基于语音特征的运动疲劳状态检测

摘要

人体运动疲劳程度的检测对于科学的进行运动训练而言非常重要。准确的运动疲劳度检测可以给运动员的训练过程提供科学的指导，从而达到更好的训练效果。如果没有科学的运动疲劳评价体系作为指导，容易造成运动员的过量运动。长此以往会出现疲劳堆积以及疲劳性损伤。本文设计了基于语音的运动疲劳度检测的实验方案，研究了多个语音特征参数随运动疲劳度变化的规律，进行了特征参数的分析与选择，最后用支持向量机对特征进行了分类。
　　本文首先对基于语音的运动疲劳度检测方案进行了设计。通过采集30个受试者四种运动疲劳状态下的语音信号，来研究运动疲劳与语音信号的关系，从而实现通过语音信号检测运动疲劳程度。语音信号采集过程中的受试者运动疲劳程度的判定是依据RPE6-20量表。同时本文设计了表征人体平衡能力的压力中心数据采集方案。其次，对运动疲劳语音信号进行了特征参数的提取。提取的特征参数包括短时平均能量、短时平均过零率、平均语速、基音周期以及运动疲劳语音信号特有的喘息段时长等参数。并分析了各个特征参数随着运动疲劳程度的变化规律。并进行了基于统计假设检验的特征分析，计算了任意两个运动疲劳状态间各个特征参数的差异显著水平，各类运动状态间特征参数的显著性分析结果总体上较为理想。同时简单分析了压力中心各项参数在运动前后的变化规律，作为本实验的对比和补充。最后，利用支持向量机对运动疲劳程度进行检测。首先对支持向量机这一分类算法进行了介绍。然后运用支持向量机(Sopport Vector Machine, SVM)对运动疲劳样本进行了检测。检测中运用多次十折交叉验证法保证检测正确率的准确性。最后得到几种不同特征参数组合下的运动疲劳度检测正确率，其中正确率最高的特征组合的正确率为61.1％。由于“稍累”与“累”这两类状态的特征参数差异不显著，因此去掉“累”这一状态后的三类运动疲劳状态的检测正确率最高的特征组合的正确率为78.4%。从而说明了运用语音信号检测运动疲劳是可行的。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪 论

1.1 课题的背景与意义

1.2 国内外对运动疲劳检测的研究概况

1.3 本文的主要工作

1.4 论文结构

第二章 运动疲劳语音信号研究方案设计

2.1 运动疲劳实验方案

2.2 运动疲劳语音信号采集方案

2.3 运动疲劳语音信号的标注

2.4 基于人体平衡能力的运动疲劳分析

2.5 运动疲劳语音信号特征选择

2.6 本章小结

第三章 语音特征参数及平衡能力参数分析

3.1 运动疲劳语音信号短时平均能量的提取

3.2 短时平均过零率的提取

3.3 平均语速的提取

3.4 基音频率的提取

3.5 运动疲劳语音信号喘息段的分析

3.6 运动疲劳语音特征参数分析

3.7 平衡能力参数分析

3.8 本章小结

第四章 基于支持向量机的运动疲劳度检测

4.1 支持向量机分类器简介

4.2 基于SVM的运动疲劳度检测

4.3 本章小结

第五章 总结与展望

5.1 论文总结

5.2 今后展望

参考文献

致谢