CN107595273A - 一种心率估算方法和装置 - Google Patents

Abstract

本发明公开了一种心率估算方法和装置。该心率估算方法包括：在历史运动数据中筛选出传感器信号质量可靠时的心率和对应的速度；根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量；建立所述速度、所述心率与所述实际摄氧量的关系模型；根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。本发明通过历史运动数据之间的关系建立数学模型，将速度、心率、个人参数和实际摄氧量关联起来，可将实时速度代入数学模型中估算出用户的心率，适用于心率传感器信号质量不可靠的情况，或者通过心率传感器无法得到准确心率的其它情形。

Description

一种心率估算方法和装置

技术领域

本发明涉及运动数据分析领域，尤其涉及一种心率估算方法和装置。

背景技术

随着人们工作方式和生活方式的发展变化，久坐不动、运动不足以及高热量膳食引起的高血压、冠心病、糖尿病、肥胖等一系列流行性慢病的日益增加，进而市场上出现众多监测心率的可穿戴设备，主要是通过光电传感器测量心率以衡量运动强度。但是光电传感器的信号转换为心率数据的过程中，数据可靠性主要取决于信号的质量，一旦信号质量较差，心率可能出错，可靠性有待验证。心率测量的唯一认证标准是通过心率胸带产生的心电信号，但是胸带带来的不适感不足以满足用户的需求。

因此，现有技术提供了在光电传感器信号质量较差时估算心率的方法，目前运用较多的预估心率方式是采用加速计的信号。加速度矢量、能耗、基础心率、最大心率建立关系模型，进而根据运动中实时加速度数据预估运动心率。实际的运动训练过程中，随着运动时间的增加，心肺耐力会逐渐升高，会出现心脏能力的节省化现象，即在同一速度下，心率会逐渐降低；而跑步过程同一速度下形成的加速度矢量基本不会发生变化，预估的运动心率也随之不变，与实际情况产生偏差，难以在运动者心肺耐力提升后进行准确预测。

