传感器类有关本科论文范文 跟基于三轴加速度传感器的大学生体力活动能量消耗模型相关毕业论文格式范文

基于三轴加速度传感器的大学生体力活动能量消耗模型，该文是传感器类有关毕业论文格式模板范文和加速度传感器和模型和体力相关论文范文例文.

吴廉卿1, 刘丹松2, 屈萍3

（1.武汉体育学院 运动训练学院,湖北 武汉 430079；

2.湖北大学 体育学院,湖北 武汉 430062；

3.中山大学 体育部,广东 广州 510275）

摘 要:针对中国大学生人群,选择7项日常体力活动方式,通过三轴加速度传感器监控,构建不同类型运动项目的能量消耗预测模型.研究结果表明：（1）通过佩戴传感器,可以有效对运动过程进行记录,每种运动形式特征明显.（2）不同类型的运动之间具有显著性差异,同一种运动方式不同速度之间没有差异,说明传感器可以有效区分运动类型.（3）将加速度值进行分析,构建基于垂直加速度Vcz和综合加速度值VM的能量消耗模型,分别为：W/min等于-9173+0.004×ACz+1.09×Sex+0.241×BMI+0060×HR,W/min等于-12.57+0.008×VM+0921×SEX+0.242×BMI+0.053×HR（M等于1,F等于0）.（4）通过回带验证,两个能量消耗方程均有很好的拟合度,预测结果与实际值很接近.

关键词：三轴加速度传感器；大学生；体力活动；能量消耗模型

中图分类号：G804.22

文献标识码：A文章编号：

1000520X（2018）04008705

College Students’ PA Energy Expenditure Model Based on Triaxial Acceleration Sensor

WU Lianqing1, LIU Dansong2, QU Ping3

(1.Wuhan Sports Univ., Wuhan 430079, China；2.College of P.E., Hubei Univ., Wuhan 430062, China;

3.P.E. Dept., SunYatSen Univ., Guangzhou 510275, China)

Abstract:

The energy expenditure (EE) surveillance during body exercise is a common way to assess exercise effect and set exercise target, which is also an effective way for health promotion. In this research, college students finished seven common body exercises and Triaxial Acceleration Sensor were used to monitor the whole process. The EE model was built to calculate EE after the exercise. The results showed that firstly, by wearing the sensor the exercise process was recorded and different exercise had distinguishing characteristic. Secondly, different exercise had different features, and no significant difference was seen in the same exercise with varied speed. (3) the Accelerated data Vcz and VM were used to calculate EE model, and W/min等于-9.173+0.004×ACz+1.09×Sex+0.241×BMI+0.060×HR W/min等于-12.57+0.008×VM+0.921×SEX+0.242×BMI+0.053×HR（M等于1,F等于0）. The two models best calculated EE as real EE results.

Key words:

triaxial acceleration sensor; college student; physical activity; energy expenditure model

日常生活中,体力活动的增加可以促进体质健康发展.对日常体力活动能量消耗进行准确、高效、便捷监测,制定有效干预方法,逐渐成为当前健康领域研究的重点与热点.由于加速度传感器可对身体空间位置的变化进行记录,将其佩戴在身体不同位置,可以准确记录一段时间之内的身体活动情况,可用于日常人体行为监控、运动效果评估、训练评价等方面.

国内外近几年对加速度传感器监测体力活动能量消耗进行了大量研究,发现二者具有高度相关性.欧美和日本等国家使用加速度传感器针对不同人群每日运动强度与运动量进行了大量测试与有效预估,以此督促形成良好运动习惯与生活习惯,促进体质健康发展.国内科研人员同样采用不同类型加速度传感器,针对儿童、少年、大学生、健康人群等进行研究,发现大部分人群存在体力活动不足的情况,久坐不动是当前主要生活方式,在运动行为方面,也主要以走路、跑步和简单球类运动与健身活动为主,运动量也达不到要求,在体质健康方面存在一定风险[46].

