一种交互式体育训练系统的制作方法

本发明属于交互式体验领域，尤其涉及一种交互式体育训练系统。

背景技术：

人们生活水平普遍提高了，但是对体育锻炼的忽视使得身体的状况不容乐观。但是，健身要遵循科学的训练方法，使得身体各方面均衡发展是身体健康的基础，如果在训练中只是盲目的重复某一动作不但训练效率很低，而且，时间一长可能会对身体健康产生负面影响。

综上所述，现有技术存在的问题是：现在体育训练缺少科学数据的指导。很容易使体育训练进入误区，无法满足运动员的需要。

技术实现要素：

针对现有技术存在的问题，本发明提供了一种交互式体育训练系统。

本发明是这样实现的，一种交互式体育训练系统设置有：中央处理器；输入单元；运动员虚拟环境训练数据采集系统；数据分析系统；运动员评价系统；显示单元；数据管理系统；虚拟场景数据管理子系统；客户数据管理系统；

所述中央处理器电性连接于所述输入单元；所述中央处理器电性输出连接于所述显示单元；

所述运动员虚拟环境训练数据采集系统双向连接于所述中央处理器；所述数据分析系统双向电连接所述中央处理器；

所述运动员评价系统电性连接于所述中央处理器；所述数据采集系统电性双向连接于所述中央处理器；所述数据管理系统包括虚拟场景数据管理子系统；所述数据管理系统包括所述客户数据管理系统；

客户数据管理系统通过移动数据终端进行观看自己的训练状况；中央处理器对采集到的数据进行运算和存储；输入单元将参与训练的运动员的基本信息录入，便于系统化管理；运动员虚拟环境训练数据采集系统通过运动传感器对运动员的训练情况的数据进行模拟化采集；数据分析系统将所采集到的数据进行分析，然后将分析结果反馈给中中央处理器；虚拟场景数据管理子系统对虚拟场景中的数据进行存储管理；

所述中央处理器信号间干扰关系分析方法包括以下步骤：

步骤一，确定干扰信号在无线信号领域上的若干特征参数cp，并基于特征参数形成对应的干扰空间模型，基于建立的干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该cp维度上的距离，即有：

其中prj(·)算子表示针对某一cp维度的投影运算；

步骤四，定义干扰信号对参照信号的干扰状态为s，用以表示干扰信号对参照信号的干扰关系；

步骤五，在已经形成干扰的前提下，首先需要选取并确定干扰作用参数ep，对于干扰信号而言，参数通常为信号功率p或者能量e；

步骤六，定义干扰信号对参照信号的干扰程度为g，用以衡量干扰信号对参照信号的干扰影响程度。

在步骤一中；

首先在基于频率f、时间t、对于观测点空域角度θ、极化方向γ、以及编码方式c特征参数建立的干扰特征空间hsi中，计算干扰信号矢量对参照信号矢量的位移矢量

在步骤六中；

对仅包括单独特征矢量的单模干扰信号和参照信号，干扰信号矢量对参照信号矢量的干扰程度利用干扰作用参数ep进行评估；

对包含若干特征矢量的多模干扰信号和参照信号，此时干扰信号对参照信号的干扰程度g(vi，vs)定义以特征矢量集合表示的干扰信号对参照信号的干扰程度，计算如下：

进一步，所述输入单元对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…p-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bm(p,q)]^t，其中

所述中央处理器利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：

第一步，在p(p＝0，1，2，…p-1)时刻，表示p时刻时频响应非0时对应的频率索引，表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；

第二步，对每一采样时刻p(p＝0，1，2，…p-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；

第三步，对所有求均值并取整，得到源信号个数的估计即

第四步，找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；

第五步，根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

这里表示第l跳对应的个混合矩阵列向量估计值；

第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

本发明通过输入单元可以将运动员的基本信息输入系统，便于系统化管理。运动员虚拟环境训练数据采集系统可以对运动员的运动环境进行虚拟模仿，进行训练数据进行采集；数据分析系统可以将虚拟环境训练数据采集系统采集到的数据进行系统化分析；通过运动员评价系统根据标准数据进行运动员的交互运动进行评价；通过数据管理系统下的虚拟场景数据管理子系统来管理虚拟环境的各项数据；本发明还增加了客户评价系统，当运动员进行完毕交互式体育训练后，可以通过移动数据终端对使用后进行评价，便于分析人员对于本发明后期改进和提高。

附图说明

图1是本发明实施例提供的交互式体育训练系统结构示意图；

图中：1、中央处理器；2、输入单元；3、运动员虚拟环境训练数据采集系统；4、数据分析系统；5、运动员评价系统；6、显示单元；7、数据管理系统；7-1、虚拟场景数据管理子系统；7-1、客户数据管理系统。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

下面结合附图对本发明的结构作详细的描述。

如图1所示，本发明实施例提供的交互式体育训练系统包括：中央处理器1；输入单元2；运动员虚拟环境训练数据采集系统3；数据分析系统4；运动员评价系统5；显示单元6；数据管理系统7；虚拟场景数据管理子系统7-1；客户数据管理系统7-2。