发明内容

本发明的目的在于提出一种心率估算方法和装置，能够通过历史运动数据之间的关系建立数学模型，在需要的情况下可根据数学模型估算出用户的心率。

为达此目的，本发明采用以下技术方案：

一方面，本发明提供一种心率估算方法，包括：

在历史运动数据中筛选出传感器信号质量可靠时的心率和对应的速度；

根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量；

建立所述速度、所述心率与所述实际摄氧量的关系模型；

根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

其中，根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量，包括：

根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值；

根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量；

根据所述摄氧量、所述最大摄氧量和所述跑力值，计算实际摄氧量。

其中，根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量，包括：

所述个人参数包括身高、性别、体重、年龄；

根据跑力值模型计算摄氧量，摄氧量＝0.23*速度(m/min)-9.7985；

根据身高、性别、体重、速度、心率计算最大摄氧量。

其中，根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值，包括：

根据静息心率、最大心率和所述心率计算储备心率百分比；

所述跑力值模型包括E、M、T、I、R五个模型，分别对应不同的储备心率百分比的阈值范围；

根据所述储备心率百分比所属的阈值范围选取对应的跑力值模型；

将所述速度代入所述跑力值模型中求得跑力值。

其中，根据静息心率、最大心率和所述心率计算储备心率百分比，包括：

根据静息心率、最大心率和所述心率计算储备心率和最大储备心率；

储备心率＝心率-静息心率，最大储备心率＝最大心率-静息心率；

计算获得储备心率百分比，储备心率百分比＝(储备心率-静息心率)/最大储备心率。

其中，根据所述摄氧量、所述最大摄氧量和所述跑力值，计算实际摄氧量，包括：

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值；

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比；

相应的，建立所述速度、所述心率与所述实际摄氧量的关系模型，具体为：

建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

进一步的，建立所述速度、所述心率与所述实际摄氧量的关系模型之后，还包括：

根据运动时间判断是否出现疲劳，若是，

将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值；

若所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则

将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比，将相应获取到的心率作为起点心率；

计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值；

根据起点运动强度百分比、跑力值和强度差值计算心率下降率；

根据起点心率和心率下降率，计算所述实时速度下稳定的终点心率。

相应的，计算所述实时速度下稳定的终点心率之后，还包括：

将传感器信号质量可靠时获取到的心率作为起点心率；

根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型；

根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

进一步的，根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率之前，还包括：

判断传感器的信号质量是否可靠，若是，根据传感器获取的运动数据计算实时心率；

否则，根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

另一方面，本发明提供一种心率估算装置，包括：心率传感器和九轴传感器和处理单元；

所述处理单元包括：

数据筛选模块，用于在历史运动数据中筛选出心率传感器信号质量可靠时的心率和九轴传感器获得的对应的速度；

运动强度计算模块，用于根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量；

建模模块，用于建立所述速度、所述心率与所述实际摄氧量的关系模型；

心率估算模块，用于根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

其中，所述运动强度计算模块具体用于：

根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值；

根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量；

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值；

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比；

相应的，所述建模模块具体用于：

建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

进一步的，所述心率估算模块还用于：在建立所述速度、所述心率与所述实际摄氧量的关系模型之后，根据运动时间判断是否出现疲劳，若是，

将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值；

若所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则

将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比；

计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值；

根据起点运动强度百分比、跑力值和强度差值计算心率下降率；

根据终点心率、持续时间和心率下降率建立时间与心率的线性关系；

根据所述线性关系，计算所述实时速度下稳定的终点心率。

进一步的，所述心率估算模块还用于：在计算所述实时速度下稳定的终点心率之后，

将心率传感器信号质量可靠时获取到的心率作为起点心率；

根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型；

根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

其中，所述心率传感器和所述九轴传感器设置在智能穿戴设备上；

所述处理单元设置在所述智能穿戴设备上，或设置在与所述智能穿戴设备绑定的智能终端上。

本发明的有益效果为：

通过历史运动数据之间的关系建立数学模型，将速度、心率、个人参数和实际摄氧量关联起来，可将实时速度代入数学模型中估算出用户的心率，适用于心率传感器信号质量不可靠的情况，或者通过心率传感器无法得到准确心率的其它情形。

附图说明

图1是本发明实施例一提供的心率估算方法的流程图；

图2是本发明实施例二提供的一种改进的心率估算方法的流程图；

图3是本发明实施例三提供的另一种改进的心率估算方法的流程图；

图4是本发明实施例四提供的心率估算装置的结构示意图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，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。

实施例一

本实施例提供一种心率估算方法，适用于心率传感器信号质量不可靠的情况下，用于进行心率的估算，该方法由一种智能穿戴设备来执行，所述设备由软件和硬件组成。

图1是本发明实施例一提供的心率估算方法的流程图。如图1所示，该心率估算方法包括如下步骤：

S11，在历史运动数据中筛选出传感器信号质量可靠时的心率和对应的速度。

对历史运动数据进行筛选，针对九轴传感器获得的速度等数据，要求在某个速度下，速度保持稳定(例如波动小于1km/h)超过一定时间(例如3分钟)，且心率传感器的信号质量可靠时获得的心率。相应的速度波动和保持时间要求，可根据数据筛选的严格程度来调整。

按照上述方法，根据数据产生的时间由近及远选取一定数量的基础数据，并且按周期对基础数据进行更新。

S12，根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量。

该步骤包括：

S121，根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值。具体包括：

根据静息心率HRrest、最大心率HRmax和所述心率HR计算储备心率百分比。其中，静息心率HRrest为用户在清醒、不活动的安静状态下，每分钟心跳的次数，可通过心率传感器获得；最大心率＝208-0.7*年龄。

首先，根据静息心率HRrest、最大心率HRmax和心率HR计算储备心率HRR和最大储备心率HRRmax。储备心率HRR＝心率HR-静息心率HRrest，最大储备心率HRRmax＝最大心率HRmax-静息心率HRrest。

然后，计算获得储备心率百分比HRR％，储备心率百分比HRR％＝(储备心率HRR-静息心率HRrest)/最大储备心率HRRmax。

跑力值(VDOT)一词源自《丹尼尔博士跑步方程式》(Daniels'Running Formula)，作者是美国运动科学家杰克·丹尼尔(Jack Daniel)，以此来衡量运动者有氧能力，是运动经济性的综合性评估数据，相应的，根据运动类型还有骑力值和泳力值。

现有技术中，所述跑力值模型包括E、M、T、I、R五个模型，分别代表E(轻松跑的配速)，M(马拉松跑的配速)，T(乳酸阈跑的配速)，I(高强度间歇跑的配速)，R(重复跑的配速)。

本实施例中，将这五个跑力值模型分别对应不同的储备心率百分比的阈值范围；计算跑力值时，根据储备心率百分比所属的阈值范围选取对应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值。

