文摘
心率监测越来越重要在现代健康产业的发展。目前,无线传感器网络设备主要用于实现实时或定期监测人体心率,从而实现特定人群的健康管理。同时,心率的监测和分析技术也广泛应用于特殊的竞技体育。通过实时监控和分析运动员的心率,我们可以实时反馈并分析相应的竞技状态,以便监测运动员的突然状态,并提供一个基础的改善运动员以后体育水平。在此基础上,本文将使用单片机作为中央处理单元的数据监测系统的硬件水平,和惯性传感器和心率传感器在传感器水平。运动系统将设计数据采集模块、定位模块、低功率模块,运动员心率采集模块,和运动状态识别模块。针对传统的低精度心率加速运动无线传感器在竞技体育运动员的心率识别和运动状态识别,本文创新提出一个运动员心率基于加速度信号的识别算法,提取运动信号的频域特征。运动员的时域和时频特性的加速度信号被用来实现运动员的识别运动状态,取消和功率谱技术用于实现运动员心率的准确检测。为了验证硬件系统和算法的优点,三个体育与安静的,动态的,随机的选择动态特性进行实验验证。实验结果表明,本文提出的软件算法有明显的安静和动态精度优势竞技体育与传统算法相比。
1。介绍
识别、监视和分析技术的人体心率和运动状态是广泛用于健康监测和运动监测场景。同时,它也是一个重要指标来评估运动强度和运动质量。在职业竞技体育,实时监控人的心率和相应的运动状态不仅可以完全由运动员获得能源消耗在运动的过程中也分析相应的运动质量水平。系统的综合分析上述两个数据可以进一步提高运动员的运动水平,改善缺陷在运动的过程中,和提高体育素质1- - - - - -3]。传统的运动员心率检测主要是基于硬件设备如心率带,但是传统的硬件心率带不方便穿,及其心率监测运动员在运动过程中是不准确的4]。传统的运动员的运动状态识别技术主要体现在三个方面,可穿戴传感器设备相对应,外部传感器设备,和可穿戴和混合集成传感器设备,但是这些设备更专业,和相应的设备价格和功耗相对比较大,所以他们不使用在竞技体育运动员灵活。方便穿,高油价不利于大规模推广(5- - - - - -8]。大多数人类心率和运动状态的检测算法也专注于加速度传感器算法,和大量的心率和运动状态识别传感器也是基于这种算法的开发。然而,各种算法缺乏相对统一的标准,所以他们受到各种因素,及其对应的心率监测精度和运动状态识别精度不高。所以,基于上述讨论,具有重要意义和实用价值分析和开发一个心率加速与低功耗,高精度检测设备9]。
作为一种重要的技术在不同的应用场景中,无线传感器技术是十字架的产品信息技术和物联网技术的发展。无线传感器技术能够实现一个特定的场景环境的实时监控或相应的国家特定的个人10]。在传统的无线传感器网络中,大量的无线传感器排列在特定节点实现采集、监控和传输特定的数据分析。在此基础上,传统无线传感器网络的主要特点如下。他们的一个特点是分布式和自组织的。在这个过程中,相应的节点可以连接彼此通过相应的算法和相互监控和分析,相应的数据节点具有自组织的能力,和相应的网络节点会自动配置和管理而不影响传感器网络的操作。无线传感器网络的第二个特点是,相应的传感器网络数据大规模、高密度和相应的节点之间的冗余信息可以实现合作(11- - - - - -13]。无线传感器网络的第三个特点是,相应的无线传感器网络节点能量相对有限。传统的无线传感器网络的主要能源消耗主要是建立在交流的基础上,增加了通信距离。因此,许多无线传感器网络的主要数据传输模式是多次反射模式。本文主要使用无线传感器。惯性传感器和心率传感器是基于这两个传感器,合理安排和相应的收集信息是及时总结成单片机进行数据分析,并给出相应的结论(13,14]。相应的心率传感器,主要的心率监测算法主要包括四个计算算法:血氧心率监测、光学电容脉冲波心率监测算法,心电图算法,和动脉血压的方法。这四种传统心率检测算法有各种各样的检测精度等问题不准确检测运动员的特殊的竞技体育水平的状态识别;当前惯性传感器主要用加速度传感器的运动状态识别。目前,这些传感器有严重的功耗问题,所以他们不符合绿色低功耗的要求。同时,价格相对昂贵不利于广泛推广和使用15- - - - - -18]。在硬件系统布局层面,相关学者使用硬件附近布局的原则来实现关键数据的高精度监测,但这种布局方法会增加系统的体积和相应的系统能源消耗将会增加。
