本发明涉及一种平衡训练系统，尤其是一种能够基于数据驱动的个性化处方的人体平衡训练系统。
背景技术
平衡训练是一种特定任务的训练，通过训练患者的动静平衡感觉，减少肌肉张力，稳定血液循环，防止骨质疏松，改善胃肠道排泄功能，防止关节僵硬，改善呼吸等。
平衡训练装置通常采用平衡训练器以及平衡测量仪两套独立的系统。使用平衡测量仪时，使用者站立于仪器上，通过测量对患者的平衡感和稳定极限的感官交互测试，衡量使用者的平衡能力，并提为使用者的平衡训练提供一个大概的半定量依据。
但是即便知道了半定量的评价，目前市场上的平衡训练装器基本上只能提供固定训练任务或者特定模式训练任务，换而言之，这些装置只能提供单一或者基于统计经验的训练任务。但是这些训练装置并不能把测量平衡的结果生成个性化训练任务，并不能满足不同个体的需求：如果训练力度不够，则大大降低了训练效果；如果训练强度过大，则造成过度危害使用者的健康。因此，如何解决个性化的平衡训练，是目前平衡训练装置设计的一大难题。
技术实现要素：
本发明的目是解决自动生成训练任务的问题，进而弥补目前平衡训练装置中无法生成个性化平衡训练任务的空白。
本发明是这样实现的，一种个性化的人体平衡训练系统，由运动平台模块(1)信号采集模块(2)、信号预处理模块(3)、分析模块(4)、和基于数据驱动的个性化任务生成模块(5)组成
本发明实施例采取方法中运动平台模块(1)中，还包括：运动平台模块时一种可以按照预设的估计运动的机械装置，个体可以站立或坐在该装置上，运动平台模块预存9种倾斜模式、3种运动速度、以及3种振幅强度，共计81种不同组合运动模式
进一步地，所述的预设的轨迹包括：左右正弦曲线、前后正弦曲线、“8”字形曲线、带有随机噪声前后直线，带有随机噪声前后直线，“米”字形迹曲线，椭圆曲线以及任意闭合曲线轨迹；人体可以站立或者坐在运动平台上，保持身体稳定；预设有81种组合运动模式，其中包括9种倾斜模式，3种振幅强度模式和3种速度模式；其中9种倾斜模式包括：运动平台水平模式、运动平台向前倾斜模式、运动平台向后倾斜模式、运动平台向左倾斜模式、运动平台向右倾斜模式、运动平台向左前倾斜模式、运动平台向左后倾斜模式、运动平台向右前倾斜模式、运动平台向右后倾斜模式；3种振幅强度模式包括：小幅度模式、中幅度模式、大幅度模式；3种速度模式包括：慢速模式、中速模式、快速模式；
本发明实施例采取方法中信号采集模块(2)，还包括：人体随运动平台运动过程中，运动平台、人体左、右手腕，人体左、右脚踝、颈部以及腰腹部7个区域安置有加速度传感器，形成7路时间序列si(i＝1,2,3…,7)；
进一步地，每路加速度信号同步开始采集信号，采集时间为1分钟到15分钟，采样速度为100hz到300hz；
本发明实施例采取方法中信号预处理模块(3)中，还包括：该模块负责将每分钟的7路加速度信号分别进行相空间重构并完成去噪处理，得到人体随运动平台运动的7路加速度信号所对应的7个高维相空间吸引子ai(i＝1,2,3…7)
进一步地，所述相空间重构采用takens相空间重建方法，其中嵌入维数m和延迟时间τ是通过关联维数和互信息方法确定；
进一步地，所述去噪处理采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪。
本发明实施例采取方法中数据分析模块(4)中，还包括：该模块获得人体在运动平台9种倾斜模式下的平衡适应能力指数；
进一步地，所述实时耦合指数是指，在第p种倾斜模式下，由人体与运动平台模块的耦合矩阵cp(n)的迹得到的，进一步地，耦合矩阵cp(n)＝{cijp(n)}是由一路时间序列sip(n)(i＝1,2,…,7)对其他时序序列sjp(n)(j＝1,2,…,7)之间的相似系数cijp(n)组成的；
本发明实施例采取方法中基于数据驱动的任务生成模块(5)，还包括：建立个体在运动平台的平衡适应能力指数历史数据库，并能够将个体在运动平台9种倾斜模式下基于平衡适应能力指数自动给出个性化的训练处方；
