第5期 池小文，等：基于智能手机的健身跑数据采集及演化建模 ·703· 对人们身心造成的伤害3-，近年来已提出一些健 滤除手机间歇性的姿态变化对三轴加速度信号产 身跑的运动建模技术。这些技术除需要借助智能 生的脉冲噪声，并结合方向传感器输出的方向信号 手机内置传感器采集运动数据外，往往还要利用外 对手机三轴加速度中包含的重力分量进行过滤。 置传感器和手机的蓝牙通信功能收集脉搏、心率、 2)设计了一种健身跑演化建模算法GA。GA 血压、血氧浓度等生理数据，在此基础再应用算法 算法可在Cheng和Scalzi等定义的庞大的模型空间 对获取的运动数据和生理数据进行分析以构建健 中，搜索出较优的健身跑运动模型。 身跑运动模型。Sornanatha等s)利用脉搏血氧仪采 3)招募10名大学生进行健身跑并收集他们运 集心率、血压、血氧浓度等数据，提出了一种健身者 动过程中的速度数据和心率数据，开展了本文方法 运动强度控制模型。B.W.Fudge等[16)利用加速 与Brzostowski方法的实验对比。实验结果表明，本 度、心率和耗氧量等数据，构建了健身跑运动监控 文方法可以较Brzostowski方法获取更为精确的速 过程模型。孙泊等)基于加速度、耗氧量等数据， 度和健身跑运动模型。 提出了一种健身跑的能耗过程模型。Garcia等[u8) 1 Brzostowski提出的健身跑运动建模 运用无监督聚类和隐马尔可夫模型，基于加速度、 心率和血氧浓度等数据建立了一种运动强度分析 方法 模型。Chengt9和Scalzi2o通过心率、速度和疲劳 下面给出Brzostowski提出的健身跑运动建模 程度3个要素刻画健身跑的运动模型，并运用带参 方法中的速度数据采集和建模算法。 数的微分方程组定义了模型空间。Cheng和Scalzi 1.1 健身跑速度数据采集 的参数模型通过疲劳程度的变量来模拟健身跑中 Brzostowski的健身跑速度采集方法的流程如图 的复杂生理过程，在缺乏血压、血氧浓度、耗氧量等 1所示，其包括获取加速度信号、低通-高通滤波和 数据的情况下也能构建较为精确的健身跑运动 速度信号输出3个步骤。 模型。 :轴加速度 在手机坐标系下的 低通-高通 基于Cheng和Sealzi的参数化模型，Brzostowski 传感器 三轴加速度信号 滤波器(HLF) 等[2]提出了一种基于智能手机的健身跑运动建模 方法。Brzostowski方法依照文献[22]的研究成果要 Kalman滤波及 滤掉重力后三轴 速度信号 求运动者将智能手机绑缚于腰部进行健身跑。在 速度变换 加速度信号 健身跑过程中滤除掉手机坐标系下的三轴加速度 信号中的重力分量后，进一步进行变换，可生成速 图1 Brzostowski健身跑运动速度采集方法 度信号。此外，Brzostowski方法还利用智能手机的 Fig.1 Brzostowski's approach to speed acquisition in 蓝牙通信模块从心率带接收心率信号。并在采集 fitness running 的速度数据和心率数据的基础上，运用麦夸特 首先，智能手机内置的三轴加速度传感器输出 Levenberg-Marquardt,LM算法在Cheng和Scalzi的 手机三轴坐标系[2]下，并且包含有重力分量的加速 模型空间中搜索最佳健身跑模型。Brzostowski方法 度信号。手机坐标系是以手机屏幕为基准定义的 虽然已得到一定的应用，但仍存在一些不足。 种相对坐标系。