加速度传感器在运动过程监控方面已经有很好的应用价值,可以对不同运动形式或特定运动时间段内总的能量消耗进行计算,以此指导制定健身计划以及运动干预方案.本文通过相关研究与调查,发现当前加速度传感器的运动设备内置的能量消耗预测模型的共同不足之处主要为：

(1)国外科研机构或公司研发构建的能量消耗模型依然在当前占主体部分,受试对象多以欧美人群为主,东西方相关差异较大,不适合中国人使用.

第4期吴廉卿,刘丹松,屈萍：

基于三轴加速度传感器的大学生体力活动能量消耗模型研究

武汉体育学院学报第52卷

（2）在构建模型的项目方面,主要以走路和跑步为主.由于日常体力活动方式的多样性与不连续性,此预测模型无法准确对整个过程进行能耗计算.为提高模型准确性,应该考虑现实情况,建立能够涵盖更多运动形式的综合模型.

（3）没有统一的测试规范流程.不同个体在进行运动过程监测的时候,具有很大的差异性.构建统一的能量消耗模型,就要尽量避免在测试过程中个体化差异对最终结果造成的影响.因此,通过对大量人群进行标准化测试,规范流程,反复验证,才是获得客观科学结果的重要保证.

由于大学生处在生长发育的重要定型阶段,同时身心行为与习惯趋于成熟,在运动方式与生活习惯方面具有一定规律性,国内众多学者针对大学生进行了有关运动过程监控方面的研究,获得很多成果[721].本研究针对大学生构建日常体力活动能量消耗模型,不仅有利于大学生体质健康促进,也为其他同类研究提供方法借鉴.

1研究对象与方法

1.1研究对象

研究对象为100名来自武汉体育学院与中山大学的18～25岁在校非体育专业大学生,基本情况如表1所示.受试者要求体质健康,发育匀称,运动协调,自愿参与本研究.测试流程与注意事项在测试前一天告知受试者.要求受试者在测试前一周内以清淡饮食为主,实验进行前2小时不进食.

1.2研究方法

1.2.1实验仪器与设置

生理指标测试：标准大学生体质测试仪对受试者身高（精确到1 cm）和体重（精确到0.01 kg）进行测量.使用体成分仪对受试者进行体脂含量、瘦体重、BMI值测试.

三轴加速度传感器测试：佩戴美国SWA三轴加速度传感器进行运动过程监控.参数设置：实时取样频率0.1 s,加速度峰值以及平均绝对差（MAD）值取样频率为6 s,步数及其他相关值取样频率为60 s.

表1受试者基本信息

指标

实验组验证组

男（n等于55）女（n等于45）男（n等于10）女（n等于10）

年龄（Y）20&plun;3.119&plun;1.723&plun;1.721&plun;1.1

身高（cm）178&plun;12.5166&plun;8.1174&plun;7.2162&plun;4.7

体重（kg）64&plun;9.352&plun;7.168&plun;1.955&plun;2.7

BMI21&plun;3.120&plun;3.222&plun;2.521&plun;1.3

便携式气体分析仪：使用德国MetaMax 3B便携式气体代谢能耗分析仪,对测试过程中能量消耗进行实时监测.

心率测试仪：以芬兰产的T31型polar表监测受试者心率HR.

校正好仪器后,受试者按照要求正确穿戴测试设备进行同步监测.

1.2.2测试项目与过程要求

通过相关调查与分析,确定以平躺、步行、跑步等七种日常体力活动方式为主要测试项目,以此反映大学生日常运动,相关设置如表2所示：

表2测试项目设置与要求

项目设置要求

平躺在测试区域放一块地垫受试者均匀呼吸,保持静止状态,平卧在地垫上.