所述中央处理器电1性连接于所述输入单元2；所述中央处理器1电性输出连接于所述显示单元6；

所述运动员虚拟环境训练数据采集系统3双向连接于所述中央处理器1；所述数据分析系统4双向电连接所述中央处理器1；

所述运动员评价系统5电性连接于所述中央处理器1；所述数据采集系统3电性双向连接于所述中央处理器1；

所述数据管理系统7包括虚拟场景数据管理子系统7-1；所述数据管理系统7包括所述客户数据管理系统7-2。进一步，客户数据管理系统可以通过移动数据终端进行观看自己的训练状况。

进一步，中央处理器可以对采集到的数据进行运算和存储。

进一步，输入单元可以将参与训练的运动员的基本信息录入，便于系统化管理。

进一步，运动员虚拟环境训练数据采集系统，可以通过运动传感器对运动员的训练情况的数据进行模拟化采集。

进一步，数据分析系统可以将所采集到的数据进行分析，然后将分析结果反馈给中中央处理器。

进一步，虚拟场景数据管理子系统可以对虚拟场景中的数据进行存储管理。

本发明通过输入单元可以将运动员的基本信息输入系统，便于系统化管理。运动员虚拟环境训练数据采集系统可以对运动员的运动环境进行虚拟模仿，进行训练数据进行采集；数据分析系统可以将虚拟环境训练数据采集系统采集到的数据进行系统化分析；通过运动员评价系统根据标准数据进行运动员的交互运动进行评价；通过数据管理系统下的虚拟场景数据管理子系统来管理虚拟环境的各项数据；本发明还增加了客户评价系统，当运动员进行完毕交互式体育训练后，可以通过移动数据终端对使用后进行评价，便于分析人员对于本发明后期改进和提高。

所述中央处理器信号间干扰关系分析方法包括以下步骤：

步骤一，确定干扰信号在无线信号领域上的若干特征参数cp，并基于特征参数形成对应的干扰空间模型，基于建立的干扰空间模型，确定待分析的干扰信号特征矢量与参照信号特征矢量

步骤二，基于干扰空间模型，针对干扰信号特征矢量定义对参照信号特征矢量的位移矢量

步骤三，定义位移矢量在干扰空间中对某个维度坐标轴的投影，为干扰信号特征矢量到参照信号特征矢量在该cp维度上的距离，即有：

其中prj(·)算子表示针对某一cp维度的投影运算；

步骤四，定义干扰信号对参照信号的干扰状态为s，用以表示干扰信号对参照信号的干扰关系；

步骤五，在已经形成干扰的前提下，首先需要选取并确定干扰作用参数ep，对于干扰信号而言，参数通常为信号功率p或者能量e；

步骤六，定义干扰信号对参照信号的干扰程度为g，用以衡量干扰信号对参照信号的干扰影响程度。

在步骤一中；

首先在基于频率f、时间t、对于观测点空域角度θ、极化方向γ、以及编码方式c特征参数建立的干扰特征空间hsi中，计算干扰信号矢量对参照信号矢量的位移矢量

在步骤六中；

对仅包括单独特征矢量的单模干扰信号和参照信号，干扰信号矢量对参照信号矢量的干扰程度利用干扰作用参数ep进行评估；

对包含若干特征矢量的多模干扰信号和参照信号，此时干扰信号对参照信号的干扰程度g(vi，vs)定义以特征矢量集合表示的干扰信号对参照信号的干扰程度，计算如下：

所述输入单元对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：

第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；

第二步，找出p时刻(p＝0,1,2,…p-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bm(p,q)]^t，其中

所述中央处理器利用聚类算法估计每一跳的跳变时刻以及各跳对应的归一化的混合矩阵列向量、跳频频率时，包括以下步骤：

第一步，在p(p＝0，1，2，…p-1)时刻，表示p时刻时频响应非0时对应的频率索引，表示的频率值进行聚类，得到的聚类中心个数表示p时刻存在的载频个数，个聚类中心则表示载频的大小，分别用表示；

第二步，对每一采样时刻p(p＝0，1，2，…p-1)，利用聚类算法对进行聚类，同样可得到个聚类中心，用表示；

第三步，对所有求均值并取整，得到源信号个数的估计即

第四步，找出的时刻，用ph表示，对每一段连续取值的ph求中值，用表示第l段相连ph的中值，则表示第l个频率跳变时刻的估计；

第五步，根据第二步中估计得到的以及第四步中估计得到的频率跳变时刻估计出每一跳对应的个混合矩阵列向量具体公式为：

这里表示第l跳对应的个混合矩阵列向量估计值；

第六步，估计每一跳对应的载频频率，用表示第l跳对应的个频率估计值，计算公式如下：

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是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、等同变化与修饰，均属于本发明技术方案的范围内。