理步驟S24以及驅動步驟S25，且驅動步驟S25後會接續生理訊號感測步驟S21以回授調節受測體102之生理狀態120。舉例來說，一開始紅外線滾輪624會依據式子(1)之加速曲線慢慢加速至一定的位移速度VR，此位移速度VR為介於20公尺/分鐘與30公尺/分鐘之間。而在受測體102運動訓練的過程中，動態生理訊號202、運動位置P以及運動速度V之訊號會即時地傳送到參數指標計算裝置500做多重參數之整合與分析。然後，訊號處理裝置400根據多重參數整合的有效運動指標值對驅動裝置600做適當的回授調速控制。例 如：老鼠屬於正常的跑步位置(45度~90度)，但其心率與體能消耗尚未達到有效的標準時，其整合後之有效運動指標會回授給訊號處理裝置400來做加速訓練的參考依據。因此，本發明提供了一個穩定而且可即時適應生理狀態120變化的運動平台620給受測體102實現有效的訓練，此訓練可以有效降低腦中風的發生率。

由上述實施方式可知，本發明具有下列優點：其一，透過感測裝置與運動平台整合內外生理參數，能夠即時回授調節受測體的運動狀態而建構出一套多維度的有效運動量測評估系統。其二，運動平台結合特定的感測裝置可以讓受測體穩定地運動，使系統可以準確且穩定地量測運動過程中受測體的生理訊號變化。其相較於習知侵入式系統的實驗程序不但有較高的便利性之外，也克服了傳統非定點之非侵入式系統會干擾受測體行動力之問題，讓受測體可以在低穿載干擾與高效率的環境下做最有效的運動。其三，本發明之運動量測評估系統及其方法可提供了一個更客觀的有效運動評估，其藉由多重參數回授機制可以在腦中風的預防上達到最佳的效果。

雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

100‧‧‧運動量測評估系統

102‧‧‧受測體

200‧‧‧生理訊號感測裝置

202‧‧‧動態生理訊號

210‧‧‧生理訊號擷取模組

220‧‧‧三軸加速度規

300‧‧‧光感測裝置

400‧‧‧訊號處理裝置

402‧‧‧動態生理參數

410‧‧‧通訊模組

420‧‧‧輸入/輸出埠

430‧‧‧類比數位轉換器

440‧‧‧數位類比轉換器

450‧‧‧記憶體

500‧‧‧參數指標計算裝置

510‧‧‧類神經運算模組

520‧‧‧模糊運算模組

600‧‧‧驅動裝置

610‧‧‧驅動器

620‧‧‧運動平台

Claims (10)

