CN107847786A - 评估锻炼强度的活动监测装置 - Google Patents
评估锻炼强度的活动监测装置 Download PDFInfo
- Publication number
- CN107847786A CN107847786A CN201680043023.8A CN201680043023A CN107847786A CN 107847786 A CN107847786 A CN 107847786A CN 201680043023 A CN201680043023 A CN 201680043023A CN 107847786 A CN107847786 A CN 107847786A
- Authority
- CN
- China
- Prior art keywords
- user
- exercise
- oxygen
- speed
- sensor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000033001 locomotion Effects 0.000 title description 80
- 238000012806 monitoring device Methods 0.000 title description 45
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 321
- 239000001301 oxygen Substances 0.000 claims abstract description 321
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 320
- 230000000287 tissue oxygenation Effects 0.000 claims description 200
- 210000003205 muscle Anatomy 0.000 claims description 190
- 230000008859 change Effects 0.000 claims description 99
- 210000001519 tissue Anatomy 0.000 claims description 64
- 230000008520 organization Effects 0.000 claims description 38
- 230000000694 effects Effects 0.000 claims description 27
- 238000006213 oxygenation reaction Methods 0.000 claims description 26
- 238000005096 rolling process Methods 0.000 claims description 10
- 238000012986 modification Methods 0.000 claims description 9
- 230000004048 modification Effects 0.000 claims description 9
- 238000005452 bending Methods 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 description 168
- 230000008569 process Effects 0.000 description 91
- 230000000875 corresponding effect Effects 0.000 description 34
- 230000015654 memory Effects 0.000 description 29
- 238000012360 testing method Methods 0.000 description 23
- 230000037147 athletic performance Effects 0.000 description 20
- 238000009434 installation Methods 0.000 description 19
- 238000005242 forging Methods 0.000 description 16
- 238000007670 refining Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 13
- 238000003860 storage Methods 0.000 description 13
- 238000005259 measurement Methods 0.000 description 12
- 239000000463 material Substances 0.000 description 11
- 239000013256 coordination polymer Substances 0.000 description 10
- 206010016256 fatigue Diseases 0.000 description 10
- 210000000245 forearm Anatomy 0.000 description 9
- JVTAAEKCZFNVCJ-UHFFFAOYSA-M Lactate Chemical compound CC(O)C([O-])=O JVTAAEKCZFNVCJ-UHFFFAOYSA-M 0.000 description 8
- 230000007423 decrease Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 7
- JVTAAEKCZFNVCJ-UHFFFAOYSA-N lactic acid Chemical compound CC(O)C(O)=O JVTAAEKCZFNVCJ-UHFFFAOYSA-N 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000004044 response Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000002329 infrared spectrum Methods 0.000 description 6
- 210000002414 leg Anatomy 0.000 description 6
- 230000000737 periodic effect Effects 0.000 description 6
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 5
- 108010002255 deoxyhemoglobin Proteins 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 230000037396 body weight Effects 0.000 description 4
- 238000013481 data capture Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 4
- 235000013372 meat Nutrition 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 230000001953 sensory effect Effects 0.000 description 4
- 210000000707 wrist Anatomy 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 3
- 102000004882 Lipase Human genes 0.000 description 3
- 108090001060 Lipase Proteins 0.000 description 3
- 239000004367 Lipase Substances 0.000 description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000005670 electromagnetic radiation Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 235000014655 lactic acid Nutrition 0.000 description 3
- 239000004310 lactic acid Substances 0.000 description 3
- 235000019421 lipase Nutrition 0.000 description 3
- 230000014759 maintenance of location Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- 230000007958 sleep Effects 0.000 description 3
- 238000010200 validation analysis Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000036760 body temperature Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 230000008450 motivation Effects 0.000 description 2
- 235000016709 nutrition Nutrition 0.000 description 2
- 239000003973 paint Substances 0.000 description 2
- 230000001766 physiological effect Effects 0.000 description 2
- 210000003314 quadriceps muscle Anatomy 0.000 description 2
- 230000035807 sensation Effects 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000005496 tempering Methods 0.000 description 2
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 102000010445 Lactoferrin Human genes 0.000 description 1
- 108010063045 Lactoferrin Proteins 0.000 description 1
- 240000007817 Olea europaea Species 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000011469 building brick Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000000779 depleting effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 210000002683 foot Anatomy 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000009940 knitting Methods 0.000 description 1
- CSSYQJWUGATIHM-IKGCZBKSSA-N l-phenylalanyl-l-lysyl-l-cysteinyl-l-arginyl-l-arginyl-l-tryptophyl-l-glutaminyl-l-tryptophyl-l-arginyl-l-methionyl-l-lysyl-l-lysyl-l-leucylglycyl-l-alanyl-l-prolyl-l-seryl-l-isoleucyl-l-threonyl-l-cysteinyl-l-valyl-l-arginyl-l-arginyl-l-alanyl-l-phenylal Chemical compound C([C@H](N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CO)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CS)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CC=CC=C1 CSSYQJWUGATIHM-IKGCZBKSSA-N 0.000 description 1
- 229940078795 lactoferrin Drugs 0.000 description 1
- 235000021242 lactoferrin Nutrition 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000036284 oxygen consumption Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000003860 sleep quality Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
- A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/486—Bio-feedback
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B13/00—Soles; Sole-and-heel integral units
- A43B13/02—Soles; Sole-and-heel integral units characterised by the material
- A43B13/12—Soles with several layers of different materials
- A43B13/125—Soles with several layers of different materials characterised by the midsole or middle layer
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B13/00—Soles; Sole-and-heel integral units
- A43B13/14—Soles; Sole-and-heel integral units characterised by the constructive form
- A43B13/18—Resilient soles
- A43B13/181—Resiliency achieved by the structure of the sole
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B3/00—Footwear characterised by the shape or the use
- A43B3/34—Footwear characterised by the shape or the use with electrical or electronic arrangements
-
- A—HUMAN NECESSITIES
- A43—FOOTWEAR
- A43B—CHARACTERISTIC FEATURES OF FOOTWEAR; PARTS OF FOOTWEAR
- A43B7/00—Footwear with health or hygienic arrangements
- A43B7/14—Footwear with health or hygienic arrangements with foot-supporting parts
- A43B7/1405—Footwear with health or hygienic arrangements with foot-supporting parts with pads or holes on one or more locations, or having an anatomical or curved form
- A43B7/141—Footwear with health or hygienic arrangements with foot-supporting parts with pads or holes on one or more locations, or having an anatomical or curved form having an anatomical or curved form
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1123—Discriminating type of movement, e.g. walking or running
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/221—Ergometry, e.g. by using bicycle type apparatus
- A61B5/222—Ergometry, e.g. by using bicycle type apparatus combined with detection or measurement of physiological parameters, e.g. heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/22—Ergometry; Measuring muscular strength or the force of a muscular blow
- A61B5/224—Measuring muscular strength
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6804—Garments; Clothes
- A61B5/6807—Footwear
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
- A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/10—Athletes
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0087—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load
- A63B2024/0093—Electric or electronic controls for exercising apparatus of groups A63B21/00 - A63B23/00, e.g. controlling load the load of the exercise apparatus being controlled by performance parameters, e.g. distance or speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/10—Positions
- A63B2220/12—Absolute positions, e.g. by using GPS
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/30—Speed
- A63B2220/34—Angular speed
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/40—Acceleration
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/70—Measuring or simulating ambient conditions, e.g. weather, terrain or surface conditions
- A63B2220/72—Temperature
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/803—Motion sensors
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/805—Optical or opto-electronic sensors
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/806—Video cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/807—Photo cameras
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2220/00—Measuring of physical parameters relating to sporting activity
- A63B2220/80—Special sensors, transducers or devices therefor
- A63B2220/83—Special sensors, transducers or devices therefor characterised by the position of the sensor
- A63B2220/836—Sensors arranged on the body of the user
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/04—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations
- A63B2230/06—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only
- A63B2230/062—Measuring physiological parameters of the user heartbeat characteristics, e.g. ECG, blood pressure modulations heartbeat rate only used as a control parameter for the apparatus
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/08—Measuring physiological parameters of the user other bio-electrical signals
- A63B2230/085—Measuring physiological parameters of the user other bio-electrical signals used as a control parameter for the apparatus
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/20—Measuring physiological parameters of the user blood composition characteristics
- A63B2230/207—P-O2, i.e. partial O2 value
- A63B2230/208—P-O2, i.e. partial O2 value used as a control parameter for the apparatus
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/50—Measuring physiological parameters of the user temperature
- A63B2230/505—Measuring physiological parameters of the user temperature used as a control parameter for the apparatus
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B2230/00—Measuring physiological parameters of the user
- A63B2230/75—Measuring physiological parameters of the user calorie expenditure
- A63B2230/755—Measuring physiological parameters of the user calorie expenditure used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Business, Economics & Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Physiology (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Cardiology (AREA)
- Optics & Photonics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Obesity (AREA)
- Chemical & Material Sciences (AREA)
- Materials Engineering (AREA)
- Dentistry (AREA)
Abstract
各方面涉及一种能够用于识别个体的临界强度及无氧做功量的便携式装置。该装置能够利用肌氧传感器数据、速度数据或功率数据。该装置能够利用来自多个锻炼时段的数据,或能够利用来自单个锻炼时段的数据。该装置能够另外依据来自用户的先前竞赛时间输入而估计临界强度。
