CN105561567A - 一种计步及运动状态评估装置 - Google Patents

Abstract

本发明公开了一种计步及运动状态评估装置，其通过运动传感器采集运动姿态特征，通过多通道表面肌电传感器采集肌肉活动水平，结合运动姿态与肌肉活动程度，对不同运动模式下步态进行计数并计算卡路里的消耗。结合表面肌电的计步器及分析装置相对现有的计步器更为专业，可提供更多的肌肉生理信息，尤其适用于运动和康复评估。

Description

一种计步及运动状态评估装置

技术领域

本发明涉及运动及康复领域，尤其涉及一种计步及运动状态评估装置。

背景技术

随着嵌入式芯片技术的发展，穿戴式设备被广泛应用于运动康复，健康检测等领域。运动分析最常见的产品是佩戴式计步器及类似功能的计步手环。常用计步及分析装置主要由传感器、计算部分和显示部分组成。传感器用于检测用户在运动过程中产生的信号；计算部分根据信号计算出步数和体动状态信息；显示部分用于显示步数及其他体动特征，以及时间等一些基本参数。在康复领域，由于下肢偏瘫等疾病和老年化的影响，很多人丧失正常的行动能力，制作一个可以采集下肢动态数据并实现特定功能评估的便携式穿戴设备，既可以给正常人提供锻炼的辅助工具，也可以为及下肢运动障碍病患提供一种康复训练评估手段。

在现有的计步及分析装置中，存在多种以加速度计为传感器的计步器，该类计步器被推荐佩戴至腰部，来实现计步功能。

在现有的计步器中，存在多种以水银开关为传感器的计步器，该类计步器通过运动中水银开关的数值变化来区分运动状态与安静状态。

在现有的步态分析装置中，存在一种便携式步态信息采集装置，设有肌电信号采集模块、陀螺仪模块、足底压力传感器模块、激光测距仪、微处理器、SD卡模块、显示屏模块。

在上述的现有计步及步态分析装置中，计步器及类似计步手环仅能实现计步、卡路里消耗等简单的运动分析；步态分析装置主要用于辅助行走吃力的下肢病患和老年人完成康复训练，针对的群体较小。因此，需要一种功能全面的，在具有运动状态评估功能的同时，可以为下肢障碍的病患提供基础康复评估的穿戴式生理及体动信号采集分析装置。

发明内容

本发明的目的是提供一种计步及运动状态评估装置，可提供更多的肌肉生理信息，尤其适用于运动和康复评估。

本发明的目的是通过以下技术方案实现的：

一种计步及运动状态评估装置，包括：多通道表面肌电传感器、运动传感器及主控单元；其中：

所述多通道表面肌电传感器，用于采集肌群表面的肌电信息；

所述运动传感器，用于运动轨迹信息；

所述主控单元，用于根据用户设定的模式，并结合多通道表面肌电传感器与运动传感器采集到的信息对用户运动情况进行分析：若设定的模式为计步模式，则对采集到的信息进行特征提取，再通过特征识别来判定当前动作并对运动进行计数统计和卡路里计算；若设定的模式为锻炼模式，则对采集到的信息进行特征提取，并根据提取到的特征对运动状态进行评估；若设定的模式为康复模式，则对采集到的信息进行特征提取，并将提取到的特征与预设的标准参考模版进行比较，当达到一定运动时间或提取到的多组特征异常时，发出报警提示。

进一步的，所述主控单元，用于根据用户设定的模式，并结合多通道表面肌电传感器与运动传感器采集到的信息对用户运动情况进行分析具体包括：

若设定的模式为计步模式，则对采集到的信息进行特征提取，将提取到的特征与设定的年龄、体重及身高下的参考模版进行模式识别，从而判定当前动作步行、跑步、骑行、跳跃或上楼梯，并对不同运动进行计数统计和卡路里计算；

若设定的模式为锻炼模式，则根据锻炼模式下开始的前S组动作的信息进行特征提取，并生成参考特征，在后续动作过程中，对采集到的信息进行特征提取，并将提取到的特征与所述参考特征进行比较，对后续动作的完成质量进行评估；

