本发明属于体育训练用品技术领域，尤其涉及一种用于大学生智能体育体能综合训练控制系统
背景技术：
传统的健身器材在使用上只是主观的依照训练者的意识进行设定工作。如无专业的健身教练的指导容易造成健身的误区及训练者的伤害。并且针对运动员体能训练的过程，多为参加跑步，举重等训练，而不能较好的了解运动员训练过程中身体的反应情况，智能化程度低。
综上所述，现有技术存在的问题是：针对运动员体能训练的过程，多为参加跑步，举重等训练，而不能较好的了解运动员训练过程中身体的反应情况，智能化程度低。
技术实现要素：
针对现有技术存在的问题，本发明提供了一种用于大学生智能体育体能综合训练控制系统。
本发明是这样实现的，一种用于大学生智能体育体能综合训练控制系统，该用于大学生智能体育体能综合训练控制系统包括训练平台，训练平台上安装有用于对运动员的血压、心跳、体温进行检测的生命体征探测仪；
与生命体征探测仪电连接，用于对信号进行分析和处理的中央处理器；
所述中央处理器的信号处理过程包括：
(1)对接收到的信号y(t)进行预处理，即先经过采样得到y[n]，然后通过希尔伯特变换进行信号的复包络的恢复；
(2)计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r1：
r1＝max|gfrft[acn(i),p]|2/ns；
式中，ns个采样点，
(3)采用分类器1，设置信号集的判决门限为：
其中δlim为区分相邻信号或信号集y1，y2的门限值，max(ry1)为y1的特征量均值的最大值，min(ry2)为y2的特征值最小值的均值；将信号集合{2ask、16qam、2fsk、msk、qpsk}分为{2ask}、{16qam}和{2fsk、msk、qpsk}三类；
设置信号集的判决门限δ1＝0和判决门限δ2将信号集合{2ask、16qam、2fsk、msk、qpsk}分为{2ask}、{16qam}和{2fsk、msk、qpsk}三类，则门限δ2的设置为：
其中，max(γ16qam)为16qam信号的特征量均值γ16qam的最大值，min(γ2ask)为2ask信号的特征值均值γ2ask的最小值；
计算信号x(t)的分数阶傅立叶变换，其表达式为：
式中，kθ(t,u)为分数阶傅立叶变换的核函数，其表达式为:
其中，k取整数，fθ表示θ角度分数阶傅里叶变换算子，θ＝pπ/2为旋转角度，p为旋转因子，δ(·)为冲击函数；为了将alpha稳定分布噪声的幅值合理映射到有限区间，同时使信号的相位保持不变，计算信号的广义分数阶傅里叶变换，其表达式为：
其中，
与中央处理器电连接，用于对处理的视频信息进行展示的显示器；
所述显示器的图像迭代模型表示为：
其中，x为所述目标图像，m为系统矩阵，g为所述投影数据，i表示迭代次数，xi表示第i次迭代后得到的迭代结果；λ表示收敛系数，且λ∈(0,1)，mt表示对矩阵m的转置；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；所述将目标图像中灰度值小于0的像素点置零；
图像迭代的目标函数为：
其中，ri∈rm×n，δ表示所述第一非负图像或所述第二非负图像，riδ表示从δ中提取的图像块，||||2表示2-范数，||||1表示1-范数，γ为正则化参数，d表示过完备字典，αi为第i个图像块riδ对应的稀疏系数，γ为所有图像块的稀疏系数集合；
与中央处理器电连接，用于对处理的音频信息进行播放的扬声器；
与中央处理器电连接，用于对环境温度进行检测的温度传感器；
所述温度传感器的量测模型如下：
ya(tk-1)、ya(tk)、ya(tk+1)分别为温度传感器对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，a代表温度传感器，分别为：
其中，y'a(tk-1)、y'a(tk)、y'a(tk+1)分别为传感器a在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；ca(t)为误差的变换矩阵；ξa(t)为传感器的系统误差；
与中央处理器电连接，用于提醒运动员训练指标的目标信息检测器；
与中央处理器电连接，安装在训练平台上，实现对训练平台产生震动的振动仪。
进一步，所述扬声器还设置有采用各种颜色透明的pa、pe、pet、pp、pu、pvc、ps、tpu、eva或pc材料的防尘帽、振膜和纸盆。
进一步，所述震动器包括电源、微处理器、振动传感器、报警器；电源分别与微处理器、振动传感器、报警器连接，振动传感器与微处理器连接，微处理器与报警器连接；
所述微处理器接收信号的观测向量x的分数低阶快速独立成分分析按以下进行：
1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，pca中用到的分数低阶相关矩阵定义为：
其中，xi(n)和xj(n)分别为第i路和第j路观测信号，且1≤i,j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵d与特征向量矩阵v，由特征值矩阵和特征向量矩阵可得预白化矩阵m＝d-1/2vt，利用预白化矩阵将观测数据x向信号子空间投影，得到白化矩阵v＝mx；
2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；
3)进行权值向量迭代：
其中，
4)利用范数归一化权值向量wk，wk＝wk/||wk||；
5)若
6)y＝wkx,其中x为观测信号，y为分离后的二维信号。
本发明的优点及积极效果为：用于大学生智能体育体能综合训练控制系统通过生命体征探测仪对运动员训练过程中的身体变换情况进行检测，并将信号传输至中央处理器，通过中央处理器的分析处理后，通过显示器和扬声器输出，较好的反馈身体的反应情况，更好的实现体能的健康训练。
附图说明
图1是本发明实施例提供的用于大学生智能体育体能综合训练控制系统的结构示意图；