步行受试者身着运动服装在水平跑台进行,依照国内外标准[11],距离：400米,速度：3.2 km/h（慢走）和4.8 km/h（快走）步幅适中,匀速,两臂自然弯曲,前后摆动,测试结束休息恢复至安静心率[1213]

跑步在水平跑台进行,根据标准[11],距离：800米,速度：8.1 km/h 跑步测试过程要求同步行

伏案测试区域放置一套办公座椅,受试者佩戴测试设备进行受试者直立坐下,双手自然放于桌面,可进行看书或电脑操作[1415]

上下楼在测试大楼内部的楼梯进行,楼梯台阶高度16～18cm,上下楼速度均在100～120步/分钟范围内（用计时器监控）双臂自然垂于身体两侧,前后摆动,控制步幅均匀,匀速进行[1618]

自行车使用功率自行车,设定程序连续进行四个速度骑行：39转/min（10km/h）、52转/min（13km/h）、60转/min（15km/h）和80转/min（20km/h）,单次测试骑行3分钟骑行过程受试者不能有剧烈身体起伏,骑行结束后休息恢复至安静心率[1921]

俯卧撑测试区域放置一块地垫,受试者趴伏在地垫上进行,速度：15次/min按照标准俯卧撑动作进行,要求肩关节和肘关节尽量保持垂直运动,腹部不触碰到垫子.一组15次,组间休息至安静心率,做3组[14,22]

1.2.3测试地点与环境

测试地点分别为武汉体育学院人体运动机能实验室与中山大学体育部的大学生体质监控中心.测试地点应尽量减少气体流动,非测试人员不得入内.测试环境要求湿度50%~80%,温度20~25℃.

1.2.4数据分析

气体分析仪MetaMax 3B采样频率为每15s；SWA三轴加速度传感器实时值取样频率为8Hz,峰值和MAD值取样时间间隔为6 s.

以18 s为采集数据量标准,导出SWA三轴数据,对应MetaMax 3B相关数据,在EXCEL表格制作曲线图,使用STATA 12.0统计软件对数据进行分析,构建能量消耗模型.

2结果分析与讨论

2.1加速度传感器对不同形式运动类型的识别

软件对加速度传感器三个轴向的数据进行记录：Forward accel（X轴）,Transverse accel（Y轴）,以及Longitudinal accel（Z轴）.其原始数据形式如图1所示.将三轴加速度传感器数据导出,以此绘制受试者不同类型体力活动曲线图.

将数据导入EXCEL制表,得出如下不同类型运动形式的特征性图形（如图2所示）.

图2可以看出,7种运动的特征性图像彼此差异明显,说明三轴加速度传感器在不同类型动作识别方面有很好效果,曲线频率均匀,噪点少,辨识度高.

图1三轴加速度传感器原始数据

对于运动幅度小以及静止类的体力活动（伏案,平躺）,三轴加速度传感器也能够予以区分,虽然波形趋势相同,但是三维加速度值差异明显,这也对后续研究和构建模型提供重要依据.

与另外五种身体运动幅度更明显的体力活动形式相比较,三轴加速度值绘制的图形波动幅度很大,彼此差异明显.由于自行车项目具有特殊性,运动过程是下肢踩蹬踏板进行周期性运动,而上肢可以保持相对静止,虽然加速度传感器绑在受试者上臂,但结果来看,整个人体的规律摆动依然被有效记录下来,明显区别于静止类体力活动.

图2七种不同类型运动形式特征性

2.2体力活动能量消耗模型构建与分析

2.2.1数据预处理

将三轴加速度传感器数据导入EXCEL表格,同时将数据与气体分析仪一一对应,删除不符合要求的加速度数据,确保加速度值与MetaMax 3B数据在时间上完全对应.

相关性分析：Pearson相关分析法分析传感器与MetaMax 3B数据之间的相关性.

差异性分析：独立样本T检验分析不同试项目之间与同一测试项目内部不同速度之间差异性.

建模：体力活动能耗预测方程运用逐步回归法来构建.

数据预处理：引入三轴加速度记数综合值VM,其计算方法为：VM等于(ACx2+ACy2+ACz2)1/2.参考相关研究可知,垂直加速度值Longitudinal accel（Z轴）ACz以及VM值对于区分不同运动有显著性效果[2223].对7个测试项目加速度值进行计算,得出如下结果（见表3）.

