基于运动负荷熵的运动负荷测度方法、系统及设

本发明涉及运动数据测量、运动数据处理领域，尤其涉及基于运动负荷熵的运动负荷测度方法、系统及设备。背景技术：1、精确测定和适宜安排运动负荷是运动训练中最核心最基础性的内容。适宜的运动负荷可以使运动员的机体发生良好的生物适应，过度负荷会使机体会发生劣变。精准运动剂量的测定是促进健康的关键问题，也是发展主动健康医学所必须的核心技术。2、当前，运动负荷的测度方法还停留在简单线性科学阶段。3、现有技术中，对于运动负荷，不同的学者有不同的观点，大致包括以下几种：（1）是机体外的刺激，即外部负荷；（2）是机体在生理学、生化学、心理学的适应、反应或应激即内部负荷；（3）认为是内部和外部两种负荷的综合。4、对应上述观点的运动负荷测定方法大致分为以下四类：5、第1类物理学测量方法。该类方法具有精度高、重复性好的特点，尤其随着gps、imu等可穿戴设备的广泛使用，物理学的指标采集更加方便，该方法主要基于速度、力、功率、距离等参数。然而，该方法忽略了个体回应及内部负荷的监测，最终导致在应用中失去了准确性。6、第2是生理学测量方法，第3类是生化学测量方法。这两类方法的本质是运动刺激带来的生物效应，优势是包含了个体化特征。然而，它们都是以刺激产生的“效”代替了刺激的“量”。更为重要的是，其应用往往通过建立简单的线性“量-效”回归方程间接地表达运动负荷，忽视了生命的物质和动力学存在非线性、分形等复杂性，使得测量方法并不准确。7、第4类心理学方法。该类方法主要采用的是量表测验，比如rpe等。该类方法往往由于个体之间的差异导致无法明确地使用rpe量表确定相同的运动强度。8、而基于对运动负荷本质的分析，单独使用上述任何一类方法将都不可避免存在局限性。由此可见，任何简单的、线性的单一因素测量方法都存在局限性，运动负荷应该采用主客体非线性统一测度方法。技术实现思路1、针对现有技术中的不足，本技术提供了基于运动负荷主客体身心统一的观点，一种运动负荷熵理论的运动负荷测度方法、系统及设备，2、具体而言，本发明提供了以下技术方案：3、一方面，本发明提供了基于运动负荷熵的运动负荷测度方法，所述方法包括：4、s1、设置某级试验的参考刺激和若干比较刺激；将所述参考刺激和若干比较刺激施加给受试者，进行感知试验，并记录得到的觉差感知差异数据，觉差感知差异数据中有感知记为1，无感知记为0，本级试验得到的全部觉差感知差异数据形成本级的序列数据集；若干比较刺激形成本级功率集合；5、s2、基于觉差感知差异数据形成的序列数据集，计算本级运动负荷熵；所述运动负荷熵是基于本级参考刺激和若干比较刺激的感知试验结果的序列数据集，对序列数据集进行信息熵计算求解得到，运动负荷熵用以度量感知过程的不确定性；6、根据运动负荷熵的最大值确定所对应的比较刺激作为运动负荷最小有效刺激；相对应的试验级数作为运动负荷级数。7、优选地，所述s1中，所述参考刺激和若干比较刺激的设置方式为：8、初始化第1级参考刺激的值，第n级参考刺激的值设置为第n-1级的运动负荷最小有效刺激的值；9、初始化第1级运动负荷的若干比较刺激，形成由若干比较刺激构成的功率值集合；第n级比较刺激的功率集合的更新由第n-1级的运动负荷最小有效刺激确定。10、优选地，所述运动负荷级数指基于参考刺激和对应的比较刺激计算运动负荷最小有效刺激以迭代方式进行，该迭代的方式为：将本级计算得到的运动负荷最小有效刺激作为下一级迭代时的参考刺激，并基于本级计算得到的运动负荷最小有效刺激更新下一级比较刺激，并计算下一级运动负荷最小有效刺激。11、优选地，第n级比较刺激的功率集合确定方式为：12、；13、其中，表示第n级功率集合，表示第n-1级运动负荷最小有效刺激，表示比较刺激间隔。优选地，所有功率集合的元素的个数相等。