手机屏幕中心为坐标系原点，平 Brzostowski方法未考虑健身跑中绑缚于腰部的手机 行于屏幕短边的方向为x轴正方向，平行于屏幕长 经常发生的间敬性姿态变化产生的脉冲噪声会对 边的方向为y轴正方向，垂直于手机屏幕向上的方 获取加速度数据的精度产生影响。因为这些脉冲 向为z轴正方向。 噪声不仅对三轴加速度信号产生干扰，而且还会导 其次，将含有重力分量的三轴加速度信号送入 致手机坐标系发生偏移甚至旋转，从而影响到三轴 低通-高通滤波器(low-pass and high-pass filter,. 加速度信号中重力分量的滤除。另外，受制于搜索 HLF)滤除重力分量后，经Kalman2]滤波由加速度 空间，LM算法容易陷人局部最优，因而难以获取全 到速度的变换，最后输出健身跑的速度信号。 局最优的健身跑运动模型。 图1中HLF对于获取精确的速度数据起着关 针对上述问题，本文提出了一种基于智能手机 键作用，因而下文将Brzostowski健身跑速度数据采 的健身跑演化建模方法。本文的主要贡献有： 集方法简记为HLF方法。 1)提出了基于智能手机多传感器和中值滤波 1.2健身跑建模算法 的速度数据采集方法(muli-sensor of smartphone and Brzostowski在Cheng和Scalzi等提出的参数化 median filter for speed data acquisition in fitness 模型[u]基础上，运用麦夸特(Levenberg-Marquardt, running,MM4SA)。MM4SA方法运用中值滤波器 LM)算法搜索最优健身跑运动模型。对人们身心造成的伤害［１３－１４］ ，近年来已提出一些健 身跑的运动建模技术。 这些技术除需要借助智能 手机内置传感器采集运动数据外，往往还要利用外 置传感器和手机的蓝牙通信功能收集脉搏、心率、 血压、血氧浓度等生理数据，在此基础再应用算法 对获取的运动数据和生理数据进行分析以构建健 身跑运动模型。 Ｓｏｒｎａｎａｔｈａ 等［１５］利用脉搏血氧仪采 集心率、血压、血氧浓度等数据，提出了一种健身者 运动强度控制模型。 Ｂ． Ｗ． Ｆｕｄｇｅ 等［１６］ 利用加速 度、心率和耗氧量等数据，构建了健身跑运动监控 过程模型。 孙泊等［１７］ 基于加速度、耗氧量等数据， 提出了一种健身跑的能耗过程模型。 Ｇａｒｃｉａ 等［１８］ 运用无监督聚类和隐马尔可夫模型，基于加速度、 心率和血氧浓度等数据建立了一种运动强度分析 模型。 Ｃｈｅｎｇ ［１９］ 和 Ｓｃａｌｚｉ ［２０］ 通过心率、速度和疲劳 程度 ３ 个要素刻画健身跑的运动模型，并运用带参 数的微分方程组定义了模型空间。 Ｃｈｅｎｇ 和 Ｓｃａｌｚｉ 的参数模型通过疲劳程度的变量来模拟健身跑中 的复杂生理过程，在缺乏血压、血氧浓度、耗氧量等 数据的情况下也能构建较为精确的健身跑运动 模型。 基于 Ｃｈｅｎｇ 和 Ｓｃａｌｚｉ 的参数化模型，Ｂｒｚｏｓｔｏｗｓｋｉ 等［２１］提出了一种基于智能手机的健身跑运动建模 方法。 Ｂｒｚｏｓｔｏｗｓｋｉ 方法依照文献［２２］的研究成果要 求运动者将智能手机绑缚于腰部进行健身跑。 在 健身跑过程中滤除掉手机坐标系下的三轴加速度 信号中的重力分量后，进一步进行变换，可生成速 度信号。 此外，Ｂｒｚｏｓｔｏｗｓｋｉ 方法还利用智能手机的 蓝牙通信模块从心率带接收心率信号。 