【技术实现步骤摘要】
一种基于多生理信号的运动疲劳监测方法
本专利技术属于运动疲劳监测领域，特别是一种基于多生理信号的运动疲劳监测方法。
技术介绍
随着体育事业日益昌盛，竞技体育屡屡突破世界纪录，大众健身也得到广泛普及。由体育活动造成的运动损伤一直是人们密切关注的问题，其中很大一部分原因是运动过度进而导致运动疲劳造成的，所以对运动疲劳的监测就显得尤为重要。若能及时有效的预警运动疲劳，有助于降低运动损伤风险，提升运动表现。目前对于运动疲劳的监测已经取得一定的进展，但是绝大多数的监测方法没有细化运动疲劳的分类，主要从肌肉疲劳的角度以监测躯体性疲劳为主。
技术实现思路
为解决上述问题，本专利技术提出一种基于多生理信号的运动疲劳监测方法，该方法可预警运动疲劳，以防运动损伤。为实现上述目的，本专利技术采用的技术方案是：一种基于多生理信号的运动疲劳监测方法，包括躯体性疲劳和心理性疲劳的监测；躯体性疲劳监测包括心电信号和与运动相关的表面肌电信号采集，对采集的心电信号和肌电信号进行预处理，利用滑窗方法进行周期化...
【技术保护点】
1.一种基于多生理信号的运动疲劳监测方法，其特征在于：包括躯体性疲劳和心理性疲劳的监测；/n躯体性疲劳监测包括心电信号和与运动相关的表面肌电信号采集，对采集的心电信号和肌电信号进行预处理，利用滑窗方法进行周期化分割，进而提取躯体性疲劳的特征向量；其中，采用核主成分分析进行躯体性疲劳的特征向量提取，将提取的特征向量采用支持向量机对躯体性疲劳的特征向量进行分类；/n心理性疲劳监测包括脑电信号和脑近红外光信号采集；对采集的脑电信号和脑近红外光信号进行预处理，然后分段处理，提取脑力疲劳的特征向量，进而监测心理性疲劳；/n根据专家赋权法确定分类后的躯体性疲劳以及脑力疲劳各特征向量所占...
【技术特征摘要】
1.一种基于多生理信号的运动疲劳监测方法，其特征在于：包括躯体性疲劳和心理性疲劳的监测；
躯体性疲劳监测包括心电信号和与运动相关的表面肌电信号采集，对采集的心电信号和肌电信号进行预处理，利用滑窗方法进行周期化分割，进而提取躯体性疲劳的特征向量；其中，采用核主成分分析进行躯体性疲劳的特征向量提取，将提取的特征向量采用支持向量机对躯体性疲劳的特征向量进行分类；
心理性疲劳监测包括脑电信号和脑近红外光信号采集；对采集的脑电信号和脑近红外光信号进行预处理，然后分段处理，提取脑力疲劳的特征向量，进而监测心理性疲劳；
根据专家赋权法确定分类后的躯体性疲劳以及脑力疲劳各特征向量所占权重，根据加权求和求取综合等级评价。
2.根据权利要求1所述的基于多生理信号的运动疲劳监测方法，其特征在于：所述躯体性疲劳的特征向量包括：心率变异性时域指标和心率变异性频域指标，所述心率变异性时域指标包括窦性心搏间期的标准差、每5minNN间期平均值的标准差、相邻NN间期差值的均方根、每5minNN间期标准差的平均值、以及NN％除以整个NN间期的个数的％，其中NN指的是窦性RR间期；
所述心率变异性频域指标包括在选定的时限内总NN间期的变异、VLF范围内的功率、LF范围内的功率、LF功率标化单位、HF范围内的功率、以及HF功率标化单位以及LF与HF之比，其中NN指的是窦性RR间期。
3.根据权利要求1所述的基于多生理信号的运动疲劳监测方法，其特征在于：所述躯体性疲劳的特征向量包括：肌电时域指标和肌电频域指标，肌电时域指标包括绝对平均值、标准差、积分肌电值以及均方根值；肌电频域指标包括平均功率频率和中位频率。
4.根据权利要求1所述的基于多生理信号的运动疲劳监测方法，其特征在于：所述脑电信号采用0.5～47Hz的FIR带通滤波器去除噪声，并按照频率差异分解为：0.5～3.5Hz的δ波、4～7Hz的θ波、8～13Hz的α波、14～30Hz的β波、大于31Hz的θ波。
5.根据权利要求1所述的基于多生理信号的运动疲劳监测方法，其特征在于：所述脑近红外光信号采用0.05～0.5Hz带通滤波去除高频噪声和干扰，用自适应滤波去除运动伪迹。
6.根据权利要求2所述的基于多生理信号的运动疲劳监测方法，其特征在于：所述窦性心搏间期的标准差SDNN、每5minNN间期平均值的标准差SDANN、相邻NN间期差值的均方根r-MSSD、每5minNN间期标准差的平均值SDNNindex、以及NN％除以整个NN间期的个数的％PNN50的表达式如下：
PNN50＝PNN50/TotalNN×100％(5)；
其中，RRi表示心电间期时长，单位为...
【专利技术属性】
技术研发人员：刘光达，孙嘉琪，许蓝予，肖若兰，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。