Description
相关申请的交叉引用
本申请要求2015年5月29日提交的第62/168,059号美国临时专利申请、2015年5月29日提交的第62/168,066号美国临时专利申请、2015年5月29日提交的第62/168,079号美国临时专利申请、2015年5月29日提交的第62/168,095号美国临时专利申请以及2015年5月29日提交的第62/168,110号美国临时专利申请的优先权,所述申请出于任何和所有非限制性目的而明确地以全文引用的方式并入本文中。
背景技术
虽然大多数人了解到体能的重要性,但许多人很难找到维持定期锻炼计划所需要的动机。一些人发现尤其难以维持涉及例如跑步、步行及骑行的连续重复运动的锻炼规范。用于追踪用户的活动的装置可提供关于此方面的动机,提供关于过去活动的反馈,及继续锻炼日程以便实现各种锻炼目标的鼓励。
然而,运动员的某些锻炼度量是在正式基于实验室的环境下评估,且当个体在固定位置处(例如,在跑步机或健身脚踏车上)进行锻炼时使用笨重的设备来监测所述个体。如此,这些锻炼度量可能不容易用于一般人群。因此,期望用以解决此项技术中的这些缺陷中的至少一个或更多个的经改进***及方法。
发明内容
以下呈现本发明的简化总结以便提供对本发明的一些方面的基本理解。此总结并非本发明的广泛概述。并不打算识别本发明的关键或重要元素或描绘本发明的范围。以下总结仅以简化形式呈现本发明的一些概念作为下文提供的更详细描述的前言。
附图说明
图1说明根据示例性实施例的可经配置以提供个人训练及/或从用户的身体移动获得数据的示例性***;
图2说明可为图1的***的部分或可与所述***通信的示例性计算机装置;
图3展示根据示例性实施例的可被用户穿戴的说明性传感器组合件;
图4展示根据示例性实施例的可被用户穿戴的另一示例性传感器组合件;
图5展示感觉输入的说明性位置,所述感觉输入可包含位于用户的服装上/中的物理传感器及/或基于用户的两个移动身体部位之间的关系的识别;
图6A到6C描绘根据本文中所描绘的一个或更多个方面的与三个锻炼强度域相关联的锻炼数据的图形;
图7示意性描绘根据本文中所描绘的一个或更多个方面的活动监测装置;
图8示意性描绘根据本文中所描述的一个或更多个方面的用于依据组织氧合传感器数据计算临界组织氧合百分比及/或无氧做功量的流程图;
图9A到9B描绘根据本文中所描述的一个或更多个方面的多个锻炼时段的肌肉氧合传感器数据的图形;
图10描绘根据本文中所描述的一个或更多个方面的确定关于用户是否在剧烈锻炼强度域内以不可持续的做功速率锻炼的流程图;
图11描绘根据本文中所描述的一个或更多个方面的确定关于用户是以不可持续、可持续还是临界做功速率的做功速率锻炼的流程图;
图12描绘根据本文中所描述的一个或更多个方面的在锻炼时段期间所产生的速度及肌肉氧合输出数据的图形;
图13描绘根据本文中所描述的一个或更多个方面的确定关于用户是否在剧烈锻炼强度域内锻炼的流程图;
图14A到14B描绘根据本文中所描述的一个或更多个方面的两个锻炼时段的功率与肌肉氧合输出数据的图形;
图15描绘根据本文中所描述的一个或更多个方面的用于确定关于所接收组织氧合数据是否表示以临界强度进行锻炼的流程图;
图16描绘根据本文中所描述的一个或更多个方面的不同锻炼时段的肌肉氧合百分比的图形;
图17描绘根据本文中所描述的一个或更多个方面的在同一锻炼时段期间所产生的速度及肌肉氧合输出数据的图形;
图18描绘根据本文中所描述的一个或更多个方面的来自锻炼时段的功率输出数据的图形;
图19描绘根据本文中所描述的一个或更多个方面的与锻炼时段相关联的临界功率的计算的流程图;
图20描绘根据本文中所描述的一个或更多个方面的锻炼时段的输出速度数据的图形;
图21为根据本文中所描述的一个或更多个方面的可用于基于速度传感器数据而计算临界速度及无氧做功量的流程图;
图22为根据本文中所描述的一个或更多个方面的可用于计算用户的临界速度及无氧做功量的流程图;
图23为根据本文中所描述的一个或更多个方面的标绘用户的多个锻炼时段的距离数据的曲线图;
图24示意性说明根据本文中所描述的一个或更多个方面的用于预测跑步的临界速度分数的模型;
图25示意性说明根据本文中所描述的一个或更多个方面的用于预测跑步的临界速度分数的模型;
图26示意性说明根据本文中所描述的一个或更多个方面的用于预测骑行的临界速度分数的模型;
图27示意性说明根据本文中所描述的一个或更多个方面的用于预测骑行的临界速度分数的模型;
图28为根据本文中所描述的一个或更多个方面的可用于基于单个输入数据点而计算临界速度及无氧做功量的流程图;
图29为根据本文中所描述的一个或更多个方面的可用于响应于所接收的用户的自感用力度而估计耗氧量的流程图;及
图30示意性描绘根据本文中所描绘的一个或更多个方面的无氧做功量补给速率。
图31为其中多个锻炼试验中的每个的肌肉氧合的平均斜率与力竭时间比较的示例实施例的图表;确切地说,图31A展示平均四头肌氧合斜率;图31B展示平均前臂肌肉氧合斜率;以及图31C展示来自多个不同位置的平均肌肉氧合斜率,包含小腿、斜方肌和背阔肌,另外还绘制了四头肌和前臂斜率。
图32为显示根据一个实施例,新的MO2已确定的TTE与实际TTE并非显著不同的图形;
图33为描绘来自在使人疲劳的2小时锻炼之后进行的锻炼的示例数据的图形,其中自发力竭点与通过MO2TTE估计公式指示的几乎零秒一致,这进一步显示本文公开的某些实施例的准确性;
图34为根据某些实施方案的展示在低于临界强度的做功速率期间的正%MO2斜率和在超过临界强度期间的负%MO2斜率的对应关系的图表;
图35是根据一个或更多个实施例的显示根据某些实施方案的设备修改可如何延长力竭估计的图形;确切地说,图35A显示在跑步机跑步期间横跨锻炼强度域的较大有功肌肉耗氧量;图35B提供特定于基本上无功的类似数据;以及图35C展示根据某些实施例的设备依据MO2信号对力竭时间估计的更改;
图36为根据一个实施例的描绘D'再充电时间以指数方式与临界速度与瞬时速度的△相关的图表;
图37展示说明例如在dPrime未知时可使用的图36的替代实施例的图表;以及
图38展示提供运动员以瞬时速度间歇性地跑步的数据的示例图表,其中D'再充电速率与特定跑步tau公式和数值直接相关;确切地说,在图38A的示例中,注意在420秒处的力竭的比对和几乎为零的%D剩余。如图38B中所示,瞬时D'剩余转换成时间单位,以便易于显示和运动员理解。
具体实施方式
本发明的方面涉及获得、存储及/或处理与运动员的身体移动有关的运动数据。运动数据可被主动地或被动地感测及/或存储在一个或更多个非暂时性存储介质中。其它方面涉及使用运动数据来产生输出,例如,所计算运动属性,用以提供指导的反馈信号,及/或其它信息。将在个人训练***的以下说明性示例的上下文中论述这些及其它方面。
在各种实施例的以下描述中,参考了形成其部分的附图,且在附图中通过说明的方式展示其中可实践本发明的方面的各种实施例。应当理解,可以在不脱离本发明的范围及精神的情况下利用其它实施例并且可以进行结构及功能修改。此外,本发明内的标题不应视为限制本发明的方面,且示例性实施例并不限于示例标题。
I.示例性个人训练***
A.说明性网络
本发明的方面涉及可跨越多个网络使用的***及方法。就此来说,某些实施例可经配置以适应于动态网络环境。其它实施例可在不同离散网络环境中操作。图1说明根据示例性实施例的个人训练***100的示例。示例***100可包含一个或更多个互连网络,例如,说明性体域网(BAN)102、局域网(LAN)104及广域网(WAN)106。如图1中所展示(及贯穿本发明描述),一个或更多个网络(例如,BAN 102、LAN 104及/或WAN 106)可能重叠或以其它方式彼此包含。所属领域的技术人员将了解,说明性网络102到106为逻辑网络,所述逻辑网络可各自包括一个或更多个不同通信协议及/或网路架构,但可经配置以具有通往彼此或其它网络的网关。例如,BAN 102、LAN 104及/或WAN 106中的每个可以操作的方式连接到相同物理网络架构,例如蜂窝式网络架构108及/或WAN架构110。例如,便携式电子装置112(其可被视为BAN 102及LAN 104两者的组件)可包括网络适配器或网络接口卡(NIC),所述网络适配器或网络接口卡经配置以通过架构108及/或110中的一个或更多个根据一个或更多个通信协议(例如传输控制协定(TCP)、因特网协议(IP)及用户数据报协议(UDP))将数据及控制信号转换成网络消息及从网络消息转换数据及控制信号。这些协议将在此项技术者中为众所周知的,且因此此处将不更详细论述。
网络架构108及110可单独地或以组合方式包含任何类型或拓扑的一个或更多个信息分布网络,例如,电缆、光纤、卫星、电话、蜂窝、无线等等,且如此,可经不同地配置,例如具有一个或更多个有线或无线通信信道(包含但不限于:近场通信(NFC)及/或ANT技术)。因此,图1的网络内的任何装置(例如,本文中所描述的便携式电子装置112或任何其它装置)可被视为包括不同逻辑网络102到106。考虑到上述情况,将描述说明性BAN及LAN(其可耦合到WAN 106)的示例性组件。
1.示例性局域网
LAN 104可包含一个或更多个电子装置,例如计算机装置114。计算机装置114或***100的任何其它组件可包括移动终端,例如,电话、音乐播放器、平板、上网本或任何便携式装置。在其它实施例中,计算机装置114可包括媒体播放器或记录器、桌上型计算机、服务器、游戏控制台,例如XBOX、Playstation,及/或Wii游戏控制台。所属领域的技术人员将了解,出于描述目的,这些仅为示例性装置,且本发明并不限于任何控制台或计算装置。
所属领域的技术人员将了解,计算机装置114的设计及结构可取决于数个因素(例如其预期用途)而变化。图2中提供计算机装置114的一个示例性实施方案,其说明计算装置200的框图。所属领域的技术人员将了解,图2的揭示内容可适应于本文中所揭示的任何装置。装置200可包含一个或更多个处理器,例如处理器202-1及202-2(通常在本文中被称作“多个处理器202”或“处理器202”)。多个处理器202可经由互连网络或总线204彼此或与其它组件通信。处理器202可包含一个或更多个处理核心,例如核心206-1及206-2(在本文中被称作“多个核心206”或更通常称作“核心206”),所述核心可实施在单个集成电路(IC)芯片上。
多个核心206可包括共享高速缓冲存储器208及/或私有高速缓冲存储器(例如,分别为高速缓冲存储器210-1及210-2)。一个或更多个高速缓冲存储器208/210可本地高速缓存存储在例如存储器212的***存储器中的数据,以用于供由处理器202的组件更快速存取。存储器212可经由芯片组216与多个处理器202通信。在某些实施例中,高速缓冲存储器208可为***存储器212的部分。存储器212可包含但不限于随机存取存储器(RAM)、只读存储器(ROM),且包含固态存储器、光学或磁性存储器及/或可用于存储电子信息的任何其它介质中的一个或更多个。其它实施例可省略***存储器212。
***200可包含一个或更多个I/O装置(例如,I/O装置214-1到214-3,每个I/O装置通常被称作I/O装置214)。来自一个或更多个I/O装置214的I/O数据可被存储在一个或更多个高速缓冲存储器208、210及/或***存储器212处。I/O装置214中的每个可经永久地或暂时地配置以使用任何物理或无线通信协定与***100的组件操作通信。
返回到图1,四个示例性I/O装置(经展示为元件116到122)经展示为与计算机装置114通信。所属领域的技术人员将了解,装置116到122中的一个或更多个可为独立的装置或可与除计算机装置114外的另一装置相关联。例如,一个或更多个I/O装置可与BAN 102及/或WAN 106的组件相关联或交互。I/O装置116到122可包含但不限于运动数据获取单元,例如传感器。一个或更多个I/O装置可经配置以感测、检测及/或测量来自用户(例如,用户124)的运动参数。示例包含但不限于:加速度计、陀螺仪、位置确定装置(例如,GPS)、光(包含不可见光)传感器、温度传感器(包含环境温度及/或体温)、睡眠模式传感器、心率监测器、图像捕获传感器、湿度传感器、面部传感器、指南针、角速率传感器,及/或其组合及其它。
在其它实施例中,I/O装置116到122可用于提供输出(例如,听觉、视觉或触觉提示)及/或接收输入,例如来自运动员124的用户输入。下文提供这些说明性I/O装置的示例性用途,然而,所属领域的技术人员将了解,此些论述仅说明本发明的范围内的许多选项中的一些。此外,将解释对任何数据获取单元、I/O装置或传感器的提及,从而揭示可能具有本文中所揭示或此项技术中所已知的一个或更多个I/O装置、数据获取单元及/或传感器(个别地或以组合方式)的实施例。
来自一个或更多个装置(跨越一个或更多个网络)的信息可用于提供包含但不限于以下各项的各种不同参数、度量或生理特性(或用于其形成中):运动参数,例如,速度、加速度、距离、步调、方向、某些身体部位或对象相对于其它的相对移动,或可表达为角速率、直线速率或其组合的其它运动参数;身体参数,例如,卡路里、心率、汗水检测、体力、所消耗氧气、氧动力学,及可在例如以下的一个或更多个类别内的其它度量:压力、冲击力、关于运动员的信息,例如身高、体重、年龄、人口统计信息及其组合。
***100可经配置以发射及/或接收运动数据,包含收集在***100内或以其它方式提供到***100的参数、度量或生理特性。作为一个示例,WAN 106可包括服务器111。服务器111可具有图2的***200的一个或更多个组件。在一个实施例中,服务器111包括至少处理器及存储器,例如处理器206及存储器212。服务器111可经配置以将计算机可执行指令存储在非暂时性计算机可读介质上。指令可包括运动数据,例如收集在***100内的原始或经处理数据。***100可经配置以将例如能量消耗点的数据发射到社交网络网站或此网站的主机。服务器111可用于准许一个或更多个用户存取及/或比较运动数据。如此,服务器111可经配置以基于运动数据或其它信息发射及/或接收通知。
返回到LAN 104,计算机装置114经展示与下文参考示例性实施例依次论述的显示装置116、图像捕获装置118、传感器120及锻炼装置122操作通信。在一个实施例中,显示装置116可将视听提示提供给运动员124以执行特定运动移动。可响应于在计算机装置114或另一其它装置(包含BAN 102及/或WAN的装置)上执行的计算机可执行指令而提供视听提示。显示装置116可为触摸屏装置或以其它方式经配置以接收用户输入。
在一个实施例中,数据可为从图像捕获装置118及/或其它传感器(例如传感器120)获得,所述传感器可用于单独地或与其它装置或所存储信息组合地检测(及/或测量)运动参数。图像捕获装置118及/或传感器120可包括收发器装置。在一个实施例中,传感器128可包括红外线(IR)、电磁(EM)或声波收发器。例如,图像捕获装置118及/或传感器120可将波形发射到环境中,包含朝向运动员124的方向且接收“反射”或以其它方式检测那些所释放波形的变更。所属领域的技术人员将容易了解,可根据各种实施例利用对应于众多不同数据频谱的信号。就此来说,装置118及/或120可检测从外部源(例如,非***100)发出的波形。例如,装置118及/或120可检测从用户124及/或周围环境发出的热。因此,图像捕获装置126及/或传感器128可包括一个或更多个热成像装置。在一个实施例中,图像捕获装置126及/或传感器128可包括经配置以执行范围现象学的IR装置。
在一个实施例中,锻炼装置122可为可配置以准许或促进运动员124执行身体移动的任何装置,例如跑步机、踏步机等等。并不存在装置为静止的要求。就此来说,无线技术准许利用便携式装置,因此根据某些实施例可利用自行车或其它移动锻炼装置。所属领域的技术人员将了解,设备122可为或包括用于接收含有从计算机装置114远程执行的运动数据的电子装置的接口。例如,用户可使用运动装置(下文关于BAN 102予以描述)且在返回家或设备122的位置时将运动数据下载到***100的元件122或任何其它装置中。本文中所揭示的任何I/O装置可经配置以接收活动数据。
2.体域网
BAN 102可包含经配置以接收、发射或以其它方式促进运动数据的收集的两个或更多个装置(包含无源装置)。示范性装置可包含一个或更多个数据获取单元、传感器或此项技术中已知或本文中所揭示的装置,包含但不限于I/O装置116到122。BAN 102的两个或更多个组件可直接通信,然而在其它实施例中,通信可经由第三装置进行,所述第三装置可为BAN 102、LAN 104及/或WAN 106的部分。LAN 104或WAN 106的一个或更多个组件可形成BAN 102的部分。在某些实施方案中,例如便携式装置112的装置为BAN 102、LAN 104及/或WAN 106的部分,可取决于运动员到接入点的接近度,以准许与移动蜂窝网络架构108和/或WAN架构110进行通信。用户活动及/或偏好也可能影响是否使用一个或更多个组件作为BAN102的部分。下文提供示例性实施例。
用户124可能与任何数目个装置相关联(例如,拥有、携带、穿戴及/或与其交互),例如便携式装置112、鞋装式装置126、腕戴装置128及/或感测位置(例如,感测位置130),其可能包括用于收集信息的物理装置或位置。一个或更多个装置112、126、128及/或130可能并非经专门设计用于健身或运动目的。实际上,本发明的方面涉及利用来自多个装置(其中的一些装置并非健身装置)的数据来收集、检测及/或测量运动数据。在某些实施例中,BAN102(或任何其它网络)的一个或更多个装置可包括经专门设计用于特定运动用途的健身或运动装置。如本文中所使用,术语“运动装置”包含可在特定运动或健身活动期间使用或涉及的任何物理对象。示范性运动装置可包含但不限于:高尔夫球、篮球、棒球、英式足球、橄榄球、强力球、冰球、投掷器械、球棒、球杆、球棍、划桨、垫子,及其组合。在其它实施例中,示范性健身装置可包含发生特定运动的运动环境内的对象,包含环境自身,例如,球网、篮框、篮板、场地的部分,例如,中线、外边界标记、起点及其组合。
就此来说,所属领域的技术人员将了解,一个或更多个运动装置还可为结构的部分(或形成所述结构)且反之亦然,结构可包括一个或更多个运动装置或经配置以与运动装置交互。例如,第一结构可包括篮球篮框及篮板,其可为可拆卸的且替换为球门柱。就此来说,一个或更多个运动装置可包括一个或更多个传感器,例如上文关于图1到3所论述的传感器中的一个或更多个,所述传感器可个别地或结合其它传感器(例如与一个或更多个结构相关联的一个或更多个传感器)提供所利用的信息。例如,篮板可包括第一传感器,所述第一传感器经配置以测量由篮球作用于所述篮板上的力及所述力的方向,且篮框可包括用以检测力的第二传感器。类似地,类似地,高尔夫球杆可包含经配置以检测杆上的抓握属性的第一传感器及经配置以测量高尔夫球的冲击力的第二传感器。
查看说明性便携式装置112,其可能为多用途电子装置,其例如包含电话或电子音乐播放器,包含可从美国加利福尼亚州库比蒂诺的Apple有限公司购得的或品牌装置或可从美国华盛顿州雷德蒙德的Microsoft购得的或Windows装置。如此项技术中已知,数字媒体播放器可用作计算机的输出装置、输入装置及存储装置。装置112可经配置为用于接收从BAN 102、LAN 104或WAN106中的一个或更多个装置收集的原始或经处理数据的输入装置。在一个或更多个实施例中,便携式装置112可包括计算机装置114的一个或更多个组件。例如,便携式装置112可包含显示器116、图像捕获装置118及/或一个或更多个数据获取装置,例如上文所论述的I/O装置116到122中的任一者,具有或不具有额外组件,以便包括移动终端。
a.说明性服装/配件传感器
在某些实施例中,I/O装置可形成在用户124的服装或配件(包含手表、臂章、表带、项链、衬衫、鞋等等)内或以其它方式与其相关联。这些装置可经配置以监视用户的运动移动。应理解,所述装置可在用户124与计算机装置114交互及/或独立于计算机装置114(或本文中所揭示的任何其它装置)操作期间检测运动移动。例如,BAN 102中的一个或更多个装置可经配置以充当全天活动监测器,其测量活动而不管用户到计算机装置114的接近度或与其交互如何。应进一步理解,图3中所展示的感觉***302及图4中所展示的装置组合件400(其中的每个在以下段落中进行描述)仅为说明性示例。
i.鞋装式装置
在某些实施例中,图1中所展示的装置126可包括鞋类,所述鞋类可包含一个或更多个传感器,包含但不限于本文中所揭示及/或此项技术中已知的那些传感器。图3说明提供一个或更多个传感器组合件304的传感器***302的一个示例性实施例。组合件304可包括一个或更多个传感器,例如,加速度计、陀螺仪、位置确定组件、力传感器及/或本文中所揭示或此项技术中已知的任何其它传感器。在所说明的实施例中,组合件304并入有多个传感器,所述传感器可包含力敏电阻(FSR)传感器306;然而,可利用其它传感器。端口308可位于鞋的鞋底结构309内,且通常经配置用于与一个或更多个电子装置通信。端口308可任选地经提供成与电子模块310通信,且鞋底结构309可任选地包含用以接纳模块310的外壳311或其它结构。传感器***302还可包含多个引线312,所述引线将FSR传感器306连接到端口308以实现通过端口308与模块310及/或另一电子装置的通信。模块310可被包含在鞋的鞋底结构中的井或腔内,且外壳311可位于所述井或腔内。在一个实施例中,至少一个陀螺仪及至少一个加速度计经提供在单个外壳(例如模块310及/或外壳311)内。在至少其它实施例中,提供一个或更多个传感器,所述传感器在操作时经配置以提供方向信息及角速率数据。端口308及模块310包含用于连接及通信的互补接口314、316。
在某些实施例中,图3中所展示的至少一个力敏电阻器306可含有第一电极或电触点318及第二电极或电触点320以及安置在电极318、320之间以将电极318、320电连接在一起的力敏电阻材料322。在将压力施加到力敏材料322时,力敏电阻材料322的电阻率及/或导电性改变,此改变电极318、320之间的电势。电阻的改变可通过传感器***302检测以检测施加在传感器316上的力。力敏电阻材料322可以各种方式在压力下改变其电阻。例如,力敏材料322可具有在压缩所述材料时减少的内电阻。其它实施例可利用“基于容积的电阻”,其可通过“智能材料”实施。作为另一示例,材料322可通过改变面对面接触(例如两件力敏材料322之间或力敏材料322与一或两个电极318、320之间)的程度而改变电阻。在一些情况下,此类型的力敏电阻行为可被描述为“基于接触的电阻”。
ii.腕戴式装置
如图4中所展示,装置400(其可能类似或包括图1中所展示的感觉装置128)可经配置成由用户124穿戴,例如,围绕手腕、手臂、脚踝、脖子等等。装置400可包含输入机构,例如,经配置以在装置400的操作期间使用的可按压输入按钮402。输入按钮402可以操作方式连接到控制器404及/或任何其它电子组件,例如关于图1中所展示的计算机装置114所论述的元件中的一个或更多个。控制器404可嵌入外壳406或以其它方式成为所述壳体的部分。壳体406可由一个或更多个材料形成,包含弹性组件且包括一个或更多个显示器,例如显示器408。显示器可被视为装置400的可照明部分。显示器408可包含一系列个别照明元件或灯部件,例如,LED灯410。灯可形成阵列且以操作方式连接到控制器404。装置400可包含指示器***412,其还可被视为整个显示器408的部分或组件。指示器***412可结合显示器408(其可具有像素部件414)操作及照明或与显示器408完全分离。指示器***412还可包含多个额外照明元件或灯部件,其还可在示范性实施例中呈LED灯形式。在某些实施例中,指示器***可提供目标的视觉指示,例如通过照明指示器***412的照明部件的部分以表示关于一个或更多个目标的完成。装置400可经配置以基于用户的活动通过显示器408及/或指示器***412在由用户赢得的活动点或货币方面表达的数据。
可将紧固机构416松开,其中可将装置400定位围绕用户124的手腕或部分,且随后可将紧固机构416放置于啮合位置中。在一个实施例中,紧固机构416可包括接口,包含但不限于USB端口,用于与计算机装置114及/或例如装置120及/或112的装置操作交互。在某些实施例中,紧固部件可包括一个或更多个磁铁。在一个实施例中,紧固部件可缺少移动部件且完全依赖于磁力。
在某些实施例中,装置400可包括传感器组合件(图4中未展示)。传感器组合件可包括多个不同传感器,包含本文中所揭示及/或此项技术中已知的那些。在示例性实施例中,传感器组合件可包括或准许操作连接到本文中所揭示或此项技术中已知的任何传感器。装置400及/或其传感器组合件可经配置以接收从一个或更多个外部传感器获得的数据。
iii.服装及/或身***置感测
图1的元件130展示示例性感觉位置,所述感觉位置可与物理设备(例如,传感器、数据获取单元或其它装置)相关联。在其它实施例中,其可能为例如经由图像捕获装置(例如,图像捕获装置118)所检测的身体部位或区域的特定位置。在某些实施例中,元件130可包括传感器,使得元件130a及130b可为集成到服装(例如运动服)中的传感器。此些传感器可放置在用户124的身体的任何所要位置处。传感器130a/b可与BAN 102、LAN 104及/或WAN106的一个或更多个装置(包含其它传感器)通信(例如,以无线方式)。在某些实施例中,无源感测表面可反射波形,例如由图像捕获装置118及/或传感器120发出的红外线光。在一个实施例中,位于用户124的服装上的无源传感器可包括由玻璃或可反射波形的其它透明或半透明表面制成的大体球形结构。可利用不同种类服装,其中给定种类服装具有经配置以在被恰当穿戴时定位接近于用户124的身体的特定部分的特定传感器。例如,高尔夫服装可包含以第一配置定位于服装上的一个或更多个传感器且英式足球服装可包含以第二配置定位在服务上的一个或更多个传感器。