若设定的模式为康复模式，则对采集到的信息进行特征提取，将提取到的特征与预设的标准参考模版进行比较，当提取到的多组特征异常时，发出报警提示。

进一步的，所述主控单元对采集到的信息进行处理，处理步骤包括：

当采集到新信息后，依次进行活动段分割与特征提取；具体如下：

活动段分割：主控单元初始化各类索引变量，其中Active表示当前采集到新信息是否在活动段内，Last表示上一次处理完信息所在的采样时间，Cur表示当前处理信息所在的采样时间；

如果Cur-Last>W表示超过W个采样时间采集到的新信息尚未处理，则开始判断新信息是否在活动段内；如果Active为1表示前一次处理的信息已经在活动段内，只要满足当前信息的样本熵大于规定的阈值，则判定当前信息同样为活动段内，并根据分帧处理的方式以64点为步长，128点为窗长执行特征提取的操作；如果在Active为1的情况下当前信息样本熵小于规定阈值，则非活动段计数器加1；如果非活动段计数器连续叠加此处达到P则判定此时活动段已完全退出；

特征提取：

对于肌电信息，提取时域特征绝对值均值MAV，提取频域特征自回归AR模型系数；

肌电信号的绝对值均值MAV计算公式为：

${\mathrm{MAV}}_c=\frac{1}{N_f}\underset{i=1}{\overset{N_f}{\Σ}}\left|{\mathrm{SEMG}}_c\left(i\right)\right|$

式中，MAV指绝对值均值，c表示肌电信号所对应的表面肌电传感器通道，N_f为帧长，SEMG_c(i)表示采集到的第c通道肌电信号第i个点的数值；

肌电信号的AR模型系数采用Burg算法计算；

采用分帧技术提取肌电信息的特征：将一个活动段内的肌电信息分成多个片段，每个片段提取出一组特征，使用长度为N_f，步长为S_f的移动平均窗从活动段的起始点开始移动，每次移动时窗内所包含的信息均作为当前帧内的所有数据，直至后面的数据不足时结束，丢弃不足的部分；

分帧完毕后，每通道肌电信息的每帧数据包含5个特征值：1个MAV和4个AR系数，并使用长度为N_f的Hamming窗对每帧数据进行滤波，Hamming窗计算公式为：

$win\left(n\right)=0.54-0.46coscos\left(\frac{2\mathrm{\π}n}{N_f-1}\right);$

式中，n＝[0，N_f-1]；

对于运动轨迹信息，抽样并计算均值和标准差；所述运动传感器集成了3轴加速度计、3轴角速度计和3轴磁力计，运动轨迹信息的特征为每通道64个抽样点，共9个通道；则将9个通道的第i个抽样点放在第i行，形成64行9列的特征矩阵，其中，i＝[1，64]。

进一步的，所述根据锻炼模式下开始的前S组动作的信息进行特征提取，并生成参考特征，在后续动作过程中，对采集到的信息进行特征提取，并将提取到的特征与所述参考特征进行比较，对后续动作的完成质量进行评估包括：

对锻炼模式下开始的前S组动作的信息进行特征提取，并计算特征集合的质心，将质心作为参考特征；

对第S组之后的信息进行特征提取，并计算提取到的特征与所述参考特征的欧氏距离，将该欧氏距离在预设的评分表中索引，从而获得相应的评分。

进一步的，对采集到的信息进行特征提取，将提取到的特征与预设的标准参考模版进行比较，当提取到的多组特征异常时，发出报警提示包括：

所述预设的标准参考模版为根据用户的性别、年龄、身高与体重所设定；

当完成特征提取后，将提取出的特征与预设的标准参考模版进行比较，来判断该动作是否有效并统计有效动作；若连续提取出的多组特征与预设的标准参考模版的差异均大于阈值时，自动报警提示用户休息，并记录本次康复训练的持续时间。

进一步的，所述主控单元定时读取多通道表面肌电传感器与运动传感器采集到的信息；其中：

多通道表面肌电传感器采集到的信息通过模数转换器ADC进行模数转换，当定时器中断程序中以1kHz更新ADC采样标志位时，主控单元通过通信接口读取一组ADC转换后的信息，待转换后的所有通道的信息均读取完毕后清除ADC采样标志，并将信息存入数据缓存；

当定时器中断程序中以100Hz更新运动传感器采样标志位时，主控单元通过通信接口读取一组运动传感器采集到的信息，待读取完后清除运动传感器采样标志，并将信息存入数据缓存。