并在采集 的速度 数 据 和 心 率 数 据 的 基 础 上， 运 用 麦 夸 特 Ｌｅｖｅｎｂｅｒｇ⁃Ｍａｒｑｕａｒｄｔ， ＬＭ 算法在 Ｃｈｅｎｇ 和 Ｓｃａｌｚｉ 的 模型空间中搜索最佳健身跑模型。 Ｂｒｚｏｓｔｏｗｓｋｉ 方法 虽然 已 得 到 一 定 的 应 用， 但 仍 存 在 一 些 不 足。 Ｂｒｚｏｓｔｏｗｓｋｉ 方法未考虑健身跑中绑缚于腰部的手机 经常发生的间歇性姿态变化产生的脉冲噪声会对 获取加速度数据的精度产生影响。 因为这些脉冲 噪声不仅对三轴加速度信号产生干扰，而且还会导 致手机坐标系发生偏移甚至旋转，从而影响到三轴 加速度信号中重力分量的滤除。 另外，受制于搜索 空间，ＬＭ 算法容易陷入局部最优，因而难以获取全 局最优的健身跑运动模型。 针对上述问题，本文提出了一种基于智能手机 的健身跑演化建模方法。 本文的主要贡献有： １）提出了基于智能手机多传感器和中值滤波 的速度数据采集方法（ｍｕｌｔｉ⁃ｓｅｎｓｏｒ ｏｆ ｓｍａｒｔｐｈｏｎｅ ａｎｄ ｍｅｄｉａｎ ｆｉｌｔｅｒ ｆｏｒ ｓｐｅｅｄ ｄａｔａ ａｃｑｕｉｓｉｔｉｏｎ ｉｎ ｆｉｔｎｅｓｓ ｒｕｎｎｉｎｇ， ＭＭ４ＳＡ）。 ＭＭ４ＳＡ 方法运用中值滤波器 滤除手机间歇性的姿态变化对三轴加速度信号产 生的脉冲噪声，并结合方向传感器输出的方向信号 对手机三轴加速度中包含的重力分量进行过滤。 ２）设计了一种健身跑演化建模算法 ＧＡ。 ＧＡ 算法可在 Ｃｈｅｎｇ 和 Ｓｃａｌｚｉ 等定义的庞大的模型空间 中，搜索出较优的健身跑运动模型。 ３）招募 １０ 名大学生进行健身跑并收集他们运 动过程中的速度数据和心率数据，开展了本文方法 与 Ｂｒｚｏｓｔｏｗｓｋｉ 方法的实验对比。 实验结果表明，本 文方法可以较 Ｂｒｚｏｓｔｏｗｓｋｉ 方法获取更为精确的速 度和健身跑运动模型。 １ Ｂｒｚｏｓｔｏｗｓｋｉ 提出的健身跑运动建模 方法 下面给出 Ｂｒｚｏｓｔｏｗｓｋｉ 提出的健身跑运动建模 方法中的速度数据采集和建模算法。 １．１ 健身跑速度数据采集 Ｂｒｚｏｓｔｏｗｓｋｉ 的健身跑速度采集方法的流程如图 １ 所示，其包括获取加速度信号、低通－高通滤波和 速度信号输出 ３ 个步骤。 图 １ Ｂｒｚｏｓｔｏｗｓｋｉ 健身跑运动速度采集方法 Ｆｉｇ．１ Ｂｒｚｏｓｔｏｗｓｋｉ􀆳ｓ ａｐｐｒｏａｃｈ ｔｏ ｓｐｅｅｄ ａｃｑｕｉｓｉｔｉｏｎ ｉｎ ｆｉｔｎｅｓｓ ｒｕｎｎｉｎｇ 首先，智能手机内置的三轴加速度传感器输出 手机三轴坐标系［２３］下，并且包含有重力分量的加速 度信号。 手机坐标系是以手机屏幕为基准定义的 一种相对坐标系。 手机屏幕中心为坐标系原点，平 行于屏幕短边的方向为 ｘ 轴正方向，平行于屏幕长 边的方向为 ｙ 轴正方向，垂直于手机屏幕向上的方 向为 ｚ 轴正方向。 其次，将含有重力分量的三轴加速度信号送入 低通 － 高 通 滤 波 器 （ ｌｏｗ⁃ｐａｓｓ ａｎｄ ｈｉｇｈ⁃ｐａｓｓ ｆｉｌｔｅｒ， ＨＬＦ）滤除重力分量后，经 Ｋａｌｍａｎ ［２１］ 滤波由加速度 到速度的变换，最后输出健身跑的速度信号。 图 １ 中 ＨＬＦ 对于获取精确的速度数据起着关 键作用，因而下文将 Ｂｒｚｏｓｔｏｗｓｋｉ 健身跑速度数据采 集方法简记为 ＨＬＦ 方法。 １．２ 健身跑建模算法 Ｂｒｚｏｓｔｏｗｓｋｉ 在 Ｃｈｅｎｇ 和 Ｓｃａｌｚｉ 等提出的参数化 模型［１９］ 基础上，运用麦夸特（ Ｌｅｖｅｎｂｅｒｇ⁃Ｍａｒｑｕａｒｄｔ， ＬＭ）算法搜索最优健身跑运动模型。 第 ５ 期 池小文，等：基于智能手机的健身跑数据采集及演化建模 ·７０３·