基于加速度和脉搏波的运动状态识别和心率检测算法研究

发布时间：2017-10-27 11:04

  本文关键词：基于加速度和脉搏波的运动状态识别和心率检测算法研究

  更多相关文章： 心率 脉搏波 加速度信号 可穿戴式设备

【摘要】：心率是人体重要的生理参数,运动心率可以有效的评估运动效果。最近华为小米等公司都相继开发了穿戴式腕表或者手环,运动状态的识别和运动心率检测是这些腕表最重要的健康功能。这些设备都通过对人体加速度信号和脉搏波信号的分析来实现心率检测。然而这些腕表的运动下心率识别的准确性有待提高。针对这些现状,本文拟对运动状态识别算法和心率检测算法进行研究。本文首先设计了一款实验用的心率腕表,该腕表可以采集三轴加速度信号和两通道的脉搏波信号,该设备作为后续算法研究的基础。随后论文基于公开数据库开发了一套基于加速度信号的运动状态识别算法。算法提取加速度信号的时域特征、频域特征和时频特征,并利用SVM和决策树来实现运动状态的识别。分析结果表明算法可以有效识别静止、走路、跑步、跳跃、原地踏步5类动作,决策树运动状态识别正确率超过了93%。随后的实验表明基于心率腕表的运动状态识别准确率为81.78%。然后进行了心率检测算法的研究。运动会引起很大幅度的脉搏波干扰,论文对各种不同的运动类型引起的脉搏波干扰进行了研究,发现脉搏波中的干扰信号与加速度有相同的频率成分,基于此论文提出了利用功率谱抵消技术来实现心率检测。我们利用研制的腕表进行了运动实验,来验证算法的性能。实验共采集了10组安静状态、22组跑步状态、21组踢足球时的数据。实验过程中被试佩戴了polar心率带,记录的心率作为心率的标准。使用平均绝对误差E′、误差小于5BPM所占百分比(PE5),误差小于10BPM所占百分比(PE10)三个指标来评价心率算法的准确性。实验结果表明安静、跑步、足球三种运动下E′分别是3.80BPM、6.94BPM、16.38BPM;PE5分别为76.77%,68.09%,32.06%;PE10分别为94.4%,83.5%,47.28%。结果表明在足球运动下,功率谱抵消技术效果不是很好。论文随后使用独立成分分析、经验模式分析、自适应滤波3种方法对不规律运动(足球)的数据进行分析。选择独立成分分析处理后的脉搏波信号计算心率,算法改进后E′减小了1.8BPM。PE10和PE5分别提升了5.73%和3.55%。本论文提出了一种运动状态识别算法获得了较高的准确率,设计的心率检测算法可以在静止和跑步下获得较好的准确率,而在不规则的踢足球等运动下准确率有待提高,该算法有望在运动腕表中得到应用。
【关键词】：心率 脉搏波 加速度信号 可穿戴式设备
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R54
【目录】：

• 摘要4-6
• Abstract6-10
• 第1章 绪论10-16
• 1.1 课题的研究背景和意义10-11
• 1.2 运动识别算法国内外研究现状11-12
• 1.3 心率检测算法国内外现状12-14
• 1.4 本文结构14-16
• 第2章 脉搏波测量原理及系统硬件设计16-26
• 2.1 光电容积脉搏波原理16-17
• 2.2 系统设计17-18
• 2.3 系统各模块设计18-23
• 2.3.1 主控单片机18-20
• 2.3.2 加速度传感器模块设计20
• 2.3.3 光电容积脉搏波模块设计20-21
• 2.3.4 电源模块21-22
• 2.3.5 蓝牙模块22-23
• 2.3.6 显示模块23
• 2.4 PCB及封装23-24
• 2.5 本章小结24-26
• 第3章 基于加速度信号的运动状态识别算法26-42
• 3.1 引言26
• 3.2 特征提取26-32
• 3.2.1 信号预处理26-27
• 3.2.2 时域特征27-29
• 3.2.3 频域特征29-30
• 3.2.4 时频特征30-32
• 3.3 分类器设计32-34
• 3.3.1 SVM分类器32
• 3.3.2 决策树分类器32-34
• 3.4 SCUT-NAA识别结果以及分析34-37
• 3.4.1 基于SVM的识别结果及分析34-35
• 3.4.2 基于决策树识别结果及分析35-37
• 3.5 实验数据运动状态识别37-40
• 3.5.1 运动实验设计37-38
• 3.5.2 实验识别结果及分析38-40
• 3.6 本章小结40-42
• 第4章 运动心率检测算法研究42-68
• 4.1 运动对脉搏波干扰研究42-45
• 4.2 基于功率谱抵消技术的心率检测算法45-50
• 4.3 实验设计和实验结果分析50-61
• 4.3.1 心率采集实验设计50-52
• 4.3.2 实验评价标准52-53
• 4.3.3 实验数据结果分析53-61
• 4.4 心率检测算法优化及结果分析61-67
• 4.4.1 脉搏波信号预处理61-66
• 4.4.2 心率检测算法优化后结果及讨论66-67
• 4.5 本章小结67-68
• 结论68-70
• 参考文献70-74
• 攻读硕士学位期间发表的学术论文74-76
• 致谢76