图5展示感觉输入的说明性位置(参见例如感觉位置130a到130o)。就此来说,传感器可为位于用户的服装上/中的物理传感器,但在其它实施例中,传感器位置130a到130o可基于两个移动身体部位之间的关系的识别。例如,传感器位置130a可通过用例如图像捕获装置118的图像捕获装置识别用户124的运动来确定。因此,在某些实施例中,传感器可能并非物理上定位于特定位置(例如传感器位置130a到130o中的一个或更多个)处,但经配置以例如用图像捕获装置118或从其它位置收集的其它传感器数据来感测所述位置的性质。就此来说,用户的身体的整个形状或部分可准许某些身体部位的识别。无论利用图像捕获装置及/或位于用户124上的物理传感器,及/或使用来自其它装置(例如感觉***302)的数据,利用本文中所揭示或此项技术中已知的装置组合件400及/或任何其它装置或传感器,传感器可感测身体部位的当前位置及/或追踪身体部位的移动。在一个实施例中,与位置130m有关的感觉数据可用于确定用户的重心(也称作质心)。例如,位置130a与位置130f/130l之间相对于位置130m到130o中的一个或更多个的关系可用于确定是否已沿着垂直轴(例如,在跳跃期间)评估用户的重心或用户是否尝试通过弯曲或屈曲其膝盖来“假装”跳跃。在一个实施例中,传感器位置1306n可能经定位于用户124的胸骨周围。同样地,传感器位置130o可能经定位接近于用户124的肚脐。在某些实施例中,可利用来自传感器位置130m到130o的数据(单独地或结合其它数据)来确定用户124的重心。在其它实施例中,可利用多个传感器位置(例如传感器130m到130o)之间的关系来确定用户124的定向及/或旋转力,例如用户124的躯干的扭曲。此外,一个或更多个位置(例如位置)可用作(或接近)力矩位置的中心。例如,在一个实施例中,位置130m到130o中的一个或更多个可用作用户124的矩心位置的点。在另一实施例中,一个或更多个位置可用作特定身体部位或区域的矩心。
锻炼可经分类成多个强度域。在一个示例中,锻炼可分类成四个强度域,包含:中度、重度、剧烈及极端,此是基于运动员或用户的不同的新陈代谢配置文件定义。在一个示例中,可使用功率度量监测运动员的用力。图6A描绘对应于用户所进行的三个锻炼时段的三个图形606、608及610,且此所述用力用图形表示为功率(y轴602)对时间(x轴604)。因此,图形606、608及610可能对应于以大约恒定做功率实施的三个单独锻炼时段。如此,图形606、608及610在图6A中经描绘为大约平稳图形(level graph)。在一个特定示例中,与图形606、608及610相关联的锻炼时段可能对应于用户抵抗大约恒定阻力(大约恒定速度、大约恒定坡度、大约恒定风阻,及其它)骑行。在一个示例中,与图形606、608及610相关联的锻炼时段中的每个可在控制环境(例如基于实验室环境)中实施,且使得运动员可能在静止的锻炼脚踏车上抵抗受控制的且大约恒定阻力且以大约恒定速度骑行。如此,可基于施加于锻炼脚踏车的阻力及所检测人(被称作运动员或用户)骑行的速度而计算与锻炼时段相关联的功率。在另一示例中,图形606、608及610可对应于抵抗大约恒定阻力(以大约恒定速度及大约恒定坡度)实施的三个所监测跑步锻炼时段。如此,图形606、608及610可能对应于用户在跑步机上以大约恒定速度及大约恒定坡度跑步。另外或替代地,图形606、608及610可能对应于在在用于在常规自行车上在非基于实验室环境中以三个大约恒定做功速率(大约恒定功率)骑行时或在用于在非基于实验室环境中以三个大约恒定做功速率跑步使所监测的三个锻炼时段。此外,图形606、608及610可能对应于替代锻炼形式(例如,越野滑雪、速度滑冰,及其它)。
图形606、608及610示意性描绘由相同用户以对应于所述用户的三个不同锻炼强度域的三个大约恒定做功速率实施的同一锻炼类型。特定来说,图形610可能对应于中度锻炼强度域,图形608对应于重度锻炼强度域,且图形606对应于剧烈锻炼强度域。在一个示例中,中度锻炼强度域可经定义为对应于低于乳酸盐阈值(LT)的锻炼强度(功率电平),所述乳酸盐阈值在图6A中示意性描绘为阈值线612,且另外被称作气体交换阈值(GET)、乳酸拐点(LIP)或无氧阈值(AT)。如此,乳酸盐阈值可能对应于乳酸盐(特定来说,乳酸)开始在锻炼用户的血液中累积的锻炼强度。在一个特定示例中,图形610可能低于所监测用户的乳酸阈值大约10%。
在一个示例中,图形608可能对应于重度锻炼强度域,且使得重度锻炼强度域可定义为在于线612相关联的乳酸盐阈值与临界强度(CI)(另外被称作临界功率(CP))之间实施的锻炼强度。在一个示例中,与图形606、608及610相关联的用户的临界强度可由线614表示。如此,当锻炼强度低于临界强度时,血液乳酸盐及耗氧量(VO2)的提高可在大约10到15分钟之后稳定。临界强度下的做功速率可定义为不会引起最大摄氧量的延长持续时间内的最高可持续做功速率。在一个示例中,图形608可为低于临界强度614大约15%。
图形606可能对应于剧烈锻炼强度域。剧烈锻炼强度域可能对应于超过由线614所示意性描绘的临界强度的锻炼强度。如此,剧烈锻炼强度域内的做功速率可能不可逆转地导致最大耗氧量,此可被称作急性疲劳。用户能够超过临界强度完成的做功量可能为量有限的但与速率无关。换句话说,不管完成做功的速率(即,功率)如何,给定用户能够超过临界强度执行的做功量可能为固定的。用户能够执行的此做功量可被称作有限备用量,且可表示为W'。在一个示例中,有限备用量可替代地被称作无氧量或无氧做功量。在一个示例中,在有限备用量被表达为距离使,其可能替代地表示为D'。在一个示例中,与图形606相关联的剧烈锻炼时段可能超过与线614相关联的临界强度大约15%。
线616示意性表示与图形606、608及610相关联的用户的最大耗氧量(VO2max)。此最大耗氧量可替代地被称作最大摄氧量、峰值摄氧量或最大无氧量,且可为用户的最大耗氧率。在一个示例中,最大耗氧量可能以每分钟的氧气的升数(L/min)或以每分钟每千克体重的氧气的毫升数(mL/(kg.min))来表达。
图形606、608及610中的每个的长度对应于中度(图形610)、重度(图形608)及剧烈(图形606)锻炼强度域内的三个锻炼时段的持续时间。因此,剧烈锻炼强度时段606经实施达对应于时间618的持续时间。类似地,重度锻炼强度时段608经实施达对应于时间620的持续时间,且中度锻炼强度时段610经实施达对应于时间622的持续时间。在一个实施方案中,可利用对对应于线614的临界强度、超过临界强度的强度(例如,与对应于图形606的锻炼时段相关联的强度)及剧烈锻炼强度域(即,超过临界强度)的锻炼时段的持续时间618来计算用户的有限备用量。在一个示例中,有限备用量可计算为超过临界功率的功率图形的积分。针对图形606(在恒定功率下)的示例,在图形下但超过临界功率的区域可计算为
有限备用量W'(J)=超过临界强度的强度(W)×疲劳的时间(s)。
在一个示例中,一旦知晓(即,识别及/或计算)临界强度及与给定运动员相关联的有限做功量,即可使用由例如装置112、114、128、200及/或400及其它中的一个或更多个的活动监测装置对运动员的运动表现的实时监测来提供关于相对于运动员的临界强度的当前运动强度的反馈。另外或替代地,给定与运动员相关联的临界强度及有限做功量,可利用活动监测装置来预测当前锻炼时段的一个或更多个结果。如此,除其它外,还可利用活动监测装置来预测运动员的竞赛时间。稍后在随后的各种揭示内容中论述关于利用临界强度及有限做功量信息来向用户提供反馈的其它细节。
肌肉氧合MO2可用作用于监测运动员的锻炼表现的度量。在一个示例中,可监测肌肉氧合以便除其它外识别与运动员相关联的临界强度及/或无氧做功量。关于图7进一步详细论述并入有肌肉氧合传感器的活动监测装置。图6B示意性描绘肌肉氧合百分比MO2(%)(y轴624)对时间(x轴626)的三个图形628、630及632。三个图形628、630及632对应于图6A的三个图形606、608及610(即,用于标绘图形628、630及632的肌肉氧合百分比数据是从与图形606、608及610相关联的锻炼测试接收)。在一个示例中,图形628、630及632可各自描绘与运动员的四头肌相关联的肌肉氧合百分比,且使得针对图形628、630及632中的每个,肌肉氧合百分比数据可为通过相同传感器类型检测(如关于图7进一步详细地描述),且从运动员身体上的大约相同位置检测(即,接近运动员的四头肌)。
图形628示意性描绘在剧烈锻炼强度域内锻炼(即,以对应于图形606的强度进行锻炼)的运动员的四头肌的肌肉氧合百分比的进展。如图6B中所描绘,图形628描绘肌肉氧合百分比的温度下降,在时间618在锻炼结束(疲劳点)之前未展示肌肉氧合百分比的增加。图形630示意性描绘在重度锻炼强度域内锻炼(即,以对应于图形608的强度锻炼)的运动员的四头肌的肌肉氧合百分比的进展。如图6B中所描绘,图形630描绘在第一时间周期期间直到点634的肌肉氧合百分比的下降。在点634处,图形630展现在时间620在锻炼完成之前(在运动员疲劳之前)肌肉氧合百分比的恢复。图形632示意性描绘在中度锻炼强度域内锻炼(即,以对应于图形610的强度锻炼)的运动员的四头肌的肌肉氧合百分比的进展。如图6B中所描绘,图形632描绘在第一时间周期期间直到点636的肌肉氧合百分比的下降。在点636处,图形632展现在时间622在锻炼完成之前肌肉氧合百分比的恢复。
如先前所论述,可从经配置以检测运动员的四头肌的肌肉氧合的传感器接收用于标绘图形628、630及632的数据。此外,与图形628、630及632相关联的锻炼时段可除其它外还包含骑行或跑步时段,且使得运动员的腿部肌肉被视为锻炼时段的活动肌肉(即,如与运动员的手臂肌肉及其它相反)。总之,图6B示意性描绘给定锻炼时段的活动四头肌的肌肉氧合百分比可展现在中度(图形632)或重度(图形630)锻炼强度域内锻炼时从初始下降恢复,但肌肉氧合百分比当在剧烈锻炼强度域内锻炼时将不恢复。
图6C示意性描绘肌肉氧合百分比(y轴640)对时间(x轴642)的三个图形644、646及648。三个图形644、646及648对应于图6A的三个图形606、608及610(即,用于标绘图形644、646及648的肌肉氧合百分比数据可能是从与图形606、608及610相关联的锻炼测试接收)。在一个示例中,图形644、646及648可各自描绘与运动员的前臂肌肉相关联的肌肉氧合百分比。如此,图形644、646及648可能与集中于运动员的腿部肌肉的锻炼时段(例如,骑行或跑步及其它)的非活动肌肉相关联。如此,图形644、646及648可能是依据通过相同传感器类型检测(如关于图7进一步详细地描述)的且从运动员的身体上的大约相同位置(即,接近于运动员的前臂肌肉)检测的数据标绘。
在一个示例中,图形644、646及648可展现类似于来自图6B的图形628、630及632的趋势。特定来说,图形644描绘肌肉氧合百分比的稳定下降,在锻炼结束(在点618处)之前未展现肌肉氧合百分比的增加。如此,图形644可与剧烈锻炼强度域及来自图6A的图形606相关联。图形646示意性描绘在重度锻炼强度域内锻炼(即,以对应于图形608的强度进行锻炼)的运动员的前臂肌肉的肌肉氧合百分比的进展。如图6C中所描绘,图形646描绘在第一时间周期期间直到点650的肌肉氧合百分比的下降。在点650处,图形646展现在时间620在锻炼完成之前肌肉氧合百分比的恢复。图形648示意性描绘在中度锻炼强度域内锻炼(即,以对应于图形610的强度锻炼)的运动员的前臂肌肉的肌肉氧合百分比的进展。如图6C中所描绘,图形648描绘在第一时间周期期间直到点652的肌肉氧合百分比的下降。在点652处,图形648展现在时间622在锻炼完成之前肌肉氧合百分比的恢复。
因此,图6B及6C示意性描绘可当在中度、重度及剧烈锻炼强度域内锻炼时通过活动肌肉及非活动肌肉两者展现肌肉氧合百分比的类似趋势。以此方式,肌肉氧合传感器(例如关于图7进一步详细描述的肌肉氧合传感器)可定位在活动或非活动肌肉上以便检测关于运动员的有用活动数据。
图7示意性描绘活动监测装置700。在一个示例中,活动监测装置700可包含类似于装置112、114、128、200及/或400及其它的一个或更多个元件及/或功能性。因此,活动监测装置700可包括处理器702,所述处理器可类似于处理器202-1及202-2中的一个或更多个。处理器702可包括经配置以并行执行一个或更多个计算指令的一个或更多个处理核心。另外或替代地,处理器702可利用一个或更多个处理器核心来连续执行计算指令,或连续及并行处理的组合。此外,处理器702可以用本文中所揭示或此项技术者通常已知的任何计算时钟速度(时钟速度可与可通过处理器702执行计算指令的速率有关)来体现。在一个示例中,处理器702可经配置以执行存储在例如存储器704上的非暂时性计算机可读介质上的计算机可执行指令。如此,存储器704可类似于存储器212,且可包含但可能不限于永久或易失性存储器。如此,存储器704可包含随机存取存储器(RAM)、只读存储器(ROM)、固态存储器、光学或磁性存储器及/或可用于存储电子信息的任何其它介质中的一个或更多个。
在一个实施方案中,可通过电源703将电能提供到活动监测装置700的组件(即,组件702、704、706、708及/或710)中的一个或更多个。如此,电源703可包括电池、光伏打电池、温差发电器或来自外部源的有线电源中的一个或更多个。此外,电源703可经配置以向获得监测装置700的一个或更多个组件供应具有电压的电输出,且经配置以供应任何电流,不背离这些揭示内容的范围。
活动监测装置700可包含传感器706。如此,传感器706可包括加速度计、陀螺仪、位置确定装置(例如,GPS)、温度传感器(包含环境温度及/或体温)、睡眠模式船安全、心率传感器、图像捕获传感器、湿度传感器、面部传感器、指南针、角速率传感器及/或其组合以及其它。在一个实施方案中,活动监测装置700可包含接口708。如此,接口708可用经配置以促进活动监测装置700与外部装置或网络(图7中未描绘)之间的通信的硬件及/或固件及软件体现。在一个示例中,接口708可促进活动监测装置700与外部装置或网络之间的无线及/或有线通信。在一个示例中,接口708可使用Wi-Fi、蓝牙、以太网电缆、USB连接或本文中所揭示或此项技术者已知的任何其它连接类型中的一个或更多个进行通信。如此,接口708可跨越局域网(LAN)、广域网(WAN)或因特网及其它促进活动监测装置700与外部装置之间的通信。另外或替代地,接口708可促成活动监测装置708与用户接口之间的通信。如此,用户接口可包含显示装置,例如显示装置116及/或一个或更多个输入接口(例如,一个或更多个按钮接口、触摸屏接口、麦克风接口等等)。
另外或替代地,活动监测装置700可包含肌肉氧合传感器710。在一个示例中,肌肉氧合传感器710可经配置以发射在近红外波长范围内的电磁辐射。如此,肌肉氧合传感器710可利用近红外光谱(NIRS)。通过将肌肉氧合传感器710定位接近于用户的皮肤716区域,所发出的电磁辐射(通过箭头722示意性描绘)可行进到用户的身体穿过(在一个示例中)皮肤716层、脂肪718且到肌肉组织720。在一个示例中,氧合血红蛋白及脱氧血红蛋白可充当生色团(吸收不同量的不同波长光)。此外,氧合血红蛋白及脱氧血红蛋白可跨越近红外电磁辐射范围展现相对较大的吸收特性差异。如此,发射器712可经配置从而以具有大约600到900nm的波长范围的近红外光谱发出电磁辐射。在另一示例中,发射器712可经配置以发出具有大约630nm到850nm的波长范围的红外光。在另一示例中,发射器712可经配置以发出跨越另一范围的红外光,而不背离这些揭示内容的范围。在一个示例中,发射器712可包括一个或更多个发光二极管(LED)元件。在一个特定示例中,发射器712可包括四个发光二极管。
因此,从发射器712发出的光的部分可被反向散射且由检测器714检测到。在一个示例中,线724可表示由检测器714检测到的反向散射光的部分。如此,肌肉氧合传感器710可经配置以计算所发出光与所检测到光之间的强度的衰减。此衰减可能与除其它外由氧合血红蛋白及脱氧血红蛋白生色团吸收的光的量有关。如此,通过检测所发出近红外光的衰减,肌肉氧合传感器710可确定氧合血红蛋白或脱氧血红蛋白的浓度。反过来,基于氧合血红蛋白或脱氧血红蛋白的所确定浓度,肌肉氧合传感器710可以计算与肌肉720相关联的肌肉氧合百分比。
在一个实施方案中,肌肉氧合传感器710可以根据比尔-朗伯(Beer-Lambert)定律而计算与肌肉组织720相关联的肌肉氧合百分比:
log(Iout/Iin)=ε.L.c
其中Iin为从发射器712发出的近红外辐射的强度,Iout为由检测器714检测到的近红外辐射的强度,ε为生色团的摩尔衰减系数,c为生色团的浓度量,且l为所发出近红外辐射行进穿过身体(即,皮肤716、脂肪718及肌肉720中的一个或更多个)的路径长度。
将了解,从发射器712发出的光是由线722示意性表示,且由检测器714检测到的所发出光的所述部分是由线724示意性表示。实际上,从发射器712发出的光行进到用户的身体(即,穿过皮肤716、脂肪718及肌肉720中的一个或更多个)的路径且由检测器714检测到光可能较复杂,且包括多个不同路径。
在一个示例中,活动监测装置700的肌肉氧合传感器710可经配置以定位接近于用户的皮肤716的区域。如此,在一个示例中,发射器712及检测器714可经定位使得发射器712与皮肤716之间基本上不存在间隔,且类似地,检测器714与皮肤716之间基本上不存在间隔。在另一示例中,活动监测装置700可经配置以定位接近于用户的皮肤716的区域,使得发射器712与皮肤716之间的间隙及/或皮肤716中的检测器714不包含服装层。在另一示例中,活动监测装置700可经配置以定位接近于用户的皮肤716的区域,使得一个或更多个服装层可定位在发射器712与皮肤716之间及/或检测器714与皮肤716之间。
在一个示例中,活动监测装置700且特定来说肌肉氧合传感器710可用于确定(在一个示例中,计算)与用户相关联的临界强度及/或无氧做功量。在一个特定示例中,肌肉氧合传感器710可用于确定用户达到锻炼的临界强度的临界肌肉氧合百分比。因此,图8示意性描绘可用于依据从例如传感器710的组织氧合传感器输出的数据而计算用户的临界组织氧合百分比及/或无氧做功量中的一个或更多个的流程图800。如此,临界组织氧合百分比在一个示例中可能为肌肉组织的临界组织氧合百分比及其它。
在一个实施方案中,为了计算临界组织氧合百分比及/或无氧做功量中的一个或更多个,用户可向例如装置700的活动监测装置提供测试数据。在一个示例中,测试数据可在锻炼周期(其可另外被称作锻炼时段)期间由例如传感器710的传感器产生。在一个示例中,锻炼周期可包括规定的持续时间,在所述规定的持续时间期间用户经指示在规定的时间限制内跑地尽可能快(即,尽可能远)。在某些特定示例中,锻炼周期可指示用户在以下持续时间内跑地尽可能远:例如,一分钟、二分钟、三分钟、四分钟、五分钟、六分钟、七分钟、八分钟、九分钟、10分钟、12分钟、15分钟、20分钟或任何其它持续时间。因此,例如传感器710的组织氧合传感器可经配置以在锻炼周期期间每秒输出组织氧合百分比数据点。替代地,例如传感器710的组织氧合传感器可经配置以按不同频率(其可能为0.25Hz、0.5Hz、2Hz、3Hz、4Hz或任一其它频率)输出组织氧合百分比数据点。在一个示例中,针对用户规定以便产生测试数据的锻炼周期可确保用户在锻炼周期的规定的持续时间的至少部分期间以超过用户的临界强度的强度锻炼。因此,在一个示例中,在流程图800的框802处,可执行一个或更多个过程来指示用户开始锻炼周期。
如先前所论述,可使用例如传感器710的组织氧合传感器来检测并输出指示组织氧合百分比的数据。在一个示例中,组织氧合传感器710可输出指示锻炼周期的每一秒内的当前组织氧合百分比的数据点。因此,在一个示例中,在流程图800的框804处,可接收所输出的组织氧合数据供在一个示例中由处理器702进行进一步处理。
在一个实施方案中,可存储规定的锻炼周期的每一秒内的组织氧合百分比。如此,可将规定的锻炼周期的每一秒内的组织氧合百分比存储在例如存储器704中。在给定锻炼周期完成时,可计算对应于规定的锻炼周期的持续时间的每一秒内的所存储组织氧合百分比的总数目的数目。此数目可被称作锻炼周期内的组织氧合数据点的总数目。在流程图800的框806处,可通过在一个示例中处理器702来计算组织氧合数据点的此总数目。
用于产生数据以便确定用户的临界肌肉氧合百分比及/或无氧做功量的锻炼周期可总结为包括两条信息的数据点。除锻炼周期/时段的总时间(即,持续时间)外,此锻炼周期总结数据点可包括如在一个示例中在框806处所确定的组织氧合数据点的总数目。在一个示例中,两条信息(即,组织氧合数据点的总数目,及总时间)可表达坐标点。在一个示例中,此坐标点P可为形式P(x1,y1),其中y1可为组织氧合数据点的总数目(肌肉氧合百分比(%)×时间(s)),且x1可为总时间(s)。以此方式,可标绘表达为坐标点的锻炼周期总结数据点,如在图9中示意性描绘。在一个示例中,可在流程图800的框808处计算锻炼周期总结数据点。
在一个实施方案中,为了计算用户的临界组织氧合百分比及/或无氧做功量中的一个或更多个,可利用两个或更多个锻炼周期总结数据点。在一个示例中,用于产生两个或更多个锻炼周期总结数据点的锻炼周期的持续时间可能不同。因此,在一个示例中,可执行一个或更多个过程来确定用户是否已完成阈值数目个锻炼周期以便计算用户的临界组织氧合百分比及/或无氧做功量中的一个或更多个。如先前所描述,此阈值数目个锻炼周期可为至少两个、至少三个、至少四个或至少五个及其它数目个。在一个特定示例中,在流程图800的决策框810处,可通过处理器702执行一个或更多个过程来确定是否已完成阈值数目个锻炼周期。因此,如果已达到或超过阈值数目个锻炼周期,那么流程图800继续进行到框812。然而,如果尚未达到阈值数目个锻炼周期,流程图800从决策框810继续进行到框802。
在一个示例中,可使用依据两个或更多个规定的锻炼周期计算的两个或更多个锻炼周期总结数据点来计算回归。此回归可能为线性回归,或曲线回归。如此,此项技术中已知的用于计算线性或曲线回归的任何计算过程可与本发明一起使用。在一个实施方案中,可利用所计算回归的至少部分来确定用户的临界组织氧合百分比及/或无氧做功量中的一个或更多个。在一个特定示例中,可在流程图800的框812处执行一个或更多个过程来计算回归。
可利用使用两个或更多个锻炼周期总结数据点所计算的回归的至少部分来确定用户的临界组织氧合百分比。具体来说,临界组织氧合百分比可对应于回归线的斜率(或曲线回归的线性部分的斜率)。在流程图800的框814处,可执行一个或更多个过程来输出通过两个或更多个锻炼周期总结数据点计算为回归线的斜率的临界组织氧合百分比。
可利用使用两个或更多个锻炼周期总结数据点所计算的回归的至少部分来确定用户的无氧量。具体来说,无氧量可对应于回归线的截距(或曲线回归的线性部分的截距)。在一个示例中,无氧量可表达为超过临界氧合百分比(%)的组织氧合数据点的总数目(组织氧合百分比(%)×时间(s))。在一个实施方案中,在流程图800的框816处,可执行一个或更多个过程来输出通过两个或更多个锻炼周期总结数据点计算为回归线的截距的无氧量。
图9A为标绘关于给定用户的来自多个锻炼周期或时段的测试数据的曲线图。特定来说,图9A为标绘总肌肉氧合点902对时间904的曲线图900。点906、908及910各自为锻炼周期总结数据点,如关于图8所描述。如此,可针对相同用户且针对在此示例中三个单独的锻炼时段计算锻炼周期总结数据点906、908、910。因此,锻炼周期总结数据点906、908及910中的每个可表示单独的锻炼时段。特定来说,与锻炼周期总结数据点906、908及910相关联的锻炼时段可分别具有大约300秒、720秒及900秒的持续时间。此外,在相应锻炼时段期间,可对在给定锻炼时段的总持续时间的每一秒内针对用户所检测到的肌肉氧合百分比数据进行求积分以得出针对相应锻炼周期总结数据点906、908及910的等于大约6000、25,000及30,000的肌肉氧合点的总数目。
在一个示例中,锻炼周期总结数据点906、908、910可各自表示单独锻炼时段,且使得在用户的剧烈锻炼强度域内实施这些锻炼时段中的每个的部分。在一个实施方案中,锻炼周期总结数据点906、908、910可各自表示以连续方式实施的单独锻炼时段(不断锻炼不休息,例如,连续跑步及/或骑行)。然而,在另一实施方案中,锻炼周期总结数据点906、908、910中的一个或更多个可各自表示以间断方式实施的单独锻炼时段(具有一个或更多个非活动/低活动周期及一个或更多个高活动周期的不连续锻炼时段,例如参与团队运动,例如篮球、英式足球等等)。
在一个实施方案中,可使用如在曲线图900上所标绘的三个锻炼周期总结数据点906、908及910来计算回归线912。在一个示例中,此回归线912可为形式:
y=max+ca
其中y为肌肉氧合点的总数目(y轴),x为时间(s)(x轴),ma为回归线912的斜率,且ca为回归线912在y轴上的截距。
针对用于产生锻炼周期总结数据点906、908及910的示例性实验数据,回归线912可具有形式:y=39.62x-5112.13,其中r2值为0.99999。应注意,此回归线912公式仅经包含作为一个示例性结果,且可不对应于上文针对锻炼周期总结数据点906、908及910所论述的示例性值。
在一个示例中,可使用穿过两个或更多个锻炼周期总结数据点(例如,锻炼周期总结数据点906、908及910)的回归线(例如,回归线912)来计算用户的临界肌肉氧合百分比及/或超过临界肌肉氧合百分比的肌肉氧合点的总数目(其可能与无氧做功量成比例)。在一个示例中,给定以下形式的回归线912:y=mx+c,临界肌肉氧合百分比可能等于m,回归线912的斜率,且超过临界肌肉氧合百分比的肌肉氧合点的总数目可能等于c(或|c|,c的绝对值),回归线912在y轴上的截距。特定来说,给定曲线图900中所描绘的实验数据,用户的临界肌肉氧合百分比可能为39.62%,且超过临界肌肉氧合百分比的肌肉氧合点的总数目可能为5112.13。
在另一示例中,大于图9A中所描绘的三个锻炼周期总结数据点906、908、910的多个锻炼周期总结数据点来计算回归线912。此外,此项技术中已知的用于计算线性回归的任何方法可与这些揭示内容一起用于计算回归线912。另外,虽然图9A以图解方式描绘回归线912,但活动监测装置700可经配置以计算用户的临界肌肉氧合百分比及/或超过临界肌肉氧合百分比的肌肉氧合点的总数目,无需要求标绘回归线。即,活动监测装置700可依据从肌肉氧合传感器710输出的肌肉氧合数据而计算临界肌肉氧合百分比及/或超过临界肌肉氧合百分比的肌肉氧合点的总数目中的一个或更多个,无需通过锻炼周期总结数据点来计算及/或标绘回归线。如此,对回归线912的叙述可为对由活动监测装置700所使用的方法的形象化描述;然而,活动监测装置700可利用替代的计算过程来计算相同结果的临界肌肉氧合百分比及/或超过临界肌肉氧合百分比的肌肉氧合点的总数目。
图9B描绘依据相同用户的多个锻炼周期标绘测试数据的曲线图920。特定来说,图9B描绘标绘肌肉氧合百分比(%)922对反时(s-1)924的曲线图920。在一个示例中,数据点926、928及930可各自表示单独锻炼时段。在一个实施方案中,来自数据点926、928、930的数据点可为形式(x2,y2),其中y2为总锻炼时段内的平均肌肉氧合百分比,且在一个示例中经计算为锻炼周期(以秒为单位)的每一秒内的肌肉氧合百分比的和除以锻炼周期(以秒为单位)的持续时间。所属领域的技术人员将认识到,所利用的时间分辨率(或采样率)可能不同于本文中所描述的一秒分辨率,但不背离这些揭示内容的范围。比如,在许多其它分辨率间,y2可在另一示例中计算为锻炼周期的每一半秒间隔内的肌肉氧合百分比的和除以锻炼周期中的半秒的总数目。因此,x2可计算为1/(给定锻炼周期的总持续时间),得出结果为反时,以秒-1(s-1)为单位。在一个特定实施方案中,数据点926可包含与锻炼周期总结数据点910相同的信息。类似地,数据点928可包含与锻炼周期总结数据点908相同的信息,且数据点930可包含与锻炼周期总结数据点906相同的信息。