例如，下表1是其中一种可行的阈值范围与跑力值模型的对应关系。在其他实施例中，阈值范围的划分可以调整。

表1

S122，根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量。

根据跑力值模型计算摄氧量，摄氧量＝0.23*速度(m/min)-9.7985。

现有技术中计算摄氧量的方式还有多种，若上述基础数据还包括保持某个速度的时间，则根据实验室测量法的推算公式，摄氧量＝6.70-2.28*性别+0.056*时间(s)，其中性别：男＝1，女＝2。

此外，还可以将摄氧量设定为恒定值，正常成年人一般是45，女性和儿童酌情减少，优秀的运动员一般会在60-70。

S123，根据身高、性别、体重、速度、心率计算最大摄氧量。

其中，可通过用户的个人参数获得身高、性别、体重、年龄等数据；假设最大摄氧量VO2max＝X1+X2*性别+X3*体重+X4*身高+X5*速度+X6*心率，其中，性别：男＝1，女＝2，X1是常数，X2～X6是权重。基于大数据进行分析，根据气体代谢分析仪器得到的最大摄氧量，与个人信息，速度等关联，采用多变量回归分析获得X1～X6的取值。优选的，本实施例中X2-X6取值范围是-3～10。

S124，根据所述摄氧量、所述最大摄氧量和所述跑力值，计算实际摄氧量。

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值。

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比。

S13，建立所述速度、所述心率与所述实际摄氧量的关系模型。

根据步骤S12的计算过程可知，计算实际摄氧量时会产生中间值，包括运动强度百分比和跑力值。

通过步骤S12的计算，可以获得速度、心率和实际摄氧量的关系模型，进而可获得不同速度下实际摄氧量和心率的对应关系，并且可建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

S14，根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

速度变化会带来心率变化，维持某一速度时，心率会逐渐变化到与该速度相适应。在需要估算心率时，已知当前时刻的实时速度，即可代入关系模型中计算出在所述实时速度下、心率变化后的稳定的终点心率。

进一步的，步骤S14之前，还包括：

判断传感器的信号质量是否可靠，若是，根据传感器获取的运动数据计算实时心率；否则，执行步骤S14。

以历史运动数据为基础，将速度、心率、个人参数和实际摄氧量关联起来建立数学模型，，可将实时速度代入数学模型中估算出用户的心率，充分考虑了用户的有氧运动能力和心肺能力变化对心率的影响，使估算出来的心率更贴近实际情况。

实施例二

本实施例在上述实施例的基础上进行改进，步骤S13之后，若出现运动疲劳，则按照如下方法计算出终点心率。

图2是本发明实施例二提供的一种改进的心率估算方法的流程图。如图2所示，若根据运动时间判断出现疲劳(运动时间达到预设值)，则在步骤S13之后，还包括如下步骤：

S161，将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值。

S162，确定所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则执行下述步骤S163，否则按照上述实施例一的步骤S14进行处理。

S163，将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比，将相应获取到的心率作为起点心率。

选取距离当前时刻最近的一次传感器信号质量可靠时的速度和心率进行计算。

S164，计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值。

S165，根据起点运动强度百分比、跑力值和强度差值计算心率下降率。

心率下降率＝Z1+Z2*起点运动强度百分比+Z3*跑力值+Z4*强度差值；其中，Z1为常数，Z2～Z4为权重。如上所述，基于历史运动数据，将运动强度百分比、跑力值与心率下降率关联，采用多变量回归分析法，求解Z1～Z4的值。本实施例中，Z2～Z5的取值范围为-3～2。

S166，根据起点心率和心率下降率，计算所述实时速度下稳定的终点心率。

终点心率＝起点心率*(1-心率下降率)。

上述方法适用于疲劳状态下，当用户保持某个速度达到一定的时间，即运动强度持续超过阈值，则会出现心脏能力节省化现象，此时的心率不会立刻降低，而是根据一定的变化率逐步变化。

实施例三

本实施例在上述实施例的基础上进行改进，用于完善用户运动过程中的心率曲线。

图3是本发明实施例三提供的另一种改进的心率估算方法的流程图。如图3所示，在计算所述实时速度下稳定的终点心率之后，还包括如下步骤：

S151，将传感器信号质量可靠时获取到的心率作为起点心率，并将相应的时间记为起点时刻。

选取距离当前时刻最近的一次传感器信号质量可靠时获取到的心率作为起点心率。

S152，根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型。

速度发生变化时，心率会逐渐变化到与该速度相适应并趋于稳定，心率变化的过程与时间有一定的线性关系，对历史运动数据进行分析可获得多个预设的时间与心率的线性关系模型。不同的起点心率和不同的终点心率，对应的线性关系模型都不相同。

