一种击球类运动的计分系统及计分方法与流程

本发明涉及声音信息处理领域，具体涉及一种击球类运动的计分系统及计分方法。

背景技术：

大部分击球类运动为国际供认之体育项目，例如乒乓球，其比赛基本规则系由算发放分离球桌两端，再由双方轮流发球予对方接回，比赛中发球需依序碰触己方及对方两桌面，回球则需等乒乓球触碰己桌面后，再将桌球回击到对方桌面，若己方未能将乒乓球回击至对方桌面，即算失球令对方取得一分，比赛以先到达二十一分为胜。此外，乒乓球比赛还有其他规则，如发球若触网才能完成则需重发，双方轮流发五球，若比分达到二十比二十则需乙方胜出两分才获胜等。前述乒乓球运动由于仅需于两球桌面间架设一具有适当高度之球网，再由比赛者各执一球拍，配合乒乓球即可进行，所需场地空间不大，而且该比赛除已于进行外，并具有高度运动价值与趣味性，故现今已广受大众喜爱。

目前，乒乓球运动计分主要都是由若干裁判目视比赛过程，然后再将目视观测所得加以计分显示，上述乒乓球计分方式沿袭已久，然该方式虽然可行，但所需人力较多，且人为判断客观性仍嫌不足，特别是在平常练习时，经常有欠缺裁判的困扰，此时，仅能由打球者自行计分，该计分方式一则易因主观判断影响比赛实况，再则，若以计分板计分时，与实赛者往来记录既费时又会中断比赛，故不理想，若凭记忆计分则于费神之外又易产生遗忘误算等缺点。

目前，乒乓球运动记录球体运动轨迹主要都是由摄像机记录，该记录方式成本高昂，需要图像处理技术获取球的移动轨迹，计算量大。因此，击球类运动急需一种准确、方便的计分方案。

技术实现要素：

为了解决以上技术问题，本发明提出了一种基于声学的击球类运动轨迹记录及计分方法及系统。为了解决上述球类运动轨迹记计分方法及系统的问题，本发明使用麦克风阵列，实现对球类发车碰撞声音的位置进行定位，以记录击球轨迹以及计分，具体技术方案如下：

一种击球类运动计分系统，包括：

麦克风阵列模块：具有两个或两个以上的麦克风，用于采集在球类运动中球与不同平面碰撞的声音信号并录音；

定位模块：根据麦克风阵列采集到的声音信号，提取声音信号到达不同麦克风的时间差及到达角度，从而对球进行实时定位；

碰撞类型识别模块：通过分类法用于识别球与平面的碰撞类型；

计分模块：根据击球类运动的规则和碰撞类型识别及球的位置对比赛过程进行计分。

进一步，声音信号为击球声球、与桌面碰撞的声音和/或球与地面碰撞的声音。

进一步，所述的麦克风阵列为智能手机上的两个麦克风，通过编程控制麦克风阵列的录音开始时间,得到多个声道的声音数据。

进一步，定位模块对录制到的声音信号进行降噪，过滤环境噪音，只保留球与不同平面碰撞时的脉冲声。

进一步，定位模块通过记录碰撞点的位置跟踪球的运动轨迹。

进一步，所述分类法为svm或dnn机器学习算法。

一种击球类运动计分方法，其特征在于，包括以下步骤：

s1：将麦克风阵列摆放到球场正中央，启动系统，麦克风阵列开始采集在球类运动中球与不同平面碰撞的声音信号并录音；

s2：录音的同时对每获取到的固定长度的录音数据进行处理，包括：

s2.1：对录制到的声音信号进行降噪，过滤环境噪音，只保留球与不同平面碰撞时的脉冲数据；

s2.2：使用cfar分割算法分割出球与不同平面碰撞时产生的脉冲数据；

s2.3：碰撞类型识别模块对分割出的脉冲数据使用机器学习分类算法进行分类，识别不同的碰撞平面；

s3：计分模块：根据击球类运动的规则和碰撞类型识别及球的位置对比赛过程进行计分。

进一步，定位模块通过记录碰撞点的位置跟踪球的运动轨迹。

与现有技术相比，本发明具有以下有益的技术效果：本发明利用碰撞声音到达麦克风阵列时间差不同的特性提出计分系统，并使用改进的算法和校正模块能够更准确对球类进行定位；本发明对声音信号的处理过程，首先根据将接收端的声音信号进行去噪处理，aoa,tdoa等定位模型定位，达到更为精确的定位。因此，本发明可以满足对击球类运动轨迹轨迹准确定位，定位精确度高。

附图说明

图1为本发明的一种击球类运动的计分系统及方法的原理图；

图2为本发明的计分系统的模块框图；

图3为本发明计分方法的流程图；

图4为aoa定位算法示意图。

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，以下结合附图及实施例，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。

结合附图2，一种击球类运动计分系统，其包括：

麦克风阵列模块：具有两个或两个以上的麦克风，用于采集在球类运动中球与不同平面碰撞的声音信号并录音；声音信号为击球声球、与桌面碰撞的声音和/或球与地面碰撞的声音；上述两个或两个以上的麦克风之间的距离为已知量。所述的麦克风阵列为智能手机上的两个麦克风，通过编程控制麦克风阵列的录音开始时间,得到多个声道的声音数据。

定位模块：根据麦克风阵列采集到的声音信号，提取声音信号到达不同麦克风的时间差及到达角度，从而对球进行实时定位；定位模块对录制到的声音信号进行降噪，过滤环境噪音，只保留球与不同平面碰撞时的脉冲声。通过aoa、tdoa，见图1所述，定位模块根据球与碰面碰撞时的声音到达麦克风阵列中各麦克风的时间差求出到达角度和到达时间进而确认碰撞点的位置，通过记录碰撞点的位置跟踪球的运动轨迹。

tdoa(timedifferenceofarrival),又称到达时间差，通过测量移动终端到不同发送端的时间差从而估计到不同终端的距离之差进而进行定位。由于不需要检测信号传输时间，因此系统对时间同步的要求大大降低。

设定为点ms的坐标为(x，y，0)，即位于地面的二维定位的情况。发送端的位置坐标为(xi,yi,zi)，i＝1,2,3…m，其中m为参与定位的发送端数量。若测得第s个信号与第一个信号(作为基准信号的时间差为τs1，则第s个发端与第1个发端到ms的传输距离差为rs1＝rs-r1(s＝2,3...m)。利用传输距离差可列方程求ms位置坐标(x,y)。

将代入上式，令化简得

当m＝3时，有如下：

式中利用上式求解出x，y，将其带入r1中，便可求出r1的值，剔除不符合物理意义的负数结果，把正值带入式(3.12)中即可得到ms坐标。

aoa(angleofarrival)到达角度

参见图4，在aoa定位算法中，未知节点通过天线阵列或者其他接收设备获取参考节点发送端无线信号的到达方向，计算节点间的相对方向角获取未知节点的位置信息。定义发送端在接受平面上的投影到接收端的方向向量与x轴的夹角为方向角，接受端到发射端的方向向量与z轴的夹角为仰角。

途中和分别为两个方位角，ψ1和ψ2为两个仰角。一般在二维平面定位时，只需测得接受到信号的两个方位角即可实现定位。假设令两个发送端的坐标分别为a(x1,y1),b(x2,y2)，未知节点的坐标为(x,y)，

测得的方位角为和对于发送端a有

化简可得

同理，对于发送端b，有

据此可以根据以上两式求出未知节点的位置坐标(x,y)。

碰撞类型识别模块：通过分类法用于识别球与平面的碰撞类型；使用cfar分割算法分割出球与不同平面碰撞时产生的脉冲数据的起始点和结束点，通过大量收集球体碰撞不同平面声音的样本作为训练数据集合和测试数据集，使用人工神经网络进行分类模型的训练和分类，人工神经网络(artificialneuralnetwork，即ann)，是一种目前流行的分类方法。它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型，由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数(activationfunction)。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆，通过输入大量的训练数据，人工神经网络可以自动标记数据的特征，进而生成合适的分类模型用于实际应用。

计分模块：根据击球类运动的规则和碰撞类型识别及球的位置对比赛过程进行计分。

以乒乓球为例，在乒乓球运动中球跌落到桌面外与地板碰撞，则判定本回合结束，按照规则记录得分方。

一种击球类运动计分方法，包括以下步骤：

s1：将麦克风阵列摆放到球场正中央，启动系统，麦克风阵列开始采集在球类运动中球与不同平面碰撞的声音信号并录音；

s2：录音的同时对每获取到的固定长度的录音数据进行处理，包括：

s2.1：对录制到的声音信号进行降噪，过滤环境噪音，只保留球与不同平面碰撞时的脉冲数据；

s2.2：使用cfar分割算法分割出球与不同平面碰撞时产生的脉冲数据；

s2.3：碰撞类型识别模块对分割出的脉冲数据使用机器学习分类算法进行分类，识别不同的碰撞平面；

s3：计分模块：根据击球类运动的规则和碰撞类型识别及球的位置对比赛过程进行计分。

进一步，定位模块通过记录碰撞点的位置跟踪球的运动轨迹。

以上内容是结合具体的优选方式对本发明所作的进一步详细说明，不应认定本发明的具体实施只局限于以上说明。对于本技术领域的技术人员而言，在不脱离本发明构思的前提下，还可以作出若干简单推演或替换，均应视为由本发明所提交的权利要求确定的保护范围之内。