在一个实施方案中,可使用两个或更多个数据点(例如,数据点926、928、930)来计算回归线932。在一个示例中,回归线932可为形式:
y=mbx+cb
其中y为肌肉氧合百分比(%)(y轴),x为反时间(s-1)(x轴),mb为回归线932的斜率,且cb为回归线932在y轴上的截距。
在一个示例中,针对曲线图920中所描绘的特定数据,回归线932可具有形式:y=-5102.35x+39.6,其中r2值为0.99999。因此,回归线932的斜率mb(或|mb|绝对值)可等于超过用户的临界肌肉氧合百分比的肌肉氧合点的数目。类似地,截距c可等于用户的临界肌肉氧合百分比。
图10为可用于确定用户是否在剧烈锻炼强度域内以不可持续做功速率锻炼的流程图1000。在一个实施方案中,活动监测装置(例如装置700)可接收指示在锻炼时用户的实时组织氧合百分比的组织氧合数据。因此,此组织氧合数据可能在一个示例中通过肌肉氧合传感器710来产生。如此,在一个示例中可通过处理器702来执行一个或更多个过程来接收组织氧合数据。可在流程图1000的框1002处执行用以接收组织氧合数据的这些一个或更多个过程。
在一个实施方案中,可将所接收组织氧合数据与用户的临界组织氧合百分比进行比较。如此,可通过例如装置700的处理器702的活动监测装置及例如存储器704的所存储存储器来计算用户的临界氧合百分比。此外,可使用关于图8所描述的一个或更多个过程来计算用户的临界肌肉氧合百分比。在一个示例中,可通过处理器702将所接收组织氧合数据与用户的临界组织氧合百分比进行比较。如此,可在流程图1000的框1004处执行通过处理器702执行以将所接收组织氧合数据与用户的临界组织氧合百分比进行比较的一个或更多个过程。
所接收的组织氧合数据与用户的临界组织氧合百分比的比较可包含关于所接收的实时组织氧合百分比是否超过或等于临界组织氧合百分比的确定。此确定可由流程图1000的决策框1006表示。因此,如果所接收组织氧合数据表示等于或超过用户的临界组织氧合百分比的组织氧合百分比,那么活动监测装置700可输出指示用户以可持续做功速率锻炼的信号。在一个示例中,可经由一个或更多个指示灯、用户接口、听觉信号或触觉反馈信号及其它来将此输出信号传递到用户。如此,输出信号可通过活动监测装置700的接口708传递。在一个示例中,可在流程图1000的框1008处执行经执行以输出指示用户以可持续做功速率(即,在剧烈锻炼强度域外)锻炼的信号的一个或更多个过程。在一个实施方案中,如果所接收组织氧合数据表示低于用户的临界组织氧合百分比的组织氧合百分比,那么活动监测装置700可输出指示用户以不可持续做功速率锻炼的信号。在一个示例中,此输出信号可以类似于关于框1008所描述的输出信号的方式递送。此外,可在流程图1000的框1010处执行经执行以输出指示用户以不可持续做功速率(即,在剧烈锻炼强度域内)进行锻炼的信号的一个或更多个过程。
图11为可用于确定用户是以不可持续、可持续还是临界做功速率锻炼的流程图1100。在一个实施方案中,例如装置700的活动监测装置可从例如传感器710的组织氧合传感器接收指示在锻炼时用户的组织的实时氧合百分比的周期性数据。因此,组织氧合百分比数据可在一个示例中通过处理器702从传感器710接收且具有一个样本/秒(1Hz)的周期性。在另一实施方案中,传感器710可每二秒(0.5Hz)一次、每三秒(0.33Hz)一次或每四秒(0.25Hz)一次及其它地输出指示组织氧合百分比的数据点。此外,组织氧合数据可以任何速率由传感器710产生及从传感器710接收,而不背离这些揭示内容的范围。在一个示例中,在流程图1100的框1102处,可执行一个或更多个过程以通过例如处理器702的处理器从组织氧合传感器接收指示组织氧合百分比的周期性数据。
在一个实施方案中,可将从例如传感器710的组织氧合传感器接收的组织氧合数据存储在例如存储器704的存储器中。因此,在一个示例中,可基于最近接收的组织氧合百分比数据点与一个或更多个先前存储的组织氧合百分比数据点的比较来计算组织氧合数据中的趋势。在一个示例中,一个或更多个过程可由活动监测装置700的处理器702执行以计算在跨越所保存组织氧合百分比数据点与最近所接收组织氧合百分比数据点之间的时间内的组织氧合百分比的改变。在一个实施方案中,此改变可计算为正数(其可指示组织氧合百分比的增加),计算为负数(其可指示组织氧合百分比的减少),或计算为零值(其可指示组织氧合百分比无改变)。在另一实施方案中,一个或更多个过程可由活动监测装置700的处理器702执行以将组织氧合百分比的趋势计算为回归线的斜率,且是使用两个或更多个组织氧合百分比数据点计算。如此,如果所计算线的斜率具有负值,那么其可指示组织氧合百分比的下降。类似地,如果线的斜率经计算为具有正值,那么其可指示组织氧合百分比的增加,且如果线的斜率经计算为具有零值,那么其可指示组织氧合无改变。在一个示例中,可在流程图1100的框1104处执行用于计算组织氧合趋势的一个或更多个过程。
在额外或替代实施方案中,可根据关于图15中所描述的一个或更多个过程,例如在框1104处计算组织氧合的趋势。
决策框1106可表示由处理器702执行的以确定来自框1104的所计算组织氧合趋势是否表示负趋势的一个或更多个过程。因此,如果确定所计算组织氧合趋势为负,那么流程图1100可继续进行到框1108。在一个实施方案中,在确定从组织氧合传感器接收的数据表示负趋势时,可执行一个或更多个过程来输出指示用户可以不可持续做功速率锻炼的信号。如此,可在框1108处执行经配置以输出指示用户可以不可持续做功速率锻炼的信号的一个或更多个过程。在另一实施方案中,如果确定从组织氧合传感器接收的数据并不表示负趋势,那么流程图1100可继续进行到决策框1110。因此,决策框1110可与经执行以确定所计算组织氧合趋势是否为正的一个或更多个过程相关联。如果确定所计算组织氧合趋势为正,那么流程图1100可继续进行到框1112。因此,在一个实施例中,如果确定所计算组织氧合趋势为正,那么可输出信号以指示用户以可持续做功速率锻炼。在一个示例中,可在流程图1100的框1112处执行用户以可持续做功速率锻炼的输出信号。在另一示例中,如果确定所计算组织氧合趋势并非为正,那么流程图1100可继续进行到框1114。以此方式,可确定所计算组织氧合趋势为大约平稳(未改变)。如此,平稳的组织氧合趋势可指示用户以临界做功速率锻炼。因此,响应于确定组织氧合趋势为大约平稳,可执行一个或更多个过程以输出指示用户以临界做功速率锻炼的信号。在一个实施方案中,可在流程图1100的框1114处执行这些一个或更多个过程。
应注意,流程图1100可依据指示两个或更多个不同时间点处的肌肉氧合百分比的两个或更多个数据点来计算组织氧合趋势。如此,可利用此项技术中已知的任何数值方法来计算两个或更多个此些点之间的趋势,除其它外包含计算连接两个点的线的斜率,或使用多个点计算回归线,及其它。
图12描绘相同锻炼时段期间所产生的数据的两个图形。两个所描绘图形包含对照共同时间尺度1206标绘的肌肉氧合百分比数据1208及跑步速度数据1210。在一个实施方案中,肌肉氧合百分比数据1208可能是由例如传感器710的肌肉氧合传感器产生。此外,跑步速度数据1210可能是基于由传感器706产生的传感器数据而计算,所述传感器可能除其它外还包含加速度计或位置确定传感器。因此,跑步速度1210的图形可能与尺度1202相关联,且肌肉氧合1208的图形可能与尺度1204相关联。在一个示例中,图形1208及1210示意性描绘肌肉氧合百分比与跑步速度之间的关系。在一个示例中,肌肉氧合百分比图形1208上的点1218与1220之间的周期可表示肌肉氧合百分比的基本上平稳的趋势。因此,速度图形1210上的点1214及1216可对应于点1218及1220,且使得点1218与1220之间的肌肉氧合百分比的大约平稳趋势对应于临界速度,如由线1212示意性指示。在另一示例中,肌肉氧合图形1208上的点1220与1224之间的肌肉氧合百分比的基本上负趋势可对应于超过速度图形1210上的点1216与1222之间的临界速度的速度的增加。在另一示例中,肌肉羯图形1208上的点1226与1228之间的肌肉氧合的正趋势可对应于低于速度图形1210上的点1230与1232之间的临界速度的速度的下降。
图13为可用于确定用户是否在剧烈锻炼强度域内锻炼的流程图1300。在一个实施方案中,例如装置700的活动监测装置可从例如传感器710的组织氧合传感器接收指示在锻炼时用户的组织的实时氧合百分比的周期性数据。因此,组织氧合百分比数据可在一个示例中通过处理器702从传感器710接收且具有一个样本/秒(1Hz)的周期性。在另一实施方案中,传感器710可每二秒(0.5Hz)一次、每三秒(0.33Hz)一次、每四秒(0.25Hz)一次及其它地输出指示组织氧合百分比的数据点。此外,组织氧合数据可以任何速率由传感器710产生及从传感器710接收,而不背离这些揭示内容的范围。在一个示例中,在流程图1300的框1302处,可执行一个或更多个过程以通过例如处理器702的处理器从组织氧合传感器接收指示组织氧合百分比的周期性数据。
在一个实施方案中,可将从例如传感器710的组织氧合传感器接收的组织氧合数据存储在例如存储器704的存储器中。因此,在一个示例中,可基于最近接收的组织氧合百分比数据点与一个或更多个先前存储的组织氧合百分比数据点的比较来计算组织氧合数据中的趋势。在一个示例中,一个或更多个过程可由活动监测装置700的处理器702执行以计算在跨越所保存组织氧合百分比数据点与最近所接收组织氧合百分比数据点之间的时间内的组织氧合百分比的改变。在另一实施方案中,一个或更多个过程可由活动监测装置700的处理器702执行以将组织氧合百分比的趋势计算为使用两个或更多个组织氧合百分比数据点所计算的回归线的斜率。在一个示例中,可在流程图1300的框1304处执行用于计算组织氧合趋势的一个或更多个过程。
决策框1306可表示由处理器702执行的以确定来自框1304的所计算组织氧合趋势是否表示负趋势的一个或更多个过程。因此,如果确定所计算组织氧合趋势为负,那么流程图1300可继续进行到决策框1308。在一个实施方案中,决策区块1308可执行一个或更多个过程以计算在决策框1306处所识别的负趋势(负斜率)的绝对值。另外,决策框1308可表示经配置以将负趋势的绝对值与阈值进行比较的一个或更多个过程。在一个示例中,如果绝对值超过阈值,那么流程图1300可继续进行到框1310。因此,阈值可包括任何值,而不会背离这些揭示内容的范围。在一个示例中,在确定绝对值超过阈值使,一个或更多个过程可经配置以输出指示用户在剧烈强度域中锻炼的信号。如此,可在框1310处执行经配置以输出指示用户爱剧烈强度域内锻炼的信号的一个或更多个过程。然而,如果绝对值低于阈值,那么流程图1300可继续进行到框1312。因此,框1312可包括可执行以输出指示用于以不可持续做功速率锻炼的信号的一个或更多个过程。
在另一实施方案中,如果确定从组织氧合传感器接收的数据并不表示负趋势,那么流程图1300可继续进行到决策框1314。因此,决策框1314可与经执行以确定所计算组织氧合趋势是否为正的一个或更多个过程相关联。如果确定所计算组织氧合趋势为正,那么流程图1300可继续进行到框1316。因此,在一个实施例中,如果确定所计算组织氧合趋势为正,那么可输出信号以指示用户以可持续做功速率锻炼。在一个示例中,可在流程图1300的框1316处执行用户以可持续做功速率锻炼的输出信号。在另一示例中,如果确定所计算组织氧合趋势并非为正,那么流程图1300可继续进行到框1318。以此方式,可确定所计算组织氧合趋势为大约平稳(未改变)。如此,平稳的组织氧合趋势可指示用户以临界做功速率锻炼。因此,响应于确定组织氧合趋势为大约平稳,可执行一个或更多个过程以输出指示用户以临界做功速率锻炼的信号。在一个实施方案中,可在流程图1300的框1318处执行这些一个或更多个过程。
图14A描绘使用来自由相同用户参与的两个单独时段的数据标绘的两个图形。特定来说,图形1406包括来自经斜升的做功速率锻炼时段的输出数据。在一个示例中,可在y轴1402上描绘做功速率(W)。因此,与图形1406相关联的数据可从在锻炼时段期间所输出的数据产生,所述锻炼时段规定从低于临界强度的做功速率增加到超过用户的临界强度的做功速率的线性增加的做功速率。图形1408可从在规定恒定做功数量的锻炼时段期间所输出的数据产生。在一个示例中,与图形1408相关联的恒定做功数量可超过用户的临界强度大约15%。因此,与图形1408相关联的锻炼时段可在用户的剧烈锻炼强度域内。在一个示例中,x轴1404表示锻炼时段结束的时间百分比。此外,点1410表示斜升做功速率锻炼时段达到用户的临界强度的近似时间。
图14B描绘使用来自图14A的相同两个单独锻炼时段的数据标绘的两个图形。特定来说,图形1424可对应于与图形1406相关联的斜升做功速率锻炼时段。另外,图形1426可对应于与图形1408相关联的恒定做功速率锻炼时段。在一个示例中,图形1424及1426可经标绘为y轴1420上的组织氧合百分比对x轴1422上的锻炼时段的结束的时间百分比。在一个示例中,图形1406、1408、1424及1426可共享共同x轴尺度。
在一个实施方案中,使用来自具有超过用户的临界强度大约15%的恒定做功速率的恒定做功速率锻炼时段的数据标绘的图形1426可在锻炼时段的开始在点1432与1434之间(即,在锻炼时段的结束的时间的0%与20%之间)展现陡坡。然而,图形1426可在完成恒定做功速率锻炼时段时在点1434与1430之间过渡到浅坡。
在一个示例中,可以低于临界强度的做功速率开始的图形1424可在点1432与1428之间展现浅坡。因此,点1428可大约对应于与图形1406相关联的斜升锻炼强度时段达到用户的临界强度(即,从重度锻炼强度域过渡到用户的剧烈锻炼强度域)的点。如此,图形1424的斜率可在点1428与1430之间变陡峭。因此,在一个示例中,点1428与1430之间的图形1424的斜率可表示具有超过阈值的绝对值的斜率,所述阈值对应于用户的临界强度。在一个示例中,点1428与1430之间的图形1424的斜率可大约等于点1432与1434之间的图形1426的斜率。
图15为可例如由装置700执行作为一个或更多个过程以确定所接收组织氧合数据是否表示由用户以临界强度进行的锻炼的流程图1500。在一个示例中,组织氧合数据可为从例如与装置700相关联的传感器710的传感器接收。如此,组织氧合数据可对应于肌肉氧合,且可表达为肌肉氧合百分比。因此,可在过程1500的框1502处执行一个或更多个过程以从传感器接收组织氧合数据。此外,可以任何周期性或以非周期性间隔从例如传感器710的传感器接收组织氧合数据,而不会背离这些揭示内容的范围。在一个实施方案中,可将在框1502处从组织氧合传感器接收的数据存储在例如存储器704的存储器中。
在一个示例中,组织氧合的改变可计算为组织氧合的当前移动平均数与先前移动平均数之间的差。因此,当前移动平均数可计算为第一持续时间内的组织氧合百分比的平均值,借此当前移动平均数可包含最近所接收的传感器数据点。在另一实施方案中,当前移动平均数可计算为在预定数目个所接收传感器数据点(其可以周期性或非周期性接收)上的组织氧合百分比的平均数。在某些特定示例中,当前移动平均数可计算为在过去五秒期间所接收的那些肌肉氧合百分比数据点(包含最近所接收数据点)的平均肌肉氧合百分比。然而,可利用第一持续时间的替代时间,而不会背离这些揭示内容的范围。例如,第一持续时间可能为一秒、二秒、三秒、四秒及六秒、七秒、八秒、九秒、十秒或任一其它持续时间。此外,先前移动平均数可计算为第二持续时间内的组织氧合百分比的平均值,借此先前移动平均数不包含最近所接收传感器数据点(即,除最近所接收传感器数据点外,还可至少包含用于计算当前移动平均数的所有数据点)。在一个示例中,可针对等于第一持续时间的第二持续时间计算先前移动平均数。在一个实施方案中,可通过减法来计算当前移动平均数与先前移动平均数之间的差,因此得出百分比肌肉氧合差。在一个实施方案中,可在过程1500的框1504处且通过在一个示例中处理器702来执行用于计算组织氧合的改变的一个或更多个过程。
为了确定所计算的组织氧合的改变是否对应于给定用户的临界组织氧合(临界强度),可将所计算的组织氧合的改变与阈值进行比较。在一个示例中,组织氧合百分比的改变的此阈值可包含任何氧合值。在一个特定示例中,组织氧合百分比的改变的阈值可能小于0.1(即,所接收组织氧合百分比可不对应于临界组织氧合百分比,除非组织氧合百分比的当前移动平均数与先前移动平均数之间的差小于0.1(组织氧合百分比的单位))。在另一示例中,所接收组织氧合百分比可不对应于临界组织氧合百分比,除非组织氧合百分比的当前移动平均数与先前移动平均数之间的差小于或等于0.1(组织氧合百分比的单位)。额外或替代的组织氧合阈值可包含0.2、0.3、0.4、0.5、0.6及其它。在一个示例中,可在过程1500的决策框1506处执行一个或更多个过程以确定组织氧合的改变是否小于阈值。
如果确定所计算的组织氧合的改变大于或等于阈值(或在另一实施方案中,如果确定所计算的组织氧合的改变大于阈值),那么可执行一个或更多个过程以输出指示用户未以临界组织氧合锻炼的信号。因此,可在框1510处且通过例如处理器702的处理器执行这些一个或更多个过程。然而,如果确定所计算的组织氧合的改变小于阈值(或在另一实施方案中,小于或等于阈值),那么流程图1500可继续进行到决策框1508。
因此,决策框1508可表示经执行以确定组织氧合的改变(小于先前所描述阈值,或在另一实施方案中,小于或等于阈值)是否在阈值持续时间内为一致或稳定(即,组织氧合百分比的改变小于阈值改变且达预定阈值持续时间)的一个或更多个过程。因此,任何阈值持续时间可与这些揭示内容一起使用。在某些特定示例中,阈值持续时间可能等于指示一秒、指示二秒、指示三秒、至少四秒、至少五秒或至少10秒及其它。如果确定所计算的组织氧合的改变在阈值持续时间内不一致,那么流程图1500可继续进行到框1510。然而,如果确定所确定组织氧合的改变在阈值持续时间内一致,那么流程图1500可继续进行到框1512。
如此,在确定所计算的组织氧合的改变在阈值持续时间内一致,可执行一个或更多个过程以输出指示用户以临界做功速率/临界组织氧合(其可表达为组织氧合百分比)锻炼的信号。经配置以输出指示用户以临界做功速率锻炼的信号的这些一个或更多个过程可由处理器702执行。此外,可在过程1512处执行一个或更多个过程以输出对应于那些所接收传感器值的组织氧合百分比,针对那些所接收传感器值,当前移动平均数与先前移动平均数之间的差小于阈值。此组织氧合百分比可能为用户的组织氧合百分比。
在一个示例中,可存在针对用户在同一锻炼的不同时间期间所计算的临界肌肉氧合百分比的变化。因此,在一个示例中,可跨越锻炼时段期间相同用户的多个单独计算的临界组织氧合百分比及其它对在框1512处输出的临界组织氧合百分比求平均。
在一个实施方案中,关于流程图1500以及贯穿本发明所论述的组织氧合可包括用户的身体内的任何肌肉的肌肉氧合。此外,可利用此所计算的临界组织氧合百分比来计算用户的无氧做功量(M')(在一个示例中,此无氧做功量可表达为肌肉氧合点的总数目),且经计算为当前肌肉氧合百分比(MO2current)(超过临界肌肉氧合百分比)与临界肌肉氧合百分比(MO2crit)之间的差,在疲劳的锻炼时段期间内求和:
(单位:肌肉氧合点);(第一无氧做功量方程式)
图16描绘在y轴1604上标绘的肌肉氧合百分比(%)对在x轴1606上的持续时间(时间)的图形1602。在一个示例中,图形1602包括数据点1608、1610、1612及1614,其中数据点1608、1610、1612及1614表示单独的锻炼时段。如此,来自数据点1608、1610、1612及1614的数据点可与锻炼时段的总时间以及和所述锻炼时间相关联的肌肉氧合百分比相关联。在一个示例中,此肌肉氧合百分比可为锻炼时段的总时间内的平均肌肉氧合。在另一示例中,此肌肉氧合百分比可为锻炼时段结束时的肌肉氧合百分比,及其它肌肉氧合百分比。在一个实施方案中,图形1602显示不同锻炼时段持续时间内的肌肉氧合百分比的趋势。特定来说,图形1602可指示相当较短的锻炼时段(例如与数据点1614相关联的所述锻炼时段)可与较低肌肉氧合百分比相关联。此趋势可归因于用户以相当较高做功数量锻炼达相当较短时间。与数据点1614相比,数据点1608可能与相当较长锻炼时段相关联,且可能由于用户锻炼达相当较长时间而与较高肌肉氧合百分比相关联,且在一个示例中采取较不费力的步速策略以便在相当较长锻炼时段持续时间内节省能量。在一个示例中,图形1602可包括通过数据点1608、1610、1612及1614标绘的曲线回归。如此,可利用此项技术中已知的任何过程来构造图像1610,而不背离这些揭示内容。
图17描绘相同锻炼时段期间所产生的数据的两个图形。两个所描绘图形包含对照共同时间尺度1706标绘的肌肉氧合百分比数据1702及跑步速度数据1704。在一个实施方案中,肌肉氧合百分比数据1702可能是由例如传感器710的肌肉氧合传感器产生。此外,跑步速度数据1704可能是基于由传感器706产生的传感器数据而计算,所述传感器可能除其它外还包含加速度计或位置确定传感器。因此,跑步速度1702的图形可能与尺度1708相关联,且肌肉氧合1704的图形可能与尺度1710相关联。在一个示例中,图形1702及1704示意性描绘肌肉氧合百分比与跑步速度之间的关系。在一个实施方案中,给定由线1712表示的临界强度(临界跑步速度)及由线1714标绘的临界强度(临界肌肉氧合百分比),可辨识速度1702与肌肉氧合百分比1704之间的关系。特定来说,在用户的速度低于临界速度(例如在阴影区域1716内)时,用户的对应肌肉氧合百分比将超过临界肌肉氧合百分比1714,例如在所述阴影区域1718内,且反之亦然。
图18描绘针对锻炼时段的y轴1804上的功率对x轴1806上的时间的图形1802。如将容易了解,与图18相关联的数据可任一锻炼/运动类型导出,而不会背离这些揭示内容的范围。例如,图形1802可包括在跑步时段、骑行时段、网球比赛、篮球比赛或足球比赛及其它期间从功率传感器输出的数据。在一个示例中,图形1802可包括由例如活动监测装置700的处理器702的处理器接收的功率数据。如此,活动监测装置700可包括功率传感器,或可经配置以与功率传感器通信,从所述功率传感器直接输出功率数据,或从所述功率传感器可计算功率值。因此,如本文中所描述,功率传感器可包括加速度计,可利用来自所述加速度计的加速度数据输入来计算用户的速度,且进一步计算用户的能量消耗(功率)的速率。在另一示例中,功率传感器可包括测力计,所述测力计可以操作的方式耦合到用户在其上进行锻炼的锻炼脚踏车及其它。
在一个示例中,数据点1808、1810及1812可表示用户的所计算临界功率值。因此,在一个示例中,可使用关于图19所描述的一个或更多个过程来计算这些临界功率值。如此,图19描绘可由获得监测装置700执行的流程图1900。在一个实施方案中,可利用流程图1900来计算与用户进行的锻炼时段相关联的临界功率。此外,此锻炼时段可包括在剧烈锻炼强度域内进行的至少部分。在一个示例中,流程图1900可利用例如传感器710的组织氧合传感器及功率传感器(其可包括测力计或加速度计)及其它。在一个示例中,组织氧合传感器可经配置以按周期性或以非周期性速率输出指示组织氧合百分比的数据。因此,组织氧合传感器输出指示组织氧合百分比的数据点的周期性可具有任何值,而不会背离这些揭示内容的范围。此外,活动监测装置700可在流程图1900的框1902处执行用以接收组织氧合数据的一个或更多个过程。在流程图1900的框1903处,活动监测装置700可在一个示例中执行一个或更多个过程以从传感器接收功率数据。
组织氧合的改变可计算为当前组织氧合值与先前组织氧合值之间的差。因此,在一个实施方案中,当前组织氧合值可对应于移动平均数,且类似地,先前组织氧合值可对应于组织氧合的先前移动平均数。如此,当前移动平均数可计算为第一持续时间内的组织氧合百分比的平均值,借此当前移动平均数可包含最近所接收的传感器数据点。在另一实施方案中,当前移动平均数可计算为在预定数目个所接收传感器数据点(其可以周期性或以非周期性速率接收)上的组织氧合百分比的平均数。在某些特定示例中,当前移动平均数可计算为在过去五秒期间所接收的那些肌肉氧合百分比数据点(包含最近所接收数据点)的平均肌肉氧合百分比。然而,可利用此第一持续时间的替代时间,而不会背离这些揭示内容的范围。例如,第一持续时间可能为至少一秒、二秒、三秒、四秒及六秒、七秒、八秒、九秒、十秒。在另一示例中,第一持续时间的范围可能介于零秒与一秒之间,一秒与三秒之间、二秒与六秒之间或五秒与十秒之间,或任一其它持续时间或时间范围。
在一个示例中,先前移动平均数可计算为第二持续时间内的组织氧合百分比的平均值,借此先前移动平均数可不包含最近所接收传感器数据点(即,除最近所接收传感器数据点外,还可至少包含用于计算当前移动平均数的所有数据点)。在一个示例中,可针对等于第一持续时间的第二持续时间计算先前移动平均数。在一个实施方案中,可通过减法来计算当前移动平均数与先前移动平均数之间的差,因此得出百分比肌肉氧合差。在一个实施方案中,可在过程1900的框1904处且通过在一个示例中处理器702来执行用于计算组织氧合的改变的一个或更多个过程。
在一个实施方案中,为了确定所计算的组织氧合的改变是否对应于给定用户的临界组织氧合(临界强度),可将所计算的组织氧合的改变与阈值进行比较。在一个示例中,组织氧合百分比的改变的此阈值可包含任何氧合值。在一个特定示例中,组织氧合百分比的改变的阈值可能小于或等于0.1(即,所接收组织氧合百分比可不对应于临界组织氧合百分比,除非组织氧合百分比的当前移动平均数与先前移动平均数之间的差小于或等于0.1(组织氧合百分比的单位))。额外或替代的组织氧合阈值可能除其它外还包含0.2、0.3、0.4、0.5、0.6。在一个示例中,可在过程1900的决策框1906处执行一个或更多个过程以确定组织氧合的改变是否小于阈值。
如果确定所计算的组织氧合的改变大于阈值,那么可执行一个或更多个过程以输出指示用户未以临界组织氧合锻炼的信号(在一个示例中,输出到接口,例如图形用户接口或无线接口/收发器)。因此,可在框1910处且通过例如处理器702的处理器执行这些一个或更多个过程。然而,如果确定所计算的组织氧合的改变小于或等于阈值,那么流程图1900可继续进行到决策框1908。
因此,决策框1908可表示经执行以确定组织氧合的改变(小于或等于先前所描述阈值)是否在阈值持续时间内为一致或稳定(即,组织氧合百分比的改变小于或等于阈值改变且达预定阈值持续时间)的一个或更多个过程。因此,任何阈值持续时间可与这些揭示内容一起使用。在某些特定示例中,阈值持续时间可能等于指示一秒、指示二秒、指示三秒、至少四秒、至少五秒或至少10秒,或范围介于大约1秒与10秒之间,或5秒与15秒之间,及其它。如果确定所计算的组织氧合的改变在阈值持续时间内不一致,那么流程图1900可继续进行到框1910。然而,如果确定所确定组织氧合的改变在阈值持续时间内一致,那么流程图1900可继续进行到框1912。
