一种新的人体运动强度检测方法(改)

1、一种新的人体运动强度检测方法的研究基金项目：国家自然科学基金( No.61271334), “心音特征提取和身份识别中新方法研究及应用”;作者简介：姜炜（1986-），男，江苏泰州人，硕士研究生，研究方向为智能信息系统与应用。Email：jw6232368成谢锋 姜炜（南京邮电大学电子科学与工程学院, 江苏南京 210003）摘 要：据统计，在运动场所因心脏疾病突发导致人员伤亡的事件数量正逐年增加。为了正确评估人体在运动过程当中的运动强度大小，使运动强度与个人健康控制在一个合理的范围，本文基于小波包分解对人体心音和心电信号的处理技术，利用小波包的多分辨分析的特点，旨在将归一化能量结合到小波包分

2、解当中，利用频带能量商作为检测人体运动前后心音、心电信号的生理参数。经实验论证该方法分辨率高，操作简单，检测标准可调性强，能够很好地评估人体运动强度的大小，可以尽量避免因“过量运动”而导致心脏疾病突发事件的发生，防患于未然。关键字：心音，心电，运动强度，小波包分解，频带能量Study of a new method of exercise intensity detection CHENG XIE-feng JIANG-wei(College of Electronic Science and Engineering, University of Posts and Telecommunica

3、tions, Nanjing 210003, China)Abstract: According to statistics, at a sports field due to heart disease outbreaks are increasing year by year the number of events that lead to casualties. In order to evaluate the human body in motion during exercise intensity, which makes the exercise intensity and i

4、ndividual health control in a reasonable range, based on wavelet packet human heart sound and ECG processing techniques using of wavelet packet multi resolution analysis features combined with wavelet packet decomposition which aimed at normalization energy band energy as detect human motion before

5、and after heart sound and ECG physiological parameters. The experiment demonstrates that the method has the advantages of simple operation, high resolution, detection standard adjustable, can be very good to assess human motion intensity, can be avoided due to "overload movement " and lead

6、 to heart disease the occurrence of unexpected events, nip in the bud.Keywords: Heart sounds, ECG, Exercise intensity, Wavelet packet decomposition, Energy supplier1 引言我国近年来在学校运动场所因运动强度过量而猝死的学生伤亡事件屡见不鲜。据统计，在参与运动的人群中，每年的运动猝死率达到二十五万分之一1。可见，及时对在校学生的运动强度与生理参数进行测试和评估，让某些体质差的学生暂时不要参加高强度体育活动，尽可能地防止严重事故的发生，

7、已经迫在眉睫。心音信号和心电信号作为人体最重要的两个生理信号，含有大量的关于人体心脏和血管的生理、病理信息2。二者既可以很好地反映心脏收缩力和心力储备情况，同时还具有无创性、敏感性和特异性高、能重复采用和客观量化等特点3。因此，对心音和心电信号的检测和分析是了解人体心脏健康与否的一种必不可少的手段4。以上两种生理信号的这些性质可以运用到各种运动场所，从而对人体进行体质评价和运动训练的实时监控。2 心音和心电信号的特性心音是由心脏的瓣膜和大血管在血流冲击下形成的振动，以及心脏内血流的加速与涡流对心脏瓣膜、心房、室壁作用产生的振动，再加上心肌在周期性的心电活动作用下的刚性的迅速增加和减小形成的振动

8、而形成的5。作为人体最重要的生理信号之一，心音信号由第一心音(S1)、第二心音(S2)、第三心音(S3)、第四心音(S4)四个部分组成。其中，第一心音和第二心音信号较强，可以通过听诊器听诊。第三心音、第四心音很弱，一般不可听测。一旦心脏功能出现异常，心音中将包含除S1和S2之外的外加音或杂音成份6。据分析，正常心音的主要频率集中在250HZ以内，而杂音和外加音的频率分布较高，如此一来，就可以根据心音中各成分的频率分布的高低情况来判断心脏是否健康。图1 心音信号示意图心脏周围的组织和体液都能导电，心脏在每个心动周期中，由起搏点、心房、心室相继兴奋，其间伴随着生物电的变化，这些生物电的变化称为心电

