避免疲劳对人体健康带来危害是当今社会关注的热点话题之一。当人体运动时间过长或能量消耗过度时,就会产生运动性疲劳。生活中运动员或者体力劳动者常出现运动性疲劳,久而久之机体便会受到损伤。若能协调好机体疲劳与恢复的关系,便能提高机体运动素质,从而提高运动员的训练成绩或体力劳动者的工作效率,所以对躯体疲劳程度的检测就显得尤为重要。疲劳是人体内复杂的生理代谢变化引起的,通常可以通过测量与疲劳相关联的生理参数来间接进行疲劳程度的判断。由于生理信号采集技术日益完善,基于人体生理信号来判断疲劳的研究也越来越多,但目前的研究大多是在人体静态时进行参数测量,或者通过单一生理参数反映人体疲劳,存在实时性差,准确性低等缺点。本课题通过采集多生理参数,结合BP神经网络来实现疲劳程度的动态检测。为测得多项生理参数,本课题设计了多生理参数动态检测系统,对运动人体进行心率、血氧饱和度、运动能耗、体温、体脂率五项生理参数的采集。系统分为多生理参数动态检测装置与上位机数据处理系统两部分,能够很好的完成数据采集、处理、计算、显示、保存等功能。同时,本课题也对疲劳程度进行了量化,并对疲劳数据进行了采集以便BP神经网络的训练。本课题利用神经网络非线性映射能力、自适应能力、泛化能力以及容错能力等优点,实现从多生理参数到疲劳值的数据处理。通过实际输入输出量个数以及最小均方差法确定BP神经网络的结构,利用Matlab软件和数据样本组完成网络模型的训练。最后,本课题进行了疲劳值动态检测准确度的验证性实验,疲劳值预测误差小于20%,满足疲劳检测的要求。本课题验证了基于多生理参数与BP神经网络的疲劳检测方法的可行性,与生化检测法、主观测评法两种常用的方法相比,该方法具有客观性好、无创伤、实时性强等优点。与单一方式检测人体运动疲劳的方法比,该方法受单一参数的影响小,抗干扰能力强,准确度更高。本课题研究方法对于运动疲劳实时检测的研究具有重要参考价值。