13、基于机器学习的高尔夫球手心率数据传输系统设计

基于机器学习的高尔夫球手心率数据传输系统设计

在健康监测领域，准确获取心率数据至关重要。传统获取呼吸和心率信号的方法各有优劣，为了弥补这些方法的不足，提出了基于机器学习的高尔夫球手心率数据传输系统。

传统方法回顾

• FFT与BCG信号处理 ：使用快速傅里叶变换（FFT）获取呼吸信号频率，带通滤波器去除体动心电图（BCG）信号的呼吸包络和高频干扰，通过计算BCG信号单位时间内的J波峰数得到心率值。与BIOPAC采集的呼吸和心电图信号对比，呼吸误差率小于4.5%，心率误差率小于9.7%。
• 面部视频提取心率参数 ：该系统用KLT算法对人脸视频图像进行跟踪识别，转换到YCbCr颜色空间进行皮肤检测，同时转换到CG颜色通道提取高质量光电容积脉搏波（PPG）信号，依据心率信号生理特征去除伪点噪声并提取随时间变化的心率参数。此方法采集过程简单，但采集精度有缺陷。

系统总体设计

为了快速收集高尔夫球手的心率，设计了基于机器学习的高尔夫球手心率数据传输系统。该系统在硬件设计方面研究了心率数据传输系统的功耗需求，基于cc2540芯片实现传感器数据传输；软件设计中添加数据处理程序，根据不同传感器数据设计各级算法，利用传感器传输相关数据完成系统设计。

系统硬件设计

• 系统模块抽象 ：心率数据传输系统主要功能为数据采集、传输和处理，基于此抽象为硬件模块、智能模块和服务器模块。
  • 硬件模块 ：研究功耗