基于惯性传感器的短跑运动腿部姿态监测方法

杨 立 春

(合肥滨湖职业技术学院 机电与汽车工程学院，安徽 合肥 230000)

0 引 言

短跑运动是田径项目的一种，需要用尽可能快的速度跑过一定距离。从人体机能角度分析，在短跑运动中，人们可以最大限度发挥速度本能[1]。在短跑运动中，正确的腿部姿态是提高短跑运动成绩、保护运动员安全的有效保障。通过对短跑运动腿部姿态进行检测，可即时发现短跑过程腿部的错误姿势等信息[2]，在提高短跑运动员的成绩水平方面具有重要意义，相关的短跑运动腿部姿态监测方法也受到人们的广泛关注。

短跑运动腿部姿态监测是建立在对传感装置优化配置和动态部署基础上的，通常需要建立短跑运动腿部姿态传感器节点分配模型，构建短跑运动腿部姿态信息采样模型，采用空间结构优化部署方法采集短跑运动腿部姿态信息。在此基础上结合多维节点分布式重组方法进行短跑运动腿部姿态传感分布式重组和信息融合处理，实现对短跑运动腿部姿态的监测[3]。

目前，已有专家学者在短跑运动腿部姿态监测领域做出了一些较为成熟的研究结果，如统计特征分析方法、传感融合跟踪分析方法和决策树监测方法等。文献[4]提出了一种基于GMM的人体运动姿态追踪与识别方法，该方法采用改进GMM算法提取运动视频图像中的前景信息，结合帧间差分法分析各个差值对应的学习率，得到二值化前景图像，将二值化前景图像的像素与高斯B均值比较，得到运动视频背景图像，再结合Shi-Tomasi算法提取其中的特征点并进行追踪，实现对人体运动姿态的实时追踪。但该方法的追踪识别过程抗干扰性不好，数据监测的准确性较差。文献[5]提出了一种基于模板模型的实时人体姿态跟踪方法，该方法首先对运动姿态信息进行采集，根据采集结果进行运动姿态特征数据分析，在此基础上建立运动姿态数据量化挖掘模型，与模板模型相比较，检测出错误运动姿态信息，实现对运动姿态的有效监测。但是该方法存在计算复杂度较高和结果输出过程稳定性较差的问题。

随着传感器技术的发展，采用无线传感器网络进行短跑运动腿部姿态信息采集，能够提高对短跑运动的动态信息分析和技术指导能力。因此，针对现有方法中存在的问题，本文提出基于惯性传感器的短跑运动腿部姿态监测方法。采用无线传感器网络进行短跑运动腿部姿态信息采集的分布式节点设计，在运动员腿部安装压力传感器和惯性传感器进行数据采集，并采用相关匹配滤波检测方法进行干扰数据滤波，实现短跑运动腿部姿态数据优化采集和监测。进行仿真测试，证明了该方法有效性。

1 短跑运动腿部姿态信息采集传感组网设计

1.1 信息采集过程中分布式传感器节点部署

为了实现对短跑运动过程腿部姿态有效监测，需要结合人体运动腿部的肌肉骨骼特征，采用姿态传感器进行运动腿部姿态信息采样，构建运动腿部姿态数据采集模型，进行传感器节点布置。

图1 短跑运动腿部姿态监测传感器节点配置

首先需要采用传感器融合跟踪识别的方法[6]，建立腿部姿态信息采集惯性传感器融合模型，实现对短跑运动腿部姿态全信息感知，构建腿部姿态信息传感器节点优化调度模型，短跑运动腿部姿态监测传感器节点配置结构如图1所示。

短跑运动腿部姿态监测的系统装置主要分为惯性传感器设备、数据检测设备、腿部姿态数据信息处理设备和人机交互装置，读取短跑运动腿部姿态数据，以读取的数据信息为基础建立传感信息融合跟踪模型[7]，得到腿部姿态信息采集分布式传感器部署模型为

(1)

其中，g表示传感器阵列部署适应度函数，μ表示每个传感器信息特征节点的中心，L表示2个特征节点之间的平均测度距离，n表示传感器个数，n=1,2,…,i,…,n。对惯性传感器节点进行传输信道均衡控制，采用多模信息采集方法建立短跑运动腿部姿态数据融合模型，得到腿部姿态信息采样迭代公式

(2)

其中w为无线传感器的互信息量，e表示带宽效率，t表示时间窗口。设在时间段[ti-1,ti]内短跑运动腿部姿态数据采集惯性传感器节点能量开销为pi，采用腿部姿态数据空间欠采样技术，进行惯性传感器配置，构建腿部姿态数据采集均衡调度模型

(3)

其中Δ∂为增益系数。结合人体肌肉骨骼的优化组合模型，构建惯性传感器的连续信息转发链路模型[9]，得到传感器连续信息转发过程的能量开销

E=(Einitial-E)×C

(4)

其中Einitial表示惯性传感器的Sink节点初始能量，E表示短跑运动腿部姿态数据采集的能量开销。在此基础上，基于ZigBee协议进行短跑运动腿部姿态信息采集的组网设计，完成传感器节点的部署设置。

1.2 短跑运动腿部姿态数据采集

采用无线传感器网络进行短跑运动腿部姿态信息采集的分布式节点设计，在运动员腿部安装压力传感器和惯性传感器，根据传感器的输出振荡幅值进行信息融合和关联挖掘，进行短跑运动腿部姿态信息采集传感器节点均衡部署，采用空间均衡调度方法进行惯性传感器网络节点的自动配置[9-10]。假设各个传感器的节点snm通信范围是已知的(m表示每个传感器中含有的节点数量)，在姿态数据生成中，设定传感器节点配置最优角度为θ，设置短跑运动腿部姿态负载为l，结合空间节点组合定位方法，构建惯性传感器节点均衡部署模型，得到腿部姿态信息采样最优节点定位模型

(5)

其中q为传感器数据传输过程统计特征值，r表示节点通信半径，A表示惯性传感器节点分布量化集。在此基础上，结合自适应加权控制方法进行惯性传感器的组合配置[11]，采用融合跟踪技术，得到传感器节点采集到腿部姿态数据组合分布

(6)

其中k为短跑运动腿部数据的目标状态，β表示状态转移量。根据短跑运动腿部数据的均衡采样结果，进行短跑运动腿部姿态数据信息重组，结合传感量化跟踪识别方法进行腿部姿态数据优化监测。

2 短跑运动腿部姿态监测方法

2.1 传感量化跟踪识别

在上述采用无线传感器网络进行短跑运动腿部姿态信息采集分布式节点设计的基础上，进行短跑运动腿部姿态监测优化，本文提出基于惯性传感器的短跑运动腿部姿态监测方法。根据传感器输出振荡幅值进行信息融合和关联挖掘，假设短跑运动腿部姿态数据捕捉的干扰分量为I，采用相关成分检测方法建立短跑运动腿部姿态数据捕捉模糊性融合模型，结合适应度函数进行短跑运动腿部姿态数据融合跟踪识别

(7)

其中λ表示融合项系数。在此基础上，构建短跑运动腿部姿态数据采样融合跟踪系统，假设融合中心已获得t-1时刻的短跑运动腿部姿态信息，采用残差测量方法构建惯性传感器信息采样统计分析模型，在惯性传感器网络传输信道中，通过对短跑运动腿部姿态信息状态估计，得到短跑运动腿部姿态信息采样输出表达式

(8)

其中ρ表示惯性传感器节点均匀分布概率密度函数，d表示Sink节点间的欧式距离，j表示分布在监测区域内的姿态惯性融合特征量。采用分簇式压缩感知方法，在自适应学习模式下进行短跑运动腿部姿态数据检测，跟踪检测识别输出结果为

(9)

其中N为惯性传感器采集的短跑运动腿部姿态数据相关性特征量，α为混合聚类节点的关联维数。根据上述分析，构建短跑运动腿部姿态信息传感量化跟踪识别模型，进行姿态监测设计。

2.2 模糊自适应融合调度及数据监测输出

根据短跑运动腿部姿态信息监测输出的特征聚类结果进行模糊自适应融合调度处理，采用相关匹配滤波检测方法进行干扰数据滤波[12]，则传感器在长周期运行条件下量化噪声Q满足

(10)

Z=pη×(G×m-Q)

(11)

综上分析，实现短跑运动腿部姿态数据的优化采集和监测。

3 仿真实验与结果分析

为了验证本文所提的基于惯性传感器短跑运动腿部姿态监测方法的实际应用性能，设计如下仿真实验。

实验条件设置情况如下：实验在MATLAB平台上进行，采用PCI9054 LOCAL总线进行短跑运动腿部姿态监测的总线传输，设置短跑运动腿部姿态数据有效传送率为120 MB/s，对短跑运动腿部姿态数据采样比特序列大小为S=5 000，自适应迭代次数K1=400、K2=500。采用ADSP21160处理器对短跑运动腿部姿态数据进行硬件集成(图2)。

图2 短跑运动腿部姿态监测实验硬件集成

在硬件集成设计的基础上，设定短跑运动腿部姿态监测的PPI_CLK周期为24 ms，信道宽度B=1 000 Hz，初始采样频率设定为1 200 kHz，采样时间间隔6 ms，短跑运动腿部姿态数据采样时长1 024 ms。根据上述仿真环境和参数设定，进行短跑运动腿部姿态数据监测，得到原始监测数据采集输出(图3)。分析图3可知，在采用点数不断变化的情况下，监测数据输出的幅值波动情况较为稳定，幅值基本保持在[-2,2]dB，证明基于惯性传感器短跑运动腿部姿态监测方法的检测过程抗干扰能力较强，输出结果较为稳定。

图3 短跑运动腿部姿态数据采集输出

结合传感量化跟踪识别方法，进行短跑运动腿部姿态数据自动监测，根据短跑运动腿部姿态信息监测输出的特征聚类结果进行模糊自适应融合调度处理，得到有效数据监测输出(图4)。

图4 短跑运动腿部姿态有效数据监测输出

分析图4可知，利用基于惯性传感器的短跑运动腿部姿态监测方法进行短跑运动腿部姿态监测的可靠性较高，腿部力矩、冲量和荷载值输出结果较为稳定。

为进一步测试所提的基于惯性传感器短跑运动腿部姿态监测方法的有效性，设计对比实验。将本文方法与文献[4]中的基于GMM人体运动姿态的追踪与识别方法和文献[5]中的基于模板模型实时人体姿态跟踪方法进行对比，测试不同方法下短跑运动腿部姿态监测输出信噪比，对比结果见表1。

表1 短跑运动腿部姿态输出信噪比对比(dB)

分析表1可知,随着实验迭代次数的不断增加，不同短跑运动腿部姿态监测方法的结果输出信噪比也相应发生变化。信噪比表示输出结果中有效信号与噪声的比例，信噪比值越高表明有效信号占有量越大。表1所示结果可以表明基于惯性传感器方法进行短跑运动腿部姿态数据监测的精度较高，结果准确性、有效性更强。

4 结 论

建立短跑运动腿部姿态传感器节点分配模型，采用空间结构优化部署方法，进行短跑运动腿部姿态信息采集，有助于提高短跑运动成绩。本文提出基于惯性传感器短跑运动腿部姿态监测方法。采用无线传感器网络进行短跑运动腿部姿态信息采集分布式节点设计，在运动员腿部安装压力传感器和惯性传感器，根据传感器的输出振荡幅值进行信息融合和关联挖掘，进行短跑运动腿部姿态数据的信息重组。结合传感量化跟踪识别方法，进行短跑运动腿部姿态数据自动监测。根据短跑运动腿部姿态信息监测输出的特征聚类结果进行模糊自适应融合调度处理，实现短跑运动腿部姿态数据优化监测硬件系统设计。经实验分析得知，该方法进行短跑运动腿部姿态数据监测输出信噪比较高，信息检测准确性较好。