基于自适应阈值的最大摄氧量计算方法

， ， ， ，

(1.国网山东省电力公司 体育文化分公司，山东 济南 250001,2.山东鲁能软件技术有限公司，山东 济南 250001；3.国网山东省电力公司 科信部，山东 济南 250001)

基于自适应阈值的最大摄氧量计算方法

林庆阳1，孟瑜2，于凌霞1，焦洋3，孙海涛2

(1.国网山东省电力公司 体育文化分公司，山东 济南 250001,2.山东鲁能软件技术有限公司，山东 济南 250001；3.国网山东省电力公司 科信部，山东 济南 250001)

最大摄氧量是评定运动员心肺机能、监控训练方法效果的一项科学的量化指标。利用实验法进行最大摄氧量测量时从气体分析仪中所获取的摄氧量粒度数据带有很多的噪声，如何科学有效地去噪进而计算出相对准确的最大摄氧量是一个重要的课题。目前，在计算最大摄氧量时常用实践方法主要包括专家经验法、统计学方法等；基于机体呼吸特点，采用自适应阈值法进行摄氧量粒度数据的去噪，该方法处理后的摄氧量曲线符合机体运动特性，由此计算得出最大相对摄氧量。

最大摄氧量；去噪；自适应阈值

1 最大摄氧量求取方法简介

最大摄氧量[1]是人体在进行有大量肌群参加的长时间激烈运动中，心肺功能和肌肉利用氧的能力达到本人极限水平时单位时间所摄取的氧气量，是人体在极量运动负荷时心肺功能水平以及评定人体有氧工作能力的重要指标。最大摄氧量的表示方法有两种，即绝对值和相对值[2]。本文选用最大摄氧量的相对值作为研究对象。

综合国内外对最大摄氧量测量方法的研究[3-7]，发现常用于测量最大摄氧量的方法有直接测量法和间接测量法两种。直接测量法是指运动员在实验室或者在训练场地利用功率计等进行极限运动，使用气体代谢分析仪直接测量最大摄氧量；间接测量法是受试者进行亚极限运动，根据摄氧量、心率等数值推测最大摄氧量的方法。

使用直接测量法可以在气体分析仪中得出摄氧量粒度数据，但由于测量过程中会经常出现呼吸不均匀或者偶尔突发的咳嗽、说话等情况，摄氧量粒度数据存在一定的噪声，因此在求最大摄氧量之前需要对粒度数据进行去噪。目前，常用的去噪方法主要包括专家经验法[8]和统计学方法[9]两大类。其中，专家经验法是指通过专业人员观察数据去掉根据经验判断为不合理的数据，通常选用一组数据的统计量(均值、标准差)设定阈值，去掉数据中的尖点；基于统计量的统计学方法则是指根据统计量(均值、标准差、中位数、四分位数等)计算出数据集中区间进而设立阈值。虽然这两类方法都有很强的可操作性，但是也存在明显的不足：依赖于专家的先验知识，并且完全取决于个人的处理和操作；依赖于本组数据的离散程度，如果所选统计量并不能较好地反映数据集中规律则会出现较大的误差。

2 自适应阈值方法

为符合机体呼吸的摄氧量数据特性并避免专家经验法和统计学习法所带来的弊端，利用自适应阈值算法进行数据处理[10]，得出去噪后的摄氧量数据，进而求取最大摄氧量。

2.1自适应阈值算法实现步骤

已知输入量：数据序列xi、采样时间间隔t0、区段窗口τ；输出量：数据xi是否异常。算法的实现步骤如下：

Step1:数据采集

按照时间间隔t0采集数据序列xi，其中xi=(xi(1),…,xi(n))，n代表数据维度i=1,…,N。

Step2:正规化

时间序列xi利用式(1)被正规化为Zi。

Step3:自适应滤波器预测

自适应滤波器通过获取给定时刻的数据，预测下一个时刻处的数据。自适应滤波器可以选用卡尔曼滤波器、衰减多项式存储滤波器(FMP)、自回归滤波器(AR)、向前一步预测器等方法。其中，滤波器是递归的并且不在批量模式下操作，而是每个滤波器使用先前预测的数据结果以及新的数据预测下一个数据。

Step4:计算比较分值

计算i处预测数据与实际数据的余差如下式

计算i处的比较分值可以根据公式

Step5:判断输入数据的积累是否符合要求

若(i-1)·t0≥τ，则执行Step6；否则i=i+1，返回执行Step1。

Step6:区段窗口内正常范围的设置

要判断i处的值xi是否异常，首先需要确定时刻i处在区段窗口τ内的正常范围。正常范围的设置规则有多个，可以结合数据的特点或者判定结果的效果进行设置。

下四分位Q1、上分位数Q3，计算四分位数间距IQR3-Q1，则正常值范围为[Q1-1.5IQR,Q3+1.5IQR]。

Step7:正异常的判定

2.2自适应阈值算法流程框图

图1 自适应阈值算法流程图

3 结果与分析

3.1 数据源

采用试验法， 让一名足球运动员作为受试者在功率计(运动跑台)上进行递增负荷实验，本次所采用的具体的负荷递增方式为递增负荷实验，每级负荷的持续时间为5分钟。得到的受试者摄氧量粒度数据集(本文所取摄氧量为其相对值)如图2所示。