表3七种不同测试项目的加速度值计算结果

项目ACzVM

平躺94.37&plun;17.22474.86&plun;15.92

走路412.38&plun;37.36497.61&plun;14.71

伏案311.64&plun;62.06450.47&plun;18.19

自行车266.43&plun;55.41497.62&plun;50.17

跑步573.61&plun;98.38647.57&plun;85.25

俯卧撑435.92&plun;103.26488.04&plun;37.60

上下楼梯486.16&plun;110.37501.12&plun;107.13

该统计分析表明,在7个测试项目中,95%以上监测的ACz值和计算出的VM值均属于该区间内.

2.2.2同一项目不同速度三轴加速度值差异方差

分析

根据设计要求,步行项目有多个不同的测试速度,导出软件中反映不同步行速度的三轴加速度值,计算VM,并针对与之匹配的VM值和ACZ值做出数理统计与分析,以探讨在步行处于不同速度时,统计学意义是否存在于与之对应的加速度值之中.

选择40个受试对象,对不同速度的ACz值做方差分析,统计软件计算出不同步行速度之间的显著性差异.

假设以变换的速度进行步行无差异,经统计学方差分析后的F检验,算得P值为0.834 1,P＞0.05,原假设成立,即“不同速度之间ACz值不存在显著的差异”,说明即便步行速度不同,其垂直加速度值的特征性是相同的.

同理,对不同速度的VM值进行差异性分析,F检验得出P值为0.817 7,P＞0.05,即“不同速度之间VM值不存在显著的差异”也是成立的,说明不同速度的步行其综合加速度值也是相同的.

对跑步、骑自行车、上下楼的不同速度进行相同的差异性分析,同样得到上述结论.三轴加速度传感器针对同一项目进行测试,即便速度不同,在垂直加速度ACz与综合加速度VM方面都不存在显著性的差异.

2.2.3不同项目三轴加速度值差异方差分析

比较7个项目之间的加速度差异,做方差分析.选择40个受试对象,对不同项目的ACz值做方差分析,统计软件计算出不同测试项目之间的显著性差异.原假设不同项目之间不存在差异,统计分析后得知P值为0.000,P＜0.05,即不同项目之间ACz值是存在显著性差异的.

同样方法,对不同项目之间的VM值进行方差分析后的F检验,P值为0.000,P＜0.05,由此可见,显著性差异存在于不同项目之间VM值之间.

综上,不同体力活动项目均采用三轴加速度传感器完成实验,相关垂直加速度值ACz和综合加速度值VM均有显著性差异,通过三轴加速度值可以明显将不同类型体力活动区分开.

2.2.4能量消耗模型构建

2.2.4.1变量相关性分析

使用person相关性分析探讨测试中BMI值、ACz值、VM值与能耗W关系,通过统计计算出能耗与其它测试值关联显著性.

从计算结果可以看出,ACz值、VM值、BMI值与能耗W之间的相关系数分别为0.57,0.69,0.33,其P值均小于0.05,因此可以得出,变量BMI值、ACz值、VM值与能耗值W显著相关,因此以能耗模型以这三个变量值来构建是可行的.

2.2.4.2综合能量消耗模型构建

表4和表5分别显示了以ACZ轴和VM轴为基础,构建综合能耗预测公式.

表4能量消耗嵌套模型（以ACz为基础）

Model 1Model 2Model 3Model 4

SubjectEE

（W/min）EE

（W/min）EE

（W/min）EE

（W/min）

ACz（per min）0.010***

0.012***

0.011***

0.004***

Sex(female)1.320***1.110***1.090***

BMI0.152**

（0.029）0.241***

HR（per min）0.060***

Constant term-9.173***

R20.400***0.460***0.470***0.700***

（0.0000）

注：显著性水平：***P<0.01,**P<0.05,*P<0.1,-P<0.15.

