一种基于多数据采集的训练辅助方法和装置制造方法及图纸

一种基于多数据采集的训练辅助方法和装置，其中，该方法包括如下步骤：从运动数据传感模块中获取训练者的运动数据，基于三轴方向的加速度，求出合加速度，确定合加速度的波动规律，当波动规律发生改变时，将波动规律发生改变之前的处于同一波动规律时间段内的原始数据提取出来；对所提取的数据进行特征值提取，通过K‑Means算法识别所选取数据所处时段的运动状态，继续提取下一个具有同一波动规律时间段内的原始数据，直至所有时间段所对应的运动状态均已确定；将各运动状态内的运动数据与数据库中预设的优秀运动员的运动数据进行比对，确定训练者的训练缺陷。本发明专利技术用于辅助训练者进行训练，确定训练者在训练过程中的不足。

【技术实现步骤摘要】
一种基于多数据采集的训练辅助方法和装置
本专利技术涉及数据采集
，尤其是一种基于多数据采集的训练辅助方法和装置。
技术介绍
伴随着5G等通信技术的商用，人类将逐步进入大数据时代，大数据技术也会得到进一步发展。在现有的一种应用场景中，大数据技术也应用到了体育训练中。训练者佩戴运动数据采集模块，实时监测训练者心率、移动速度、移动方位、血氧浓度、专注度等运动数据，后台再从运动数据采集模块中读取训练者的运动数据，通过对运动数据进行分析，可以辅助训练者进行后续训练。但是，现有方式一般都是依赖教练的观察和经验进行辅导，缺乏科学有效的辅助训练方式。
技术实现思路
本专利技术提供一种基于多数据采集的训练辅助方法和装置，用于辅助训练者进行训练，确定训练者在训练过程中的不足。根据本专利技术的第一方面，本专利技术实施例提供一种基于多数据采集的训练辅助方法，包括如下步骤：从运动数据传感模块中获取训练者的运动数据，所述运动数据包括血氧浓度、心率、运动位置以及三轴方向的加速度；基于三轴方向的加速度，求出合加速度，确定各时刻合加速度的波动状态，当波动周期发生改变时，将波动周期发生改变之前的处于同一波动周期时间段内的原始数据提取出来；对所提取的数据进行特征值提取，选取各轴加速度平均值、各轴加速度的方差，各轴加速度经过傅里叶变化后第1-6个最大能量点的频率位置以及合加速度的平均周期；通过K最邻近算法识别所选取数据所处时段的运动状态，继续提取下一个具有同一波动周期时间段内的原始数据并依据所提取的数据确定该同一波动周期时间段所对应的运动状态，直至所有时间段所对应的运动状态均已确定；对所有运动状态的数据进行进一步解析，捕捉各运动状态内的运动数据，将各运动状态内的运动数据与数据库中预设的优秀运动员的运动数据进行比对，确定训练者的训练缺陷。优选的，所述通过K最邻近算法识别所选取数据所处时段的运动状态，具体包括：将数据库中历史运动数据作为训练集，基于所提取的特征值通过K-Means聚类算法将训练集中的运动数据分成慢跑、快跑、游泳和自行车四种运动类别，同时找出最优贡献的特征参数；求取所选取数据中最优贡献的特征参数，计算所选取数据中最优贡献的特征参数与数据库中各段数据的最优贡献的特征参数的欧式距离，欧式距离最短的K段数据所对应的运动状态中，数量最多的运动状态即为所选取数据所处时段的运动状态。优选的，还包括如下步骤：依据训练者的训练缺陷，制定训练计划，所述训练计划具有多个训练阶段，每个训练阶段设置有基于训练者的运动数据与数据库中预设的优秀运动员的运动数据的差值所对应的训练策略；监测每个训练阶段内训练者的运动数据与数据库中预设的优秀运动员的运动数据的实际差值，判断该实际差值是否符合该训练阶段所设置的差阈值，若符合该训练阶段所设置的差值，进入下一训练阶段，若不符合该训练阶段所设置的差值阈值，延长该训练阶段的时间。根据本专利技术的第二方面，本专利技术实施例提供一种基于多数据采集的训练辅助装置，包括：数据获取模块，用于从运动数据传感模块中获取训练者的运动数据，所述运动数据包括血氧浓度、心率、运动位置以及三轴方向的加速度；数据提取模块，用于基于三轴方向的加速度，求出合加速度，确定各时刻合加速度的波动状态，当波动周期发生改变时，将波动周期发生改变之前的处于同一波动周期时间段内的原始数据提取出来；特征提取模块，用于对所提取的数据进行特征值提取，选取各轴加速度平均值、各轴加速度的方差，各轴加速度经过傅里叶变化后第1-6个最大能量点的频率位置以及合加速度的平均周期；状态确定模块，用于通过K最邻近算法识别所选取数据所处时段的运动状态，继续提取下一个具有同一波动周期时间段内的原始数据并依据所提取的数据确定该同一波动周期时间段所对应的运动状态，直至所有时间段所对应的运动状态均已确定；缺陷确定模块，用于对所有运动状态的数据进行进一步解析，捕捉各运动状态内的运动数据，将各运动状态内的运动数据与数据库中预设的优秀运动员的运动数据进行比对，确定训练者的训练缺陷。优选的，所述状态确定模块用于所述通过K最邻近算法识别所选取数据所处时段的运动状态，具体包括：将数据库中历史运动数据作为训练集，基于所提取的特征值通过K-Means聚类算法将训练集中的运动数据分成慢跑、快跑、游泳和自行车四种运动类别，同时找出最优贡献的特征参数；求取所选取数据中最优贡献的特征参数，计算所选取数据中最优贡献的特征参数与数据库中各运动类别数据的最优贡献的特征参数的欧式距离，欧式距离最短的K段数据所对应的运动状态中，数量最多的运动状态即为所选取数据所处时段的运动状态。优选的，还包括训练辅助模块，用于依据训练者的训练缺陷，制定训练计划，所述训练计划具有多个训练阶段，每个训练阶段设置有基于训练者的运动数据与数据库中预设的优秀运动员的运动数据的差值所对应的训练策略；监测每个训练阶段内训练者的运动数据与数据库中预设的优秀运动员的运动数据的实际差值，判断该实际差值是否符合该训练阶段所设置的差阈值，若符合该训练阶段所设置的差值，进入下一训练阶段，若不符合该训练阶段所设置的差值阈值，延长该训练阶段的时间。本专利技术具有如下技术效果：本专利技术将从运动数据传感模块获取的运动数据分阶段提取出来，再通过K最邻近算法准确确定出获取的数据所对应的运动状态，进而将相应运动数据的优秀运动员的运动数据进行比对，确定出训练者的不足之处，便于训练者进行改进，以有效辅助训练者进行训练。附图说明图1为本专利技术一种实施例的便携式多数据采集装置的结构示意图；图2为本专利技术一种实施例的便携式多数据采集装置的电路模块示意图；图3为本专利技术一种实施例的基于多数据采集的训练辅助方法的流程图。具体实施方式下面通过具体实施方式结合附图对本专利技术作进一步详细说明。在对本专利技术的基于多数据采集的训练辅助方法进行说明前，有必要介绍该方法所应用的硬件环境，其应用于一种便携式多数据采集装置，如图1和2所示，该便携式多数据采集装置包括箱体1，在箱体1的顶部设置有可开合的箱盖11，箱盖11的一端可铰接固定在箱体1上，另一端则可以相对箱体1转动，打开箱盖11，可以使用充电等功能，关上箱盖11后，则方便携带整个箱体1。在箱盖11的内侧设置有显示屏5，显示屏5可以显示从运动数据采集模块100所获取的数据，并提供人机交互界面。在箱体1内设置有电源模块4、电路模块3和面板2，在面板2上设置有多个用于连接运动数据采集模块100的数据接口21，数据接口21可采用插拔式接口，方便与运动数据采集模块100连接。数据接口21、电源模块4和显示屏5均与电路模块3相连，电路模块3具体可以是一块电路板，电路板上设置有内部电路以从运动数据采集模块100中获取数据并控制显示屏5显示相应信息。电源模块4还与数据接口21相连，向数据接口21供电。当运动数据采集模块100连接到数据接口21之后，电路模块3读取运动数据采集模块100中的数据，同时，电源模块4通过数据接口21向运动数本文档来自技高网...

【技术保护点】
1.一种基于多数据采集的训练辅助方法，其特征在于，包括如下步骤：/n从运动数据传感模块中获取训练者的运动数据，所述运动数据包括血氧浓度、心率、运动位置以及三轴方向的加速度；/n基于三轴方向的加速度，求出合加速度，确定各时刻合加速度的波动状态，当波动周期发生改变时，将波动周期发生改变之前的处于同一波动周期时间段内的原始数据提取出来；/n对所提取的数据进行特征值提取，选取各轴加速度平均值、各轴加速度的方差，各轴加速度经过傅里叶变化后第1-6个最大能量点的频率位置以及合加速度的平均周期；/n通过K最邻近算法识别所选取数据所处时段的运动状态，继续提取下一个具有同一波动周期时间段内的原始数据并依据所提取的数据确定该同一波动周期时间段所对应的运动状态，直至所有时间段所对应的运动状态均已确定；/n对所有运动状态的数据进行进一步解析，捕捉各运动状态内的运动数据，将各运动状态内的运动数据与数据库中预设的优秀运动员的运动数据进行比对，确定训练者的训练缺陷。/n

【技术特征摘要】
1.一种基于多数据采集的训练辅助方法，其特征在于，包括如下步骤：
从运动数据传感模块中获取训练者的运动数据，所述运动数据包括血氧浓度、心率、运动位置以及三轴方向的加速度；
基于三轴方向的加速度，求出合加速度，确定各时刻合加速度的波动状态，当波动周期发生改变时，将波动周期发生改变之前的处于同一波动周期时间段内的原始数据提取出来；
对所提取的数据进行特征值提取，选取各轴加速度平均值、各轴加速度的方差，各轴加速度经过傅里叶变化后第1-6个最大能量点的频率位置以及合加速度的平均周期；
通过K最邻近算法识别所选取数据所处时段的运动状态，继续提取下一个具有同一波动周期时间段内的原始数据并依据所提取的数据确定该同一波动周期时间段所对应的运动状态，直至所有时间段所对应的运动状态均已确定；
对所有运动状态的数据进行进一步解析，捕捉各运动状态内的运动数据，将各运动状态内的运动数据与数据库中预设的优秀运动员的运动数据进行比对，确定训练者的训练缺陷。


2.根据权利要求1所述的基于多数据采集的训练辅助方法，其特征在于，所述通过K最邻近算法识别所选取数据所处时段的运动状态，具体包括：将数据库中历史运动数据作为训练集，基于所提取的特征值通过K-Means聚类算法将训练集中的运动数据分成慢跑、快跑、游泳和自行车四种运动类别，同时找出最优贡献的特征参数；求取所选取数据中最优贡献的特征参数，计算所选取数据中最优贡献的特征参数与数据库中各段数据的最优贡献的特征参数的欧式距离，欧式距离最短的K段数据所对应的运动状态中，数量最多的运动状态即为所选取数据所处时段的运动状态。


3.根据权利要求1所述的基于多数据采集的训练辅助方法，其特征在于，还包括如下步骤：依据训练者的训练缺陷，制定训练计划，所述训练计划具有多个训练阶段，每个训练阶段设置有基于训练者的运动数据与数据库中预设的优秀运动员的运动数据的差值所对应的训练策略；监测每个训练阶段内训练者的运动数据与数据库中预设的优秀运动员的运动数据的实际差值，判断该实际差值是否符合该训练阶段所设置的差阈值，若符合该训练阶段所设置的差值，进入下一训练阶段，若不符合该训练阶段所设置的差值，延长该训练阶段的时间。


4.一种基于多数据采集的训练辅助装置，其特征在...

【专利技术属性】
技术研发人员：江刚，徐路瑶，于海军，陈祖亮，何志华，
申请(专利权)人：中山优感科技有限公司，
类型：发明
国别省市：广东;44