可穿戴加速度计估算身体活动指标所需采样频率:指标、活动类型与佩戴部位的差异化需求

《Sensors》:Sampling Frequency Requirements for Estimating Physical Activity Metrics from Wearable Accelerometer Data

【字体: 大 中 小 】 时间:2026年10月22日 来源:Sensors 4.0

编辑推荐:

  加速度计(accelerometer)广泛用于人群健康研究中的身体活动(physical activity)量化,但保留常用测量指标所需的采样频率(sampling frequency)仍不确定。研究人员利用来自11个公开数据集、321名参与者的315.4 h

  
加速度计(accelerometer)广泛用于人群健康研究中的身体活动(physical activity)量化,但保留常用测量指标所需的采样频率(sampling frequency)仍不确定。研究人员利用来自11个公开数据集、321名参与者的315.4 h带标签三轴加速度计(tri-axial accelerometer)数据评估采样频率。信号被统一至50 Hz参考,并采用抗混叠重采样(anti-aliased resampling)降采样至40、30、20、10和5 Hz。研究人员在不同活动和传感器位置间比较监测器无关运动摘要(Monitor-Independent Movement Summary, MIMS)、欧几里得范数减一(Euclidean Norm Minus One, ENMO)、活动指数(Activity Index, AI)、主导频谱频率和保留频谱功率。对于MIMS,20 Hz在许多步行、爬楼梯、骑行、跳跃、家务活动和机动交通条件下仍处于预设5%误差界内,而跑步在下肢和躯干位置于20 Hz时超过该误差界。在10 Hz时,大多数步行类活动的误差增加,且步行和跑步仅保留约60–72%的参考频谱功率,尽管其主导运动频率仍被保留。MIMS误差与年龄、性/性别或身体质量指数(body mass index, BMI)无关,尽管ENMO和AI观察到较小的性/性别关联。因此,采样频率需求取决于指标、活动和传感器位置,支持按用途选择(fit-for-purpose selection),而非采用单一通用采样率。
研究背景与问题:原始加速度计(accelerometer)数据在临床和人群健康研究中越来越多用于推导运动强度指标;这些指标不直接量化身体活动(physical activity)行为或能量消耗,而概括信号属性。采样频率(sampling frequency)是基本采集参数,可能影响估计。既往研究提示其可改变原始加速度汇总和活动分类性能,但多集中于特定设备、人群、佩戴位置或算法,尚不清楚识别活动所需的频率是否足以保留加速度幅值或频谱信息。研究人员因此评估采样频率对监测器无关运动摘要(Monitor-Independent Movement Summary, MIMS)、欧几里得范数减一(Euclidean Norm Minus One, ENMO)和活动指数(Activity Index, AI)等指标的影响,并识别在预设误差界内保留估计的最低频率;假设需求随指标、活动和传感器位置变化,更快更动态活动需要更高频率,主导运动频率可能在较低采样率仍可识别但更宽频谱内容或强度估计不再保留,并次要分析误差与年龄、性/性别、身体质量指数(body mass index, BMI)的关联。

研究开展、结论与意义:研究人员应用统一降采样框架处理11个公开数据集的带标签三轴加速度计(tri-axial accelerometer)数据,将智能手机、智能手表和研究级加速度计信号统一至50 Hz参考并降采样,进行同一活动片段内配对比较。结论是不太可能存在单一通用采样频率;误差随指标、活动和传感器位置变化,MIMS在20 Hz对许多日常活动满足5%误差界,但跑步在下肢和躯干于20 Hz超界,10 Hz对多数步行类活动误差更大。该研究支持按预期结局、佩戴位置和人群选择采样频率,在信号保真、数据量和设备资源间权衡。

关键技术方法:数据来自11个公开数据集(DaLiAc、IWSDC、MobiAct、MotionSense、RealWorld、SisFall、SPADES、CHA、PARDUSS、HAPT、SpeedBreaker)的321名健康个体(315.4 h、5676个活动片段),设备含智能手机、智能手表和研究级加速度计,佩戴于大腿、手腕、腰、胸、臂或非约束位置。原始≥50 Hz信号经有理多相重采样统一至50 Hz,并以Kaiser窗线性相位FIR低通抗混叠后降采样至40、30、20、10和5 Hz。按John et al. (2019)、van Hees et al. (2013)、Bai et al. (2016)计算MIMS、ENMO和AI;Welch法估计频谱;以相对50 Hz误差、5%误差界和95%置信区间(confidence interval, CI)评价,并用线性混合效应模型(linear mixed-effects model, LMM)校正频率、活动、位置和数据集后分析年龄、性/性别与BMI关联。