进一步的，该装置还包括：

通信模块，用于实现主控单元与外部设备的数据传输；

当主控单元在读取多通道表面肌电传感器与运动传感器采集到的信息时，若用户配置了的实时显示采集信号，则主控单元通过通信模块，将实时数据发送至外部设备。

进一步的，该装置还包括：程序存储单元与数据存储卡；

所述程序存储单元，用于供***启动和运行过程中存取数据；

所述数据存储卡，用于存储特征识别、比较时所需要的参考模版与标准参考模版，以及多通道表面肌电传感器与运动传感器采集到的信息及分析结果。

进一步的，该装置还包括：

显示面板，所述显示面板包括：调节按钮与显示屏；

所述调节按钮用于设定当前模式为计步模式、锻炼模式或康复模式；所述显示屏用于显示各个模式下的运动信息。

由上述本发明提供的技术方案可以看出，通过运动传感器采集运动姿态特征，通过多通道表面肌电传感器采集肌肉活动水平，结合运动姿态与肌肉活动程度，对不同运动模式下步态进行计数并计算卡路里的消耗。结合表面肌电的计步器及分析装置相对现有的计步器更为专业，可提供更多的肌肉生理信息，尤其适用于运动和康复评估。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例提供的一种计步及运动状态评估装置的示意图；

图2为本发明实施例提供的电极拓扑图；

图3为本发明实施例提供的主控制模块的具体工作流程图；

图4为本发明实施例提供的主控单元定时读取多通道表面肌电传感器与运动传感器采集到的信息的流程图；

图5为本发明实施例提供的计步模式的处理流程图；

图6为本发明实施例提供的对采集到的信息进行特征提取再进行分类识别的流程图；

图7为本发明实施例提供的分帧技术示意图；

图8为本发明实施例提供的锻炼模式下的处理流程图；

图9为本发明实施例提供的康复模式下的处理流程图；

图10为本发明实施例提供的计步模式情境示意图；

图11为本发明实施例提供的锻炼模式情境示意图；

图12为本发明实施例提供的康复模式情境示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

本发明实施例提供一种计步及运动状态评估装置(下称本装置)，其通过运动传感器采集运动姿态特征，通过肌电传感器采集肌肉活动水平，结合运动姿态与肌肉活动程度，对不同运动模式下步态进行计数并计算卡路里的消耗。结合表面肌电的计步器及分析装置相对现有的计步器更为专业，可提供更多的肌肉生理信息，尤其适用于运动和康复评估。

如图1所示，该装置主要包括：多通道表面肌电传感器110、运动传感器120、主控单元130、模数转换器(ADC芯片140)、通信模块150、显示面板160、程序存储单元170、数据存储卡180；主控单元130通过总线与其他部件通信。

下面针对每一部件做详细介绍：

1、多通道表面肌电传感器。

本发明实施例中，所述多通道表面肌电传感器，其包含多个能采集肌群表面的肌电信息的电极通道，通道数K可根据实际情况来选定，例如，可选通道数K＝6。本发明实施例中，所述多通道表面肌电传感器可按照一定间隔设置在弹性绑带上，可绑于小腿或手臂上使用。

电极为干式单差分电极，电极拓扑如图2所示，左侧两个灰色圆点表示银质差分电极，表面肌电信号透过电极至仪表放大器，仪表放大器在对微弱肌电信号进行放大的同时最大限度地降低各种外界共模噪声。

本发明实施例提供的装置设计在仪表放大器端使用截止频率20Hz的高通滤波器以滤除佩戴过程中因电极移位带来的信号尾迹，放大倍数和截止频率设置如下，G的实部即为放大倍数。

$G=1+\frac{49.4K}{R_1+\frac{1}{jw\·C5}},\mathrm{Re}al\left(G\right)=1+\frac{49.4K}{150}\≈330;$

$f_G=\frac{1}{2\mathrm{\π}\·150\·47uF}\≈22Hz;$

式中，R1与C5是图2中仪用放大器元件，R1和C5串联可调节肌电传感器初级放大倍数，同时可以起到高通滤波的作用。49.4K为本实施例中所选择的仪用放大器固有参数；本实施例中R1取150Ω，C5取47uF。

另外，表面肌电信号的有效频段是20Hz～500Hz，因此在仪表放大器的后端采用巴特沃斯带通滤波器滤除多余的高频信号以防止信号混叠。如图2右侧的放大器电路，低通和高通的截止频率如下所示，电路的整体放大倍数为R3/R2＝1.47。