如此,在确定所计算的组织氧合的改变在阈值持续时间内一致,可执行一个或更多个过程以输出指示用户以临界做功速率/临界组织氧合锻炼的信号。具体来说,在一个示例中,可执行一个或更多个过程以输出等于如在对应于所识别临界组织氧合的时间由功率传感器指示的当前功率的用户的临界功率。替代地,临界功率可对应于如随对应于所计算的组织氧合的一致改变的计算的时间周期由功率传感器指示的平均功率。如此,经配置以将临界功率输出到接口的这些一个或更多个过程可由处理器702执行。此外,可在框1912处执行一个或更多个过程以输出对应于那些所接收的传感器值的临界功率,针对所述所接收的传感器值,当前移动平均数与先前移动平均数之间的差小于或等于阈值。
在一个示例中,基于同一锻炼的不同时间期间的临界肌肉氧合的多个计算,可存在所计算/识别的用户的临界功率的一定程度的变化。因此,在一个示例中,可跨越锻炼时段期间相同用户的多个单独计算的临界组织氧合百分比及其它对在框1912处输出的临界功率求平均。因此,在一个示例中,数据点1808、1810及1812可表示来自对应于用户的临界组织氧合的多个计算的多个临界功率结果的示范性数据点。如此,在一个示例中,可对与数据点1808、1810及1812相关联的临界功率值求平均。
在一个实施方案中,关于流程图1900以及贯穿本发明所论述的组织氧合可包括用户的身体内的任何肌肉的肌肉氧合。此外,可利用在框1912处所计算的临界功率值来计算用户的无氧做功量(W')(在一个示例中,此无氧做功量可表达为功率(单位:W)),且经计算为当前肌肉氧合百分比(Powercurrent)(超过临界肌肉氧合百分比)与临界功率(Powercrit)之间的差,在锻炼时段的持续时间内求和。如此,这些所计算的差可被称作正差值。在一个示例中,锻炼时段可以用户疲劳而结束。因此,用于计算无氧做功量的一个或更多个过程可在框1914处由处理器702执行:
(单位:W);(第二无氧做功量方程式)
在某些示例中,可基于指示或用于计算用户的速度的传感器输出数据而计算用户的临界速度及无氧做功量。如此,如先前所描述,可基于除其它外从加速度计、位置确定传感器或自行车速度计接收的传感器数据且无需使用组织氧合传感器而计算用户的临界速度及无氧做功量。在一个实施方案中,本发明描述用于验证用户的速度数据与临界强度之间的关系的多个验证测试的结果。因此,在一个示例中,可计算末速度以便估计用户的临界速度。
图20描绘可用于计算锻炼时段期间用户的末速度的图形2000,且包括在y轴2002上的速度对在x轴2004上的时间。所标绘数据点(其中数据点2006、2008、2010为示范性子集)包括在同一锻炼时段期间给定时间处用户的速度的测量值。在一个示例中,由线2012表示的末速度可计算为构成图形2000的多个数据点的子集的平均数。特定来说,末速度2012可计算为锻炼时段的持续时间的最后30秒期间的那些数据点的平均数(在线2014与2016之间的那些数据点的平均数)。然而,末速度可计算为不同持续时间的平均速度,例如,除其它外,锻炼时段的最后20秒、10秒或5秒,或任何其它持续时间。在一个示例中,图形2000可表示与具有规定的持续时间的锻炼时段相关联的数据点。因此,规定的持续时间的范围可为从1分钟到10分钟。在一个特定示例中,与图形2000相关联的锻炼时段可为三分钟全面试验,借此指示用户以最高主观强度水平形式锻炼达规定的持续时间(三分钟)。可利用额外或替代锻炼时段规定(时间及/或强度水平)而不会背离这些揭示内容的范围。
在一个示例中,基于跨越多个单独锻炼时段比较多个用户的所计算末速度的验证测试,可识别所计算末速度与给定用户的临界速度之间的关系。特定来说,针对多个验证测试,发现样本用户种群的90%能够在以低于三分钟全面试验的所计算末速度的5%与10%之间进行锻炼时维持锻炼高达15分钟。另外,针对多个验证测试,发现样本用户种群的85%能够在以低于三分钟全面试验的所计算末速度的5%与10%之间进行锻炼时维持锻炼高达20分钟。因此,在一个示例中,可通过使所计算末速度减少5%到10%(例如,计算用户的末速度的90%到95%)来估计用户的临界速度。在一个特定示例中,可通过计算末速度的92.5%及其它来估计用户的临界速度。
在一个实施方案中,可基于用户的所计算末速度而计算无氧做功量,表达为距离。因此,从将超过末速度的距离与给定用户的无氧做功量进行比较的多个验证试验,发现可通过使所计算末速度增加(在一个示例中)25%到35%来估计无氧做功量。在另一特定示例中,可通过使所计算末速度增加30%来估计无氧做功量。因此,在一个示例中,超过末速度的距离可以如图20的区域2018那样(例如,跨越与图2000相关联的锻炼时段的持续时间的速度数据点与所计算末速度2012之间的差的积分)。
图21为可用于基于指示用户的速度的传感器数据而计算用户的临界速度及无氧做功量的流程图2100。因此,在一个示例中,可通过例如装置700的活动监测装置执行与流程图2100相关联的一个或更多个过程。应注意,流程图可利用例如装置700的传感器706的传感器,但不可利用例如传感器710的氧合传感器。在一个示例中,活动监测装置700可从例如传感器706的传感器接收传感器数据。所接收传感器数据可包括指示在锻炼时段期间的各种时间点处的用户的速度的数据点。在另一示例中,所接收的传感器数据点可包括指示用户的位置的数据,且可用于计算速度。在一个示例中,可周期性地且以任何周期性接收数据点,而不会背离这些揭示内容的范围。所接收数据点可与具有规定的持续时间及强度的锻炼时段相关联。特定来说,锻炼时段可包括三分钟全面试验,所述三分钟全面试验指示用户以最高主观强度形式锻炼达三分钟持续时间。在另一示例中,可利用2到5分钟的规定的持续时间。在其它示例中,可利用替代持续时间,而不会背离这些揭示内容的范围。在一个示例中,可在流程图2100的框2102处执行一个或更多个过程来接收传感器数据。
可依据所接收传感器数据将末速度计算为在锻炼时段所接收的多个传感器数据点的子集的平均速度。在一个特定示例中,可将末速度计算为在锻炼时段的规定的持续时间的最后30秒期间的平均速度。然而,可利用锻炼时段的规定的持续时间的替代子时段来计算末速度,而不会背离这些揭示内容的范围。在一个示例中,在流程图2100的框2104处,可例如通过处理器702执行一个或更多个过程以计算末速度。
可通过跨越锻炼时段的持续时间(即,在时间t=0与时段结束时间t=时段结束之间)对瞬时速度(速度current)与所计算的末速度(速度end)之间的差求和来计算超过末速度的距离。在一个实施方案中,可在流程图2100的框2106处执行一个或更多个过程来计算超过末速度的距离:
(单位:m);(超过末速度方程式的距离)
在一个示例中,可基于所计算的末速度而计算/估计临界速度。在一个实施方案中,可通过使所计算的末速度减少5%与10%之间来计算临界速度:
Speedcritical=Speedend*(90-95%)。
在一个特定示例中,临界速度可计算为所计算的末速度的92.5%:
Speedcritical=Speedend*(92.5%)。
在一个实施方案中,在流程图2100的框2108处,可执行一个或更多个过程以基于所计算的末速度而计算临界速度。
在一个示例中,可基于所计算的超过末速度的距离而计算无氧做功量。因此,无氧做功量可计算为超过所计算的末速度的距离的125%到135%:
无氧做功量=(超过末速度的距离)*(125%到135%)。
在一个特定示例中,无氧做功量可计算为超过所计算的末速度的距离的130%:
无氧做功量=(超过末速度的距离)*(130%)。
在一个实施方案中,在流程图2100的框2110处,可执行一个或更多个过程以基于所计算的超过末速度的距离而计算无氧做功量。
在一个实施方案中,可依据从经配置以输出指示由用户在锻炼时段期间所行进的距离(例如,在跑步、骑行等等时所行进的距离)的数据的传感器所接收的数据计算与用户相关联的临界速度及无氧做功量。如此,传感器可包括加速度计、位置确定传感器或自行车速度计及其它中的一个或更多个。如此,传感器可经配置以输出指示用户的位置的数据,所述数据又可用于计算用户所行进的距离,以及确定行进所记录距离所花费的时间。因此,图22示意性描绘可用于依据从例如传感器706的传感器所输出的数据而计算用户的临界速度及/或无氧做功量中的一个或更多个的流程图2200。
在一个实施方案中,为了计算临界速度及/或无氧做功量中的一个或更多个,用户可向例如装置700的活动监测装置提供测试数据。在一个示例中,测试数据可在锻炼周期(其可另外被称作锻炼时段)期间由例如传感器706的传感器产生。在一个示例中,锻炼周期可包括规定的持续时间,在所述规定的持续时间期间用户经指示在规定的时间限制内跑得尽可能快(即,尽可能远)。在某些特定示例中,锻炼周期可指示用户在以下持续时间内跑得尽可能远:例如,一分钟、二分钟、三分钟、四分钟、五分钟、六分钟、七分钟、八分钟、九分钟、10分钟、12分钟、15分钟、20分钟或任何其它持续时间。因此,例如传感器706的传感器可经配置以在锻炼周期的每秒内输出用户的位置。反过来,可利用此位置数据来计算在锻炼周期期间用户所行进的总距离。替代地,传感器706可经配置以按不同频率(其可能为0.25Hz、0.5Hz、2Hz、3Hz、4Hz或任一其它频率)输出位置数据点。在一个示例中,针对用户规定以便产生测试数据的锻炼周期可确保用户在锻炼周期的规定的持续时间的至少一部分期间以超过用户的临界强度的强度锻炼。因此,在一个示例中,在流程图2200的框2202处,可执行一个或更多个过程来指示用户开始锻炼周期。
在一个示例中,传感器706可输出指示当前位置及/或在锻炼周期的每一秒内用户所行进的距离的数据点。因此,在一个示例中,在流程图2200的框2204处,可接收所输出的数据以供在一个示例中由处理器702进行进一步处理。
在一个实施方案中,可存储与规定的锻炼周期的每一秒相关联的数据点。如此,可将规定的锻炼周期的每一秒内的位置数据存储在例如存储器704中。在给定锻炼周期完成时,可计算在规定的锻炼周期期间所行进的总距离。在一个实施方案中,在一个示例中,可通过处理器702且在流程图2200的框2206处计算所行进的此总距离。
在一个示例中,用于产生数据以便确定用户的临界速度及/或无氧做功量的锻炼周期可总结为包括两条信息的数据点。除锻炼周期/时段的总时间(即,持续时间)外,此锻炼周期总结数据点还可包括如在一个示例中在框2206处所确定的所行进的总距离。在一个示例中,所述两条信息(即,总距离,及总时间)可表达坐标点。在一个示例中,此坐标点P可为形式P(x3,y3),其中y3可为总距离(m),且x3可为总时间(s)。以此方式,可标绘表达为坐标点的锻炼周期总结数据点,如在图23中示意性描绘。在一个示例中,可在流程图2200的框2208处计算锻炼周期总结数据点。
在一个实施方案中,为了计算用户的临界速度及/或无氧做功量中的一个或更多个,可利用两个或更多个锻炼周期总结数据点。在一个示例中,用于产生两个或更多个锻炼周期总结数据点的锻炼周期的持续时间可能不同。因此,在一个示例中,可执行一个或更多个过程来确定用户是否已完成阈值数目个锻炼周期以便计算用户的临界速度及/或无氧做功量中的一个或更多个。如先前所描述,此阈值数目个锻炼周期可为至少两个、至少三个、至少四个或至少五个及其它数目个。在一个特定示例中,在流程图2200的决策框2210处,可通过处理器702执行一个或更多个过程来确定是否已完成阈值数目个锻炼周期。因此,如果已达到或超过阈值数目个锻炼周期,那么流程图2200继续进行到框2212。然而,如果尚未达到阈值数目个锻炼周期,流程图2200从决策框2210继续进行到框2202。
在一个示例中,可使用依据两个或更多个规定的锻炼周期计算的两个或更多个锻炼周期总结数据点来计算回归。在一个示例中,此回归可能为线性,或曲线回归。如此,此项技术中已知的用于计算线性或曲线回归的任何计算过程可与本发明一起使用。在一个实施方案中,可利用所计算回归的至少部分来确定用户的临界组织氧合百分比及/或无氧做功量中的一个或更多个。在一个特定示例中,可在流程图2200的框2212处执行一个或更多个过程来计算回归。
在一个示例中,可利用使用两个或更多个锻炼周期总结数据点所计算的回归的至少部分来确定用户的临界速度。具体来说,临界速度可对应于回归线的斜率(或曲线回归的线性部分的斜率)。在一个实施方案中,在流程图2200的框2214处,可执行一个或更多个过程来输出通过两个或更多个锻炼周期总结数据点计算为回归线的斜率的临界速度。
在另一示例中,可利用使用两个或更多个锻炼周期总结数据点所计算的回归的至少部分来确定用户的无氧量。具体来说,无氧量可对应于回归线的截距(或曲线回归的线性部分的截距)。在一个示例中,无氧量可表达为超过临界速度(m/s)的总距离(m)。在一个实施方案中,在流程图2200的框2216处,可执行一个或更多个过程来输出通过两个或更多个锻炼周期总结数据点计算为回归线的截距的无氧量。
图23为标绘关于给定用户的来自多个锻炼时段的测试数据的曲线图。特定来说,图23为依照时间2304标绘距离2302的曲线图2300。点2306、2308、2310及2312可各自表示单独的锻炼时段,且使得这些锻炼时段中的每个的至少一部分在用户的剧烈锻炼强度域内实施。在一个实施方案中,锻炼周期总结数据点2306、2308、2310及2312可各自表示以连续方式实施的单独锻炼时段。然而,在另一实施方案中,锻炼周期总结数据点2306、2308、2310及2312中的一或读者可各自表示以间歇实施的单独锻炼时段。
在一个实施方案中,可使用如在曲线图2300上所标绘的四个锻炼周期总结数据点2306、2308、2310及2312来计算回归线2314。在一个示例中,此回归线2314可为形式:
y=mdx+cd
其中y为总距离(y轴),x为时间(s)(x轴),md为回归线2314的斜率,且cd为回归线2314在y轴上的截距。
针对用于产生锻炼周期总结数据点2306、2308、2310及2312的示例性实验数据,回归线2314可具有形式:y=4.21x+181.96,其中r2值为0.99979。应注意,此回归线2314公式仅经包含作为一个示例性结果。
在一个示例中,可使用穿过两个或更多个锻炼周期总结数据点(例如,锻炼周期总结数据点2306、2308、2310及2312)的回归线(例如,回归线2314)来计算用户的临界速度及/或超过临界速度(D')的总距离的总数目(其可能与无氧做功量成比例)。在一个示例中,给定以下形式的回归线2314:y=mx+c,临界速度可能等于m,回归线2314的斜率,且超过临界速度的总距离可能等于c(或|c|,c的绝对值),回归线2314在y轴上的截距。特定来说,给定曲线图2300中所描绘的实验数据,用户的临界速度可能为4.21m/s,且超过临界速度的总距离可能为181.96m。
在某些示例中,可基于单个输入数据点而计算临界速度、临界功率及/或无氧做功量。在一个实施方案中,此单个输入数据点可包括竞赛时间(包括距离及完成竞赛距离所花费的时间)。在一个示例中,可基于竞赛的至少部分是在剧烈锻炼强度域内实施的假设而利用竞赛时间。然而,从非竞赛的锻炼时段(即,由用户进行的非正式跑步时段)导出的包括所完成的距离及完成所述距离所花费的时间的单个输入数据点可与本文中所描述的***及方法一起使用。在另一实施方案中,可利用单个输入数据点来计算临界功率及/或无氧做功量,且使得单个输入数据点可包括所完成的功的总量及所花费的总时间。
在一个实施方案中,可利用单个输入数据点来基于通过对由多个不同用户进行的多个锻炼时段进行分析所形成的关系(模型)而计算临界速度、临界功率及/或无氧做功量中的一个或更多个。特定来说,图24描绘可用于基于跑步的总运动时段时间(y轴2406)的输入而预测临界速度的分数(y轴2404)的模型2402。数据点2408、2410及2412为来自可用于形成模型2402的多个数据点的示范性数据点。因此,数据点2408、2410及2412可表示由相同用户或由不同用户进行的单独的锻炼时段(用于跑步锻炼时段)。在一个示例中,模型2402可为形式:y=1.8677*x-0.082,其中r2值为0.6816。在另一示例中,模型2402可为形式:y=1.87*x-0.1。
图25描绘可用于基于跑步锻炼时段的总运动时段距离(x轴2506)的输入而预测临界速度的分数(y轴2504)的模型2502。数据点2508、2510及2512为来自可用于形成模型2502的多个数据点的示范性数据点。因此,数据点2508、2510及2512可表示由相同用户或由不同用户进行的单独的锻炼时段(用于跑步锻炼时段)。在一个示例中,模型2502可为形式:y=2.2398*x-0.09,其中r2值为0.6779。在另一示例中,模型2502可为形式:y=2.2*x-0.1。
图26描绘可用于基于骑行的总运动时段时间(y轴2606)的输入而预测临界速度的分数(y轴2604)的模型2602。数据点2608、2610及2612为来自可用于形成模型2602的多个数据点的示范性数据点。因此,数据点2608、2610及2612可表示由相同用户或由不同用户进行的单独的锻炼时段(用于骑行锻炼时段)。在一个示例中,模型2602可为形式:y=1.9199*x-0.088,其中r2值为0.8053。在另一示例中,模型2602可为形式:y=1.9*x-0.1。
图27描绘可用于基于骑行的在运动时段期间耗尽的能量的总量(x轴2706)的输入而预测临界速度的分数(y轴2704)的模型2702。数据点2708、2710及2712为来自可用于形成模型2702的多个数据点的示范性数据点。因此,数据点2708、2710及2712可表示由相同用户或由不同用户进行的单独的锻炼时段(用于骑行锻炼时段)。在一个示例中,模型2702可为形式:y=3.0889*x-0.086,其中r2值为0.6769。在另一示例中,模型2702可为形式:y=3.1*x-0.1。
在一个实施方案中,可使用此项技术中已知的任何数学建模方法(例如,回归建模方法及其它建模方法)来计算模型2402、2502、2602及/或2702。
图28为可用于基于单个输入数据点而计算临界速度(或临界功率)及无氧做功量中的一个或更多个的流程图2800。因此,可通过例如处理器702的处理器来执行与流程图2800相关联的一个或更多个过程。在一个示例中,单个输入数据点可包括与锻炼时段的总距离组合的总时间。在一个示例中,可在剧烈锻炼强度域内实施锻炼时段的至少部分。在另一示例中,单个输入数据点可包括所耗尽的总功率及与锻炼时段相关联的总时间。因此,可在框2802处执行经执行以接收单个输入数据点的一个或更多个过程。在一个特定示例中,数据点可指示用户在1300秒完成5km竞赛。
可利用数学模型来计算临界速度分数或临界功率分数。因此,到来自在一个示例中模型2402、2502、2602及/或2702的模型的输入可包括在锻炼时段行进的总距离、完成锻炼时段的总时间或在锻炼时段期间耗尽的总功率。此外,从在一个示例中模型2402、2502、2602及/或2702选择模型可基于活动类型(例如,跑步或骑行及其它)。在一个实施方案中,可在流程图2800的框2804处执行一个或更多个过程以计算临界速度分数或临界功率分数。针对在1300秒完成的5km竞赛的特定示例,临界速度分数可计算为y=1.8677*(1300)-0.082(模型2402),此意味着临界速度分数(y)=1.045。
另外,平均速度可计算为总锻炼时段距离除以完成所述距离所花费的总时间。在另一实施方案中,平均锻炼时段功率可计算为总锻炼时段功率除以完成锻炼所花费的总时间。因此,在流程图2800的框2806处,可执行一个或更多个过程来计算平均锻炼时段速度或平均锻炼时段功率。针对在1300秒的5km竞赛跑的特定示例中,平均锻炼时段速度可为5000/1300=3.85m/s。
临界速度可计算为平均速度除以临界速度分数。替代地,用户的临界功率可计算为平均功率除以临界功率分数。因此,在流程图2800的框2808处,可执行一个或更多个过程来计算临界速度或临界功率。针对在1300秒的5km竞赛跑的特定示例中,临界速度可为3.85/1.045=3.68m/s。
低于临界速度所行进的总距离可计算为平均速度乘以与锻炼时段相关联的总时间。替代地,低于临界功率所耗尽的能量的总量可计算为平均功率乘以与锻炼时段相关联的总时间。因此,在流程图2800的框2810处,可执行一个或更多个过程来计算低于临界速度所行进的总距离或低于临界功率所耗尽的能量的总量。针对在1300秒的5km竞赛跑的特定示例中,低于临界速度所行进的距离可为3.68*1300=4784m。
无氧做功量可计算为超过临界速度的距离,或计算为超过临界功率的能量的总量。因此,无氧做功量可计算(例如,针对跑步)为在锻炼时段期间所行进的总距离与低于临界速度所行进的总距离之间的差,如在框2810处所计算。替代地,无氧做功量可计算(例如,针对骑行)为在锻炼时段期间所耗尽的能量的总量与在低于临界功率下所耗尽的能量的总量,如在框2810处所计算。因此,在流程图2800的框2812处,可执行一个或更多个过程来计算无氧做功量。针对在1300秒的5km竞赛跑步的特定示例,超过临界速度所行进的剧烈(即,无氧做功量D')可能等于5000-4784=216m。
在某些实施方案中,可在无需使用任何传感器的情况下估计与用户所参与的锻炼时段相关联的耗氧量。特定来说,可基于使用由用户回答的一个或更多个问题建构的运动配置文件而估计用户的耗氧量。此问卷可以电子格式给予用户,且可包括一个或更多个问题。在一个示例中,对这些问题的回答可能基于尺度。在一个示例中,所述尺度可包括从0到10的数字。然而,可利用额外或替代尺度,而不会背离这些揭示内容的范围。具体来说,问题可除其它外还包含:对骨骼大小的估计、对用户的瘦度的估计、对肌肉大小的估计、对睡眠质量的估计、对放松习惯的估计、对营养质量的估计、对吸烟状态的估计、对饮酒习惯的估计及对用户的积极性的估计。用于建构用户的运动配置文件的额外或替代问卷问题可包含用户的年龄、性别、身高、腰围、体重以及关于用户是否怀孕的指示。其它问卷问题可包含对5km跑步竞赛步速(或与另一距离相关联的步速)的估计,及在一周期间活动的天数的估计。
图29为可用于响应于所接收的用户的自感用力度且使用运动配置文件(使用一个或更多个问卷问题建构)而估计用户的耗氧量的流程图2900。特定来说,可要求用户对一个或更多个问卷问题作出响应,所述文件问题可包含上文所描述的那些问题中的一个或更多个。因此,在流程图2900的框2902处,可通过例如处理器702的处理器执行一个或更多个过程来接收一个或更多个问卷响应。
可基于所接收问卷响应中的一个或更多个而计算运动配置文件并将其存储在例如存储器704内。因此,此运动配置文件可考虑到可能影响用户的耗氧量的与用户相关联的一个或更多个物理及/或行为属性。在一个示例中,运动配置文件可基于用户的一个或更多个物理及/或行为属性而估计与用户相关联的最大耗氧量。因此,在框2904处,可执行一个或更多个过程来计算并存储运动配置文件。
在一个示例中,用户可在锻炼时段之后输入自感用力度。此自感用力度可通过例如处理器702的处理器经由例如接口708的接口接收。在一个示例中,自感用力度可经接收为在0到10尺度上的数字。然而,所属领域的技术人员将认识到,额外或替代尺度可与其自感用力度一起使用,而不会背离这些揭示内容的范围。在一个示例中,可在框2906处从用户接收自感用力度。
基于所建构的用户的运动配置文件,可将所接收自感用力度映射到用户的耗氧量尺度。在一个示例中,可基于用户的所计算运动配置文件而将自感用力度的尺度线性映射到由用户的最大耗氧量限定的耗氧量尺度。在其它实施方案中,可利用自感用力度尺度到耗氧量尺度的非线性映射,而不会背离这些揭示内容的范围。可在框2908处执行用以将所接收自感用力度映射到耗氧量尺度的一个或更多个过程。另外,可在框2910处执行一个或更多个过程来基于所输入的用户的自感用力度而输出所估计耗氧量。
在一个示例中,可在用户以低于临界强度的强度锻炼(即,在中度或重度锻炼强度域内)时补偿用户的无氧做功量。如先前所描述,无氧做功量可表达为肌肉氧合点的总数目,如从例如由氧合传感器710输出的数据的肌肉氧合传感器数据导出。如此,无氧做功量可表示为M'。在一个示例中,无氧做功量的补充可表示为M'_rate且经计算为当前肌肉氧合百分比与临界肌肉氧合百分比之间的差:M'_rate=%MO2-critical%MO2。在一个示例中,可贯穿锻炼周期/试验的持续时间对M'_rate连续不断求和以便确定M'平衡(即,肌肉氧合点的总数目)。因此,在当前肌肉氧合百分比低于临界肌肉氧合百分比时,所计算M'_rate可能为负,且指示所消耗的有限做功量(无氧做功量)。此外,在当前肌肉氧合百分比超过用户的临界肌肉氧合百分比时,M'_rate可为正,且可补充有限做功量。图30示意性描绘此消耗及总肌肉氧合点的补充。特定来说,图30针对四个不同锻炼强度域(即,剧烈3004、重度3006、中度3008及休息3010)在y轴3002上用图形表示M'补充。如此,图30示意性说明与剧烈锻炼强度域相关联的M'_rate可能为负,但可在用户过渡到在重度锻炼强度域3006内锻炼时,在中度锻炼强度域3008中及在用户处于休息3010时补充用户的无氧做功量。
各种***及方法在本发明中经描述用于计算用户的临界强度(临界速度或临界功率)。另外,各种***及方法在本发明中经描述用于计算与用户相关联的无氧做功量/有限做功量(M',D')。如此,给定这些所计算临界强度及有限做功量值,可预测各种活动度量。如此,所属领域的技术人员将认识到可利用各种方法来使用用户的临界速度及有限做功量中的一个或更多个来预测运动度量,而不会背离这些揭示内容的范围。在一个示例中,给定当前速度vp(m/s)、临界速度vcrit(m/s)及有限做功量D'(m),可通过下式得出对完成运动事件(例如,竞赛)的时间t(s)的预测:t=D'/(vp-vcrit)。
利用新颖MO2参数
上述提及的实施例中的一个或更多个与临界功率模型有关,例如,以预测力竭时间,包含在实时环境中预测力竭时间。示例实施例中的一个利用锻炼量的两个先验输入(例如,临界功率和W')。在某些实施例中,这些输入中的一个或更多个可能并不是熟知的可易于访问、测量和/或从准确和/或精确源获得,例如在时间约束下。
作为一个特定示例,对仅从做功速率数据及通过临界功率模型的合并来预测TTE的限制(在一些情况下)需要经先验限定的输入,它忽视了与长时间锻炼并发的生理改变。例如,本领域中易于理解,运动员在整个例如2小时的重度锻炼的过程中将会疲劳,使得锻炼量变量可能不再相当于锻炼开始时的锻炼量变量。本文公开的新颖***和方法解决了这一和/或其它可能限制。
因此,本文公开的是额外实施例。根据某些实施例,***和方法可利用肌肉氧合输出作为输入以独立于一个或更多个前述临界功率模型而直接预测力竭时间(“TTE”)。在一个实施例中,肌肉氧合输出可为用于确定力竭时间的唯一输入。本领域的技术人员将了解,可通过多个不同方法计算力竭时间,例如,确定哪一力竭时间更接近地类似于现实、可用传感器和/或数据、时间约束、电池或一个或更多个装置的能级、用户偏好和/或其它因素。
