基于STM32的运动分析装置设计与研究

方晓明，苏凯雄

(福州大学 物理与信息工程学院，福建 福州 350002)

0　引言

研究表明，随着运动健康的理念深入人心，智能手环作为一款简单、方便的可穿戴装置越来越普及，已从最初的计步扩展到面向医疗、安全、运动等特定领域。目前智能手环在乒乓球、羽毛球运动上并未有对应的成熟产品[1]。

本文设计的可穿戴的面向乒乓球、羽毛球的运动分析装置，具有一定的研究和市场价值。该方案通过运动传感器采集运动数据经由STM32预处理后通过蓝牙模块将数据传输至安卓终端进行运动状态的识别和分析。

1　系统组成

设计的系统组成如图1所示，主要包含：AMR处理器、运动传感器、蓝牙模块、安卓终端等。

图1　系统组成框图

ARM处理器选取STM32F103CBT6，其具有高性能、低功耗、低成本的特点。该芯片为F103增强型系列，增强型系列时钟频率达到72 MHz，具有128 KB Flash，满足Flash容量的需求[2]。

选取MPU6050作为运动传感器芯片。MPU6050为全球首例整合性6轴运动处理组件，相较于多组件方案，免除了组合陀螺仪与加速器时间轴之差的问题，减少了大量的封装空间[3]。由于为腕带类产品，因此需要在体积、重量上进行有效的控制。此外运动传感器的数据需求为3轴的加速度传感器数据以及3轴的角速度传感器数据，因此MPU6050满足需求。

交互方式采用小体积蓝牙BLE4.0模块。相比传统蓝牙速度更快，覆盖范围更广，安全性更高，功耗更低[4]。

安卓终端主要负责运动数据的识别和分析、分析结果的呈现以及对手环的控制功能。

2　底层系统设计方案

2.1　STM32程序设计

STM32程序设计主要涉及对自身资源的初始化操作、对外设的控制管理功能、低功耗方案的实现，设计流程图如图2所示，最终实现将采集到的运动数据进行存储、预处理、蓝牙转发以及安卓终端解析。并且通过低功耗设计，实现工作/待机的转换，提升续航能力。

图2　STM32程序设计流程图

(1)STM32的初始化操作

STM32初始化操作对象包括：系统时钟、GPIO、串口、中断向量等。

(2)STM32对外设的管理控制功能

STM32通过I2C获取MPU6050的运动特征数据，对数据进行预处理，按自定义协议对数据封包，通过蓝牙传输数据至移动终端，并通过蓝牙接收来自移动终端的控制指令，根据控制指令响应操作。

(3)低功耗模式设计

STM32除了完成以上的基本功能，还要满足低功耗的设计需求。STM32有3种低功耗模式：睡眠模式、停机模式、待机模式。

综合表1的分析比较，设计采用停机模式。首先，睡眠模式功耗最高，续航能力提升不明显。其次，待机模式功耗虽然最低，仅为2 μA，但是只有特定引角可以唤醒，实时性不是很好。再者，停机模式功耗20 μA满足设计需求，且通过合理的设计，可由串口数据进行唤醒，唤醒方便。

表1　STM32各模式下功耗对比

设计采取的低功耗方案为：开机即进入低功耗模式，当蓝牙成功连接后移动终端发送指令使STM32恢复到正常工作模式。当蓝牙断开连接前移动终端发送指令使STM32再次进入低功耗模式。

2.2　蓝牙模块通信管理

采用的蓝牙芯片USR-BLE101具有体积小、功耗低等特点，并且有多种低功耗模式可供选择，可进一步提高续航能力。蓝牙通信需要设置一套可靠的用户数据接口通信协议，从而预防蓝牙通信过程中可能存在的丢包、错包现象，保证运动分析算法的可靠进行。

如表2所示，蓝牙模块具有3种低功耗模式可供选择，设计采用深度睡眠模式，通过蓝牙连接即可唤醒，实时性较好，功耗也在合适范围。

表2　蓝牙模块低功耗模式对比

蓝牙模块的优势是体积小、功耗低，但对于数据传输速率有一定的要求，当速率太快时容易出现错包丢包现象。因此通过设置延时将传输速率控制在1.3 KB/s。

由于蓝牙通信速率和数据包大小的限制，本协议定义的传输数据包长度为20 B每包。每包以固定包头“$DATA”开头，“*”加上1 B校验字段结尾，内容包含加速度、角速度与电量数据字段。校验字段用来对APP接收数据进行校验，如校验和不符，则说明该包在传输过程中由于传输信道的影响造成数据的部分丢失或者错误，丢弃本条数据，从而过滤误码数据，增强分析可靠性。

3　运动分析算法设计

将装置佩戴于握拍手腕，运动传感器采集的运动数据通过蓝牙传输给移动终端，移动终端通过支持向量机的机器学习方法对运动数据进行学习，用于动作识别与分析[5]。

3.1　运动类型判别

设计需在运动开始后一段时间识别出运动类型，即乒乓球还是羽毛球。因此，需要对两项运动的特征进行分析。两项运动的主要区别如下:

(1)挥拍加速度值不同

羽毛球的场地相对乒乓球场地更大，而高远球具有较远的传输范围，是比较频繁的动作之一。执行高远球时挥拍加速度较大。

(2)跳击动作

乒乓球运动一般不存在跳击动作；而羽毛球由于拦网的高度在执行扣杀时需要选手跳到合适的高度进行跳击。

(3)1 s内执行动作的次数

因为羽毛球场地空间的原因，往往在1 s内无法执行多次有效击球动作。相反，乒乓球在对攻时，1 s内频繁出现多次击球的情况。

3.2　平均挥拍速度计算

运动传感器获取3轴加速度数据和3轴角速度数据。所得到的加速度和角速度都是直角坐标系下的三维向量。单纯使用加速度求积分得到的速度信息会累积偏差导致失效，因此本文采用以下方案。

首先，定义初始时刻的坐标系为基准坐标系，通过累加转动角度，得到各时刻在基准坐标系下的转换矩阵。其次，将该时刻的加速度，根据转换矩阵变换到基准坐标系下。利用矫正后的加速度计算每个采样时刻的速度，并换算成km/h。

矩阵变换公式如下：

(1)

3.3　运动分析算法

通过运动分析算法分析更加精细的动作，如乒乓球的拉球、搓球、削球以及羽毛球的扣杀、吊球、高远球等。

观测运动传感器采集运动员的运动数据发现，每一个击球动作均有动作起始点和动作结束点，即每个动作存在一个有效区间。分割动作的作用区间，提取动作区间的统计特征信息(均值、方差、峰值、偏斜等)作为支持向量机的输入特征向量，结合每个动作的类型(即标签)进行训练，得到训练完备的分类器，实现对击球动作的精细分类，具体流程如图3所示。

图3　运动分析算法流程图

首先进行运动数据的读取，对x、y、z轴的加速度做平方和操作，得到总加速度。通过离散小波变换去除含有噪声的细节信号，保留近似信号。

其次，训练时对总加速度数据按窗口划分，设置窗口大小及滑动步长。具体如下：从第一个点开始，以13为步长进行窗口划分，在每个窗口内部进行求峰值处理，获得大于阈值点的峰值坐标，对这些峰值数据的横坐标进行处理，判断相邻的两个峰值的横坐标差的绝对值是否小于10，如果小于10，则去除峰值较小的那个峰值信息。测试时，设置窗口大小为20，步长为10，相邻峰值间横坐标差值的绝对值不小于5。

再次，利用获得的峰值信息，选取相同长度的区间作为动作有效区域。对该区间6个轴的信息进行特征提取，包括平均值、方差、偏态、峰度、FFT的直流成分等。每一组数据可以获得30维的特征。将特征进行归一化处理，得到最终的样本集。训练部分为将特征信息的训练集放入SVM中得到训练模型。测试部分为用测试集测试获得动作标签。

4　系统测试

4.1　低功耗模式测试

低功耗模式的测试方案为：将装置连接直流稳压电源，实时观察直流稳压电源的电压值、电流值。根据电压和电流的变化判定手环是否进入低功耗模式和退出低功耗模式。测试结果如表3所示。通过测试可以发现，本文所设计的低功耗模式可以较好地降低功耗，提升运动分析装置的续航能力。

表3　低功耗模式测试情况

4.2　动作识别分析算法测试

采集乒乓球运动员的动作作为训练集，训练的动作分为8类，分别是反手搓球、正手搓球、反手拉球、正手拉球、反手推球、正手推球、反手削球和正手削球。训练时，把训练数据按照算法流程进行处理获得对应的特征向量，将特征向量放入SVM模型中得到训练后的模型。羽毛球数据采取类似方案获取。

实际测试时，运动员佩戴装置于手腕处进行一段时间的运动，测试分析结果如图4所示。

图4　运动分析APP界面

对结果进行分析发现，该装置能正确识别出动作类型为乒乓球运动，并且可以检测出挥臂次数、挥臂速度、步数、跳击、拉球、搓球、削球的对应数据。

5　结论

随着谷歌眼镜的亮相，人们步入了“智能可穿戴设备元年”，市场上出现了各种各样的智能可穿戴设备[6]。同时，羽毛球和乒乓球两项运动在国内拥有广大运动群体，乒乓球更是被称为“国球”。但通过分析显示，目前智能穿戴市场上面向以上两种运动的智能设备种类很少，且技术上仍有一定不足。因此本文设计了一款面向乒乓球、羽毛球运动的低功耗运动分析装置，用于实时检测两项运动的运动状态，并且能识别分析出具体的运动项目以及动作类型。该设计对于乒乓球、羽毛球运动爱好者的运动体验具有一定意义。

[1] 邹月辉, 谭利. 我国体育用品智能化发展研究——以可穿戴式运动产品为例[J]. 南京体育学院学报(社会科学版), 2015(4):87-91.

[2] 杨志萌. 嵌入式红外辐射计人机交互系统的设计与实现[D]. 青岛：中国海洋大学, 2013.

[3] 马玉猛. 通用航空飞机航姿数据获取与分析技术研究[D]. 广汉：中国民用航空飞行学院, 2016.

[4] 王德生. 全球智能穿戴设备发展现状与趋势[J]. 竞争情报, 2015, 11(5):52-59.

[5] 罗瑜. 支持向量机在机器学习中的应用研究[D]. 成都：西南交通大学, 2007.

[6] 陶泽荣. 可穿戴设备期待成为消费电子市场新增长点[J]. 世界电信, 2015(9):48-53.