[发明专利]实时运动数据整合监测系统在审

专利信息
申请号: 202111335454.0 申请日: 2021-11-11
公开(公告)号: CN114253177A 公开(公告)日: 2022-03-29
发明(设计)人: 王巍;陈小伟 申请(专利权)人: 成都体育学院
主分类号: G05B19/042 分类号: G05B19/042
代理公司: 成都君合集专利代理事务所(普通合伙) 51228 代理人: 张鸣洁
地址: 610041 *** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 实时 运动 数据 整合 监测 系统
【权利要求书】:

1.实时运动数据整合监测系统,其特征在于:该监测系统由上至下划分为数据融合处理层、实时机动网络层、无线传输控制层和物理层,所述物理层包括无线传输设备层、传感器数据采集层和兼容性控制层;

所述传感器数据采集层通过接入多个用于采集运动员在运动过程中产生的各项运动数据的传感器,对运动员在运动过程中产生的各项运动数据进行采集;所述兼容性控制层包括传感器数据采集层接入的多个传感器的运行控制机制和中继接收设备,所述无线传输设备层包括多个与所述传感器对应连接并传输其采集的运动数据的无线传输模块,所述中继接收设备利用协议转换接口分别与各传感器对应的无线传输模块相连,接收各传感器无线传输模块传输的运动数据,并对采集的各项运动数据进行兼容控制,提取有效数据;

所述无线传输控制层基于Ad Hoc网络架构,在兼容性控制层对传感器数据采集层接入的多个传感器的无线传输模块进行通信调度,并采用时分多址与竞争退避联合方案,将工作在同一频段的多个传感器,在时间轴上划分为竞争期和静态分配期;

所述实时机动网络层协调各项运动数据达到数据融合处理层的顺序与优先级,并对传输过程中的误包、丢包进行纠正与重传;并对传感器采集层接入的多个传感器采集的各项运动数据加装时间报头,对各传感器采集的运动数据进行时间同步;

所述数据融合处理层采用层一统计函数融合、层二神经网络融合、数据拟合或支持向量机分类算法对接收到的各传感器采集的运动数据进行特征提取和决策分析,并反馈分析结果。

2.如权利要求1所述的实时运动数据整合监测系统,其特征在于:所述运行数据包括心率、变向加减速、运动姿态、血氧、血乳酸和疲劳负荷。

3.如权利要求1或2所述的实时运动数据整合监测系统,其特征在于:所述时分多址与竞争退避联合方案,具体是指,将数据传输的时间周期划分为固定时隙和动态时隙,在一个时间周期内划分多个固定时隙,固定时隙后跟若干动态时隙;在固定时隙时,传输实时性运动数据,对应无线传输控制层中在时间轴上被划分为静态分配期的运动数据;动态时隙传输按设定频率周期性采集的运动数据,对应无线传感传输控制层中在时间轴上被划分为竞争期的运动数据。

4.如权利要求1所述的实时运动数据整合监测系统,其特征在于:所述传感器数据采集层中接入的传感器类型,是通过对训练项目的特征进行抽象与分配,明确考核评价训练效果的特征量,由所述特征量确定接入的传感器类型和数量。

5.如权利要求3所述的实时运动数据整合监测系统,其特征在于:所述运动数据从域的角度看可分为时域特征和频域特征,所述时域特征是指运动状态随时间的变化量与变化率,突出动作的时间顺序型;所述频域特征是指运动状态的周期性,突出动作的时间重复性;运动数据中不同特征组合成的特征向量就构成了运动状态识别的数据集;时域特征运动数据对应固定时隙,频域特特征的运动数据对应动态时隙。

6.如权利要求1所述的实时运动数据整合监测系统,其特征在于:所述数据融合处理层通过对多维度的特征向量进行特征分布判断,可以得出某个数据区段属于某个动作的概率;具体为选用混合高斯模型学习所有样本数据的特征分布,用极大似然估计迭代出模型的权重、均值和协方差矩阵。

7.如权利要求6所述的实时运动数据整合监测系统,其特征在于:所述数据融合处理层对特征向量进行分类的方法包括支持向量机SVM算法、K邻近算法和包含多颗决策树的随机森林算法。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于成都体育学院,未经成都体育学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111335454.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top