9、。心电信号是心脏电生理活动在人体表的表现，提供心脏功能等生理状况的有重要价值的临床医学信息，是临床心脏病智能诊断的基础。心电信号是一种非线性、非平稳的微弱信号，频率范围为0.05-100HZ，90%的心电信号频谱能量又都集中在35HZ以内。正常的心电信号包括P波、QRS波群、T波、U波J结合点等7，了解心电信号各个成分波的频率分布，便可以对心电信号进行定性甚至定量地分析。图2 心电信号示意图3 小波包分解介绍和频带能量商算法的研究3.1小波包分解原理和优势小波变换将原始信号分解为高频和低频两个部分，然后对低频部分再作分解，而高频部分则不能再进一步细化。因此，小波变换虽然具有频率越高相应的时间分

10、辨率越高的特点，但其在频域上的分辨率相应降低，这是小波变换的缺点8。而小波包分解的实质恰恰是对小波分析后没有分解的高频细节信号作进一步的分解。相比较原来的小波分解在高频部分分辨率差的缺点，小波包分解达到了提高时频分辨率的目的9。从图3和图4的比较当中可以看到，由于小波包是正交分解，每个频带分解后两两不相交叠，输出频带带宽减半，因此采样率虽减半但信息保存完好10。图3 信号的小波分解示意图图4 信号的小波包分解示意图3.2小波包分解和重构算法1）小波包变换二尺度方程： (1) (2)其中：当n=0时，为尺度函数，为小波函数。定义函数序列为由所确定的小波包。2）小波包系数递推公式： (3) (4)

11、对于信号，若j=0,则k=0和m=0，表示在分辨率水平j下的原始信号自身，记为。如果分解1次，即k=1，m=0，1，在小波包分解第1层上得到分解信号和。如果分解2次，即k=2，m=0，1，2，3，在小波包分解第2层上得到分解信号和。依次类推，信号在第3层分解后可表示为：=+。3）小波包重建公式： (5)其中：h和g分别是尺度函数和小波函数对应的低通和高通滤波器。3.3小波包最优基的选择小波包基库是由许多小波包基组成的，不同的小波包基对应信号的不同特征。要选取小波包最优基，就必须定义一个能反映出序列集中度或系数之间差异的代价函数。目前，应用得较多的代价函数是由Coifman等人提出的熵准则11。

12、定义一维序列= 的熵为： (6)其中：，且时，。考虑到信息是半可加的，所以引入加函数，那么一维序列的熵为： (7)当最小时，也最小。“熵准则”通过计算小波包系数归一化能量序列的熵值，来确定一组小波系数之间的差异12。实际应用中小波包最优基产生的具体步骤13为:1）对信号函数进行N(N=2,3,) 层小波包分解；2）将小波包分解过程用小波包树来表示，小波包子空间即为小波包树结点。根据信号函数在各个小波包子空间（即树结点）的系数，由计算出各结点的代价函数值；3）将最下层各结点的代价函数值都标上*号；4）将小波包树中的上层结点称为父结点，下层结点称为子结点。从最下层开始，若两个子结点的代价函数之和大

13、于父结点的代价函数值，就保留父结点的代价函数值，并将该父结点标上*号。否则父结点的代价函数值由两个子结点的和值代替。以此类推，直至顶层；5）从最顶层开始，选择首次遇到*号的结点。一经选定，该结点下方所属的各结点就不再考虑。最终选出的带*号的结点就组成了一组正交最优基。3.4小波包分解频带交错问题信号经过小波包分解，对应于小波包结点的顺序，频带的分布并不连续，存在着交错现象。经研究发现，这是由Mallat算法所决定的。Mallat算法定义如下：令，是多分辨率分析中的离散逼近系数，为满足的二尺度差分方程的两个滤波器，则，存在如下递推关系： (8) (9)其中：。以上Mallat算法中体现的多分辨分