图2 摄氧量粒度数据

3.2 数据处理

利用本文所述的专家经验法、统计学方法和自适应阈值法分别对3.1中的数据进行处理，进行数据去噪，结果如下：

1)基于专家经验法的阈值算法具体的阈值边界线如图3中所示的两条直线，测试数据的正异常数据分别为图4中的灰色点和黑色点。

图3 示例测试数据及上下边界线

图4 示例测试数据点集及上下边界线

2)若取窗口τ为100，设i处的置信区间为[μi-σi,μi+σi]，则测试数据集及正常范围上下限如图5所示。

为可视化正异常数据分类的效果，图6中黑色点是正常数据，灰色点是异常数据，上方和下方两条折线代表数据的上下阈值线。

图5 示例测试数据及上下边界线

图6 示例测试数据点集及上下边界线

3)若取窗口τ为100，比较分值和正常值范围[Q1-1.5IQR,Q3+1.5IQR]如图7所示，其中上方折线代表比较分值，下方折线代表正常范围边界线。

图7 示例比较分值及正常范围

测试数据集及正常范围如图8所示，其中黑色折线代表测试数据集，上方代表正常范围的上限，下方折线代表正常范围的下限。

为可视化正异常数据的分类的效果，图9中黑色点是正常数据，灰色点是异常数据，上下方折线代表数据的上下阈值线。

图8 示例测试数据及上下边界线

图9 示例测试数据点集及上下边界线

3.3 数据结果

根据3.2中三种不同的算法对摄氧量粒度数据进行处理，得出去噪后的数据，进而求出运动员最大摄氧量分别为56.7、58.9、57.7，作为评价其身体机能状态的一个重要指标。从最大摄氧量结果来看，三种方法得出的结果均不同；从三种算法处理后的摄氧量曲线(如图10～12所示)可以得出以下结论：图10和图11中中存在更多的尖点，结合其去噪过程(图4、5)可知专家经验法和滑动窗口统计量方法具有较大的局限性，无法较好地拟合数据趋势；而图12中的数据较为平滑，再结合其去噪过程(图6)和算法设计，可知基于自适应阈值算法具有较强的鲁棒性，能够根据数据自适应调整阈值区间，从而使得去噪后的数据更好地拟合数据趋势。

图10 专家经验法处理后的摄氧量曲线

图11 滑动窗口统计量法处理后的摄氧量曲线

图12 自适应阈值处理后的摄氧量曲线

4 结论

通过对比不同类型的方法对摄氧量粒度数据进行处理求取最大摄氧量的过程可以得出以下结论：自适应阈值算法可以对机体呼吸的摄氧量数据进行较好的去噪，其效果明显优于目前常用的专家经验法和统计量法。

本文中所讨论的自适应阈值算法主要是针对摄氧量等相邻时刻数据具有延续性的数据集提出的，该算法应用于其他场合的有效性以及改进方法正在进一步研究中。

[1]李桂沂,陈锡泉,肖俊伟,等. 最大摄氧量、乳酸阈、通气阈和心率在监测运动员训练效果中的应用[J]. 体育学刊,2010, 17(12):107-111.

[2]曹泽亮. 最大摄氧量判定指标和标准的研究[D].重庆：西南大学,2012.

[3]N P Buller,P A Poole-Wilson. Extrapolated maximal oxygen consumption: a new method for the objective analysis of respiratory gas exchange during exercise[J] . British heart journal, 1988, 59(2): 212 - 217.

[4]B L Ho. A study of maximal oxygen consumption in Chinese males[J] . Aviation, space, and environmental medicine,1984, 55(3): 222 - 225.

[5]刘宏强. 最大摄氧量测定方法的研究与应用[D].太原：山西大学,2005.

[6]张迪. 对国家优秀男子马拉松运动员最大摄氧量和无氧阈测试的研究[J]. 吉林体育学院学报, 2008, 24(6):69-70.

[7]韩云峰. 运动员最大摄氧量间接测定法的比较研究[D].北京:北京体育大学,2010.

[8]李永瑞. 运动员注意能力综合评价初探[C]. 第六届全国体育科学大会论文摘要汇编(二),中国体育科学学会,2000.

[9]柯朝甫,张涛,武晓岩,等. 代谢组学数据分析的统计学方法[J]. 中国卫生统计,2014, 31(2):357-359,365.

[10]何文浩,原魁,邹伟. 自适应阈值的边缘检测算法及其硬件实现[J]. 系统工程与电子技术,2009, 31(1):233-237.

Calculationofmaximumoxygenuptakebasedonadaptivethresholdvalue

LIN Qing-yang1, MENG Yu2, YU Ling-xia1, JIAO Yang3, SUN Hai-tao2

(1.SportsCultureBranch,StateGridShandongElectricPowerCompany,Jinan250001,Shandong,China; 2.ShandongLunengSoftwareTechnologyCo.Ltd.,Jinan250001,Shandong,China; 3.Dept.ofScienceInformation,StateGridShandongElectricPowerCompany,Jinan250001,Shandong,China)

The maximum oxygen uptake is a scientific quantitative parameter to evaluate the performance of athletes' cardiopulmonary function and training performance monitoring. The measurement of the maximum oxygen uptake via experimental method brings a large amount of noise when the oxygen uptake data obtained from the gas analyzer, and then how to develop a scientific and effective de-noise way to calculate the relatively accurate maximum oxygen uptake is an important topic. Up to now, the methods of calculating the maximal oxygen uptake mainly include expert experience method, statistical method etc. Based on the characteristics of body respiration, an adaptive threshold method is adopted in this paper to de-noise the oxygen uptake data. After processed with adaptive threshold method, the oxygen uptake curve conforms to the physical characteristics of the body, and thus the maximum oxygen uptake is derived.

maximum oxygen uptake; de-noising; adaptive threshold

2017-02-10

国家电网公司“基于大数据的身体机能分析管理技术研究及试点应用”(编号：520600116001F)。

林庆阳(1974- )，男，硕士，高级职称，研究方向体育大数据。

G804.7

：A

：1009-9840(2017)04-0059-05