$f_L=\frac{1}{2\mathrm{\π}\·R2\·C6}=\frac{1}{2\mathrm{\π}\·680k\·22n}\≈10Hz$

$f_H=\frac{1}{2\mathrm{\π}\·R3\·C7}=\frac{1}{2\mathrm{\π}\·1M\·330p}\≈480Hz$

次级放大是一带通滤波器，R3取1MΩ，R2取680KΩ，决定了次级放大电路的放大倍数；C6取22nF，R2，C6决定本带通滤波器下截止频率，C7取330pF，R3，C7决定本带通滤波器上截止频率。

需要说明的是，上述公式中所涉及的各个元器件的具体数值仅为举例并非构成限制。在实际工作中，用户可根据实际情况对各个元器件的具体数值进行设定。

2、ADC芯片。

ADC芯片，用于将模拟的肌电信号转换成数字信号。

3、运动传感器。

本发明实施例中，运动传感器为能够检测三轴加速度信号、三轴角速度信号以及三轴磁力计信号的运动传感器，作为加速度和角速度采集的传感器，可采用通用的加速度和角速度传感器。

优选的，也可以采用集成了加速度计、陀螺仪和电子罗盘的九轴传感器。加速度的三个轴、角速度的三个轴以及磁力计的三个轴为本装置的固有方向，随着装置的姿态(方向、倾斜、转动)的变化而变化。

4、主控单元。

该主控单元具有SPI、I2C等接口，可通过数据接口读取多通道表面肌电传感器采集到的信息以及运动传感器采集到的信息，并以此来判断携带本装置的受试者是否存在身体运动，并对表面肌电信号和运动信号进行模式识别和分类，最终实现计步模式下对不同类型步数的统计，以及锻炼模式和康复模式中运动的评估。

5、程序存储单元

所述程序存储单元，用于供***启动和运行过程中存取数据；

具体来说：程序存储单元可存储并执行本装置程序算法及程序执行过程中从外部存储载入的模板，由于模式识别运算涉及大量矩阵相乘运算，片内flash和RAM未必足以存储程序和大量特征数据；本发明实施例，优选为Norflash。

6、数据存储卡

所述数据存储卡，用于存储特征识别、比较时所需要的参考模版与标准参考模版，以及多通道表面肌电传感器与运动传感器采集到的信息及分析结果。

本发明实施例中，外部存储可选择TF卡，***上电时，将特征模板(参考模版与标准参考模版)从TF卡读入运存，作为分类识别时匹配使用；本装置可根据用户需求将特定时段的运动情况分析成报表并存储于TF卡中。

7、显示面板，

所述显示面板包括：调节按钮与显示屏；

所述调节按钮用于设定当前模式为计步模式、锻炼模式或康复模式；所述显示屏用于显示各个模式下的运动信息。

8、通信模块

本实施例中，通信模块可以为串口型蓝牙模块，用于实现主控单元与外部设备的数据传输；当主控单元在读取多通道表面肌电传感器与运动传感器采集到的信息时，若用户配置显示实时采集信号，则主控单元通过通信模块，将实时数据发送至外部设备。

以上为本装置的组成结构，为了便于理解，下面针对其工作过程做详细说明。

本发明实施例中，所述主控单元，用于根据用户设定的模式，并结合多通道表面肌电传感器与运动传感器采集到的信息对用户运动情况进行分析：若设定的模式为计步模式，则对采集到的信息进行特征提取，再通过特征识别来判定当前动作并对运动进行计数统计和卡路里计算；若设定的模式为锻炼模式，则对采集到的信息进行特征提取，并根据提取到的特征对自身运动状态进行评估；若设定的模式为康复模式，则对采集到的信息进行特征提取，并将提取到的特征与预设的标准参考模版进行比较，当达到一定运动时间或提取到的多组特征异常时，发出报警提示。

主控制模块的具体工作流程可如图3所示。工作模块可通过显示面板(交互界面)上的调节按钮来选择，用户根据需要选择相应的功能模式分为：计步模式，用于完成常规计步器功能，可以测量健走、跑步、骑行、跳绳或上楼梯的运动数量并计算卡路里消耗；锻炼模式，用于完成选定运动的分析评估，选定健走、跑步、骑行、跳绳和上楼梯训练的一种或自定义的动作，分析该类型动作在连续锻炼过程中的完成质量和相关肌肉的疲劳程度；康复模式，用于辅助下肢运动障碍的患者日常康复锻炼，当明显检测到康复用户训练过程中的特征与当前选择的模板特征的差异超过阈值，报警提示并记录本次康复训练持续时间等信息。

如图3所示，三个功能模式下，均涉及信息采集的步骤，本发明实施例中，由主控单元定时读取多通道表面肌电传感器与运动传感器采集到的信息；如图4所示，首先，配置定时器用于产生计数中断。

当定时器中断程序中以1kHz的频率更新ADC采样标志位时，主控单元通过通信接口读取一组ADC转换后的信息，待转换后的所有通道的信息均读取完毕后清除ADC采样标志，并将信息存入数据缓存；

当定时器中断程序中以100Hz的频率更新运动传感器采样标志位时，主控单元通过通信接口读取一组运动传感器采集到的信息，待读取完后清除运动传感器采样标志，并将信息存入数据缓存。

在采集的同时，若用户已配置实时显示采集信号，主控单元启用通信模块，并将实时数据发送至上位机端。

1)在计步模式，还包括：对采集到的信息进行特征提取，将提取到的特征与设定的年龄、体重及身高下的参考模版进行模式识别，从而判定当前动作步行、跑步、骑行、跳跃或上楼梯，并对不同运动进行计数统计和卡路里计算。

对采集到的信息进行处理主要包括：当采集到新信息后，依次进行活动段分割与特征提取，再进行分类识别，并判断动作是否有效及统计有效动作数量；如图5所示。(活动段分割、特征提取、分类识别是平级的，都是算法处理的依次流程)

如图6所示，活动段分割：主控单元初始化各类索引变量，其中Active表示当前采集到新信息是否在活动段内，Last表示上一次处理完信息所在的采样时间(即采样点位置)，Cur表示当前处理信息所在的采样时间；

如果Cur-Last>W表示超过W个采样时间采集到的新信息尚未处理，则开始判断新信息是否在活动段内；如果Active为1表示前一次处理的信息已经在活动段内，只要满足当前信息的样本熵大于规定的阈值，则判定当前信息同样为活动段内，并根据分帧处理的方式以64点为步长，128点为窗长执行特征提取的操作；如果在Active为1的情况下当前信息样本熵小于规定阈值，则非活动段计数器加1；如果非活动段计数器连续叠加此处达到P(例如，15)则判定此时活动段已完全退出(在计数器累加的过程中如果出现En大于ThreD的现象，则计数器复位为0并在下一次时重新累加)。活动段检测的步长为8，因此Last每次在计算完样本熵时会累加8，这样下一次会从Last位置再次开始计算。

特征提取：

对于肌电信息，提取时域特征绝对值均值MAV，提取频域特征自回归AR模型系数；

肌电信号的绝对值均值MAV计算公式为：

${\mathrm{MAV}}_c=\frac{1}{N_f}\underset{i=1}{\overset{N_f}{\Σ}}\left|{\mathrm{SEMG}}_c\left(i\right)\right|$

式中，MAV指绝对值均值，c表示肌电信号所对应的表面肌电传感器通道，N_f为帧长，SEMG_c(i)表示采集到的第c通道肌电信号第i个点的数值；

肌电信号的AR模型系数采用Burg算法计算；

如图7所示，采用分帧技术提取肌电信息的特征：将一个活动段内的肌电信息分成多个片段，每个片段提取出一组特征，使用长度为N_f，步长为S_f的移动平均窗从活动段的起始点开始移动，每次移动时窗内所包含的信息均作为当前帧内的所有数据，直至后面的数据不足时结束，丢弃不足的部分；

分帧完毕后，每通道肌电信息的每帧数据包含5个特征值：1个MAV和4个AR系数，并使用长度为Nf的Hamming窗对每帧数据进行滤波，Hamming窗计算公式为：

$win\left(n\right)=0.54-0.46coscos\left(\frac{2\mathrm{\π}n}{N_f-1}\right);$

式中，n＝[0，N_f-1]；

对于运动轨迹信息，抽样并计算均值和标准差；所述运动传感器集成了三轴加速度计、三轴角速度计和三轴磁力计，运动轨迹信息的特征为每通道64个抽样点，共9个通道；则将9个通道的第i个抽样点放在第i行，形成64行9列的特征矩阵，其中，i＝[1，64]。

