申请/专利权人：北京理工大学

申请日：2023-08-31

公开（公告）日：2024-01-12

公开（公告）号：CN117379767A

主分类号：A63B71/06

分类号：A63B71/06;A63B21/072;G16H40/60;G16H20/30;G16H50/70;G06N3/0464;G06N3/048

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.01.30#实质审查的生效;2024.01.12#公开

摘要：本发明涉及一种利用可穿戴PPG传感器的自由重量训练监测方法，属于移动计算应用与人体训练辅助技术领域。本发明利用PPG传感器上的红外光和绿光来照射手腕皮肤，并收集包含肌肉运动信息的光密度变化数据。通过分析变化数据，获取锻炼者当前使用的负荷重量、重复次数和运动类型，并进一步预测下一步所需的调整的负荷重量。本发明提出了一种新颖的动脉噪声消除方法，有效地降低了动脉中脉搏噪声的影响，设计了一种新颖的基于递归图的特征提取方法，将每个动作片段映射到二维相空间来提取时空特征，构建了一种新颖的基于卷积神经网络的多任务学习模型。本发明能够对负荷重量和运动类型进行有效识别，实现对自由重量训练的监测。

主权项：1.一种利用可穿戴PPG传感器的自由重量训练监测方法，其特征在于，包括以下步骤：步骤1：使用红外光和绿光的双波长PPG传感器，采集人体锻炼过程中腕处的两路PPG信号，去除PPG信号中的高频噪声和动脉噪声，得到纯净的运动衍生信号；步骤1.1：对采集到的两路PPG信号分别进行处理，消除与PPG信号频率不重叠的高频干扰；步骤1.2：将两路PPG信号相减获取动脉噪声参考信号，利用自适应滤波技术进一步消除动脉噪声，提取纯净的运动衍生信号；步骤2：分割运动衍生信号并估计运动重复次数，为每个动作片段生成可有效表示时空特征的递归图；步骤2.1：利用移动窗口法检测运动衍生信号上每个动作片段的起始点和结束点，实现动作分割和运动重复次数估计；步骤2.2：为步骤2.1得到的每个动作片段生成递归图；步骤3：将递归图和人体个人信息输入至多任务卷积神经网络，同时实现负荷重量估计和运动类型识别，并根据人体状态和锻炼目标，提出个性化负荷重量调整建议，实现自由重量训练监测；步骤3.1：构建多任务卷积神经网络模型，将步骤2.2得到的表示时空特征的递归图像和人体个人信息作为输入，以负荷重量估计和运动类型识别结果作为输出；步骤3.2：结合步骤3.1获得的负荷重量、运动类型和重复次数，根据用户的状态和目标选择最适合的负荷重量调整模型，给予人体负荷重量调整建议。

全文数据：

权利要求：

百度查询： 北京理工大学 一种利用可穿戴PPG传感器的自由重量训练监测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD