基于生理模型的扩展卡尔曼滤波器用于日常生活中的身体活动能耗估计
摘要
监测日常生活中的身体活动能耗 (PAEE) 对表征个体健康和新陈代谢状态至关重要。虽然间接热计量提供了金标准 PAEE 测量，但在日常生活中持续监测是不可行的。因此，利用惯性测量单元 (IMU) 和心率 (HR) 传感器的可穿戴式 sensing 方法受到了广泛关注。然而，大多数现有的 IMU 和 HR 方法都是纯数据驱动的，缺乏生理解释性。本文提出了一个简化的生理模型，显式地将日常活动中的身体运动与支配 PAEE 的底层代谢气体交换过程联系起来。该模型形式为非线性状态空间系统，并嵌入扩展卡尔曼滤波器 (EKF) 中，以原则性地处理测量噪声、模型不确定性和系统非线性。该提出的框架提供了无需采用黑箱模型的、具有个人化和可解释性的 PAEE 估计。我们使用包括 9 名受试者、每位受试者约 50 分钟测量数据的数据集进行了模型验证，数据在实验室中模拟自由生活条件收集。使用 COSMED K5 作为参考测量的呼吸数据，并以解释方差 (R^2) 作为评估指标，我们的模型预测的 PAEE 结果中位数 (最小-最大) R^2 = 0.72 (0.60--0.87)，使用三个 IMU（臀部和两条大腿）来捕捉身体中心质量的运动，并测量 HR 用于时间变化的心脏输出。我们的方法在相同数据集上优于线性回归 (LR) 模型（R^2 = 0.52 (0.23--0.92)）和 CNN-LSTM 模型（R^2 = 0.65 (0.46--0.78)）。值得注意的是，排除感测 HR 测量并未显著降低所有三个模型的 PAEE 估计性能，表明在我们的协议中，IMU 捕获的机械负荷在 PAEE 估计性能中占主导地位。
引用
@article{arxiv.2604.26803,
title = {PM-EKF: A Physiological Model-Based Extended Kalman Filter for Daily-Life Physical Activity Energy Expenditure Estimation},
author = {Shuhao Que and Remco Poelarends and Valentina Breschi and Ying Wang},
journal= {arXiv preprint arXiv:2604.26803},
year = {2026}
}
备注
The main body consists of 11 pages. A 2-page supplementary material is included in the source file as pdf