分类识别：

需要分类识别步行、跑步、骑行、跳跃或上楼梯，考虑到动作种类比较少，因此本实施例中直接选用线性分类器进行区分。

2)锻炼模式。

图8为锻炼模式下的流程图。

锻炼模式旨在根据用户自身特点，分析特定训练(如健走、慢跑、跳绳、骑行、爬楼梯等)在持续时间内动作的完成质量以及肌疲劳特性随时间变化情况。

事实上，由于锻炼模式不涉及不同动作的分类识别，仅作为同一类型动作在连续时间的相似度比较，运动模式选择并不限于爬楼梯、慢跑、跳绳等。例如，当用户进行手臂力量训练时，亦可以将本计步及运动状态评估装置绑带套于手臂合适位置，将功能设成锻炼模式并进行举哑铃、引体向上等动作。

在锻炼模式下，对开始的前S组动作的信息进行特征提取，并生成参考特征，在后续动作过程中，对采集到的信息进行特征提取，并将提取到的特征与所述参考特征进行比较，对后续动作的完成质量进行评估。

本发明实施例中，由于佩戴位置的略有差异，以及不同佩戴时刻肌电信号活动水平的差异，在锻炼模式下，认为前S个动作完成质量最高，并将其视为本次锻炼的标准动作，并据此生成参照向量Vo和评分表T1。后续运动中，对动作计算特征向量Vi与参照向量Vo的欧氏距离d，并索引评分表T1给出动作完成度评分。

如图8所示，锻炼模式下，首先令Mode＝TRAIN，此时参考特征Vo尚未生成；之后依次进行信号采集、活动段分割并提取特征Vi(信息采集过程在前文已经详细介绍，同时特征提取也与计步模式下的类似，都是先进行活动段分割，再进行特征提取，此处不再赘述)；提取特征向量Vi之后，判断此时是否为分组训练模式的TRAIN过程，若是，则将训练向量暂时存储于缓存中，待统计训练向量数量达到S(例如，可设S＝10)，计算训练向量集的质心Vo，该质心即作为本次的参考特征。同时，将Mode置位成CAL，转向信号采集过程，执行后续的评估阶段。

当MODE为CAL阶段，计算新特征向量Vi与模板向量Vo的欧式距离d，并将欧式距离d在预设的评分表中索引，从而获得相应的评分，并将评分值存储于数据存储卡中。

上述过程中TRAIN和CAL皆为标志位，用来区分前S个标准动作和后续待评估动作。

3)康复模式

康复模式旨在为下肢运动障碍的患者提供简单有效的下肢康复辅助工具，具体实现方式为，通过实时采集肌电信号和加速度计、陀螺仪、磁力计运动信号，分割出活动段并提取有效特征，统计有效运动个数；同时对比该康复用户对应性别、年龄、身高、体重的正常人群的步行特征，当某一特征项差异明显大于阈值时，装置报警提示用户休息，本次康复训练结束并记录训练时间。

对应性别、年龄、身高、体重的正常人群特征模板需预先统计采集，之后对比该年龄段下肢障碍人群的采集数据评定合适阈值，最终特征模板和阈值均作为***文件的一部分存储于数据存储卡。

信息采集过程在前文已经详细介绍，同时算法处理也先进行活动段分割，再进行特征提取，提取的特征Vn为：肌电信号的绝对值均值MAV、AR系数，轨迹信号的均值和标准差，提取方式与前文计步模式中保持一致；另提取肌电信号的样本熵反映肌电信号能量特性，求取方式为将各通道信号累计作为一个信号并计算样本熵。

如图9所示，康复模式下，首先输入康复用户生理信息，包括性别、年龄、身高、体重等，***据此选择载入合适的正常人群标准参考模版；康复运动过程中，***依次进行信号采集、活动段分割、和特征提取；提取得到特征Vn后，一方面进行分类识别，判定动作是否有效并统计有效动作数；另一方面，对比载入的正常人群的标准参考模版，若连续提取出的多组特征与预设的标准参考模版的差异均大于阈值时，自动报警提示用户休息，并记录本次康复训练的持续时间。