1. 一種運動量測評估系統，用以量測評估一受測體運動時之一生理狀態，該運動量測評估系統包含：一生理訊號感測裝置，設於該受測體上並感測輸出一動態生理訊號；一訊號處理裝置，電性連接該生理訊號感測裝置，該訊號處理裝置接收運算該動態生理訊號並轉換輸出複數動態生理參數；一參數指標計算裝置，電性連接該訊號處理裝置，該參數指標計算裝置包含：一類神經運算模組，電性連接該訊號處理裝置並接收該些動態生理參數，該類神經運算模組運算該些動態生理參數而輸出產生複數代表性參數；及一模糊運算模組，電性連接該類神經運算模組並接收該些代表性參數，該模糊運算模組運算該些代表性參數而輸出產生一有效運動指標值，該模糊運算模組傳送該有效運動指標值至該訊號處理裝置；以及一驅動裝置，電性連接該訊號處理裝置，該驅動裝置依據該有效運動指標值驅使該受測體運動；其中該受測體隨時間改變該生理狀態而致使該動態生理訊號隨時間改變而產生一變異狀態，該訊號處理裝置與該參數指標計算裝置依據該變異狀態回授控制該驅動裝置。
2. 如申請專利範圍第1項所述之運動量測評估系統，其中該類神經運算模組具有一類神經演算函數，該類神經演算函數符合下式： 其中P _j 為該些代表性參數，w _i 為複數權重值(Weight)，p _i 為該些動態生理參數，b _i 為複數偏權值(Bias)。
3. 如申請專利範圍第2項所述之運動量測評估系統，其中該模糊運算模組包含：一模糊化運算單元，連接該類神經運算模組並接收該些代表性參數，該模糊化運算單元依據一歸屬函數(membership function)運算該些代表性參數並產生複數模糊集(Fuzzy set)；一資料庫，連接該類神經運算模組並存取該些權重值；一推理引擎運算單元，連接該模糊化運算單元與該資料庫，該推理引擎運算單元依據各該模糊集選擇對應之一該權重值；以及一解模糊化運算單元，連接該推理引擎運算單元，該解模糊化運算單元接收該些模糊集與該些權重值並轉換產生一有效運動指標值。
4. 如申請專利範圍第1項所述之運動量測評估系統，其中該驅動裝置包含： 一驅動器，連接該訊號處理裝置，該訊號處理裝置依據該有效運動指標值控制該驅動器；以及一運動平台，受該驅動器連動而產生一位移速度，該受測體運動於該運動平台上而改變該生理狀態，藉以令該生理訊號感測裝置之該動態生理訊號對應改變。
5. 如申請專利範圍第4項所述之運動量測評估系統，更包含：一光感測裝置，電性連接具有一軸心之該運動平台，該光感測裝置感測該受測體之一運動位置與一運動速度，且該光感測裝置包含：一第一光感測模組，設於該運動平台之一第一位置上，該第一位置與該軸心的連線跟一虛擬水平線相交一第一夾角，該第一夾角為0度；一第二光感測模組，設於該運動平台之一第二位置上，該第二位置與該軸心的連線跟該虛擬水平線相交一第二夾角，該第二夾角為45度；一第三光感測模組，設於該運動平台之一第三位置上，該第三位置與該軸心的連線跟該虛擬水平線相交一第三夾角，該第三夾角為90度；以及一第四光感測模組，設於該運動平台之一第四位置上，該第四位置與該軸心的連線跟該虛擬水平線相交一第四夾角，該第四夾角為135度。
6. 一種運動量測評估方法，用以量測評估一受測體運動時之一生理狀態，該運動量測評估方法包含以下步驟：一生理訊號感測步驟，係感測該受測體之該生理狀態並輸出一動態生理訊號；一第一訊號處理步驟，係運算處理該動態生理訊號並轉換輸出複數動態生理參數；一參數指標計算步驟，包含：一類神經運算子步驟，係依據一類神經演算法運算該些動態生理參數而輸出產生複數代表性參數；及一模糊運算子步驟，係依據一模糊理論運算該些代表性參數而輸出產生一有效運動指標值；以及一驅動步驟，係依據該有效運動指標值驅動一驅動裝置，藉以驅使該受測體運動。
7. 如申請專利範圍第6項所述之運動量測評估方法，更包含：一第二訊號處理步驟，係運算處理該有效運動指標值並轉換輸出一驅動控制訊號，該驅動控制訊號控制該驅動裝置。
8. 如申請專利範圍第7項所述之運動量測評估方法，其中該運動量測評估方法之執行順序依序為該生理訊號感測步驟、該第一訊號處理步驟、該參數指標計算步驟、 該第二訊號處理步驟及該驅動步驟，且該驅動步驟後接續該生理訊號感測步驟以回授調節該受測體之該生理狀態。
9. 如申請專利範圍第6項所述之運動量測評估方法，其中該類神經演算法係執行一類神經演算函數，該類神經演算函數符合下式： 其中P _j 為該些代表性參數，w _i 為複數權重值，p _i 為該些動態生理參數，b _i 為複數偏權值。
10. 如申請專利範圍第6項所述之運動量測評估方法，其中該模糊運算子步驟係將該有效運動指標值回授傳送至該類神經運算子步驟，藉以令該類神經運算子步驟依據該有效運動指標值運算輸出該些代表性參數。