鉴于上述相应的研究现状和存在的问题,本文将分析和验证了硬件系统和软件算法基于无线心率加速度传感器。基于上述情况,本文将使用单片机作为系统的核心处理单元,设计数据采集系统惯性传感器和心率传感器传感设备模块,运动定位模块和低功率模块,运动员心率采集模块,和运动状态识别模块。针对低精度的传统心率加速无线传感器在运动员的心率识别和运动状态识别在竞技体育中,本文提出了一个运动员的心率基于加速度信号的识别算法充分提取运动员的加速度信号。同时,在硬件设计水平,本文优化传感器的位置,以进一步优化系统的硬件布局,提高传感器的检测精度。为了验证硬件系统和算法的优势,三个体育与安静的,动态的,随机的选择动态特性进行实验验证。实验结果表明,与传统的硬件和软件,硬件系统和软件算法精度有明显的优势在安静和动态竞技体育,但是他们在随机竞技体育没有明显的优势,这也是本文后续研究的重点。
本文的结构安排如下:第二部分本文将分析的研究现状和研究心率加速无线传感器在竞技体育;本文的第三部分将进行理性分析和建筑设计两个方面的硬件系统和软件算法的心率加速无线传感器;本文的第四部分主要是验证实验和分析;最后,本文将其总结。
2。相关分析:研究现状的心率加速无线传感器在竞技体育
目前,心率加速无线传感器的应用研究主要集中在健康监测和运动状态检测的职业运动员。主要研究内容包括硬件系统设计和软件算法的研究基于硬件系统。在此基础上,大量的科学研究机构和研究人员已经开发出各种硬件系统和检测算法。在硬件层面,日本和欧洲和美国有关研究机构开发了一种重复运动员体育活动基于外部传感器的硬件系统。它主要是基于图像传感器,如摄像机,并使用图像传感器来识别和检测运动员的运动状态。然而,这样的硬件系统需要大量的存储设备存储图像数据。因此,相应的设备成本高(19]。相关大学在美国开发出了一种五轴人体运动识别和基于加速度计的心率监测硬件系统。基于此硬件传感系统,相应的心率监测精度和运动识别精度逐渐提高,但是移动状态的人体识别精度较低,和有许多传感器相应的硬件系统,所以硬件系统的成本增加20.]。为了提高五轴传感器网络的缺点,有关欧洲研究人员五轴传感器优化和改进。改进传感器设置为三轴传感器及其相应的三轴加速度计主要是穿在胸部位置的运动员。过渡,它实现了静态和动态监测人体的人体胸部特征信号和神经网络监视和分析心率和运动(21]。有关日本科学家充分结合外部传感器和可穿戴传感器的优势开发混合动力运动状态和心率监测设备。它主要使用传感器和摄像机提出一个通用的识别算法,主要处理各种特征信息,如图像,声音,心率,姿态的监测运动员和相应的检测设备。比其他两个精度更高,但相应的设备成本较高。与此同时,相应的算法复杂,资源消耗很大22,23]。在相应的心率监测和运动状态识别算法,主流算法包括向量机算法,朴素贝叶斯算法,决策树算法, - - - - - -值近似算法和其他算法;的心率监测和分析,有关欧洲学者提出了基于脉搏波的心率监测算法,增加加速度计传感器运动员在运动;分别得到了运动员的运动信息,删除对应的心率噪声通过运动信号辅助算法。最后,心率信号的传输是通过蓝牙和其他无线传感技术实现(24,25]。基于光电测量的原理,相应的研究人员使用多个发光二极管和光电敏感传感器形成心率监测的硬件部分。光电传感器检测到在竞技体育运动员的心率感应光场强度的变化,但心率检测到该方法的准确性仍有错误(26- - - - - -28]。
3所示。应用分析心率加速运动无线传感器融合在个别特殊的竞技体育
本节主要分析问题的心率监测和运动员在竞技体育的运动状态识别的硬件系统和软件系统两个方面心率加速运动无线传感器。在硬件系统设计层面,设计主要基于STM32单片机。设计内容包括硬件模块电路的设计,如数据采集模块,运动定位模块,低功率模块,运动员心率采集模块,和运动状态识别模块。在相应的算法层面上,它主要包括心率检测算法和运动识别算法。本节主要分析了相应算法的原理和实现过程。相应的应用原理框图心率加速运动无线传感器在竞技体育如图1。从图中,我们可以看到硬件和软件系统的逻辑框图。
3.1。硬件系统设计的心率加速运动无线传感器