研究结果:
3.1 数据概况:通过汇总11个数据集321名受试者数据,共5676个活动片段、315.4 h,其中平地步行85.2 h、爬楼梯43.4 h、跑步28.0 h、骑行21.7 h、跳跃5.6 h、静止86.4 h、机动交通35.5 h、家务9.8 h,覆盖多活动与多佩戴位置。
3.2 采样率对频谱特征的影响:
3.2.1 主导峰值位置:通过计算最大频谱功率对应频率,发现跑步主导频率最高(下肢2.71±0.40 Hz、躯干2.66±0.17 Hz、上肢2.53±0.39 Hz),步行和爬楼梯主要在1.20–1.90 Hz,骑行下肢0.88±0.20 Hz、躯干1.28±0.78 Hz;静止<0.35 Hz,机动交通约0.11–0.13 Hz,家务0.28–0.30 Hz。主导频率在较低采样率下通常仍可识别。
3.2.2 保留频谱功率:通过计算低于候选采样率Nyquist频率的50 Hz参考频谱功率(spectral power)比例,40和30 Hz保留>0.94;20 Hz所有活动>0.84(步行下肢0.883、跑步下肢0.845);10 Hz跑步下肢0.624、躯干0.651,步行下肢0.602、躯干0.724;5 Hz跑步下肢0.150、躯干0.135,步行下肢0.348、躯干0.501,而静止和机动交通保留较高。结论是主导频率保留可与更宽频谱内容明显丢失并存。
3.3 采样率对身体活动估计的影响:通过比较MIMS、ENMO和AI随频率变化,发现MIMS对剧烈活动高度敏感;跑步下肢MIMS从50 Hz的73.6降至10 Hz的56.7和5 Hz的25.7,躯干从66.8降至5 Hz的15.3,上肢从106.0降至46.3;平地步行下肢从36.5降至5 Hz的21.5;低强度和久坐任务较稳定。ENMO和AI总体随频率降低而下降,跑步在下肢和躯干最明显;上肢跳跃较保留、骑行更敏感,提示效应不只由活动类型或强度决定。
3.4 指标估计误差:通过相对50 Hz计算相对误差并以5%为界,发现跑步在20 Hz已超界(下肢0.060、躯干0.052);静止活动因绝对MIMS低而相对误差放大;步行、爬楼梯、跳跃、骑行多在20 Hz可接受但10 Hz失败(平地步行下肢20 Hz 0.040、10 Hz 0.160);家务和机动交通20 Hz可接受、10 Hz超界。ENMO和AI误差与MIMS不同,如20 Hz下肢跑步ENMO约0.10、上肢骑行约0.23,AI约0.05和0.16;非约束机动交通ENMO 20 Hz约0.37、40 Hz约0.07,AI约0.20和0.04。结论是满足MIMS标准不保证满足ENMO或AI标准,需求应按指标分别确定。
3.5 偏倚估计:通过线性混合效应模型分析年龄、来源报告的性/性别和BMI与相对误差关联,MIMS误差与年龄、性/性别、BMI无显著关联;ENMO中男性性/性别与误差增加相关(0.0110),AI中性/性别相关(0.0063),年龄和BMI均无显著影响。主指标未见系统人口学偏倚,但ENMO和AI存在小关联。

讨论部分总结:主要发现是不存在单一通用采样频率,误差随活动、位置和指标变化;20 Hz对MIMS在步行、爬楼梯、骑行、跳跃、家务和机动交通条件下满足5%界,但跑步在下肢和躯干于20 Hz超界,10 Hz误差更大,ENMO和AI呈相似趋势。频域上,平地步行主导频率约1.5–1.7 Hz、跑步约2.5–2.7 Hz,但更高频成分仍贡献强度汇总;10 Hz时下肢步行约保留60%、下肢跑步约62%的50 Hz频谱功率,满足主导节律Nyquist不等于保留强度相关成分。既往研究提示效应依赖分析结局:Br?nd and Arvidsson发现ActiGraph活动计数随采集频率变化;Clevenger et al.在儿童中报告100降至30 Hz对原始加速度影响较小但活动计数更明显;Small et al.比较25和100 Hz发现25 Hz总体加速度约低12–13%;Zhang et al.报告10–80 Hz分类准确度相近、5 Hz下降;Ghaffari et al.、Shawen et al.和Aubol and Milner提示临床人群、帕金森症状和峰值胫骨加速度可要求不同频率。应用上支持按用途选择采样率;50 Hz较10 Hz产生五倍样本量,较低率可能降低功耗但依赖硬件软件;人群行为构成影响后果。优势为321名参与者、11个独立数据集、多活动、四类佩戴位置且同一信号配对比较;局限为多为年轻健康者在受控条件完成标注活动、宽类别不能覆盖自由生活变异、老年和临床人群代表性有限、以50 Hz而非生理真值评价、数字降采样不能复现原生采集差异、未评价活动识别性能和步态时序等结局。

研究结论翻译:本研究的主要意义是,采样频率应被视为加速度计衍生指标验证的一部分,而不是独立于预期结局选择的设备设置。尽管动态活动对降采样更敏感与假设一致,但主导运动频率通常落在较低采样率可用带宽内,同时更宽频谱功率显著丧失,这提示不同加速度计衍生结局可能需要不同采样频率。在所调查活动中,20 Hz常能相对于50 Hz保留常用运动强度摘要,而某些剧烈活动(包括跑步)需要更高采样率以满足预设误差标准。在10 Hz时,这些指标一般表现出更大估计误差,尽管既往研究表明该采样频率可足以用于专门设计的步行识别或计步算法。这一区别很重要,因为旨在识别或量化特定行为的算法可能依赖即使其他频率成分衰减仍可检测的信号特征。因此,源自活动估计性能的采样频率要求不应被解释为保留加速度计衍生运动摘要的要求,反之亦然。相反,采样率可选择为已被证明能在可接受误差界内保留预期结局的最低速率,并考虑传感器位置、人群和纵向数据收集的实际需求。这种方法可能比传统选择统一高采样频率为研究设计提供更有用基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号