تشخیص خستگی با آنالیز سیگنال HRV با تاکید بر ویژگی های غیر خطی در ورزشکاران با استفاده ازمقایسه طبفه بندMLP و KNN

درورزش فیزیکی مزایای سلامت جسمانی وجود دارد. متاسفانه، علاوه بر مزایای سلامت، هنگام ورزش کردن بدن انسان نیز می تواند خسته شود. بازیابی و تعادل درتمرین بسیار مهم است ، با وجود تمرینات سنگین، عملکرد ورزشکار ممکن است کاهش یابد. به طور کلی، این را خستگی نامیده می شود ، خستگی می تواند ناشی ازورزش یا عوامل روانی-عاطفی مانند استرس کار یا عدم خواب باشد. هنگامی که خستگی به اندازه کافی انباشته شده باشد، یک فرد می تواند با علائم مشخصه بیماری ، بیش از حد تعلیم تشخیص داده شود [1] برای مثال، افزایش ضربان قلب 3 HR در طی تمرین ناشی از تغییرات فعالیت مدولاسیون قلب توسط ANS4 است تغییرات HR در تغییرات فعالیت ANS تعدیل می شود . انقباض قلب ناشی از تغییرات پتانسیل الکتریکی عضله قلب است که می تواند از سطح پوست اندازه گیری شود. این روش اندازه گیری تغییرات پتانسیل الکتریکی قلب، الکتروکاردیوگرافیECG5 نامیده می شود. سپس ضربان قلب از سیگنال ECG تشخیص داده می شود [2] .مقدار پدیده HRV6 معمولا به عنوان نشانگر فعالیت ANS در نظر گرفته می شود . [3 ] تشخیص خستگی از راه آزمایشهای شیمیایی زما ن بر می باشد و برخط آنرا نمی توان اتجام داد. هدف ا صلی پا سخ به این سوال می با شد که آیا با ا ستخراج ویژگی های زمانی، فرکانسی و غیر خطی از سیگنال HRVو سیگنال جدید ( فاز و دامنه) در فضای پوانکاره وتوسط شبکه MLP و مقایسه آن با KNN جهت خستگی با صحت بالا کدامیکاز شبکه های مذکور بهتر می باشد.