在硬件设计层面,心率加速运动的主要应用传感器无线传感器惯性传感器和心率监测传感器。相应的核心硬件包括CPU及其辅助电路、数据采集电路、传感器电路、无线传输电路、定位系统模块及其电路,数据存储部分和相应的电源管理电路部分。相应的系统硬件框图如图2。在一些高速信号采集,本文主要取决于相关的高速信号处理ADI公司的广告。与此同时,本文优化PCB布局上的信号采集电路,充分考虑信号完整性的问题。
在CPU及其辅助电路设计的一部分,相应的处理器必须选择低价格和低功耗的特点。在此基础上,本文STM32处理器选择。处理器m4核心,资源丰富,性价比高,灵活性和稳定性和相对较低的功耗。在此基础上,处理器的原理框图和相应的辅助电路如图3。相应的数据采集主要通过广告模块收集相应的模拟信息并将其传输到中央处理单元。
在传感器硬件设计部分,主要包括惯性传感器和心率监测传感器。惯性传感器主要采用nine-axis惯性传感器,集三轴加速度计、三轴角速度和三轴磁强计。同时,传感器也有数字移动处理器,具有在线编程处理函数在一定程度上。基于传感器,可以减少成本,主要避免复杂的外围设备和复杂的芯片的选择。心率传感器用于本文主要是基于脉搏血氧的生物传感器和心率的功能。其具体成分包括LED灯、红外线光电探测器,分支电路与环境噪声抑制能力。同时,传感器的硬件也集成逻辑电源电路和相应的亚功率供应。心率传感器可以将收集到的数据传送给单片机通过I2C接口,以便检测和分析运动员的实时心率通过一定数据分析算法。物理样本对应传感器电路模块和相应的电路原理框图如图所示4。从图可以看出,心率传感器和惯性传感器小型化和低功耗的特点。
在相应的无线传输和定位部分,检测和定位的运动员的运动状态主要是通过GPS模块,实现数据传输是实现通过无线传输技术,如蓝牙或无线网络。相应的数据存储电路主要实现基本的读和写操作的数据通过SD卡,也完全适合一个单片机系统的应用。C语言主要用于读取和写入数据存储。作为一种重要的系统的电源电路,电源管理芯片主要选择在本文包括mp1584电源转换模块和德州仪器相关的LDO芯片。相应的无线传输模块、CPU及其辅助电路由LDO的。原理框图,相应的辅助电源电路和相应的模块的实物图如图所示5。从图中,我们可以看到电源需求和电源系统的每个模块的关系。
系统低功耗设计的层面上,本文选择了低功耗芯片由每个子系统电路模块的外围电路的设计与验证。与此同时,本文还考虑了低成本的芯片在选择芯片,从而达到整个硬件系统的低功耗和低成本的特点。
3.2。分析心率加速基于无线传感器的运动检测算法
针对传统心率加速运动的低精度无线传感器在运动员心率识别在竞技体育和运动状态识别,本文提出了一个运动员心率基于加速度信号的识别算法,这充分提取频域、时域,和运动员加速度信号的时频特征,实现运动状态的识别;运动员心率的准确检测是实现了功率谱取消技术。
优化算法之前,本文首先研究和分析了心率的干扰因素,分析了静态的,运行,随机运动,各种刺激练习。结果表明,人体心率主要是受人类干扰和漂移的运动,这将产生大量的毛刺,漂移,不清楚主频率引起的不规则运动。基于上述现象,本文首先进行预处理和分析收集到的信号和过滤器在一定程度上进入优化前心率监测算法。进行准确的心率分析处理数据。相应的优化的原理框图如图心率监测算法6。从图可以看出,外部环境的干扰对收集到的信息可以进一步减少了功率谱加权。
它可以进一步看到从图6优化的原则相应的心率检测算法如下:
步骤1。截取一定长度的信息碎片收集到的脉冲信息,进行快速傅里叶变换的信息片段,并执行数学运算见方程(1)与脉搏波对应的傅里叶变换,以获得一个统一和标准化的傅里叶谱。
步骤2。考虑检测的准确性运动员的心率信息,当选择数据段的一步1以上,通常选择一个数据段的大约30 s-60年代和执行规范化的傅里叶变换的数据段在这个时期。
步骤3。比较和分析的傅里叶变换处理脉冲信息运动傅里叶谱和执行加权操作。相应的加权运算公式方程所示(2)。加权操作后,相应的傅里叶谱中的运动组件已经被抵消,心率和光谱信息对应的是高亮显示。
步骤4。光滑的运动信号的傅里叶变换,和相应的处理公式所示以下方程:
第5步。使用心率数据收集的时间前后体重中等功率谱和使用高斯函数来构造权重函数。相应的加权脉冲频谱曲线方程函数如下所示:
步骤6。选择曲线的峰值点作为决赛运动员的心率值,记录心率值在每一段时间,并构造心率曲线。
根据上述步骤,准确检测运动员的心率在竞技体育可以意识到,和分析运动员的心率转换过程可以实现在同一时间。
的运动状态识别算法,本文主要基于频域实现运动状态的识别特征、时域特性和运动员的加速度信号的时频特征。在相应的频域特征提取过程中,运动的主要频率参数信息提取并作为主要分析对象。相应的时域特征提取主要是提取主流等参数的标准差运动信息和样本熵。相应的时频信息的提取主要是基于混合参数的提取和分析在时域和频域。
基于上述两种优化算法,结合系统的硬件设计,它可以实现精确的识别运动员在竞技体育运动状态和心跳信息。同时,它具有低功耗的特点,低成本和高稳定性。
4所示。实验验证和分析
在实验验证部分,本文主要分析了运动员的运动状态识别和心率监控基于上述硬件系统设计。相应的实验条件如下:9运动员选择执行静态运动、随机运动,和动态规律的运动,和三个运动员分配给每个小组。基于上述三组运动员和相应的运动,进行实验和实验结果进行了分析。实验的评价标准主要是心率出错率指标和运动识别精度指标。上述三个实验数据采集有不同的要求,但相应的数据采集电路基本上是相似的,但相应的动态采集需要antishake处理。相应的描述突出显示的部分所示。
首先,三个运动员在安静的运动服本文设计的硬件系统,并在此基础上,收集相应运动员的心率信息和运动信息。在控制变量的情况下,与传统算法进行比较。相应的实验结果如图7;从图可以看出7,在安静的运动心率算法的误差提出了显然是低,和相应的运动信息的识别精度高。
相应的运动员的心率信息,心率运动信息的错误率,和折线图的运动状态的动态运动,如图8,从图可以看出8心率算法的误差提出了显然是低动态运动,和相应的体育信息的识别精度高。此时,相应的心率错误率与静态运动相比是比较高的,这也表明,这个算法的相应性能需要进一步提高在处理动态的运动。
心率信息检测和运动状态监控实验进行随机运动。相应的随机运动在本文主要指篮球,因为这种运动的动态和静态特性是无法控制的。相应的实验结果如图9。从图可以看出,本文提出的算法检测精度和不再与传统的算法相比有明显的优势。因此,进一步指出该算法的改进随机运动。
为了进一步验证硬件设计的功耗,进行能耗比较实验与传统的硬件系统。当控制变量是保证,相应的功耗比较线路图对应的两个硬件系统各自算法的消费如图10。从图可以看出10,本文设计的硬件系统和相应的检测算法有较低的功耗在相同的条件下,和他们的能源消耗只占约70%的传统硬件系统及其算法。
基于上述实验结果和相应的实验分析,我们可以得出以下结论:与传统的算法相比,该算法具有明显的检测精度优势在安静和动态运动,但其优势是相对较小的随机运动。
5。结论
本文主要分析了心率加速传感器融合的研究现状在个别特殊的竞技体育和缺点在硬件系统组件和检测算法。针对低功耗的问题在硬件系统和检测算法检测精度低的问题,本文就改进和实验验证。在硬件部分,本文采用单片机为核心处理单元的系统和使用惯性传感器和心率传感器作为传感设备。运动系统设计数据采集模块、定位模块、低功率模块,运动员心率采集模块,和运动状态识别模块。针对传统心率加速运动的低精度无线传感器在运动员心率识别在竞技体育和运动状态识别,本文提出了一个运动员心率基于加速度信号的识别算法,这充分提取频域、时域,和运动员加速度信号的时频特征,实现运动状态的识别;运动员心率的准确检测是实现了功率谱取消技术。为了验证硬件系统和算法的优点,三个体育赛事和安静的,动态的,随机的选择动态特性进行实验验证。实验结果表明,硬件系统和软件算法提出了精度有明显优势竞技体育与安静和动态特性与传统的硬件和软件,但他们没有明显的优势在竞技体育随机运动特征,这也是本文后续研究的重点。本文将关注运动员的数据采集的准确性对于不规则运动。同时,本文将继续研究硬件优化布局和信号完整性,使系统达到最佳状态。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有竞争的经济利益或个人关系可能出现影响工作报告。