论文部分内容阅读
智能可穿戴设备的快速发展为人们生活品质的提升提供了便携、高效的工具,并且随着健康医疗逐渐成为当前的研究热点,利用可穿戴设备检测人体运动状态和健康指标更是研究中焦点问题。借助可穿戴设备可以方便地获取和收集各类生物信号,结合生物机理和运动特征可以进一步分析和确定人体状态,进而达到检测的目的。但实际需求中检测结果并不能有效地辅助制定合理的运动计划以及反映运动中身体健康状况的变化,而且多数现有的方法仅仅提供了一致标准,没能反映个性化带来的差异。因此,如何融合现有运动医学的研究成果及其它身体指标,为个人提供合理的个性化健康标准,实现提前规划、实时监测的目的成为了智能可穿戴设备发展的新方向。本文利用一系列传感器模块和控制器设计实现了用于特定场景下人体运动和健康指标检测及评价的实用系统,并通过数据分析和处理,结合运动学理论和实验结果,给出了可用于运动和健康评估算法,对实际应用有一定的参考意义。本文首先利用对卡路里消耗指标来实时反映运动效果,阐述了反映人体健康状况的常用定量指标,明确了卡路里消耗作为运动量及健康状况的度量指标的合理性并比较了现有的卡路里消耗分析方法和原理,设计并实现了基于三轴加速度的卡路里消耗检测模块。其次结合局部解剖学理论,阐明了表面肌电信号的产生机理和特点以及肌电信号对于衡量手臂动作的运动量的有效性,并分析和比较了时域分析、频域分析、时频域分析、经验模态分解的肌电信号分析方法的原理和优缺点。设计实现了表面肌电信号数据采集模块,并完成了基于手臂动作的简易场景下的数据采集工作,根据信号特点设计了有效的预处理方法。通过对表面肌电信号进行经验模式分解(EEMD)、提取相关特征构建反映肌肉疲劳状况与运动量的定量关系,从而为合理评估运动效果和强度提供了明确衡量指标。构建了基于EEMD的希尔伯特谱分析(EEMD-HHT)分析肌间相干性的模型,从不同层面分析肌电信号特征,并对运动过程中的肌肉疲劳特性进行估计。并基于测试数据分析研究运动过程中sEMG平均瞬时频率与肌间耦合性特征间的关联规律,为肌肉疲劳分析提供一种综合评估方法。最后测试和分析实际数据中EEMD-HHT方法估计肌肉疲劳的有效性,综合上述结果给个性化运动健康状况提供了合理的评价指标,为运动计划的指定和运动量的衡量提供了可参考的标准。