本发明实施例中，计步模式、运动模式、康复模式的应用情境如图10-12所示。

图10是表示计步及运动状态评估装置的计步情境示意图。用户将本装置绑于小腿，可识别并统计健走、跑步、骑行、跳绳、上楼梯及其步数，并根据预设的性别、年龄、身高和体重计算对应运动的卡路里消耗。

图11是表示计步及运动状态评估装置的锻炼模式情境示意图。用户进行单一类型动作锻炼，可将装置绑于腿部或手臂，如图中举哑铃动作，装置不限于绑于小腿。进入锻炼模式后，装置识别前S组训练动作并计算出本次锻炼的参照特征向量。后续锻炼过程中，对动作提取特征并与参照特征进行比较，同时将结果存储。用户结束本次锻炼后，可从存储单元调取本次锻炼的评估信息。

图12是表示计步及运动状态评估装置的康复模式情境示意图。康复用户根据医生的建议制定康复训练计划，并根据计划设置计步及运动状态评估装置相关参数。在执行康复训练时，装置对康复用户运动生理信息进行检测，当康复运动足量时，报警提示用户及时休息并记录本次康复训练信息。康复患者可定期去医院复查并修改康复计划。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (9)

1.一种计步及运动状态评估装置，其特征在于，包括：多通道表面肌电传感器、运动传感器及主控单元；其中：

所述多通道表面肌电传感器，用于采集肌群表面的肌电信息；

所述运动传感器，用于运动轨迹信息；

所述主控单元，用于根据用户设定的模式，并结合多通道表面肌电传感器与运动传感器采集到的信息对用户运动情况进行分析：若设定的模式为计步模式，则对采集到的信息进行特征提取，再通过特征识别来判定当前动作并对运动进行计数统计和卡路里计算；若设定的模式为锻炼模式，则对采集到的信息进行特征提取，并根据提取到的特征对运动状态进行评估；若设定的模式为康复模式，则对采集到的信息进行特征提取，并将提取到的特征与预设的标准参考模版进行比较，当达到一定运动时间或提取到的多组特征异常时，发出报警提示。

2.根据权利要求1所述的一种计步及运动状态评估装置，其特征在于，所述主控单元，用于根据用户设定的模式，并结合多通道表面肌电传感器与运动传感器采集到的信息对用户运动情况进行分析具体包括：

若设定的模式为计步模式，则对采集到的信息进行特征提取，将提取到的特征与设定的年龄、体重及身高下的参考模版进行模式识别，从而判定当前动作步行、跑步、骑行、跳跃或上楼梯，并对不同运动进行计数统计和卡路里计算；

若设定的模式为锻炼模式，则根据锻炼模式下开始的前S组动作的信息进行特征提取，并生成参考特征，在后续动作过程中，对采集到的信息进行特征提取，并将提取到的特征与所述参考特征进行比较，对后续动作的完成质量进行评估；

若设定的模式为康复模式，则对采集到的信息进行特征提取，将提取到的特征与预设的标准参考模版进行比较，当提取到的多组特征异常时，发出报警提示。

3.根据权利要求1或2所述的一种计步及运动状态评估装置，其特征在于，所述主控单元对采集到的信息进行处理，处理步骤包括：

当采集到新信息后，依次进行活动段分割与特征提取；具体如下：

活动段分割：主控单元初始化各类索引变量，其中Active表示当前采集到新信息是否在活动段内，Last表示上一次处理完信息所在的采样时间，Cur表示当前处理信息所在的采样时间；

如果Cur-Last>W表示超过W个采样时间采集到的新信息尚未处理，则开始判断新信息是否在活动段内；如果Active为1表示前一次处理的信息已经在活动段内，只要满足当前信息的样本熵大于规定的阈值，则判定当前信息同样为活动段内，并根据分帧处理的方式以64点为步长，128点为窗长执行特征提取的操作；如果在Active为1的情况下当前信息样本熵小于规定阈值，则非活动段计数器加1；如果非活动段计数器连续叠加此处达到P则判定此时活动段已完全退出；

特征提取：

对于肌电信息，提取时域特征绝对值均值MAV，提取频域特征自回归AR模型系数；

肌电信号的绝对值均值MAV计算公式为：

${\mathrm{MAV}}_c=\frac{1}{N_f}\underset{i=1}{\overset{N_f}{\Σ}}\left|{\mathrm{SEMG}}_c\left(i\right)\right|$

式中，MAV指绝对值均值，c表示肌电信号所对应的表面肌电传感器通道，N_f为帧长，SEMG_c(i)表示采集到的第c通道肌电信号第i个点的数值；

肌电信号的AR模型系数采用Burg算法计算；

采用分帧技术提取肌电信息的特征：将一个活动段内的肌电信息分成多个片段，每个片段提取出一组特征，使用长度为N_f，步长为S_f的移动平均窗从活动段的起始点开始移动，每次移动时窗内所包含的信息均作为当前帧内的所有数据，直至后面的数据不足时结束，丢弃不足的部分；

分帧完毕后，每通道肌电信息的每帧数据包含5个特征值：1个MAV和4个AR系数，并使用长度为N_f的Hamming窗对每帧数据进行滤波，Hamming窗计算公式为：

$win\left(n\right)=0.54-0.46coscos\left(\frac{2\mathrm{\π}n}{N_f-1}\right);$

式中，n＝[0，N_f-1]；

对于运动轨迹信息，抽样并计算均值和标准差；所述运动传感器集成了3轴加速度计、3轴角速度计和3轴磁力计，运动轨迹信息的特征为每通道64个抽样点，共9个通道；则将9个通道的第i个抽样点放在第i行，形成64行9列的特征矩阵，其中，i＝[1，64]。

4.根据权利要求1或2或3所述的一种计步及运动状态评估装置，其特征在于，所述根据锻炼模式下开始的前S组动作的信息进行特征提取，并生成参考特征，在后续动作过程中，对采集到的信息进行特征提取，并将提取到的特征与所述参考特征进行比较，对后续动作的完成质量进行评估包括：

对锻炼模式下开始的前S组动作的信息进行特征提取，并计算特征集合的质心，将质心作为参考特征；

对第S组之后的信息进行特征提取，并计算提取到的特征与所述参考特征的欧氏距离，将该欧氏距离在预设的评分表中索引，从而获得相应的评分。

5.根据权利要求1或2或3所述的一种计步及运动状态评估装置，其特征在于，对采集到的信息进行特征提取，将提取到的特征与预设的标准参考模版进行比较，当提取到的多组特征异常时，发出报警提示包括：

所述预设的标准参考模版为根据用户的性别、年龄、身高与体重所设定；

当完成特征提取后，将提取出的特征与预设的标准参考模版进行比较，来判断该动作是否有效并统计有效动作；若连续提取出的多组特征与预设的标准参考模版的差异均大于阈值时，自动报警提示用户休息，并记录本次康复训练的持续时间。

6.根据权利要求1或2所述的一种计步及运动状态评估装置，其特征在于，所述主控单元定时读取多通道表面肌电传感器与运动传感器采集到的信息；其中：

多通道表面肌电传感器采集到的信息通过模数转换器ADC进行模数转换，当定时器中断程序中以1kHz更新ADC采样标志位时，主控单元通过通信接口读取一组ADC转换后的信息，待转换后的所有通道的信息均读取完毕后清除ADC采样标志，并将信息存入数据缓存；

当定时器中断程序中以100Hz更新运动传感器采样标志位时，主控单元通过通信接口读取一组运动传感器采集到的信息，待读取完后清除运动传感器采样标志，并将信息存入数据缓存。

7.根据权利要求1或2所述的一种计步及运动状态评估装置，其特征在于，该装置还包括：

通信模块，用于实现主控单元与外部设备的数据传输；

当主控单元在读取多通道表面肌电传感器与运动传感器采集到的信息时，若用户配置了的实时显示采集信号，则主控单元通过通信模块，将实时数据发送至外部设备。

8.根据权利要求2所述的一种计步及运动状态评估装置，其特征在于，该装置还包括：程序存储单元与数据存储卡；

所述程序存储单元，用于供***启动和运行过程中存取数据；

所述数据存储卡，用于存储特征识别、比较时所需要的参考模版与标准参考模版，以及多通道表面肌电传感器与运动传感器采集到的信息及分析结果。

9.根据权利要求1或2所述的一种计步及运动状态评估装置，其特征在于，该装置还包括：

显示面板，所述显示面板包括：调节按钮与显示屏；

所述调节按钮用于设定当前模式为计步模式、锻炼模式或康复模式；所述显示屏用于显示各个模式下的运动信息。