一种基于EMS的健身方法及系统技术方案

本发明专利技术提供一种基于EMS的健身方法，该健身方法包括：获取用户的生理参数数据；根据所述生理参数数据生成控制信号；响应所述控制信号输出脉冲信号；根据所述脉冲信号输出电刺激信号。本发明专利技术通过用户端设置运动参数，可以根据用户的个人身体情况以及期待的锻炼效果进行定制参数的输出，保证达到最好的运动的效果。

An EMS-based Fitness Method and System

【技术实现步骤摘要】
一种基于EMS的健身方法及系统
本专利技术属于可穿戴设备领域，具体涉及一种基于EMS的健身方法及系统。
技术介绍
随着现代人生活水平的提高，大大促进了健康产业的发展，目前国内主流的健身场所大部分还是传统健身房占很大份额，调查发现基本上10个人有6个有健身减肥需求，可是他们没有一个人是每天都到健身房锻炼的，有人办了卡但是一个月也不去一次，有的人每天都到自己楼下晨跑，究其原因大概有这么几点：1、没时间；2、觉得有的健身房胡乱定价，连拉伸这种十分钟就可以解决的事儿，也被生生拉成40分钟的私教课等原因导致大都数人还是放弃了。同时，现代人越来越希望可以保持健美的身材，但是传统健身效果比较慢，很多人短期看不到效果便选择放弃。
技术实现思路
鉴于以上所述现有技术的缺点，本专利技术的目的在于提供一种基于EMS的健身方法及系统，以解决传统健身效果慢的缺点。为实现上述目的及其他相关目的，本专利技术提供一种基于EMS的健身方法，该健身方法包括：获取用户的生理参数数据；根据所述生理参数数据生成控制信号；响应所述控制信号输出脉冲信号；根据所述脉冲信号输出电刺激信号。可选地，根据所述生理参数数据生成控制信号，具体包括：根据所述生理参数数据确定运动参数；根据所述运动参数生成控制信号。可选地，根据所述生理参数数据确定运动参数，具体包括：将所述生理参数数据作为一神经网络模型的输入，则所述运动参数为所述神经网络模型的输出。可选地，所述神经网络模型通过以下方法获得：采集用户的历史运动数据并作为样本集；利用所述样本集进行神经网络训练得到神经网络模型。为实现上述目的及其他相关目的，本专利技术还提供一种基于EMS的健身系统，该健身系统包括：采集端，用于获取用户的生理参数数据；用户端，用于根据所述生理参数数据生成控制信号；控制端，用于响应所述控制信号输出脉冲信号；刺激端，用于根据所述脉冲信号输出电刺激信号。可选地，所述用户端包括：运动参数确定单元，用于根据所述生理参数数据确定运动参数；控制信号生成单元，用于根据所述运动参数生成控制信号。可选地，根据所述生理参数数据确定运动参数，具体包括：将所述生理参数数据作为一神经网络模型的输入，则所述运动参数为所述神经网络模型的输出。可选地，所述神经网络模型通过以下方法获得：采集用户的历史运动数据并作为样本集；利用所述样本集进行神经网络训练得到神经网络模型。可选地，还包括管理平台，与若干所述用户端连接。为实现上述目的及其他相关目的，本专利技术还提供一种基于EMS的健身系统，包括：存储器，用于存储计算机程序；处理器，用于执行所述存储器存储的计算机程序，以使所述健身系统执行所述的健身方法。如上所述，本专利技术的一种基于EMS的健身方法及系统，具有以下有益效果：1.通过用户端设置运动参数，可以根据用户的个人身体情况以及期待的锻炼效果进行定制参数的输出，保证达到最好的运动的效果。2.通过神经网络算法，可以为用户定制最优的训练方案，达到最好的效果，避免了用户在训练过程中频繁的调整训练方案从而浪费训练时间。3.在管理平台中，会记录每个用户每次操作的细节，随着样本数据的增加，可以更好的根据个体特征推荐更加合理的锻炼模式。附图说明图1为本专利技术所述的一种基于EMS的健身方法的流程图；图2为本专利技术实施例中生成控制信号的流程图；图3为本专利技术所述的一种基于EMS的健身系统的原理框图；图4为本专利技术实施例中所述用户端的原理框图；图5为本专利技术所述的一种基于EMS的健身系统中的控制端的工作流程图。具体实施方式以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。如图1所示，本专利技术提供一种基于EMS的健身方法，该健身方法包括：S1获取用户的生理参数数据；S2根据所述生理参数数据生成控制信号；S3响应所述控制信号输出脉冲信号；S4根据所述脉冲信号输出电刺激信号。在步骤S1中，获取用户的生理参数数据。具体地，所述生理参数数据可以包括体重、身高、体脂含量、肌肉量等各项参数中的一种或多种。在步骤S2中，根据所述生理参数数据生成控制信号。具体地，如图2所示，该步骤至少包括：S21根据所述生理参数数据确定运动参数。这里所说的运动参数包括如频率、脉宽、强度、缓升时间、运动/休息时间。通过这些参数形成动作模式，通过几个动作模式的组合构成训练课程。具体地，将所述生理参数数据作为一神经网络模型的输入，则所述运动参数为所述神经网络模型的输出。所述神经网络模型通过以下方法获得：采集用户的历史运动数据并作为样本集；利用所述样本集进行神经网络训练得到神经网络模型。根据神经网络系统建立及参数选择原则，不同生理参数对应不同运动强度参数预测模型模型设计包含以下几个方面：在BP神经网络输入层的参数选择上,本专利遵循一下下两点进行提取:所选择的参数对模型的试验寿命影响大,提取的数据比较方便统计,且统计成本不应该过高。综合考虑,运动参数预测体系的输入层包含n个节点,生理参数数据可以包括体重、身高、体脂含量、肌肉量等各项参数中的一种或多种。输出层为m个节点即运动参数数据可以包括电刺激强度、训练时间等各项参数中得一种或多种。因此,运动参数预测的通式表示为N＝f(f1,…fn)式中f1…fn为生理参数，N为运动参数。在BP神经网络结构选择上,决定采用三层结构的BP模型,来预测运动参数,BP预测模型的输入层为所选择提取的输入参数、为生理参数数据值,故设定其输入层的神经元个数为n个；BP预测模型的期望输出为所预测的运动参数值,故设定其输出层的神经元个数为m,隐含层神经元个数可由如下几个经验公式确定：S＝log2nS＝2m+1式中，S表示隐含层神经元的个数，n表示输入层神经元个数，m表示输出层神经元得个数然后在本运动参数预测中BP神经网络模型选用Levenberg-Marquardt算法,此算法在样本学习训练时收敛速度较快,算法内所需要确定的初始阈值数量少。更加具体的，BP神经网络模型的训练过程如下：首先对生理参数数据进行预处理，剔除严重畸变样本，然后将其归一化到[0,1]区间内，这里采用的是MATLAB中的mapminmax(p_u)归一化函数。设定相关参数如下：其中，样本学习速率设定为0.01,动置因子设定为0.9,目标误差设定为0.0001。具体BP模型训练过程：步骤一.BP神经网络初始化。设定连接权值wij，阈值θj与γj为区间(-1,1)内的任意值；步骤二.选择任意一组样本中的生理参数数据作为输入数据,以运动参数数据作为输出数据的标签值,赋予运动参数,预测神经网络模型；步骤三.利用BP神经网络模型的输入和连接权值wij与阈值θj共同得出BP神经网络模型中间层输入sj然后用中间层输入sj通过传递本文档来自技高网...

【技术保护点】
1.一种基于EMS的健身方法，其特征在于，该健身方法包括：获取用户的生理参数数据；根据所述生理参数数据生成控制信号；响应所述控制信号输出脉冲信号；根据所述脉冲信号输出电刺激信号。

【技术特征摘要】
1.一种基于EMS的健身方法，其特征在于，该健身方法包括：获取用户的生理参数数据；根据所述生理参数数据生成控制信号；响应所述控制信号输出脉冲信号；根据所述脉冲信号输出电刺激信号。2.根据权利要求1所述的一种基于EMS的健身方法，其特征在于，根据所述生理参数数据生成控制信号，具体包括：根据所述生理参数数据确定运动参数；根据所述运动参数生成控制信号。3.根据权利要求2所述的一种基于EMS的健身方法，其特征在于，根据所述生理参数数据确定运动参数，具体包括：将所述生理参数数据作为一神经网络模型的输入，则所述运动参数为所述神经网络模型的输出。4.根据权利要求3所述的一种基于EMS的健身方法，其特征在于，所述神经网络模型通过以下方法获得：采集用户的历史运动数据并作为样本集；利用所述样本集进行神经网络训练得到神经网络模型。5.一种基于EMS的健身系统，其特征在于，该健身系统包括：采集端，用于获取用户的生理参数数据；用户端，用于根据所述生理参数数据生成控制信号；控制端，用于响应所述控制信号输出...

【专利技术属性】
技术研发人员：金熙伟，马宁，史孝龙，赵运勇，
申请(专利权)人：重庆英乐伟科技有限公司，
类型：发明
国别省市：重庆,50