14、优选地，所述s1中，为了避免形成主观认知的干扰，将所述参考刺激和若干比较刺激按照随机时间长度施加给受试者，若干比较刺激采用随机选取的方式施加给受试者，具体方式为：15、s11、基于设置的第n级参考刺激，受试者在第一随机时长内完成运动；16、s12、当s11执行完毕后，在第n级功率集合中随机选择一个比较刺激；所述功率集合由若干比较刺激构成；17、s13、受试者在第二随机时长内完成运动，并采集从参考刺激运动开始至比较刺激运动结束期间的觉差感知差异数据；18、s14、重复步骤s11至s13，直至功率集合中的所有比较刺激值重复测试了预设的次数后，结束第n级试验数据采集，并基于采集到的觉差感知差异数据形成第n级序列数据集；19、n表示试验级数；所述第一随机时长与所述第二随机时长相同或不同。20、优选地，所述s2进一步包括：21、s21、基于第n级序列数据集计算运动负荷熵，以及计算该级对应的运动负荷最小有效刺激；22、s22、判断是否进入下一级试验；若进入下一级试验，则令n=n+1，并基于计算得到的第n级对应的运动负荷最小有效刺激，更新得到n+1级的功率集合，返回s11；当全部试验执行完毕，则判断为不进入下一级试验，并终止试验。23、优选地，所述s2中，运动负荷熵的计算方式为：24、；25、；26、=；27、其中，le表示运动负荷熵，i=1、2；表示参考刺激，s表示比较刺激，表示觉差感知差异数据中有感知的概率，表示觉差感知差异数据中无感知的概率，r表示感知结果，r=0表示无感知，r=1表示有感知。28、优选地，所述s2中，确定运动负荷最小有效刺激的方式为：29、；30、其中，mes表示运动负荷最小有效刺激，le表示运动负荷熵，i=1、2；s表示比较刺激，表示觉差感知差异数据中有感知的概率，表示觉差感知差异数据中无感知的概率。31、优选地，对该级觉差感知差异数据中有感知的概率建立拟合模型，具体为：32、；33、其中，和为模型的参数。34、优选地，模型的参数和可以通过极大似然估计来确定。35、优选地，运动负荷最小有效刺激为拟合模型中时对应的比较刺激，即所对应的比较刺激；其中，s表示比较刺激，le表示运动负荷熵。36、优选地，对所述觉差感知差异数据中有感知的概率建立拟合模型，并通过拟合程度对模型进行评价：37、；38、其中，表示拟合程度，表示受试者对当前级别第m个比较刺激值获取的觉差感知差异数据中有感知的占比，为拟合模型的拟合概率，为当前级别所有觉差感知差异数据中有感知占比的平均值，m表示当前级别全部的比较刺激样本空间的数量。39、另一方面，本发明还提供了基于运动负荷熵的运动负荷测度系统，所述系统包括：40、功率生成设备、觉差感知判别器以及控制程序模块；41、所述功率生成设备连接所述控制程序模块，用于基于设置的参考刺激和若干比较刺激，生成对应的运动负荷；42、所述觉差感知判别器连接所述控制程序模块，用于采集觉差感知差异数据；43、所述控制程序模块用于对所述功率生成设备进行控制，并采集觉差感知判别器输出的觉差感知差异数据；44、所述系统用以执行如上所述的基于运动负荷熵的运动负荷测度方法。45、优选地，所述系统还包括数据统计分析模块，用于计算运动负荷熵、mes及ls值，并进行数据更新以及数据的输出。46、优选地，所述系统还设置有血压计和心率带，用于采集受试者的相关身体数据。47、再一方面，本发明还提供了基于运动负荷熵的运动负荷测度设备，所述设备包括存储器及处理器，所述处理器基于参考刺激、比较刺激以及觉差感知差异数据，调用存储器中的计算机指令，以执行如上所述的基于运动负荷熵的运动负荷测度方法。48、与现有技术相比，本方案给出了运动负荷熵的定义，以及运动负荷熵的测定方法，并给出了运动负荷感知和最小有效刺激量的计算方式，把施加到人机体上的物理量和测试者感知统一到一个方程，从而实现了身心主客体一体化测度，提高了运动负荷的测度准确性，弥补了现有理论在一体化测度及准确测度方法中的不足。