进一步地，所述数据库采集了3到85岁年龄段人群在运动平台预设的组合运动模式下运动平台、人体左、右手腕，人体左、右脚踝、颈部以及腰腹部7个区域的相应7路加速度数据，并存有不同个体在9种不同的倾斜角度下平衡适应能力指数，每次训练后，将个体在运动平台9种倾斜模式下的平衡适应能力指数bp(n)(p＝1,2,…,9)存入并更新数据库；
进一步地，所述人群平衡适应能力指数是指：将平台不同的倾斜角度平衡适应能力指数平均匀分为9等级；
进一步地，不同运动模式是指：等级从1级到9级对应运动平台9种不同的运动幅度和速度组合模式任务：1级为慢速小幅度模式任务，2级为中速小幅度模式任务，3级为快速小幅度模式任务，4级为慢速中幅度模式任务，5级为中速中幅度模式任务，6级为快速中幅度模式任务，7级为慢速大幅度模式任务，8级为中速大幅度模式任务，9级为快速大幅度模式任务；
进一步地，幅度大小由振幅角度确定的，其大小表示运动平台最大偏离位置与初始静止位置时的角度；小幅度模式的振幅角度为5°-10°，中幅度模式的振幅角度范围为10°-20°，大幅度模式的振幅角度范围为20°-30°；
进一步地，速度大小由每秒钟完成周期数确定的，慢速模式速度的范围是每秒完成1-5个周期运动，中速模式速度的范围是每秒完成5-10周期运动，快速模式任务速度的范围是每秒完成10-15周期运动；
进一步地，个性化的训练方案是根据个体历史记录中确定的，对9个方向倾斜的训练任务的比例wp(n+1)(p＝1,2,…,9)的选择是根据该个体上一次平衡适应能力指数bp(n)(p＝1,2,…,9)生成的；
进一步地，每个方向倾斜的训练任务在下次训练中出现的比例为：
其中每个倾斜方向的在初次训练中出现的比例为1/9；
进一步地，当某个特定方向的比例wp<0.1时，该倾斜方向的运动速度在原来的基础上增加一个等级；当某个特定方向的比例wp<0.05时，该倾斜方向的运动幅度在原来的基础上增加一个等级；通过与数据库中已有记录人群中的平衡适应能力指数进行比对，确定与个体匹配的不同倾斜方向的初始运动幅度和初始运动速度；
本发明具有以下有益效果：
本专利首先对利用非线性动力学方法，获得人体与运动平台之间的耦合度，进而获得在不同运动状态下人体整体平衡能指数以及人体不同部位的平衡能力指数。根据这些指数得到个性化的平衡训练方法，基于数据驱动的个性化训练任务是本发明的创新之处。
该系统有望能够用于体育运动员以及康复患者的平衡训练中，在保证个体安全基础上，自适应地加减平衡训练任务，从而显著增加人体平衡训练效率。
附图说明
图1为本发明的整体系统结构示意图。
具体实施方式
下面通过具体实施例对本发明进行说明，但本发明并不局限于此。
首先使用者先将自己的信息录入数据库，如身高、体重、年龄、目前身体状况等。
在开始训练前，首先带好测量装置，放置在特定区域。信号采集模块分别安置在运动平台、人体左、右手腕，人体左、右脚踝、颈部以及腰腹部7个区域，该装置为6轴加速度传感器，采集时间为1分钟到15分钟，采样速度为100hz到300hz，进而形成7路时间序列si(i＝1,2,3……7)；
在使用过程中，人体可以站立或者坐在运动平台上，保持身体稳定。
运动平台拥有多种预设轨迹以及预设有81种组合运动模式。
预设的轨迹包括：左右正弦曲线、前后正弦曲线、“8”字形曲线、带有随机噪声前后直线，带有随机噪声前后直线，“米”字形迹曲线，椭圆曲线以及任意闭合曲线轨迹；
预设的81种组合运动模式包括：9种倾斜模式，3种振幅强度模式和3种速度模式；其中9种倾斜模式包括：运动平台水平模式、运动平台向前倾斜模式、运动平台向后倾斜模式、运动平台向左倾斜模式、运动平台向右倾斜模式、运动平台向左前倾斜模式、运动平台向左后倾斜模式、运动平台向右前倾斜模式、运动平台向右后倾斜模式；3种振幅强度模式包括：小幅度模式、中幅度模式、大幅度模式；3种速度模式包括：慢速模式、中速模式、快速模式；
幅度大小由振幅角度确定的，其大小表示运动平台最大偏离位置与初始静止位置时的角度；小幅度模式的振幅角度为5°-10°，中幅度模式的振幅角度范围为10°-20°，大幅度模式的振幅角度范围为20°-30°；