14、析的思路还可以用下图表示：图5 Mallat多分辨分析思路图事实上，由于以上所示Mallat算法的特性，多层小波包分解在每层上都存在着频带交错的现象，这就需要我们在对实验信号进行小波包分解后，找到正确的频带排列顺序。图6 小波包多层分解频带交错示例3.5小波包分解频带能量商无论是心音还是心电信号，都存在或多或少的杂音。杂音可见于正常人(良性杂音，如儿童及青年、运动后、妊娠时),亦见于心脏疾病患者14。经研究发现，良性杂音频率与正常心音频率相仿，属于中低频，而患者杂音一般分布在较高频域。因此，经过小波包分解的信号，分析其低频分量的归一化能量与频带总能量的比例大小，可以推断出当前人体心脏状况的健康

15、程度。这便是提出小波包分解频带能量商用于检测人体运动强度大小的依据。定义小波包分解频带能量商： (10)其中： 表示某频带归一化能量； 表示某层频带能量总和，（n为频带序号）。4 运动强度检测仿真实验实验一：将心音信号进行小波包分解，验证心音小波包频带能量商能够作为检测人体运动强度大小的判别方法的合理性。实验基于Windows7系统MATLAB7.10平台进行。选取80组人体心音信号作为实验对象。其中，40组为正常心音数据，另40组为心脏疾病患者心音数据。将数据进行小波包分解，分解时采用db6小波；计算小波包频带能量时采用wenergy指令和db6小波。小波包分解的层数取决于实验信号的时频分析

16、精度。分解层数少，则分析速度快，但频率分辨率低；分解层数多，则分析速度慢，但频带分辨率高。由于实验数据采用的心音信号采样率为4000HZ，则奈奎斯特频率为2000HZ。又已知正常心音信号频率主要集中在250HZ以内，所以决定对心音信号进行三层小波包分解。以下是第三层分解的频带分布：0-250Hz、250-500Hz、500Hz-750Hz、750-1000Hz、1000-1250Hz、1250-1500Hz、1500-1750Hz、1750-2000Hz。由频带分布可以看出，第三层分解的第1频带正好符合正常心音的频率集中范围。因此，选取第三层分解中的第1频带的归一化能量来定义心音小波包分解频带

17、能量商。即： (11)如图7所示为实验心音数据经小波包分解后各层频带能量商分布情况。图7 心音小波包三层分解能量商分布图为了防止频带交错现象带来的频带能量商计算不准确，需要将实验心音数据在小波包分解后进行重构，并将各频带重构信号进行傅里叶变换从而了解各频带的频率分布顺序情况。图8 重构心音信号傅里叶变换频率分布从图8中可以看出发生频带交错现象后，各频带顺序为（1、2、4、3、7、8、6、5）。可见，实验所需的第1频带（第三层最低频带）并没有出现顺序错乱，因此无需调整，可以进行下一步的数据统计。80组心音信号经小波包分解后，频带能量商的数据统计如表1所示。表1 心音小波包分解第三层频带能量商数据

18、统计第三层异常心音数据正常心音数据均值92.5899.84最大值99.51100最小值65.2499.04标准差9.470.19由表1中的统计数据可见,正、异常心音信号第三层分解频带能量商的均值差异明显，标准差更是相差近50倍。因此，可尝试将心音小波包分解频带能量商作为检测人体运动强度大小的一种方法。表2 心音运动强度大小判别法则第一次检测X/65.241通过X/65.241不通过第二次检测X/99.041通过X/99.041不通过表3 算法检验结果实验数据组数检测正确数据错漏检数据准确率总体8078297.5%表2为根据表1的统计数据而设定的一种判别法则。其中，第一次检测选取异常数据的最小值