分别计算起点心率和终端心率的最大心率百分比HRmax％，最大心率百分比＝心率/最大心率。根据最大心率百分比所属的范围，选择一个适宜的线性关系模型。

本实施例中，下表2是其中一种可能的预设的时间与心率的线性关系模型与起点心率、终点心率的对应关系：

线性关系模型	起点心率的HRmax％	终点心率的HRmax％
			模型一	51％～60％	71％～80％
模型二	51％～60％	81％～90％
			模型三	61％～70％	81％～90％
模型四	61％～70％	91％～100％
			……	……	……

表2

S153，根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

在线性关系模型上从起点时刻开始按照一定的时间间隔求出起点心率与终点心率之间的实时心率，本实施例中，时间间隔取1秒，在其他实施例中可以是其他取值，主要取决于对心率曲线的平滑度的要求。

上述步骤适用于心率递增、递减或者心率间歇起伏变化的情形，确定了起点和终点后，可根据线性关系获得两点之间的其他数据，本实施例针对速度的变化趋势采用不同的方案完善心率曲线，使得除了估算的终点心率之外，其他时刻的心率也更贴近实际情况。

实施例四

本实施例提供一种心率估算装置，用于执行上述实施例所述的心率估算方法，解决同样的技术问题，达到相同的技术效果。

图4是本发明实施例四提供的心率估算装置的结构示意图。如图4所示，该心率估算装置包括心率传感器31和九轴传感器32和处理单元33。

所述心率传感器31和所述九轴传感器32设置在智能穿戴设备上；所述处理单元33设置在所述智能穿戴设备上，或设置在与所述智能穿戴设备绑定的智能终端上。

所述处理单元33包括：

数据筛选模块331，用于在历史运动数据中筛选出心率传感器31信号质量可靠时的心率和九轴传感器32获得的对应的速度。

运动强度计算模块332，用于根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量。

建模模块333，用于建立所述速度、所述心率与所述实际摄氧量的关系模型。

心率估算模块334，用于根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

所述运动强度计算模块332具体用于：

根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值。具体的：

根据静息心率、最大心率和所述心率计算储备心率百分比；储备心率＝心率-静息心率，最大储备心率＝最大心率-静息心率；计算获得储备心率百分比，储备心率百分比＝(储备心率-静息心率)/最大储备心率。

所述跑力值模型包括E、M、T、I、R五个模型，分别对应不同的储备心率百分比的阈值范围；根据所述储备心率百分比所属的阈值范围选取对应的跑力值模型；将所述速度代入所述跑力值模型中求得跑力值。

根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量。具体的：

根据跑力值模型计算摄氧量，摄氧量＝0.23*速度(m/min)-9.7985。所述个人参数包括身高、性别、体重、年龄；再根据身高、性别、体重、速度、心率计算最大摄氧量。

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值。

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比。

相应的，所述建模模块333具体用于：

建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

根据运动时间确定出现疲劳的情况下，所述心率估算模块334还用于：

将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值；

若所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则

将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比，将相应获取到的心率作为起点心率；

计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值；

根据起点运动强度百分比、跑力值和强度差值计算心率下降率；

根据起点心率和心率下降率，计算所述实时速度下稳定的终点心率。

所述心率估算模块334还用于：在计算所述实时速度下稳定的终点心率之后，

将心率传感器31信号质量可靠时获取到的心率作为起点心率；

根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型；

根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

相应的，在此之前，建模模块333还用于，根据历史运动数据建立预设的多个时间与心率的线性关系模型。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims (14)

1.一种心率估算方法，其特征在于：

在历史运动数据中筛选出传感器信号质量可靠时的心率和对应的速度；

根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量；

建立所述速度、所述心率与所述实际摄氧量的关系模型；

根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

2.根据权利要求1所述的心率估算方法，其特征在于，根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量，包括：

根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值；

根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量；

根据所述摄氧量、所述最大摄氧量和所述跑力值，计算实际摄氧量。

3.根据权利要求2所述的心率估算方法，其特征在于，根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量，包括：

所述个人参数包括身高、性别、体重、年龄；

根据跑力值模型计算摄氧量，摄氧量＝0.23*速度(m/min)-9.7985；

根据身高、性别、体重、速度、心率计算最大摄氧量。

4.根据权利要求2或3所述的心率估算方法，其特征在于，根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值，包括：

