Ich suche eine Implementierung (oder ein Dokument, das den eigentlichen Algorithmus beschreibt) für die Berechnung des Energieverbrauchs/VO2/EPOC aus der Herzfrequenzvariabilität.
Ein paar Whitepapers über
kann hier heruntergeladen werden .
Laut Garmins Webseite ist der Fehler etwa 50 % kleiner als bei der generischen Methode.
Während diese faszinierend zu lesen sind, sagen sie uns nicht viel darüber aus, wie diese Werte tatsächlich aus Herzfrequenzdaten berechnet werden. Alles, was es sagt:
Neuronale Netze wurden verwendet, um ein Modell zu konstruieren, das VO2 aus RR-Intervallen (Zeit zwischen aufeinanderfolgenden Herzschlägen) ableitet, unter Verwendung von Atemfrequenz und On/Off-Antwortinformationen.
Auch wenn die normalen Pulsuhren die Daten nicht zur Verfügung stellen, gibt es billige Empfänger für Polar und ANT+, die eine Beat-by-Beat-Überwachung ermöglichen, wie dieser hier www.sparkfun.com/products/8661 (für Polar) oder http: //www.abra-electronics.com/products/WRL%252d08840-Nordic-USB-ANT-Stick.html (für Ant+) https://code.google.com/p/hrvtracker/ (Programm)
Die herkömmliche Schätzung des Kalorienverbrauchs als Funktion der Herzfrequenz finden Sie in diesem Artikel: Vorhersage des Energieverbrauchs durch Herzfrequenzüberwachung während submaximalem Training .
Ich habe gerade angefangen, mich damit zu befassen, da es sich um die am meisten positiv bewertete und unbeantwortete Frage von Fitness.SE handelt.
Dabei bin ich auf zwei Artikel gestoßen:
Beide scheinen eher auf einen tatsächlichen Algorithmus als auf ein neuronales Netzwerk zur Berechnung der VO2 aus der Herzfrequenz hinzudeuten. Leider sind beide hinter Paywalls. Glücklicherweise denke ich, dass ich über meine Universität Zugang zum ersten (IEEE) erhalten kann. Ich muss mich zu einem späteren Zeitpunkt wieder melden.
Auf dem Weg zur VO2-Überwachung: Validierung eines herzfrequenzbasierten Algorithmus
Im Jahr 2005 schlug Firstbeat Technologies eine VO2-Schätzung basierend auf den RR-Intervallen anstelle der HR vor (5). Neuere Studien suchten weiter nach neuen Verbesserungen (6), aber die Frage, wie man die VO2 basierend auf der HF genau schätzen und gleichzeitig eine individuelle Laborkalibrierung vermeiden kann, ist noch offen. In diesem Artikel schlagen wir einen neuen Algorithmus zur Schätzung der VO2 während einer Geh-/Lauftrainingseinheit vor.
Fitness.SE unterstützt MathJax nicht, daher wird dies chaotisch, aber der Artikel befasst sich mit der Berechnung von VO2 in drei nicht einfachen Schritten. Erstens schätzt es Ihren VO2max anhand der Formel:
VO2max = 56,363 + 1,921*NPAC – 0,831*Alter – 0,754*BMI + 10,978*Geschlecht;
wobei NPAC für NASA Physical Activity Class steht, BMI ist in kg/m^2, Geschlecht = 0 wenn weiblich, 1 wenn männlich.
Die Ausführung beginnt, sobald der Aktivitätsklassifikator eine Geh- oder Laufaktivität erkennt. Der Kernalgorithmus ist als Zustandsmaschine strukturiert. In jedem Zustand wird eine Schätzung der normalisierten Sauerstoffaufnahme pVO2 = VO2/VO2max aus der normalisierten Herzfrequenz pHR = HR/HRmax bereitgestellt. Genauer gesagt zum Zeitpunkt i, der Transformation
pVO2(i) = f_k(pHR(i))
angewendet, wobei f_k eines von zwei folgenden Modellen ist. Die erste verwendet die verbesserte Formel von Saalasti (2) und die zweite (mit dem Namen Accelerating) ist eine neue Polynomregression, die unter Verwendung des Trainingsdatensatzes über die Zeiträume mit zunehmender Herzfrequenz berechnet wird.
Dieser neue Algorithmus ist derjenige, den das Papier vorschlägt. Der ursprüngliche Saalasti-Algorithmus basiert auf dem neuronalen Netzwerk. Auf das betreffende Saalasti-Papier wird unten verwiesen.
Im letzten Schritt wird die VO2 geschätzt, indem die resultierende pVO2 mit der VO2max des Probanden multipliziert wird:
VO2 = pVO2 * VO2max
(2) S. Saalasti, „Neural Networks for Heart Rate Time Series Analysis“, 2003.
Obwohl ich den Algorithmus nicht habe, habe ich eine ziemlich anständige Bibliothek mit .sdf-Dateien von Übungen. Daraus könnte mit ziemlicher Sicherheit jemand etwas zurückentwickeln, das dem Energieverbrauchsmodell sehr nahe kommt. Ich habe den starken Verdacht, dass es sich hauptsächlich um eine exponentielle Glättung handelt.
FredrikD
Baarn
FredrikD
Dan
Dan
Ivo Flipse
Dan
Chris S
Baarn
Chris S
Baarn
Chris S
Dan
Patrick Lindström
ober11
ober11