19、为阈值，第二次检测选取正常数据的最小值为阈值。现实应用中，第一次检测可放在学生参加热身运动之前进行，用以判别出心脏健康状况较差的人员。第二次检测可放在学生参加完热身运动后进行，用以判别出热身运动后心脏出现不适的人员。两次检测均通过的学生可以允许参加后续的强度较大的体育运动。从表2中的数据可以看出，在现实应用中，可以根据测试人员的普遍体质情况和现场运动强度大小的需要，将两次检测中的阈值大小进行调节，这样就达到了判别标准可调的理想效果。表3为阈值确定后的判别检验结果，从表中数据可见，只出现了2组数据错漏检，总体判别准确率达到97.5%，因此，心音小波包频带能量商可以作为检测人体运动强度的一种方法。

20、 实验二：将心电信号进行小波包分解，验证心电小波包频带能量商能够作为检测人体运动强度大小的判别方法的合理性。选取60组人体心电信号作为实验对象。其中，20组为正常心电数据，异常心电数据为美国麻省理工心电数据库（MIT-BIH）提供的8种病变心电信号数据。8种病变数据分别为：一般性心率失常、恶性心率失常、呼吸暂停、心力衰竭、S-T段病变、房颤、心动过速、心肌梗塞。每种病变数据选取5组信号，共40组。将数据进行小波包分解，分解时采用db6小波；计算小波包频带能量时采用wenergy指令和db6小波。由于MIT-BIH数据库采用的心电信号采样率为360HZ，则奈奎斯特频率为180HZ。正常心电信号频

21、率主要集中在35HZ以内，所以将对心电信号进行四层小波包分解。第四层分解的频带分布为：0-11.25HZ、11.25-22.5HZ、22.5-33.75HZ、33.75-45HZ、45-56.25HZ、56.25-67.5HZ、67.5-78.75HZ、78.75-90HZ、90-101.25HZ、101.25-112.5HZ、112.5-123.75HZ、123.75-135HZ、135-146.25HZ、146.25-157.5HZ、157.5-168.75HZ、168.75-180HZ。由以上频带分布可以看出，第四层分解中，前三个频带正好符合正常心电信号的频率集中范围。因此，选取第四层分

22、解中的前三个频带的归一化能量和来定义心电小波包分解频带能量商。即： (12)图9所示即为实验心电数据经小波包分解后各层频带能量商分布情况。图9 心电小波包四层分解能量商分布图同样，为了防止频带交错现象带来的频带能量商计算不准确，需要了解各频带的频率分布顺序情况。图10 重构频带的频率分布从图10中可以看出发生了频带交错现象，在低频的各频带中，第3频带与第四频带位置混淆。因此，需要将混淆的频带重新进行位置调整方可进行数据统计。60组心电信号经小波包分解后，频带能量商的数据统计如表4所示。表4 心电小波包分解第四层频带能量商数据统计第四层异常心电数据正常心电数据均值43.7999.69最大值80.

23、3999.92最小值16.8598.86标准差13.650.25由表4中的统计数据可知,正、异常心电信号第四层分解频带能量商的各个统计数据差异明显，可尝试将心电小波包分解频带能量商作为检测人体运动强度大小的一种方法。表5 心电运动强度大小判别法则第一次检测X/43.791通过X/43.791不通过第二次检测X/98.861通过X/98.861不通过表6 算法检验结果实验数据组数检测正确数据错漏检数据准确率总体60600100%表5为根据表4的统计数据而设定的一种判别法则。其中，第一次检测选取异常数据的均值为阈值，第二次检测选取正常数据的最小值为阈值。跟实验室中的心音一样，现实应用中的第一次检测

24、可放在学生参加热身运动之前进行，用以判别出心脏健康状况较差的人员。第二次检测可放在学生参加完热身运动后进行，用以判别出热身运动后心脏出现不适的人员。两次检测均通过的学生可以允许参加后续的强度较大的体育运动。另外，在现实应用中，也可以根据测试人员的普遍体质情况和现场运动强度大小的需要，将两次检测中的阈值大小进行调节，达到判别标准可调的效果。表6为阈值确定后的判别检验结果，总体判别准确率为100%，可以将心电小波包频带能量商作为检测人体运动强度的一种方法。 实验三：检验“小波包频带能量商”算法作为检测人体运动强度大小的一种方法在主程序运算时间上的效率。本实验基于Intel(R) Core(TM)

25、i5-2430M CPU 2.40GHZ处理器以及Windows7系统MATLAB7.10平台进行。分别选取心音、心电信号各10组，应用小波包频带能量商、功率谱、经验模式分解、复杂度、小波熵等常用的信号特征参数对心音、心电信号进行处理，运用cputime指令对含有以上五种不同特征参数的主程序进行运算。表7 主程序运算时间特征参数频带能量商峭度和偏度P、QRS、T波检测复杂度小波熵平均运算时间（S）1.050.136.5513.910.65由表7可以看出，小波包频带能量商在主程序运算时间上运行速度快，耗时较少，较其余几个常用的特征参数比较来看，实际应用时的效率较高。5 运动强度检测硬件实现5.1

26、人体运动强度检测仪实现方案由于以上仿真实验已经验证了小波包分解频带能量商可以作为一种很好的检测人体心音和心电信号的特征参数，为了理论联系实际，使以上的理论研究能够应用到现实生活当中，使之能够真正转化一种检测人体运动强度大小的仪器，服务于用户。本文提出了一种方案：将两个金属圆形电极相隔一定距离固定在同一个平面上，并与心电信号检测功能模块连接，由此构成一个平面掌心接触式单极联心电图测试装置。使用者在运动前，将双手的掌心分别紧贴两个金属圆形电极，检测一次心电信号，在做了一些热身锻炼后再用相同方法检测一次心电信号，然后通过比较这两次心电信号的变化情况，以反映出运动强度对人体生理参数的影响；利用心音进行

27、测试的方法相似，使用者在运动前，将心音检测装置放在胸前心脏位置，检测一次心音信号，在做了一些热身锻炼后再用相同方法检测一次心音信号，然后通过比较这两次心音信号的变化情况，反应出运动强度对人体生理参数的影响。之后，可对使用者是否适合继续参加更大强度的体育锻炼给出一个评估或建议。图11 方案实现结构框图图11即为方案的结构框图。其中：1代表平面掌心式电极；2代表心电信号检测功能模块；3代表双听诊头心音传感器；4代表心音信号检测功能模块；5代表中央控制单元；6代表数据存储单元；7代表液晶显示模块。如图a所示,平面掌心电极1由两个金属圆形电极相隔一定距离固定在同一个平面上组成，然后连接到心电信号检测功

28、能模块2，获得的心电信号送到中央控制单元5进行处理，其结果可以存储到数据存储单元6，也可在液晶显示模块7上进行显示。另外还有一路采集心音的装置：双听诊头心音传感器3用于采集心音，然后连接到心音信号检测功能模块4，获得的心音信号送到中央控制单元5进行处理，其结果可以存储到数据存储单元6，也可在液晶显示模块7上进行显示。使用者在运动前，将双手的掌心分别紧贴两个金属圆形电极1，检测一次心电信号，该信号经心电信号检测功能模块2送至中央控制单元5处理，或存储到数据存储单元6，或在液晶显示模块7显示；在做了一些热身锻炼后再用相同方法检测一次心电信号，然后通过比较这两次心电信号的变化情况，对使用者是否适合继

29、续参加更大强度的体育锻炼给出一个评估或建议，并在液晶显示模块7上显示。利用心音进行测试的方法相似，使用者在运动前，将双听诊头心音传感器3放在胸前心脏位置，检测一次心音信号，在做了一些热身锻炼后再用相同方法检测一次心音信号，然后通过比较这两次心音信号的变化情况，对使用者是否适合继续参加更大强度的体育锻炼给出一个评估或建议。例如在学生体育考试前，可先对其进行心音和心电的检测，在做了一些热身锻炼后再进行一次相同的检测，然后由本方案评估该同学是否适合继续参加体育考试。本方案的有益效果是，通过检测运动前后人体的心电、心音信号并进行比较，可以反映运动强度对健康的影响，而用于检测心电信号的平面掌心式单极联心

30、电测试装置以及用于检测心音信号的双听诊头本身操作方便，结构简单，物美价廉，并可快速地检测生理信号。体现了本方案的合理性。本装置已申请中国发明专利(公开号CN201110067212.8)。5.2显示模块的人性化处理由于方案在具体操作时需要分别对使用者进行心音和心电的检测，且根据之前提到的判别法则可知，需要对使用者进行相同步骤的两次检测。如表8所示，即热身运动前和热身运动后分别检测一次。表8 检测时间心音检测心电检测热身运动前通过通过不通过不通过热身运动后通过通过不通过不通过 将检测结果“通过”，“不通过”变成MATLAB能识别的语言，即将“通过”赋值为“1”，将“不通过”赋值为“0”。如此一来

31、，两次检测后的可能出现的所有结果将如表9所示。表9热身前心音检测心电检测热身后心音检测心电检测0000010110101111本着以人为本的目的，不仅需要将空洞的数字转变为可视化的文字语言，同时还需要考虑到在场学生的内心感受。所以，对检测结果进行如下处理：表10热身前心音检测心电检测温馨提示热身后心音检测心电检测温馨提示00建议您根据自身情况尽快去医院检查- -（仅供参考）00建议您再检测一次01建议您再检测一次01101011建议您参加热身11建议您参加考试图12 MATLAB GUI操作界面表10中针对显示模块进行的人性化处理不仅可以达到检测人体运动强度大小的效果，而且不会对学生造成可能的

32、心理伤害，并通过合理的建议，使学生对自身当前的身体状况有了初步的认识。图12为根据表10的思路设计的GUI操作界面示意。6 结论心音和心电作为人体的两种重要的生理信号，包含了关于人体丰富的病理信息。近年来, 信号技术在理论上的不断完善和应用方面的不断深入使得对心音以及心电的研究由定性分析进入了量化分析阶段15。计算机技术的应用使得对二者的检测能够很好地反映心脏健康状况1617，在当今临床医学中具有极其重要的作用18。因此，将心音和心电分析的优势与运动强度检测的有机结合既体现了当前医学研究的价值也符合人们对自身健康的需求。本文利用小波包分解高分辨率的特点提出频带能量商作为定量分析心音和心电信号的

33、一种特征参数，经计算机仿真实验证实了该方法在检测人体运动强度方面的可行性，主程序运算方面的高效率性和判别法则的阈值可调性。随后，根据以上的理论研究成果提出了硬件实现的方案。目前，我国的人体运动强度检测才刚刚起步，如何有效的提高检测系统中的信息传输速度以及检测的准确度，成为了运动强度检测系统进一步发展所要克服的问题，这为我们下一步的研究方向指明了道路。 参考文献: 1徐昕,高崇玄,张丽申.我国运动猝死调查研究J.中国运动医学杂志,1999,18（2）.2张家亮,江洪,阙大顺,胡盼.基于小波的心音信号分析及其特征提取J.电脑与信息技术, 2011,19(1).3郭兴明,颜彦,姚晓帅,肖守中.用于心

34、力变化趋势评价的基于概率神经网络的心音识别算法J.生物医学工程学杂志,2006,(05).4 成谢锋，马 勇，刘陈等. 心音身份识别技术的研究J. 中国科学（F）：信息科学, 2012, （42）: 237251.Cheng Xiefeng, Ma Y, Liu C, et al. Research on heart sound identication technology J.2012, （42）: 237251.5 成谢锋，马勇，陶冶薇，张少白，张瑛 ，基于数据融合的三段式心音身份识别技术J，仪器仪表学报，2010. 8（31）:1712-1720.Cheng X F, Ma Y, etc. Three-step identity recognition technology using heart sound based on information fusion, Chinese Journal of Scientific Instrument(in Chinese), 2010. 8（31）:1712-1720.6周静,杨永明,何为.心音信号的分析及其特征提取方法的研究J.中国生物医学工程学报,2005,24(6):6852689.7袁少英.心电图诊断基础知识.天津:天津科学技术出版社,1981.8李世雄.小波变换及其应用M.