根据静息心率、最大心率和所述心率计算储备心率百分比；

所述跑力值模型包括E、M、T、I、R五个模型，分别对应不同的储备心率百分比的阈值范围；

根据所述储备心率百分比所属的阈值范围选取对应的跑力值模型；

将所述速度代入所述跑力值模型中求得跑力值。

5.根据权利要求4所述的心率估算方法，其特征在于，根据静息心率、最大心率和所述心率计算储备心率百分比，包括：

根据静息心率、最大心率和所述心率计算储备心率和最大储备心率；

储备心率＝心率-静息心率，最大储备心率＝最大心率-静息心率；

计算获得储备心率百分比，储备心率百分比＝(储备心率-静息心率)/最大储备心率。

6.根据权利要求4所述的心率估算方法，其特征在于，根据所述摄氧量、所述最大摄氧量和所述跑力值，计算实际摄氧量，包括：

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值；

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比；

相应的，建立所述速度、所述心率与所述实际摄氧量的关系模型，具体为：

建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

7.根据权利要求6所述的心率估算方法，其特征在于，建立所述速度、所述心率与所述实际摄氧量的关系模型之后，还包括：

根据运动时间判断是否出现疲劳，若是，

将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值；

若所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则

将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比，将相应获取到的心率作为起点心率；

计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值；

根据起点运动强度百分比、跑力值和强度差值计算心率下降率；

根据起点心率和心率下降率，计算所述实时速度下稳定的终点心率。

8.根据权利要求1或7所述的心率估算方法，其特征在于，计算所述实时速度下稳定的终点心率之后，还包括：

将传感器信号质量可靠时获取到的心率作为起点心率；

根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型；

根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

9.根据权利要求1所述的心率估算方法，其特征在于，根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率之前，还包括：

判断传感器的信号质量是否可靠，若是，根据传感器获取的运动数据计算实时心率；

否则，根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

10.一种心率估算装置，其特征在于，包括：心率传感器和九轴传感器和处理单元；

所述处理单元包括：

数据筛选模块，用于在历史运动数据中筛选出心率传感器信号质量可靠时的心率和九轴传感器获得的对应的速度；

运动强度计算模块，用于根据所述速度、所述心率和个人参数、跑力值模型，计算实际摄氧量；

建模模块，用于建立所述速度、所述心率与所述实际摄氧量的关系模型；

心率估算模块，用于根据实时速度和所述关系模型，计算所述实时速度下稳定的终点心率。

11.根据权利要求10所述的心率估算装置，其特征在于，所述运动强度计算模块具体用于：

根据所述心率选取相应的跑力值模型，将所述速度代入所述跑力值模型中求得跑力值；

根据所述速度、所述心率和个人参数，计算摄氧量和最大摄氧量；

根据摄氧量和跑力值，计算运动强度百分比，运动强度百分比＝摄氧量/跑力值；

根据最大摄氧量和运动强度百分比计算实际摄氧量，实际摄氧量＝最大摄氧量*运动强度百分比；

相应的，所述建模模块具体用于：

建立速度、心率与运动强度百分比、跑力值、实际摄氧量的关系模型。

12.根据权利要求11所述的心率估算装置，其特征在于，所述心率估算模块还用于：在建立所述速度、所述心率与所述实际摄氧量的关系模型之后，

根据运动时间判断是否出现疲劳，若是，

将所述实时速度代入所述关系模型获得实时运动强度百分比和跑力值；

若所述实时运动强度百分比大于或等于预设强度，且持续时间超过预设时长，则

将传感器信号质量可靠时获取到的速度代入所述关系模型获得起点运动强度百分比，将相应获取到的心率作为起点心率；

计算所述起点运动强度百分比与所述实时运动强度百分比的差值，作为强度差值；

根据起点运动强度百分比、跑力值和强度差值计算心率下降率；

根据起点心率和心率下降率，计算所述实时速度下稳定的终点心率。

13.根据权利要求10或12所述的心率估算装置，其特征在于，所述心率估算模块还用于：在计算所述实时速度下稳定的终点心率之后，

将心率传感器信号质量可靠时获取到的心率作为起点心率；

根据起点心率和终点心率，在预设的多个时间与心率的线性关系模型中选择适用的线性关系模型；

根据所述线性关系模型获得起点心率与终点心率之间的实时心率。

14.根据权利要求10所述的心率估算装置，其特征在于：

所述心率传感器和所述九轴传感器设置在智能穿戴设备上；

所述处理单元设置在所述智能穿戴设备上，或设置在与所述智能穿戴设备绑定的智能终端上。