设基础能耗模型方程为W/min等于β0+β1×ACz,逐渐加入性别Sex、BMI值及心率值HR,拟合度分别为0.46、0.47和0.7,模型的准确度逐渐提高,当变量全部加入模型后,预测值效果最好.

综合能量消耗方程（以ACZ轴为基础）如下：

W/min等于-9.173+0.004×ACz+1.09×Sex+0241×BMI+0.060×HR（M等于1,F等于0）

根据表5可知,以综合加速度值VM老构建能量消耗模型,与ACz值构建的能量消耗模型有相同特点,既随着相关变量的加入,模型拟合度逐渐增强.

综合能量消耗方程（以VM轴为基础）如下：

W/min等于-12.57+0.008×VM+0.921×SEX+0.242×BMI+0.053×HR（M等于1,F等于0）

表5能量消耗嵌套模型（以VM为基础）

Model 1Model 2Model 3Model 4

SubjectEE

（W/min）EE

（W/min）EE

（W/min）EE

（W/min）

VM（per min）0.021***0.022***

0.022***0.008***

Sex(female)0.833***0.771**

（0.016）0.921***

BMI0.177**

（0.024）0.242***

HR（per min）0.053***

Constant term-12.570***

R20.385***0.416***0.431***0.698***

（0.000 0）

注：显著性水平：***P<0.01,**P<0.05,*P<0.1,-P<0.15.

2.2.4.3回带验证

将测试数据回带入能耗模型,通过与气体分析仪测试结果进行比对,验证模型预测值和真实值之间的相关性.

分析得出,气体分析仪测试的实际能耗与模型计算出的结果相关系数分别为0.891 7和0.847 6,均大于85%.说明模型在计算能量消耗方面准确度比较好,能够最大限度与测试的实际数据相吻合.

3结论

使用三轴加速度传感器对大学生日常体力活动进行监控,可有效识别不同类型运动项目.构建基于垂直加速度值VCz和综合加速度值VM的能量消耗预测模型,W/min等于-9.173+0.004×ACz+1.09×Sex+0.241×BMI+0.060×HR,W/min等于-12.57+0.008×VM+0.921×SEX+0.242×BMI+0.053×HR（M等于1,F等于0）,通过逐渐加入相关变量,模型准确度相应提高.

参考文献：

[1] BEETS MW,PITETTI KH.Using pedometers to measure moderatetovigorous physical activity for youth with an intellectual disability[J].Disability and Health Journal,2011,4(1)：4651.

[2] NAPOLITANO MA,BORRADAILE KE,LEWIS BA,et al.Accelerometer use in a physical activity intervention trial[J].Contemporary Clinical Trials,2010,31(6)：514523.

[3] COLLEY RC,HILLS AP,KING NA,et al.Exerciseinduced energy expenditure：Implications for exercise prescription and obesity[J].Patient Education and Counseling,2010,79(3)：327332.

[4] 李俊,张惠红.中、美大学生身体形象与身体活动量及其关系的对比研究[J].中国体育科技,2015(3):114120.

[5] 王正珍,王娟,周誉.生理学进展:体力活动不足生理学[J].北京体育大学学报,2012(8)：16.

[6] 朱琳,陈佩杰.能量消耗测量方法及其应用[J].中国运动医学杂志,2011(6)：577582.

[7] 袁梅.12～14岁中学生常见体力活动能量消耗的研究[D].上海：上海体育学院,2011:1830.

[8] 向剑锋.大学生体力活动监测中运动传感器能耗预测方程的建立与应用[D].上海：上海体育学院,2011:2840.

[9] J W,A DJ,W TR.The Utility of the Digiwalker Step Counter to Assess Daily Physical Activity Patterns[J].Med Sci Sports Exerc,2000,32(9)：S481S488.

[10] PATE RR,TRILK JL,BYUN W,et al.Policies to Increase Physical Activity in Children and Youth[J].Journal of Exercise Science & Fitness,2011,9(1)：114.