根据某些实施方案,***和方法可应用到并因此考虑不同活动。例如,示例实施方案可同时用于连续性和间歇性活动,但这在现有技术方法下是无法实现的。在一些实施例中,可从***/方法计算力竭时间,而不管用户是以超过临界强度、低于临界强度还是以临界强度进行锻炼或另外进行移动。在一个实施例中,实施***和方法,而不管以下两者:(1)活动或运动是连续性还是间歇性的;以及(2)活动是超过临界强度、低于临界强度还是处于临界强度。因此,公开的***和方法考虑锻炼模式和锻炼强度的完整范围。此类实施方案可用于实时预测力竭时间。
根据一个实施例,在体育运动期间获得、测量和/或从用户身体的一个或更多个位置导出肌肉氧合。如图31中所示,肌肉氧合可单独地用于准确地实时预测力竭时间。作为一个示例,使用本文公开的新颖***和方法,准确预测多个锻炼试验的力竭时间,其中在与彼此相比时,所述试验呈现出一系列锻炼模式和持续时间以及强度。
图31展示多个锻炼试验中的每个的肌肉氧合的平均斜率(沿着Y轴示出)与力竭时间(沿着X轴示出)比较,其中所述试验在锻炼强度和力竭时间持续时间方面是不同的。确切地说,图31A展示平均四头肌氧合斜率;图31B展示平均前臂肌肉氧合斜率;以及图31C展示来自多个不同位置的平均肌肉氧合斜率,包含小腿、斜方肌和背阔肌,另外还绘制了四头肌和前臂斜率。如图31C中所示,来自不同位置的斜率与力竭时间显著相关。
本发明人已经验证新颖***和方法的示例实施例。例如,众所周知的是,一旦应用到未包含在初始公式产生中的二级数据集(即,方程式验证数据集),就可能会出现稳定性问题。本发明人已经研发出可预测%肌肉氧合斜率和力竭时间(TTE)的***和方法,并因此将新颖方法应用到二级数据集以确认示例性方法的有效性。
在一个示例验证中,针对8个人,所估计MO2的TTE与实际TTE比较,每个人以可变锻炼强度执行间歇性跑步。如图32中所示,平均的新的MO2已确定的TTE与实际TTE并非显著不同(P<0.05;671对比677秒,Δ6±15秒或Δ2±4%)。确切地说,当比较8个不同的人时,以秒为单位的时间(在Y轴上示出)在实际TTE(X轴的左侧)与所估计MO2的TTE相比较时并非显著不同。
如上文所论述,某些***和方法需要经先验限定输入,其可引起对与长时间锻炼并发的生理改变的忽视。例如,易于理解,运动员在整个例如2小时的重度锻炼的过程中将会疲劳,使得锻炼量变量可能不再相当于锻炼开始时的锻炼量变量。新颖***和方法通过利用MO2TTE确定的所公开实施例而解决了这一不足。下文显示的表1展示两个数据集,其中在2小时锻炼之后测量真实力竭时间,并且还通过新颖MO2TTE方法计算所述真实力竭时间。如表1中所示,尽管与长时间锻炼并发各种生理变化,但是Mo2TTE方法呈现出了稳定性。例如,在数据集1中,所估计TTE推迟了1.3%,且在数据集#2中,它推迟了0.5%。TTE可为自发力竭,其中运动员无法继续,例如,熟悉锻炼类型的干劲十足的运动员,并且强度无法继续,和/或TTE可利用一个或更多个参数确认,例如乳酸盐、最大心跳速率、呼吸互换速率和/或其它参数。
表1:实际力竭时间,且通过在2小时锻炼之后所测量的MO2TTE方法计算
根据某些实施例,可实时地准确执行计算TTE。图33展示来自在2小时的令人疲劳的锻炼之后执行的锻炼的示例数据。作为一个实施例,用户可以7MPH开始跑步,但是后来的跑步可处于6MPH。现有技术***可能无法利用此类可变强度准确地预测TTE。在Y轴上展示MO2TTE估计,且在X轴上提供经过时间。如图33中所示,自发力竭点与通过MO2TTE估计公式指示的几乎零秒一致。
锻炼强度
本创新的其它方面涉及可用于预测锻炼强度的***和方法。在一个实施例中,MO2信号的回归可用于相对于特定锻炼量,例如临界强度阈值,来预测锻炼强度。
如图34中所示,***和方法可利用%MO2斜率和临界速度之间存在极强相关性(例如,在跑步中)的发现;以及关于活动的临界功率的类似观察结果)。如图34中所示,在低于临界强度的做功速率期间的正%MO2斜率和在超过临界强度的做功速率期间的负%MO2斜率存在对应关系。因此,不是仅使用MO2,而是可使用MO2的特定改变速率且相对于特定锻炼量,例如临界强度阈值,来预测锻炼强度。
如在某些公开案中所使用,术语临界强度有时可与其它语言同义,例如但不限于以下:临界功率、临界做功速率、临界速度、临界心跳速率、临界Vo2、最大乳酸盐稳定状态、乳酸盐阈值、无氧阈值、有氧阈值、功能阈值功率、换气阈值和/或呼吸补偿点,然而,疲劳可使上述参数中的一个或更多个彼此偏离,并且因此不用于现有技术***通过本文所提供的有效方式未解决的所述参数。本文公开的实施例的各方面涉及可持续对比不可持续锻炼强度的预测诊断,而不管“阈值名”如何。另外,根据一个或更多个所公开的实施例,因为MO2可用于定量锻炼强度以及力竭时间,所以还可预测例如锻炼效率、跑步经济、通过介入鞋子和/或服装而改善的表现结果的替代指示符。可向运动员描绘诊断参数中的任一个或全部以用于行为修正,或诊断参数中的任一个或全部可充当用于通过特定方式直接修改鞋子和/或服装的输入。例如,它可用于专门触发对鞋子、服装和设备的修改。
服装推荐和实时调整
如上文所提到,当通过有功和/或无功肌肉获得时,例如来自NIRS的MO2可用于计算以提供锻炼强度的指数。为此目的,较高强度锻炼一般与较大肌肉耗氧量(即从休息到锻炼的MO2值的较大改变)相关联。然而,可根据新颖***和方法解释针对给定做功速率的肌肉耗氧量的任何更改,从而提供关于锻炼的O2消耗(即O2的守恒或浪费)的了解。举例来说,降低跑步的O2消耗伴随着延迟的力竭时间和加强的体育表现结果。
可以预防性、规定性和/或适应性方式使用鞋子修改(例如改变中底挤压硬度、弯曲硬度、中底几何结构、跟部-趾部偏移、前脚弯曲硬度、可调气隙、质量分布或鞋面形状和硬度/紧密度),从而修改步态和肌肉补充模式,以及修改在例如跑步的体育活动期间的能量要求。本发明人已经发现***和方法,肌肉O2和/或相关变量可基于鞋子修改而被显著更改和调整,由此根据某些实施例,可利用MO2作为触发物来提供或实施鞋子推荐和/或“移动中”鞋子调适。
图35(包括图35A到35C)共同展示设备修改可如何延长力竭估计。确切地说,图35A提供显示在跑步机跑步期间横跨锻炼强度域的较大有功肌肉耗氧量(在四头肌中测量)的数据。当中底挤压硬度、弯曲硬度和中底几何结构在相同锻炼时段内进行即时修改时,针对给定跑步强度抑制了有功肌肉耗氧量,从而指示了跑步的经改善O2消耗。图35B提供与图35A类似的数据和解释,但特定于基本上无功肌肉(在前臂中测量)。图35C利用前述过程来依据MO2信号确定力竭时间估计。注意,经延长力竭时间估计针对经修改的鞋子的情形。因此,在新颖***和方法的实施方案中,MO2参数可用于提供鞋子推荐并充当启动鞋子的实时改变的瞬时触发物。此类改变可使得运动员的表现能够在训练和竞赛期间以及在训练和竞赛之间都得到持续性益处。
跑步再充电速率
如果运动员以低于他们的“临界”强度阈值执行体育活动,那么他们可对他们的能力进行“再充电”以执行额外的体育活动。例如,以低于运动员的临界速度执行的跑步强度便于D'的再充电,其中D'被定义为有限额外距离量,当以超过临界速度的速度跑步时,所述有限额外距离量可在出现疲劳之前就被覆盖。可使用针对D'的再充电速率的时间常量(Tau),且其与跑步者的当前速度和跑步者的临界速度(Dcs)之间的差直接相关。
本文中的各方面涉及计算锻炼模式特定的再充电速率。另外,可实施***和方法以在D'余量的计算中利用锻炼模式特定的再充电速率,如果需要,则包含实时计算,其中D'余量基本上是运动员在任一时间点可获得的D'的量。在具有D'余量信息的情况下,可实施***和方法以进行实时步伐改变,从而优化表现并阻止不适时的疲劳。
本文公开的是与特定于跑步锻炼模态的Tau常量的产生有关的***和方法。为此目的,基于群体的方法在下文描述,此类方法可基于个人而用于专门识别特定的D'再充电速率。
示例1-跑步:
使用下式计算在任一时间点已消耗的D':
dPrimeExpended=flipDcsArray*e^(-timeIndexArray/Tau);
Tau=1431*e^(2.145*Dcs)+420;
如图36的示例图表中所示,根据一个实施例,以秒为单位的D'再充电的时间以指数方式与临界速度与瞬时速度的△相关。
用于计算在跑步期间的D'再充电速率的替代性方法如下:
示例2-跑步:
使用下式计算在任一时间点已消耗的D':
如果当前速度>临界速度,那么
dPrimeExpended=currentDPrimeExpended+(Dcs*windowTime)
否则,如果当前速度<临界速度,那么
dPrimeExpended=currentDPrimeExpended*e^(k*Tau)
否则当前速度=临界速度
dPrimeExpended=currentDPrimeExpended
k=模型校正常量
Tau=dPrime/Dcs;
图37展示说明例如当dPrime未知时可使用的替代性公式的图表。
Tau=6118*e^(8.133*Dcs)+171.9
可计算在跑步期间的D'再充电速率(即,如上文提到且分别在图36和37中所示的任一tau方程式中所说明),且因此允许计算D'余量,所述D'余量被视为D'剩余的流体量,而不管锻炼强度如何。作为说明性示例,就百分比而言,一旦D'余量达到0%,运动员就处于力竭点或必须以低于临界速度得到大量“休息”,以便根据跑步tau对D'进行再次再充电。
图38A展示示例运动员以瞬时速度(通过描绘在刚刚超过4MPH和低于2MPH之间的速度的实线展示)间歇性地跑步的图表。如图38A中进一步所见,此类速度均超过及低于临界速度(利用点虚线表示),直到力竭位置为止。如所述从图38A的左上侧延伸到右下侧的线所见,当跑得比临界速度快时,D'快速耗尽,但在低于临界速度时缓慢地进行再充电。D'再充电速率与特定跑步tau公式和数值直接相关。在图38A的示例中,注意在420秒处的力竭比对和几乎为零的%D剩余。如图38B中所示,瞬时D'剩余转换成时间单位,以便易于显示和运动员理解。
为避免疑问,本申请案扩展到在以下编号段落(被称作“段落”或“多个段落”)中所描述的标的物。为避免不必要的重复工作及重复文本,仅关于一个或若干个方面、实施例或段落描述某些特征。然而,应理解,在技术可能的情况下,关于任何方面、实施例或段落所描述的特征还可与任何其它方面、实施例或段落一起使用,然而,为简单起见,对特定段落或条款的再次提及可解释为同一群组内的相应条款或段落。
群组1:
1.一种设备,其包括:
处理器;
用户接口;
氧合传感器,其经配置以经定位接近于用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
从与至少两个锻炼周期相关联的所述氧合传感器接收组织氧合数据,所述至少两个锻炼周期中的每个的至少部分与剧烈锻炼强度域相关联,且所述至少两个锻炼周期具有不同持续时间;
计算所述至少两个锻炼周期中的每个内的组织氧合点的总数目;
将所述至少两个锻炼周期中的每个内的锻炼周期总结数据点计算为组织氧合点的总数目对锻炼持续时间;
通过所述至少两个锻炼周期内的所述锻炼周期总结数据点来计算回归;
输出等于所述回归的至少部分的斜率的所述用户的临界组织氧合百分比,及/或输出等于与所述回归的至少部分相关联的截距的无氧做功量。
2.根据段落1所述的设备,其中依据所述至少两个锻炼周期,将所述至少两个锻炼周期中的每个内的组织氧合点的所述总数目计算为锻炼周期的持续时间的每一秒内的组织氧合百分比的积分。
3.根据段落1或2所述的设备,其中所述计算机可读指令在由所述处理器执行时进一步致使所述设备:
从所述氧合传感器接收指示与额外锻炼周期相关联的额外组织氧合百分比的数据;及
将所述额外组织氧合百分比与所述临界组织氧合百分比进行比较,
其中:
如果所述额外组织氧合百分比小于所述临界组织氧合,那么将指示所述用户以不可持续做功速率锻炼的信号输出到所述用户接口,及/或
如果所述额外组织氧合百分比大于或等于所述临界组织氧合,那么将指示所述用户以可持续做功速率锻炼的信号输出到所述用户接口。
4.根据前述段落中任一项所述的设备,其中所述计算机可读指令在由所述处理器执行时进一步致使所述设备:
从所述氧合传感器接收指示与额外锻炼相关联的额外组织氧合百分比的数据;
接收与所述额外锻炼相关联的距离的指示;及
所述所计算的临界组织氧合而计算所述额外锻炼的完成的预期时间。
5.根据前述段落中任一项所述的设备,其中所述氧合传感器利用近红外光谱。
6.根据前述段落中任一项所述的设备,其中所述身体组织为肌肉。
7.根据段落6所述的设备,其中由所述用户在所述至少两个锻炼周期内所进行的锻炼的类型,将所述肌肉分类为非活动肌肉。
8.根据前述段落中任一项所述的设备,其中所述设备经配置以被穿戴在用户的附件上。
9.根据前述段落中任一项所述的设备,其中所述回归为线性回归。
10.根据前述段落中任一项所述的设备,其中所述回归为曲线回归。
11.一种设备,其包括:
处理器;
氧合传感器,其经配置以经定位接近于用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
从所述氧合传感器接收指示所述用户的所述身体组织的组织氧合百分比的周期性数据;
使用两个或更多个所接收的组织氧合数据点来计算组织氧合趋势,
其中:
如果所述组织氧合趋势为负,那么输出指示所述用户以不可持续做功速率锻炼的信号,
如果所述组织氧合趋势为正,那么输出指示所述用户以可持续做功速率锻炼的信号,及/或
所述组织氧合趋势为平稳,那么输出指示所述用户以临界做功速率锻炼的信号。
12.根据段落11所述的设备,其中如果负组织氧合趋势具有超过阈值的绝对值,那么输出指示所述用户以超过所述用户的临界功率的剧烈强度锻炼的信号。
13.根据段落11或12所述的设备,其中如果所述组合氧合趋势为平稳,那么输出等于对应于所述平稳组织氧合趋势的组织氧合百分比的临界组织氧合百分比。
14.根据段落11到13中任一项所述的设备,其中所述组织氧合趋势经计算为等于当前移动平均组织氧合与先前移动平均数组织氧合之间的差的组织氧合百分比的改变。
15.根据段落11到14中任一项所述的设备,其中当组织氧合百分比的改变小于至少阈值时间内的阈值改变值时所述组织氧合趋势为平稳的。
16.根据段落15所述的设备,其中所述阈值改变值为0.1%且所述阈值时间为3秒。
17.根据段落11到16中任一项所述的设备,其中所述身体组织为肌肉。
18.根据段落11到17中任一项所述的设备,其中所述氧合传感器利用近红外光谱。
19.根据段落11到18中任一项所述的设备,其中所述设备经配置以被穿戴在用户的附件上。
20.一种方法,其包括:
通过处理器从氧合传感器接收指示用户的身体组织的组织氧合百分比的传感器数据;
通过所述处理器使用两个或更多个所接收的组织氧合数据点来计算组织氧合趋势,
其中:
如果所述组织氧合趋势为负,那么输出指示所述用户以不可持续做功速率锻炼的信号,
如果所述组织氧合趋势为正,那么输出指示所述用户以可持续做功速率锻炼的信号,及/或
如果所述组织氧合趋势为平稳,那么输出指示所述用户以临界做功速率锻炼的信号。
21.根据段落20所述的方法,其中所述组织氧合趋势经计算为等于当前移动平均组织氧合与先前移动平均数组织氧合之间的差的组织氧合百分比的改变。
22.根据段落20或21所述的设备,其中如果负组织氧合趋势具有超过阈值的绝对值,那么输出指示所述用户以超过所述用户的临界功率的剧烈强度锻炼的信号。
本申请案还扩展到在以下编号段落(被称作“段落”或“多个段落”)中所描述的标的物:
群组2:
1.一种设备,其包括:
处理器;
接口;
氧合传感器,其经配置以经定位接近于用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;
功率传感器,其经配置以输出指示所述用户的功率消耗的数据;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
在包括在剧烈锻炼强度域内锻炼的总锻炼时间的至少部分的锻炼时段期间从所述氧合传感器接收组织氧合数据;
将组织氧合的改变计算为当前组织氧合值与先前组织氧合值之间的差;及
将组织氧合的所述改变与阈值改变值及阈值持续时间进行比较,
其中:
如果组织氧合的所述改变小于或等于所述阈值改变值,且组织氧合的改变持续大于或等于所述阈值持续时间的第一持续时间,那么将指示临界功率值等于由所述功率传感器指示的当前功率的信号输出到所述接口,且/或
如果组织氧合的所述改变大于所述阈值改变值或组织氧合的所述改变持续小于所述阈值持续时间的第二持续时间,那么将指示由所述功率传感器指示的所述当前功率不等于所述用户的所述临界功率的信号输出到所述接口。
2.根据段落1所述的设备,其中所述当前组织氧合值与所述先前组织氧合值为在移动平均持续时间期间从所述氧合传感器接收的组织氧合数据点的移动平均数。
3.根据段落2所述的设备,其中所述移动平均持续时间为至少二秒。
4.根据前述段落中任一项所述的设备,其中所述身体组织为肌肉。
5.根据前述段落中任一项所述的设备,其中所述氧合传感器利用近红外光谱。
6.根据前述段落中任一项所述的设备,其中所述设备经配置以被穿戴在用户的附件上。
7.根据前述段落中任一项所述的设备,其中所述计算机可读指令在由所述处理器执行时进一步致使所述设备:
计算所述用户的无氧做功量等于所述总锻炼时间内的多个正差值的和,其中差值等于来自所述功率传感器的输出功率值与所述临界功率之间的差。
8.一种设备,其包括:
处理器;
接口;
氧合传感器,其经配置以经定位接近于用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;
功率传感器,其经配置以输出指示所述用户的功率消耗的数据;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
在包括在剧烈锻炼强度域内锻炼的总锻炼时间的至少部分的锻炼时段期间从所述氧合传感器接收组织氧合数据;
将组织氧合的改变计算为当前组织氧合值与先前组织氧合值之间的差;及
将组织氧合的所述改变与阈值改变值进行比较,
其中:
如果组织氧合的所述改变小于或等于所述阈值改变值,那么将指示临界功率值等于由所述功率传感器指示的当前功率的信号输出到所述接口,且/或
如果组织氧合的所述改变大于所述阈值改变值,那么将指示由所述功率传感器指示的所述当前功率不等于所述用户的所述临界功率的信号输出到所述接口。
9.根据段落8所述的设备,其中所述功率传感器包括加速度计。
10.根据段落8或9所述的设备,其中所述功率传感器包括测力计。
11.根据段落8到10中任一项所述的设备,其中所述接口包括图形用户接口。
12.根据段落8到11中任一项所述的设备,其中所述接口包括收发器。
13.根据段落8到12中任一项所述的设备,其中所述计算机可读指令在由所述处理器执行时进一步致使所述设备:
计算所述用户的无氧做功量等于所述总锻炼时间内的多个正差值的和,其中差值等于来自所述功率传感器的输出功率值与所述临界功率之间的差。
14.根据段落8到13中任一项所述的设备,其中所述身体组织为所述锻炼时段的活动肌肉。
15.根据段落8到13中任一项所述的设备,其中所述身体组织为所述锻炼时段的非活动肌肉。
16.一种非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由处理器执行时经配置以至少执行:
从氧合传感器接收在包括在剧烈锻炼强度域内锻炼的总锻炼时间的至少部分的锻炼时段期间的组织氧合数据;
将组织氧合的改变计算为当前组织氧合值与先前组织氧合值之间的差;及
将组织氧合的所述改变与阈值改变值进行比较,
其中:
如果组织氧合的所述改变小于或等于所述阈值改变值,那么将指示临界功率值等于由所述功率传感器指示的当前功率的信号输出到接口,且/或
如果组织氧合的所述改变大于所述阈值改变值,那么将指示由所述功率传感器指示的所述当前功率不等于所述用户的所述临界功率的信号输出到所述接口。
17.根据段落16所述的非暂时性计算机可读介质,其中所述当前组织氧合值与所述先前组织氧合值为在移动平均持续时间期间从所述氧合传感器接收的组织氧合数据点的移动平均数。
18.根据段落17所述的非暂时性计算机可读介质,其中所述移动平均持续时间为至少二秒。
19.根据段落16到18中任一项所述的非暂时性计算机可读介质,其中所述氧合传感器利用近红外光谱。
20.根据段落16到19中的任一项的非暂时性计算机可读介质,其中所述移动平均持续时间的范围介于至少1秒与10秒之间。
本申请案还扩展到在以下编号段落(被称作“段落”或“多个段落”)中所描述的标的物:
群组3:
1.一种设备,其包括:
处理器;
传感器;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
从所述传感器接收多个传感器数据点,所述多个传感器数据点各自指示在锻炼时段期间用户的瞬时速度,所述锻炼时段具有介于开始时间与结束时间之间的规定的持续时间;
计算在所述锻炼时段的所述规定的持续时间结束时的所述用户的末速度;
将超过末速度的距离计算为由所述用户在所述锻炼时段的所述规定的持续时间的所述开始时间与结束时间之间以超过所述所计算的末速度的瞬时速度行进的总距离;
基于所计算的末速度而输出所述用户的临界速度,且/或基于超过末速度的所述所计算距离而输出无氧做功量。
2.根据段落1所述的设备,其中所述用户的所述末速度经计算为在所述锻炼时段的结束部分期间所接收的所述多个周期性传感器数据点的子集的平均数。
3.根据段落2所述的设备,其中所述锻炼时段的所述规定的持续时间的所述结束部分包括所述所规定的持续时间的最后30秒。
4.根据前述段落中任一项所述的设备,其中所述临界速度通过所述处理器计算为所述所计算的末速度的90%到95%。
5.根据前述段落中任一项所述的设备,其中所述无氧做功量经计算为超过末速度的所述所计算距离的125%到135%。
6.根据前述段落中任一项所述的设备,其中所述多个传感器数据点为周期性。
7.根据前述段落中任一项所述的设备,其中所述锻炼时段包括2到5分钟的规定的持续时间。
8.根据前述段落中任一项所述的设备,其中所述锻炼时段包括大约3分钟的规定的持续时间。
9.根据前述段落中任一项所述的设备,其中所述锻炼时段进一步规定所述用户以最高主观强度水平锻炼达所述规定的持续时间。
10.根据前述段落中任一项所述的设备,其中所述传感器包括加速度计。
11.根据前述段落中任一项所述的设备,其中所述传感器包括位置确定传感器。
12.一种设备,其包括:
处理器;
传感器;及
非暂时性计算机可读介质,其包括计算机可执行指令,所述计算机可执行指令在由所述处理器执行时经配置以至少执行:
从与至少两个锻炼周期相关联的所述传感器的数据,所述至少两个锻炼周期中的至少部分与剧烈锻炼强度域相关联,且具有不同持续时间;
将所述至少两个锻炼周期中的每个内的锻炼周期总结数据点计算为所行进的总距离对锻炼持续时间;
通过所述至少两个锻炼周期内的所述锻炼周期总结数据点来计算回归;
输出等于所述回归的至少部分的斜率的所述用户的临界速度,及/或输出等于与所述回归的至少部分相关联的截距的无氧做功量。
13.根据段落12所述的设备,其中所述计算机可读指令在由所述处理器执行时进一步致使所述设备:
从所述传感器接收指示与额外锻炼周期相关联的速度的数据;及
将所述速度与所述临界速度进行比较,
其中:
如果所述速度大于所述临界速度,那么输出指示所述用户以不可持续做功速率锻炼的信号,且/或
如果所述速度小于或等于所述临界速度,那么输出所述用户以可持续做功速率锻炼的信号。
14.根据段落12到13所述的设备,其中所述传感器为位置确定传感器。
15.根据段落12到14中任一项所述的设备,其中所述传感器为加速度计。
16.根据段落12到15中任一项所述的设备,其中所述设备经配置以被穿戴在用户的附件上。
17.根据段落12到16中任一项所述的设备,其中所述回归为线性回归。
18.根据段落12到17中任一项所述的设备,其中所述回归为曲线回归。
19.一种方法,其包括:
通过处理器从传感器接收多个传感器数据点,所述多个传感器数据点指示在锻炼时段期间的多个时间周期的用户的速度,所述锻炼时段具有介于开始时间与结束时间之间的规定的持续时间;
通过所述处理器计算在所述锻炼时段结束时所述用户的末速度;
通过所述处理器将超过末速度的距离计算为由所述用户在所述锻炼时段的所述规定的持续时间的所述开始时间与结束时间之间以超过所述所计算的末速度的速度行进的总距离;
基于所计算的末速度而输出所述用户的临界速度,且/或基于超过末速度的所述所计算距离而输出无氧做功量。
20.根据段落19所述的方法,其中所述用户的所述末速度经计算为在所述锻炼时段的结束部分期间所接收的所述多个周期性传感器数据点的子集的平均数。
21.根据段落20所述的方法,其中所述锻炼时段的所述规定的持续时间的所述结束部分包括所述规定的持续时间的最后30秒。
22.根据段落19到21中任一项所述的方法,其中所述临界速度通过所述处理器计算为所述所计算的末速度的90%到95%。
23.根据段落19到22中任一项所述的方法,其中所述无氧做功量经计算为超过末速度的所述所计算距离的125%到135%。
24.根据段落19到23中任一项所述的方法,其中所述多个传感器数据点为周期性。
25.根据段落19到24中任一项所述的方法,其中所述锻炼包括2到5分钟的规定的持续时间。
26.根据段落19到25中任一项所述的方法,其中所述锻炼时段包括大约3分钟的规定的持续时间。
27.根据段落19到26中任一项所述的设备,其中所述锻炼时段进一步规定所述用户以最高主观强度水平锻炼所述规定的持续时间。
本申请案还扩展到在以下编号段落(被称作“段落”或“多个段落”)中所描述的标的物:
群组4:
1.一种方法,其包括:
从用户接收指示运动表现距离d及运动表现时间t的数据点;
基于所述运动表现时间及活动类型而计算临界速度分数CVfraction;
将所述用户的平均速度计算为所述运动表现距离除以所述时间;及
计算等于所述平均速度除以所述临界速度分数的所述用户的临界速度,
其中针对对应于跑步的所述活动类型,CVfraction大约等于2*t-0.1。
2.根据段落1所述的方法,其中所述CVfraction大约等于1.9*t-0.08。
3.根据段落1所述的方法,其中所述CVfraction大约等于1.87*t-0.082。
4.根据段落1所述的方法,其中所述CVfraction大约等于1.868*t-0.082。
5.根据段落1所述的方法,其中所述CVfraction大约等于1.8677*t-0.082。
6.根据前述段落中任一项所述的方法,其进一步包括:
将低于所述临界速度所行进的距离计算为所述平均速度乘以所述运动表现时间;及
计算等于所述运动表现距离减去低于所述临界速度所行进的所述距离的无氧做功量。
7.一种方法,其包括:
从用户接收指示运动表现距离d及运动表现时间t的数据点;