【相似文献】

中国期刊全文数据库 前10条

1 李滚;;脉搏波的衰减特性研究[J];生物医学工程研究;2006年03期

2 李滚;庞小峰;;血流脉搏波的特征与生理因素的相关性研究[J];生命科学仪器;2007年10期

3 张佃中;谭小红;;二不同年龄组脉搏波特征参数的研究[J];生物数学学报;2007年04期

4 宋相和;王耘;;脉搏波:沟通中医和西医的桥梁[J];中西医结合学报;2008年09期

5 李向东;乐建威;王新图;;脉搏波信号分析方法的研究进展[J];数据采集与处理;2009年S1期

6 孙欣;赵玉娟;;脉搏波时标对臂踝脉搏波传播速度测量的影响[J];生物物理学报;2010年12期

7 刘胜洋;;动态脉搏波特征段相敏相干处理的研究[J];微计算机信息;2011年11期

8 杨阳;杨琳;王薇薇;张松;杨益民;李旭雯;赵茜茜;吕晨亮;王俊聪;;一种监测人体体温及脉搏波的耳机装置[J];中国医学装备;2013年05期

9 王强,傅(马总)远;描记脉搏波图时外压增加可使脉图曲线的升支负向变[J];生理科学;1983年01期

10 杨天权;;人体脉搏波频谱分析[J];河北中医;1985年06期

中国重要会议论文全文数据库 前10条

1 何凡;李晓阳;;动脉管长在脉搏波传播中作用的数值研究[A];第九届全国生物力学学术会议论文汇编[C];2009年

2 张尽廷;王强;张家选;姚智敏;;100名大学生脉搏波传递时间的调查[A];第二届全国心功能学术研讨会论文摘要汇编[C];1990年

3 张小军;李晓阳;张松;;脉搏波在动脉内传播的非线性动力学模型[A];中国力学学会学术大会'2009论文摘要集[C];2009年

4 周宽久;陈雪峰;;人体脉搏波特征提取算法研究[A];大连理工大学生物医学工程学术论文集（第2卷）[C];2005年

5 瞿年清;谢梦洲;;脉搏波与心血管血液循环[A];中华中医药学会中医诊断学分会2007’年会论文集[C];2007年

6 何凡;李晓阳;;动脉壁增厚对脉搏波传播影响的数值研究[A];中国力学学会学术大会'2009论文摘要集[C];2009年

7 郭睿;王忆勤;燕海霞;李福凤;颜建军;许朝霞;;血液动力学在中医脉搏波分析中的应用[A];中华中医药学会中医诊断学分会第十次学术研讨会论文集[C];2009年

8 陈廷捚;张松;杨益民;罗志昌;;关于压力脉搏波气囊式检测方法的探索性研究[A];第十七届全国测控计量仪器仪表学术年会（MCMI'2007）论文集（下册）[C];2007年

9 黄品同;邹春鹏;黄福光;杨鹏麟;孙海燕;杨琰;黄瑛;;冠心病患者腹主动脉壁运动速度及相对脉搏波传递速度的研究[A];2005年浙江省超声医学学术年会论文汇编[C];2005年

10 王臻;曹铁生;袁丽君;段云友;杨勇;刘媛玲;邢长洋;;一种测定局部动脉脉搏波传播速度的新方法——双脉冲波多普勒法[A];中华医学会第十三次全国超声医学学术会议论文汇编[C];2013年

中国重要报纸全文数据库 前4条

1 宋常青;新型脉搏波自动分析仪问世[N];经济参考报;2003年

2 郭妍 李光洁;查脉搏波PWV 早发现心脏病变[N];健康报;2006年

3 王东生；陈方平;古代脉诊的现代解读[N];中国医药报;2005年

4 上海瑞金医院教授 陈寒萼邋王继光;从大动脉功能预测心血管风险[N];健康报;2007年

中国博士学位论文全文数据库 前1条

1 卢宗武;基于脉搏波阻抗谱的血液电特性无创检测[D];天津大学;2007年

中国硕士学位论文全文数据库 前10条

1 刘贺;基于脉搏特征参数的Android病理分析系统研究与设计[D];昆明理工大学;2015年

2 刘民胜;基于多尺度心血管系统模型的脉搏波分析及其在中医脉诊中的应用[D];华东理工大学;2016年

3 沈子淇;基于模式干涉仪的光纤栅脉搏波检测系统研究[D];天津工业大学;2016年

4 贾菲菲;基于加速度和脉搏波的运动状态识别和心率检测算法研究[D];北京工业大学;2016年

5 宋维军;脉搏波自动采集分析的研究[D];北京工业大学;2010年

6 刘胜洋;动态脉搏波阻抗谱的理论与实验研究[D];天津大学;2006年

7 李滚;脉搏波的传播特性研究[D];电子科技大学;2008年

8 常晓剑;脉搏波诊断仪的研制[D];天津大学;2007年

9 张彬;基于脉搏波的血氧饱和度检测算法的研究[D];北京交通大学;2009年

10 王超;基于脉搏波的心血管系统疾病预测方法研究[D];燕山大学;2010年

，

本文编号：1103195