[11] SEO DC,KING MH,KIM N,et al.Predictors for moderateand vigorousintensity physical activity during an 18month coordinated school health intervention[J].Preventive Medicine,2013,57(5)：466470.

[12] 汤强,盛蕾,朱卫红,等.不同形式上肢运动的能量消耗[J].中国组织工程研究与临床康复,2009(50)：99039908.

[13] 朱卫红.上肢活动加速度与能量消耗特征初探[D].苏州：苏州大学,2009:1827.

[14] 李洁辉,丸山仁司.不同上阶方式的能量消耗分析[J].中国康复理论与实践,2003,9(10)：4247.

[15] 王欢,郑迎东,张彦峰,等.登楼梯能量消耗的测量与统计方法研究[J].中国体育科技,2010(2)：1113,25.

[16] R BTD,A VJN,KIRKL,et al.Energy cost of stair climbing and descending on the college alumnus questionnaire[J].Physical Fitness Performance,1997,29(9)：12501254.

[17] 刘春辉,盛蕾,汤强.自行车不同骑速能量消耗特种研究[J].南京体育学院学报：自然科学版,2012,11(2)：2325.

[18] 张勇,王恬.不同强度骑车和跑步的能量消耗与底物代谢特征研究[J].中国体育科技,2009(1)：111114.

[19] 严波涛,高新友,张伯强,等.人体运动能耗和效率的动作分解测量方法[J].中国临床康复,2006(40)：3436.

[20] GODFREY A,BOURKE *,LAIGHIN GM,et al.Activity classification using a single chest mounted triaxial accelerometer[J].Medical Engineering & Physics,2011,33(9)：11271135.

[21] BORNSTEIN DB,BETS MW,BYUN W,et al.Accelerometerderived physical activity levels of preschoolers：A metaanalysis[J].Journal of Science and Medicine in Sport,2011,14(6)：504511.

总而言之：本文论述了关于对不知道怎么写加速度传感器和模型和体力论文范文课题研究的大学硕士、传感器本科毕业论文传感器论文开题报告范文和文献综述及职称论文的作为参考文献资料.

参考文献：

1、 大学生志愿活动存在的问题与 赵　璞【摘　要】随着我国社会日新月异的发展,大学生志愿活动在推动我国志愿服务事业不断向前发展的同时也凸现出一些新的问题,这些问题成为制约当前大学生志愿者活动更好更快发展的瓶颈,我们必须高度重视这些问题.

2、 构建社会资本熔炼互激模式将成为大学生创业活动的关键切入点 构建社会资本“熔炼互激”模式将成为大学生创新创业活动的　　关键切入点　　宋慧颖 天津城建大学　　摘要本文在调查问卷的基础上,提出了激发大学生主动利用社会资本的“熔.

3、 大学生科技活动机制建设 摘 要培养大学生科技创新能力是新时代高……教育的重要任务之一,是推动科教兴国战略和建设创新型国家的重要途径 完善机制建设是推进大学生科技创新活动的基础与前提条件 从管理保障、考评激励和校企协同……方.

4、 中高强度体力活动可有效预防帕金森 新华社9月21日电浙江大学医学院王福俤教授、闵军霞教授研究团队的一项对2192例帕金森患者与54万余健康人群对照的大数据分析研究发现,中高强度的体力活动可以显著降低帕金森病发病风险 研究结果显示体力活.

5、 大学生身体活动意向和行为的关系：计划、情感的中介作用 摘要在计划行为理论中引入计划和情感（积极幸福感、心理烦恼、疲劳）,探讨促进大学生身体活动意向转化为行为的因素,以提高对行为的解释率,弥舍身体活动意向与行为之间的鸿沟,促进意向转化为行为 测量303名大.

6、 面向大学生的高校图书馆性信息素养教育模式 关键词高校图书馆；大学生；创新；信息素养；教育模式摘要文章介绍了高校图书馆信息素养教育的内容与要求,分析了高校图书馆面向大学生实施信息素养教育的意义,研究了高校图书馆的创新性信息素养教育模式,指出了高.