基于所述运动表现距离及活动类型而计算临界速度分数CVfraction;
将所述用户的平均速度计算为所述运动表现距离除以所述时间;及
计算等于所述平均速度除以所述临界速度分数的所述用户的临界速度,
其中针对对应于跑步的所述活动类型,CVfraction=2*d-0.1。
8.根据段落7所述的方法,其中所述CVfraction大约等于2.2*d-0.09。
9.根据段落7所述的方法,其中所述CVfraction大约等于2.24*d-0.09。
10.根据段落7所述的方法,其中所述CVfraction大约等于2.240*d-0.09。
11.根据段落7所述的方法,其中所述CVfraction大约等于2.2398*d-0.09。
12.一种方法,其包括:
从用户接收指示运动表现功率p及运动表现时间t的数据点;
基于所述运动表现时间及活动类型而计算临界功率分数CPfraction;
将所述用户的平均功率计算为所述运动表现功率除以所述时间;及
计算等于所述平均功率除以所述临界功率分数的所述用户的临界功率,
其中针对对应于骑行的所述活动类型,CPfraction=2*t-0.1。
13.根据段落12所述的方法,其中所述CPfraction大约等于1.9*t-0.08。
14.根据段落12所述的方法,其中所述CPfraction大约等于1.92*t-0.088。
15.根据段落12所述的方法,其中所述CPfraction大约等于1.920*t-0.088。
16.根据段落12所述的方法,其中所述CPfraction大约等于1.9199*t-0.088。
17.一种方法,其包括:
从用户接收指示运动表现功率p及运动表现时间t的数据点;
基于所述运动表现功率及活动类型而计算临界功率分数CPfraction;
将所述用户的平均功率计算为所述运动表现功率除以所述时间;及
计算等于所述平均功率除以所述临界功率分数的所述用户的临界功率,
其中针对对应于骑行的所述活动类型,CPfraction=3*p-0.1。
18.根据段落17所述的方法,其中所述CPfraction大约等于3.1*p-0.08。
19.根据段落17所述的方法,其中所述CPfraction大约等于3.09*p-0.086。
20.根据段落17所述的方法,其中所述CPfraction大约等于3.089*p-0.086。
21.根据段落17所述的方法,其中所述CPfraction大约等于3.0889*p-0.086。
本申请案还扩展到在以下编号段落(被称作“段落”或“多个段落”)中所描述的标的物:
群组5:
1.一种方法,其包括:
接收来自用户的问卷响应;
基于所述问卷响应而计算并存储用户运动配置文件;
在锻炼时段转换从所述用户接收自感用力度值;
基于所述所存储运动配置文件,将所述自感用力度值映射到耗氧量尺度;及
基于所述映射,输出所述用户的所估计耗氧量。
2.根据段落1所述的方法,其中所述问卷要求用户估计从由以下各项组成的问题所选择的一个或更多个属性:对骨骼大小的估计、对所述用户的瘦度的估计、对肌肉大小的估计、对睡眠质量的估计、对放松习惯的估计、对营养质量的估计、对吸烟状态的估计、对饮酒习惯的估计及对所述用户的积极性的估计、所述用户的年龄、性别、身高、腰围、体重、所述用户是否怀孕的指示、对5km跑步竞赛步速的估计,及对在一周期间活动的天数的估计。
Claims (16)
1.一种设备,其包括:
处理器;
接口;
氧合传感器,其经配置以定位成接近用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;
非暂时性计算机可读介质,其包括在由所述处理器执行时经配置以执行至少以下操作的计算机可执行指令:
从所述氧合传感器接收在锻炼时段期间的组织氧合数据,包括包括间歇性活动的至少第一部分;
将组织氧合的改变计算为从相同组织获得的当前组织氧合值和先前组织氧合值之间的差;
计算所述组织氧合的改变的改变速率;
基于所述改变速率,计算所述用户的所估计力竭时间;以及
基于所述用户的所述所估计力竭时间,使经配置以通知所述用户更改行为的输出产生不同的实际力竭时间。
2.根据权利要求1所述的设备,其中所述时段进一步包括连续活动,并且所述所估计力竭时间仍然基于所述改变速率。
3.根据权利要求1所述的设备,其中在所述时段期间,所述用户在所述时段的至少一部分内执行超过所述用户的临界强度。
4.根据权利要求1所述的设备,其中在所述时段期间,所述用户在所述时段的至少一部分内执行低于所述用户的特定临界强度。
5.根据权利要求1所述的设备,其中所述间歇性活动是团体运动。
6.根据权利要求1所述的设备,其中所述当前组织氧合值和所述先前组织氧合值是在移动平均持续时间期间从所述氧合传感器接收的组织氧合数据点的移动平均数。
7.根据权利要求1所述的设备,其中所述身体组织是在所述时段期间有功的肌肉。
8.根据权利要求1所述的设备,其中所述身体组织是在所述时段期间无功的肌肉。
9.根据权利要求1所述的设备,其中所述设备经配置以穿戴在用户的附器上。
10.根据权利要求2所述的设备,其中所述移动平均持续时间为至少两秒。
11.一种设备,其包括:
处理器;
接口;
氧合传感器,其经配置以定位成接近用户的皮肤区域,所述氧合传感器经进一步配置以输出指示所述用户的身体组织的组织氧合的数据;
非暂时性计算机可读介质,其包括在由所述处理器执行时经配置以执行至少以下操作的计算机可执行指令:
从所述氧合传感器接收在锻炼时段期间的组织氧合数据,包括包括间歇性活动的至少第一部分;
将组织氧合的改变计算为从相同组织获得的当前组织氧合值和先前组织氧合值之间的差;
计算所述组织氧合的改变的改变速率;
基于所述改变速率,计算所述用户的所估计力竭时间;以及
基于所述用户的所述所估计力竭时间,传输电子信号,所述电子信号经配置以实时调整,从而调整在所述时段期间所述用户所用的服装或设备装置,以便修改用于执行所述时段的能量要求。
12.根据权利要求11所述的设备,其中所述能量要求的修改包括修改所述用户穿戴的鞋子。
13.根据权利要求12所述的设备,其中所述修改选自由以下组成的组:中底挤压硬度、弯曲硬度、中底几何结构、跟部-趾部偏移、前脚弯曲硬度、可调气隙、质量分布、鞋面硬度/紧密度,及其组合。
14.根据权利要求12所述的设备,其中所述修改经配置以提高所述能量要求。
15.根据权利要求12所述的设备,其中所述组织氧合数据包括来自无功肌肉的数据。
16.根据权利要求12所述的设备,其中所述先前组织氧合值是第一氧合值,且所述当前组织氧合值是第二氧合值,并且其中所述计算机可读介质包括在由所述处理器执行时执行至少以下操作的计算机可执行指令:
将组织氧合的改变计算为从相同组织获得的第三组织氧合值和所述第二组织氧合值之间的差;
计算所述组织氧合的改变的第二改变速率;
基于所述第二改变速率,计算所述用户的更新后的所估计力竭时间;以及
基于所述用户的所述更新后的所估计力竭时间,传输经配置以执行以下操作中的至少一个的电子信号:
实时调整以调整在所述时段期间所述用户所用的服装或设备装置,以便修改用于执行所述时段的所述能量要求;以及
使经配置以通知所述用户更改行为的输出产生不同的实际力竭时间。
Applications Claiming Priority (11)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562168059P | 2015-05-29 | 2015-05-29 | |
US201562168066P | 2015-05-29 | 2015-05-29 | |
US201562168079P | 2015-05-29 | 2015-05-29 | |
US201562168110P | 2015-05-29 | 2015-05-29 | |
US201562168095P | 2015-05-29 | 2015-05-29 | |
US62/168,079 | 2015-05-29 | ||
US62/168,066 | 2015-05-29 | ||
US62/168,110 | 2015-05-29 | ||
US62/168,095 | 2015-05-29 | ||
US62/168,059 | 2015-05-29 | ||
PCT/US2016/034759 WO2016196333A1 (en) | 2015-05-29 | 2016-05-27 | Activity monitoring device with assessment of exercise intensity |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107847786A true CN107847786A (zh) | 2018-03-27 |
CN107847786B CN107847786B (zh) | 2019-11-05 |
Family
ID=57397884
Family Applications (4)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011352678.8A Active CN112546602B (zh) | 2015-05-29 | 2016-05-27 | 评估锻炼强度的活动监测装置 |
CN201680043023.8A Active CN107847786B (zh) | 2015-05-29 | 2016-05-27 | 评估锻炼强度的活动监测装置 |
CN201680043073.6A Active CN107847148B (zh) | 2015-05-29 | 2016-05-27 | 评估锻炼强度的活动监测装置 |
CN201680043463.3A Active CN108025202B (zh) | 2015-05-29 | 2016-05-27 | 评估运动强度的活动监测设备 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011352678.8A Active CN112546602B (zh) | 2015-05-29 | 2016-05-27 | 评估锻炼强度的活动监测装置 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680043073.6A Active CN107847148B (zh) | 2015-05-29 | 2016-05-27 | 评估锻炼强度的活动监测装置 |
CN201680043463.3A Active CN108025202B (zh) | 2015-05-29 | 2016-05-27 | 评估运动强度的活动监测设备 |
Country Status (4)
Country | Link |
---|---|
US (6) | US10524728B2 (zh) |
EP (5) | EP3304256B1 (zh) |
CN (4) | CN112546602B (zh) |
WO (6) | WO2016196295A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109222939A (zh) * | 2018-06-19 | 2019-01-18 | 江苏峰汇智联科技有限公司 | 一种基于多源数据信息融合的穿戴设备 |
CN110025932A (zh) * | 2019-04-28 | 2019-07-19 | 太平洋未来科技(深圳)有限公司 | 一种可测量人体腿部肌肉运动强度的传感器装置 |
CN112545515A (zh) * | 2020-12-04 | 2021-03-26 | 清华大学 | 竞争压力下射击表现检测及评估方法及装置 |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102870475B (zh) * | 2010-03-12 | 2016-12-07 | 日升微器件公司 | 功率高效的通信 |
RU2681362C2 (ru) * | 2012-11-30 | 2019-03-06 | Конинклейке Филипс Н.В. | Способ и устройство для оценивания риска падения пользователя |
WO2015057701A1 (en) | 2013-10-14 | 2015-04-23 | Nike Innovate C.V. | Calculating pace and energy expenditure from athletic movement attributes |
AU2014347366B2 (en) * | 2013-11-08 | 2019-10-31 | Performance Lab Technologies Limited | Automated prescription of activity based on physical activity data |
US10537245B2 (en) | 2015-02-17 | 2020-01-21 | Halo Wearables, Llc | Measurement correlation and information tracking for a portable device |
WO2017146350A1 (ko) * | 2016-02-22 | 2017-08-31 | 솔티드벤처 주식회사 | 신발 |
US10967221B2 (en) * | 2016-11-29 | 2021-04-06 | James L. O'Sullivan | Device and method for monitoring exercise performance |
US11090528B2 (en) * | 2017-05-04 | 2021-08-17 | The Trustees Of The University Of Pennsylvania | Robotic physical therapy systems and data analysis of user interactions |
CN107456743A (zh) * | 2017-08-14 | 2017-12-12 | 京东方科技集团股份有限公司 | 运动指导方法及*** |
US10603543B2 (en) * | 2017-12-21 | 2020-03-31 | Nautilus, Inc. | Critical power adaptive training with varying parameters |
JP2019138812A (ja) * | 2018-02-13 | 2019-08-22 | 日本電信電話株式会社 | 距離測定装置、距離測定システム及び距離測定方法 |
US11350853B2 (en) | 2018-10-02 | 2022-06-07 | Under Armour, Inc. | Gait coaching in fitness tracking systems |
WO2021062249A1 (en) * | 2019-09-27 | 2021-04-01 | Stats Llc | System and method for improved structural discovery and representation learning of multi-agent data |
CN111228723B (zh) * | 2020-02-14 | 2021-08-17 | 东莞品赫电子科技有限公司 | 一种与智能穿戴设备协同使用的智能跑步机 |
US11358028B2 (en) | 2020-02-19 | 2022-06-14 | Nautilus, Inc. | Workout generation based on user-agnostic training profiles and user boundaries |
US20210316184A1 (en) * | 2020-04-08 | 2021-10-14 | bOMDIC, Inc. | Method for monitoring exercise session with multiple schemes |
ES2891679A1 (es) * | 2020-07-17 | 2022-01-28 | Verdejo Amengual Marti | Metodo de evaluacion y monitorizacion del desempeno hemodinamico muscular durante una actividad locomotora ciclica |
CN111951555B (zh) * | 2020-08-20 | 2022-04-22 | 重庆大学 | 一种基于rfid数据的交通流速度临界相变区间估计方法 |
US11801355B2 (en) * | 2020-11-20 | 2023-10-31 | Kyndryl, Inc. | Oxygen tank duration of use |
CN113519961A (zh) * | 2020-12-04 | 2021-10-22 | 广东省大湾区集成电路与***应用研究院 | 一种多功能体脂测量鞋子 |
US11389696B2 (en) * | 2020-12-16 | 2022-07-19 | Outside Interactive, Inc. | Athletic activity tracking and personalized updates based thereon |
CN113713353B (zh) * | 2021-05-12 | 2022-05-31 | 北京冰锋科技有限责任公司 | 一种跳台滑雪运动员的技术动作获取方法及*** |
US20230065695A1 (en) * | 2021-08-24 | 2023-03-02 | Oura Health Oy | Location-based activity tracking |
US20230060394A1 (en) * | 2021-08-27 | 2023-03-02 | Rapsodo Pte. Ltd. | Intelligent analysis and automatic grouping of activity sensors |
US11883713B2 (en) | 2021-10-12 | 2024-01-30 | Boost Treadmills, LLC | DAP system control and related devices and methods |
CN116407088B (zh) * | 2023-03-01 | 2024-01-09 | 山西美好蕴育生物科技有限责任公司 | 基于功率车的运动心率预测模型训练方法、心率预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060079800A1 (en) * | 2004-07-01 | 2006-04-13 | Mega Elektroniikka Oy | Method and device for measuring exercise level during exercise and for measuring fatigue |
US20070219059A1 (en) * | 2006-03-17 | 2007-09-20 | Schwartz Mark H | Method and system for continuous monitoring and training of exercise |
EP1545310B1 (en) * | 2002-08-16 | 2010-05-26 | Firstbeat Technologies OY | Method for monitoring accumulated body fatigue for determining recovery during exercise or activity |
CN102695490A (zh) * | 2009-12-10 | 2012-09-26 | 克利夫兰临床医学基金会 | 利用辅助锻炼来改善运动功能的***和方法 |
WO2013056154A1 (en) * | 2011-10-13 | 2013-04-18 | University Of Houston System | Apparatus and method for improving training threshold |
WO2014201371A1 (en) * | 2013-06-13 | 2014-12-18 | Intelidigital Corp. | System for optimal physical exercise and training |
Family Cites Families (88)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1331483C (en) * | 1988-11-02 | 1994-08-16 | Britton Chance | User-wearable hemoglobinometer for measuring the metabolic condition of a subject |
US5873821A (en) * | 1992-05-18 | 1999-02-23 | Non-Invasive Technology, Inc. | Lateralization spectrophotometer |
US5067710A (en) | 1989-02-03 | 1991-11-26 | Proform Fitness Products, Inc. | Computerized exercise machine |
US5018726A (en) | 1989-08-09 | 1991-05-28 | Yorioka Gerald N | Method and apparatus for determining anaerobic capacity |
US5361775A (en) | 1993-04-06 | 1994-11-08 | Mega Elektroniikka Oy Pl. | Method for determining muscle endurance and sensitivity to fatigue |
US5752521A (en) | 1993-11-12 | 1998-05-19 | Dardik; Irving I. | Therapeutic exercise program |
US6885971B2 (en) * | 1994-11-21 | 2005-04-26 | Phatrat Technology, Inc. | Methods and systems for assessing athletic performance |
US5755674A (en) | 1995-10-25 | 1998-05-26 | Watson; Steven R. | Abdominal exerciser |
US5724265A (en) * | 1995-12-12 | 1998-03-03 | Hutchings; Lawrence J. | System and method for measuring movement of objects |
CN2271389Y (zh) * | 1996-10-30 | 1997-12-31 | 昌祐精密工业股份有限公司 | 健身器材仪表的竞赛显示装置 |
AUPO673997A0 (en) | 1997-05-09 | 1997-06-05 | University Of Queensland, The | Muscle function assessment apparatus and method |
US6876947B1 (en) | 1997-10-02 | 2005-04-05 | Fitsense Technology, Inc. | Monitoring activity of a user in locomotion on foot |
GB9724813D0 (en) | 1997-11-25 | 1998-01-21 | Univ Nottingham | Reducing muscle fatigue |
US6454679B1 (en) | 1998-06-09 | 2002-09-24 | Scott Brian Radow | Bipedal locomotion training and performance evaluation device and method |
ES2147679T3 (es) | 1998-06-26 | 2000-09-16 | Josef Dirr | Procedimiento para la multiplicacion de niveles de codificacion. |
WO2000040151A1 (de) * | 1998-12-30 | 2000-07-13 | Robert Sierzega | Bestimmung der leistungsfähigkeit einer person |
JP4316745B2 (ja) | 1999-10-12 | 2009-08-19 | 浜松ホトニクス株式会社 | 筋疲労モニタ |
FI114201B (fi) | 2000-02-23 | 2004-09-15 | Polar Electro Oy | Laktaatin määrän arviointi elimistössä |
TW555544B (en) | 2001-05-28 | 2003-10-01 | Tonic Fitness Technology Inc | Method for measuring anaerobic threshold by detection and analysis of heartbeat data obtained during exercise |
CA2366178A1 (en) | 2001-12-21 | 2003-06-21 | Human Energetics Inc. | Performance-energetics estimation system |
US6817979B2 (en) | 2002-06-28 | 2004-11-16 | Nokia Corporation | System and method for interacting with a user's virtual physiological model via a mobile terminal |