速度大小由每秒钟完成周期数确定的，慢速模式速度的范围是每秒完成1-5个周期运动，中速模式速度的范围是每秒完成5-10周期运动，快速模式任务速度的范围是每秒完成10-15周期运动；
如果使用者第一次使用，则需选择运动平台的轨迹，9种倾斜模式比例均为1/9；振幅强度模式为：小幅度模式，速度模式为慢速模式，并将此次结果作为选择平台运动模式的参考。
信号预处理模块将采用takens相空间重建方法，其中嵌入维数m和延迟时间τ是通过关联维数和互信息方法确定；并采用局部流形投影方法或基于相空间辛几何的主成分分析完成相空间去噪。
信号分析模块计算出人体在运动平台9种倾斜模式下对应的人体随运动平台模块运动的平衡适应能力指数bp(n)(p＝1,2,…,9)以及人体的整体平衡适应能力指数b(n)。
bp(n)(p＝1,2,…,9)是由人体与运动平台模块的耦合矩阵cp(n)的迹得到的，其中耦合矩阵cp(n)＝{cijp(n)}是由一路时间序列sip(n)(i＝1,2,…,7)对其他时序序列sjp(n)(j＝1,2,…,7)之间的相似系数cijp(n)组成的；
相空间耦合指数cij是通过以下方式具体实现的：
1，相空间a局部保流形结构：本实施例中预测方式采用局部保流形结构方法获得，首先对相空间a内所有点采用局部线性化处理，其中对任意相点相点xi周围欧式距离最近的3个点表示：
其中，wip为相点xi邻域点群内相点xip的权重系数：
dip为离相点xi与xip欧式距离，di1为离相点xi与xip欧式距离最小值
2，获得预测相空间aij：预测方法是将某个相空间ai中的任一个相点xi根据自己的局部流形特征结构分别应用到其他的相空间aj(i≠j)，获得相应的预测相点：
遍历ai中所有相点，所有的预测相点xj组成ai对aj的预测相空间aij。
3，获得相空间aj对相空间ai耦合指数cij
预测相空间aij对应的时间序列sij，与原始重建相空间aj对应的加速度信号的时间序列sj进行两两相关性分析，得到的相关系数cij作为相空间aj对相空间ai耦合度。
当使用者第一次使用本训练系统时，需要根据第一次训练确定初始个性化训练任务，而这个需要将该个体的整体平衡适应能力指数b与数据库中人群进行比对。
数据库采集了3到85岁年龄段人群在运动平台预设的组合运动模式下运动平台、人体左、右手腕，人体左、右脚踝、颈部以及腰腹部7个区域的相应7路加速度数据，并存有不同个体在9种不同的倾斜角度下平衡适应能力指数；根据人群整体平衡适应能力指数，将平台不同的倾斜角度平衡适应能力指数平均匀分为9等级；
运动模式也均匀分为9个等级，作为初始的个性化训练处方：等级从1级到9级对应运动平台9种不同的运动幅度和速度组合模式任务：1级为慢速小幅度模式任务，2级为中速小幅度模式任务，3级为快速小幅度模式任务，4级为慢速中幅度模式任务，5级为中速中幅度模式任务，6级为快速中幅度模式任务，7级为慢速大幅度模式任务，8级为中速大幅度模式任务，9级为快速大幅度模式任务；
在接下来的每次训练过程中，个性化的训练方案是根据个体历史记录中确定的，对9个方向倾斜的训练任务的比例wp(n+1)(p＝1,2,…,9)的选择是根据该个体上一次平衡适应能力指数bp(n)(p＝1,2,…,9)生成的；
进一步地，每个方向倾斜的训练任务在下次训练中出现的比例为：
其中每个倾斜方向的在初始的训练处方初次训练中出现的比例为1/9；
进一步地，当某个特定方向的比例wp<0.1时，该倾斜方向的运动速度在原来的基础上增加一个等级；当某个特定方向的比例wp<0.05时，该倾斜方向的运动幅度在原来的基础上增加一个等级。
虽然本发明已以较佳实施例披露如上，然而并非用以限定本发明。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案作出许多可能的变动和修饰，或修改为等同变化的等效实施例。因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。