图中：1、中央处理器；2、显示器；3、扬声器；4、生命体征探测仪；5、温度传感器；6、目标信息检测器；7、振动仪；8、训练平台。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
该用于大学生智能体育体能综合训练控制系统，包括训练平台8，训练平台8上安装有用于对运动员的血压、心跳、体温进行检测的生命体征探测仪4；
与生命体征探测仪4电连接，用于对信号进行分析和处理的中央处理器1；
与中央处理器1电连接，用于对处理的视频信息进行展示的显示器2；
与中央处理器1电连接，用于对处理的音频信息进行播放的扬声器3；
与中央处理器1电连接，用于对环境温度进行检测的温度传感器5；
与中央处理器1电连接，用于提醒运动员训练指标的目标信息检测器6；
与中央处理器1电连接，安装在训练平台8上，实现对训练平台8产生震动的振动仪7。
进一步，所述显示器2的图像迭代模型表示为：
其中，x为所述目标图像，m为系统矩阵，g为所述投影数据，i表示迭代次数，xi表示第i次迭代后得到的迭代结果；λ表示收敛系数，且λ∈(0,1)，mt表示对矩阵m的转置；设置所述目标图像的初始值，并根据预先设置的迭代次数利用所述迭代模型对所述目标图像中的每个像素点进行迭代更新，获取所述目标图像，所述迭代模型中的像素点的当前灰度值与前次迭代的灰度值一致逼近；所述将目标图像中灰度值小于0的像素点置零；
图像迭代的目标函数为：
其中，ri∈rm×n，δ表示所述第一非负图像或所述第二非负图像，riδ表示从δ中提取的图像块，||||2表示2-范数，||||1表示1-范数，γ为正则化参数，d表示过完备字典，αi为第i个图像块riδ对应的稀疏系数，γ为所有图像块的稀疏系数集合。
进一步，所述扬声器3还设置有采用各种颜色透明的pa、pe、pet、pp、pu、pvc、ps、tpu、eva或pc材料的防尘帽、振膜和纸盆。
进一步，所述震动器包括电源、微处理器、振动传感器、报警器；电源分别与微处理器、振动传感器、报警器连接，振动传感器与微处理器连接，微处理器与报警器连接。
所述中央处理器的信号处理过程包括：
(1)对接收到的信号y(t)进行预处理，即先经过采样得到y[n]，然后通过希尔伯特变换进行信号的复包络的恢复；
(2)计算信号的零中心归一化瞬时幅度的广义分数阶傅里叶变换的最大值即特征量r1：
r1＝max|gfrft[acn(i),p]|2/ns；
式中，ns个采样点，
(3)采用分类器1，设置信号集的判决门限为：
其中δlim为区分相邻信号或信号集y1，y2的门限值，max(ry1)为y1的特征量均值的最大值，min(ry2)为y2的特征值最小值的均值；将信号集合{2ask、16qam、2fsk、msk、qpsk}分为{2ask}、{16qam}和{2fsk、msk、qpsk}三类；
设置信号集的判决门限δ1＝0和判决门限δ2将信号集合{2ask、16qam、2fsk、msk、qpsk}分为{2ask}、{16qam}和{2fsk、msk、qpsk}三类，则门限δ2的设置为：
其中，max(γ16qam)为16qam信号的特征量均值γ16qam的最大值，min(γ2ask)为2ask信号的特征值均值γ2ask的最小值；
计算信号x(t)的分数阶傅立叶变换，其表达式为：
式中，kθ(t,u)为分数阶傅立叶变换的核函数，其表达式为:
其中，k取整数，fθ表示θ角度分数阶傅里叶变换算子，θ＝pπ/2为旋转角度，p为旋转因子，δ(·)为冲击函数；为了将alpha稳定分布噪声的幅值合理映射到有限区间，同时使信号的相位保持不变，计算信号的广义分数阶傅里叶变换，其表达式为：
其中，
所述温度传感器的量测模型如下：
ya(tk-1)、ya(tk)、ya(tk+1)分别为温度传感器对目标在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，a代表温度传感器，分别为：
其中，y'a(tk-1)、y'a(tk)、y'a(tk+1)分别为传感器a在tk-1,tk,tk+1时刻的本地笛卡尔坐标系下的真实位置；ca(t)为误差的变换矩阵；ξa(t)为传感器的系统误差；
所述微处理器接收信号的观测向量x的分数低阶快速独立成分分析按以下进行：
1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，pca中用到的分数低阶相关矩阵定义为：
其中，xi(n)和xj(n)分别为第i路和第j路观测信号，且1≤i,j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵d与特征向量矩阵v，由特征值矩阵和特征向量矩阵可得预白化矩阵m＝d-1/2vt，利用预白化矩阵将观测数据x向信号子空间投影，得到白化矩阵v＝mx；
2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；
3)进行权值向量迭代：
其中，
4)利用范数归一化权值向量wk，wk＝wk/||wk||；
5)若
6)y＝wkx,其中x为观测信号，y为分离后的二维信号。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
通过生命体征探测仪4对运动员训练过程中的身体变换情况进行检测，并将信号传输至中央处理器1，同时中央处理器1采集周围的环境温度，通过中央处理器1的分析处理后，通过显示器2和扬声器3输出，可以使平面显示器2在左右水平方向上转动，或使其在上下方向上升降，或使其在前后方向上也倾斜动作，不仅如此，通过电动马达容易且可靠地来驱动这些运动。使用本发明可以有效的减少网络阻塞，缩短接入所需时间，并采用(传感器节点(bn)数量限制)控制两种模式之间的切换，可有效降低传感器节点(bn)的运算量，节省传感器节点(bn)资源；较好的反馈身体的反应情况，并通过振动仪7实现训练平台8的震动，更好的实现体能的健康训练。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。