CN100455255C (zh) * | 2002-08-09 | 2009-01-28 | 因特尔丘尔有限公司 | 用于调节生物节律性活动的通用节拍器 |
FI20021913A0 (fi) * | 2002-10-28 | 2002-10-28 | Clothing Plus Oy | Matkamittari |
US7244251B2 (en) * | 2003-02-07 | 2007-07-17 | Alfred E. Mann Institute For Biomedical Engineering | Implanted surgical drain with multiple sensing elements for monitoring internal tissue condition |
DE602005018185D1 (de) | 2004-04-09 | 2010-01-21 | Conor O'brien | Trainingsüberwachungsvorrichtung |
US8082015B2 (en) | 2004-04-13 | 2011-12-20 | The Trustees Of The University Of Pennsylvania | Optical measurement of tissue blood flow, hemodynamics and oxygenation |
TW200537901A (en) | 2004-04-22 | 2005-11-16 | Yuh-Swu Hwang | Method and apparatus enable mobile phone capable of exercise measuring and workout support |
US7254516B2 (en) * | 2004-12-17 | 2007-08-07 | Nike, Inc. | Multi-sensor monitoring of athletic performance |
US8055321B2 (en) * | 2005-03-14 | 2011-11-08 | Peter Bernreuter | Tissue oximetry apparatus and method |
DE102005018634A1 (de) * | 2005-04-21 | 2006-10-26 | Siemens Ag | Trainings- und/oder Therapiesystem für den menschlichen und/oder den tierischen Körper |
US20070038126A1 (en) * | 2005-06-23 | 2007-02-15 | Pyle Jason L | System and method for monitoring of end organ oxygenation by measurement of in vivo cellular energy status |
CA2517184A1 (en) * | 2005-08-25 | 2007-02-25 | Groupe Procycle | Optical sensor for sports equipment |
US7536214B2 (en) | 2005-10-26 | 2009-05-19 | Hutchinson Technology Incorporated | Dynamic StO2 measurements and analysis |
US8128410B2 (en) | 2006-09-29 | 2012-03-06 | Nike, Inc. | Multi-mode acceleration-based athleticism measurement system |
US8639309B2 (en) * | 2007-07-31 | 2014-01-28 | J&M Shuler, Inc. | Method and system for monitoring oxygenation levels of compartments and tissue |
GB0708457D0 (en) * | 2007-05-01 | 2007-06-06 | Unilever Plc | Monitor device and use thereof |
WO2009003170A1 (en) | 2007-06-27 | 2008-12-31 | Radow Scott B | Stationary exercise equipment |
KR101530233B1 (ko) * | 2007-07-13 | 2015-06-19 | 유니버시티 오브 매사추세츠 | 운동 성능 모니터링 및 모니터 |
US20090137910A1 (en) * | 2007-11-28 | 2009-05-28 | Pyle Jason L | Organ oxygenation state monitor and method |
WO2009118645A1 (en) | 2008-03-27 | 2009-10-01 | Polar Electro Oy | Apparatus for metabolic training load, mechanical stimulus, and recovery time calculation |
US20090292178A1 (en) * | 2008-05-21 | 2009-11-26 | Qualcomm Incorporated | System and method of monitoring users during an interactive activity |
JP5776120B2 (ja) * | 2008-06-12 | 2015-09-09 | アミグダラ ピーティーワイ リミテッド | 運動低下状態及び/又は運動亢進状態の検出 |
CA2732996A1 (en) | 2008-08-07 | 2010-05-14 | University Of Massachusetts | Spectroscopic sensors |
US9272186B2 (en) | 2008-08-22 | 2016-03-01 | Alton Reich | Remote adaptive motor resistance training exercise apparatus and method of use thereof |
US9144709B2 (en) | 2008-08-22 | 2015-09-29 | Alton Reich | Adaptive motor resistance video game exercise apparatus and method of use thereof |
KR101026486B1 (ko) | 2008-10-22 | 2011-04-01 | 주식회사 하이닉스반도체 | 반도체 소자 및 그의 제조방법 |
WO2010088529A1 (en) * | 2009-01-29 | 2010-08-05 | Nike International Ltd. | Athletic performance rating system |
WO2010096691A2 (en) * | 2009-02-20 | 2010-08-26 | The Regents Of The University Of Colorado, A Body Corporate | Footwear-based body weight monitor and postural allocation, physical activity classification, and energy expenditure calculator |
FR2942388B1 (fr) * | 2009-02-26 | 2012-10-12 | Movea | Systeme et procede de detection de marche d'une personne |
CA2757238C (en) * | 2009-03-27 | 2019-06-25 | Infomotion Sports Technologies, Inc. | Monitoring of physical training events |
CA2758932A1 (en) * | 2009-04-16 | 2010-10-21 | Nike International Ltd. | Athletic performance rating system |
WO2010144649A1 (en) * | 2009-06-10 | 2010-12-16 | Medtronic, Inc. | Shock reduction using absolute calibrated tissue oxygen saturation and total hemoglobin volume fraction |
US8352008B2 (en) | 2009-06-10 | 2013-01-08 | Medtronic, Inc. | Active noise cancellation in an optical sensor signal |
KR101315907B1 (ko) * | 2009-08-27 | 2013-10-08 | 주식회사 누가의료기 | 운동 처방 시스템 및 운동 처방 방법 |
WO2011024018A1 (en) | 2009-08-28 | 2011-03-03 | Assistance Publique - Hopitaux De Paris | A non-invasive method for assessing tissue perfusion in a patient |
US20110106201A1 (en) * | 2009-10-30 | 2011-05-05 | Sourav Bhunia | Implantable heart failure monitor |
FI20096232A0 (sv) | 2009-11-23 | 2009-11-23 | Valtion Teknillinen | Fysisk aktivitetsbaserad styrning för en anordning |
US9665873B2 (en) | 2010-02-24 | 2017-05-30 | Performance Lab Technologies Limited | Automated physical activity classification |
WO2011152388A1 (ja) | 2010-05-31 | 2011-12-08 | Kato Toshinori | 生体機能診断装置及びプログラム |
US10039970B2 (en) * | 2010-07-14 | 2018-08-07 | Adidas Ag | Location-aware fitness monitoring methods, systems, and program products, and applications thereof |
JP5798198B2 (ja) * | 2010-12-13 | 2015-10-21 | ナイキ イノベイト セー. フェー. | エネルギー消費を推定するための、運動活動を行っているユーザのデータ処理の方法 |
DE202011001371U1 (de) | 2011-01-12 | 2011-04-14 | Isoclima Gmbh | Panzerglasscheibe und zugehörige, durchschusshemmende Vorrichtung |
EP2672854B1 (en) * | 2011-02-07 | 2019-09-04 | New Balance Athletics, Inc. | Systems and methods for monitoring athletic performance |
GB201103921D0 (en) | 2011-03-08 | 2011-04-20 | Cambridge Entpr Ltd | Method and apparatus for monitoring a subject during exercise |
US10004946B2 (en) | 2011-03-24 | 2018-06-26 | MedHab, LLC | System and method for monitoring power applied to a bicycle |
CA2854663A1 (en) | 2011-11-08 | 2013-05-16 | J&M Shuler, Inc. | Method and system for providing versatile nirs sensors |
US9734304B2 (en) * | 2011-12-02 | 2017-08-15 | Lumiradx Uk Ltd | Versatile sensors with data fusion functionality |
US9474472B2 (en) * | 2011-12-30 | 2016-10-25 | Intel Corporation | Apparatus, method, and system for accurate estimation of total energy expenditure in daily activities |
US20130178958A1 (en) * | 2012-01-09 | 2013-07-11 | Garmin Switzerland Gmbh | Method and system for determining user performance characteristics |
US9352207B2 (en) | 2012-01-19 | 2016-05-31 | Nike, Inc. | Action detection and activity classification |
TWI449521B (zh) | 2012-02-09 | 2014-08-21 | Ind Tech Res Inst | 復健指引方法與復健指引系統 |
KR101787848B1 (ko) * | 2012-06-04 | 2017-10-18 | 나이키 이노베이트 씨.브이. | 피트니스 서브 점수와 애슬레티시즘 서브 점수를 갖는 결합식 점수 |
US9168419B2 (en) | 2012-06-22 | 2015-10-27 | Fitbit, Inc. | Use of gyroscopes in personal fitness tracking devices |
GB2505690B (en) | 2012-09-07 | 2018-02-07 | Toumaz Healthcare Ltd | A device and method for estimating energy expenditure during exercise |
KR101907089B1 (ko) | 2012-11-16 | 2018-10-11 | 삼성전자주식회사 | 젖산 역치 추정 장치 및 방법 |
WO2014121374A1 (en) * | 2013-02-06 | 2014-08-14 | Blur Sports Inc. | Performance monitoring systems and methods for edging sports |
US9439567B2 (en) | 2013-02-06 | 2016-09-13 | Abraham Carter | Updating firmware to customize the performance of a wearable sensor device for a particular use |
US10322063B2 (en) | 2013-03-19 | 2019-06-18 | Genovus Biotechnologies Inc. | Muscle optimization device and method |
WO2014153428A1 (en) * | 2013-03-19 | 2014-09-25 | Surgisense Corporation | Apparatus, systems and methods for determining tissue oxygenation |
WO2014194337A1 (en) * | 2013-05-30 | 2014-12-04 | Atlas Wearables, Inc. | Portable computing device and analyses of personal data captured therefrom |
US20150031970A1 (en) | 2013-07-29 | 2015-01-29 | Covidien Lp | Systems and methods for monitoring oxygen saturation during exercise |
US9731184B2 (en) * | 2013-08-19 | 2017-08-15 | bOMDIC Inc. | Exercise assistive device |
WO2015057701A1 (en) * | 2013-10-14 | 2015-04-23 | Nike Innovate C.V. | Calculating pace and energy expenditure from athletic movement attributes |
GB2519987B (en) * | 2013-11-04 | 2021-03-03 | Imperial College Innovations Ltd | Biomechanical activity monitoring |
CN103908259B (zh) * | 2014-04-03 | 2016-01-13 | 深圳市德凯瑞科技有限公司 | 一种智能穿戴设备及人体运动的监测与识别方法 |
US20160120733A1 (en) * | 2014-10-30 | 2016-05-05 | Elwha Llc | Garment system including at least one sensor and at least one actuator responsive to the sensor and related methods |
EP3283990B1 (en) * | 2015-04-15 | 2023-10-25 | NIKE Innovate C.V. | Activity monitoring device with assessment of exercise intensity |
US9693727B1 (en) | 2016-03-31 | 2017-07-04 | Firstbeat Technologies Oy | Method and system to determine anaerobic threshold of a person non-invasively from freely performed exercise and to provide feedback on training intensity |
-
2016
- 2016-05-27 WO PCT/US2016/034659 patent/WO2016196295A1/en active Application Filing
- 2016-05-27 EP EP16804103.6A patent/EP3304256B1/en active Active
- 2016-05-27 US US15/167,241 patent/US10524728B2/en active Active
- 2016-05-27 CN CN202011352678.8A patent/CN112546602B/zh active Active
- 2016-05-27 EP EP16804118.4A patent/EP3302247B1/en active Active
- 2016-05-27 WO PCT/US2016/034556 patent/WO2016196254A1/en active Application Filing
- 2016-05-27 EP EP16804145.7A patent/EP3302730B1/en active Active
- 2016-05-27 WO PCT/US2016/034650 patent/WO2016196289A1/en active Application Filing
- 2016-05-27 WO PCT/US2016/034586 patent/WO2016196265A1/en active Application Filing
- 2016-05-27 CN CN201680043023.8A patent/CN107847786B/zh active Active
- 2016-05-27 CN CN201680043073.6A patent/CN107847148B/zh active Active
- 2016-05-27 WO PCT/US2016/034604 patent/WO2016196272A1/en active Application Filing
- 2016-05-27 CN CN201680043463.3A patent/CN108025202B/zh active Active
- 2016-05-27 US US15/166,601 patent/US20160346614A1/en not_active Abandoned
- 2016-05-27 WO PCT/US2016/034759 patent/WO2016196333A1/en active Application Filing
- 2016-05-27 EP EP23185762.4A patent/EP4272594A3/en active Pending
- 2016-05-27 EP EP16804106.9A patent/EP3302729B1/en active Active
-
2019
- 2019-11-20 US US16/689,565 patent/US11134890B2/en active Active
- 2019-11-25 US US16/693,493 patent/US20200093419A1/en not_active Abandoned
-
2021
- 2021-09-16 US US17/477,126 patent/US11690565B2/en active Active
-
2023
- 2023-05-17 US US18/198,662 patent/US20230284976A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1545310B1 (en) * | 2002-08-16 | 2010-05-26 | Firstbeat Technologies OY | Method for monitoring accumulated body fatigue for determining recovery during exercise or activity |
US20060079800A1 (en) * | 2004-07-01 | 2006-04-13 | Mega Elektroniikka Oy | Method and device for measuring exercise level during exercise and for measuring fatigue |
US20070219059A1 (en) * | 2006-03-17 | 2007-09-20 | Schwartz Mark H | Method and system for continuous monitoring and training of exercise |
CN102695490A (zh) * | 2009-12-10 | 2012-09-26 | 克利夫兰临床医学基金会 | 利用辅助锻炼来改善运动功能的***和方法 |
WO2013056154A1 (en) * | 2011-10-13 | 2013-04-18 | University Of Houston System | Apparatus and method for improving training threshold |
WO2014201371A1 (en) * | 2013-06-13 | 2014-12-18 | Intelidigital Corp. | System for optimal physical exercise and training |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109222939A (zh) * | 2018-06-19 | 2019-01-18 | 江苏峰汇智联科技有限公司 | 一种基于多源数据信息融合的穿戴设备 |
CN110025932A (zh) * | 2019-04-28 | 2019-07-19 | 太平洋未来科技(深圳)有限公司 | 一种可测量人体腿部肌肉运动强度的传感器装置 |
CN112545515A (zh) * | 2020-12-04 | 2021-03-26 | 清华大学 | 竞争压力下射击表现检测及评估方法及装置 |
Also Published As
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107847786B (zh) | 评估锻炼强度的活动监测装置 | |
US11574708B2 (en) | Activity monitoring device with assessment of exercise intensity | |
CN109155154A (zh) | 自适应运动性活动处方*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |