一种手键训练装置及辅助训练方法与流程

1.本发明属于报务训练领域，尤其是一种手键训练装置及辅助训练方法。


背景技术：

2.手键报是一项技巧性较高，操作复杂的技能，由多种单项的技术所组成。学习内容多，过程长，要求自身的肢体器官协调性强。在对手键拍发力量及腕部活动的研究发现，手键拍发过程中手部的活动是一种精细动作，在发报的过程中手腕的行程大约为8厘米，如此小的行程就需要手部很精细的动作。
3.在传统的手键报训练过程中，只能关注到手键拍发信号的间隔均匀度信息，针对拍发的力度及报务员手腕行程变化的幅度无法量化统计。同时，由于每个人拍发习惯并不完全一致，教练员仅根据自身训练经验进行作训练指导，无法以量化的标准来界定动作是否恰到好处。


技术实现要素：

4.为了克服上述技术缺陷，本发明提供一种手键训练装置及辅助训练方法，以解决背景技术所涉及的问题。
5.本发明提供一种手键训练装置及辅助训练方法，包括：
6.手键；
7.压力传感器，设置在所述手键的下部，用于获取用户敲击手键的力度；
8.激光测距传感器，设置在所述手键的斜下方，用于获取用户敲击手键时的手腕幅度变化；
9.信号处理模块，用于实时接收压力传感器和激光测距传感器的数据，并同步采样用户敲击手键产生的点划空信息，将有效数据打包上传至终端；
10.终端，安装人机交互软件，分析处理压力传感器和激光测距传感器获取的数据并绘图显示，保存训练数据。
11.优选地或可选地，所述训练装置还包括折弯底板；所述折弯底板上部的表面形成桌面，用于安装手键、压力传感器、信号处理模块和终端，所述折弯底板下部向外突出，用于安装激光测距传感器。
12.优选地或可选地，所述折弯底板下部设置有伸缩滑块，所述激光测距传感器设置在伸缩滑块上，保证激光测距传感器刚好位于用户的手腕下方。
13.优选地或可选地，所述手键与所述信号处理模块之间通过io数据连接；所述压力传感器与所述信号处理模块之间通过模拟信号数据连接；所述激光测距传感器与所述信号处理器之间通过i2c数据连接；所述信号处理模块与所述终端之间通过usb数据连接。
14.优选地或可选地，所述终端包括：
15.训练数据库，适于存储不同用户、同一用户不同训练时段的电键拍发电信号、拍发力度信号和手腕变化信息；
16.身份识别单元，适于获取用户信息、并识别用户信息；
17.报文导入单元，适于自定义报文的导入或/和编辑；
18.手键信号图形化单元，适于将标准报文电信号、用户拍发的手键信号、手键拍发力度、手腕活动幅度和多维度数据拟合曲线。
19.优选地或可选地，所述终端还包括：
20.矫正判断单元，适于调用该用户的训练数据库中的数据，并基于拟合曲线生成用户训练手部信息偏离阈值；
21.预警警告单元，适于当用户训练出现拍发错误、拍发力度偏离或者手腕幅度偏离阈值时，调用硬件进行告警，同时在前端软件进行用户提示训练出现偏离。
22.优选地或可选地，所述终端还包括：
23.手键信号录制和回放单元，适于针对训练过程进行记录，并查阅特定时间段内手键拍发的力度、手键拍发的手腕活动幅度的平均值和方差拟合曲线。
24.本发明还提供一种手键训练装置的辅助训练方法，所述方法包括：
25.获取用户信息，并调用该用户的训练数据库中的相关信息；
26.生成或导入需要训练的报文，并根据报文内容，显示标准信号间隔波形；
27.获取用户拍发的手键信号，并自动生成拍发信号间隔波形图示、手键拍发力度拟合图示、手腕运动幅度变化图示和三维数据拟合图示；
28.根据预设的时间跨度，生成用户手键拍发电信号、手键拍发力度信号和手腕运动幅度距离的阈值；
29.判断用户训练出现拍发错误、拍发力度偏离或者手腕幅度偏离阈值时，调用硬件进行告警，同时在前端软件进行用户提示训练出现偏离。
30.优选地或可选地，所述用户手键电信号阈值与报务员的码速相关，以标准码速为基准正负公差10％为阈值。
31.优选地或可选地，手键拍发力度信号阈值和手腕运动幅度距离阈值的生成方法，包括：
32.预设ai训练模型，所述ai训练模型通过少量样本进行手工标记的数据训练得到；
33.在所述ai模型经过数轮训练，识别率达到预定值，通过ai训练模型预处理标记配合人工核验的方式，加快训练数据集的扩张以及降低数据样本采集的成本，最终形成阈值评判标准。
34.优选地或可选地，所述方法还包括：
35.用户可以查阅特定时间段内手键拍发的力度、手键拍发的手腕活动的平均值和方差拟合曲线，便于用户调整训练方式。
36.本发明涉及一种手键训练装置及辅助训练方法，相较于现有技术，具有如下有益效果：
37.1、本发明在传统电键训练的基础上，针对手键拍发力度和手腕变化幅度进行量化，便于教练员指导训练，规范手键拍发姿势，有效提升报务员训练水平，提升训练效果。
38.2、本发明通过usb连接终端即可进行智能手键训练装置辅助训练，使用便捷。
39.3、本发明具备用户管理系统，可以根据不同用户，不同训练时段，自适应的调整判断阈值，智能提示用户训练是否出现偏离，便于教练员/用户调整训练方式。
40.4、本发明可以量化的统计报务员在训练过程中的电键电信号间隔、拍发力度和手腕活动幅度，并设计用户管理机制，可以一人一况的辅助报务员进行手键报务训练。
附图说明
41.图1是本发明中手键训练装置的结构示意图。
42.图2是本发明中手键训练装置硬件连接、使用示意图。
43.图3是本发明中手键训练装置软件设计示意图。
44.附图标记为：折弯底板10、手键20、压力传感器30、激光测距传感器40、信号处理模块50、终端60。
具体实施方式
45.在下文的描述中，给出了大量具体的细节以便提供对本发明更为彻底的理解。然而，对于本领域技术人员而言显而易见的是，本发明可以无需一个或多个这些细节而得以实施。在其他的例子中，为了避免与本发明发生混淆，对于本领域公知的一些技术特征未进行描述。
46.摩尔斯电码是一种时通时断的信号代码，通过不同的排列顺序来表达不同的英文字母、数字和标点符号。它的代码包括五种：短促的点信号“·”，保持一定时间的长信号“—”，表示点和划之间的短停顿、每个码之间中等的停顿，以及组与组之间长的停顿，上述信号时长比例为1:3:1:3:5，因此码速以电信号“·”为基准，不同码速下电信号“·”的时长不同，例如80码/分钟电信号“·”的时长约为65毫秒，100码/分钟电信号“·”的时长约为52毫秒，200码/分钟电信号“·”的时长约为26毫秒。
47.如果以键梁为水平线，有的报务员腕部用力在水平线的上方，有的用力在水平线的下方，而大多数操作员的用力与水平线平行。这三种现象称为：“上三线”、“平三线”、“下三线”。把腕部活动的位置高于水平线的叫做“上三线”高位手型，低于水平线的叫做“下三线”低位手型，与水平线平行的叫做“平三线”平位手型。进一步观察这三种手型的用力，可以发现它们有两个共同点，一是击键时腕部没有前推后拉和外张里斜的现象，二是腕部都活动在“三、三线”上。尽管拍发手型有差别，但是他们的用力方式大致相同，所以都能发出高质量的报文。
[0048]“三线”，是指发报时腕部用力的上水平线、水平线和下水平线。“三、三线”就是三种手型在低速、中速和高速发报过程中，腕部活动的幅度显示出三条不同的幅度线。根据腕部在三条水平线上显示的活动幅度，把它们叫做低速“大三线”，中速“中三线”，高速“小三线”，这就概括了从低速、中速到高速发报过程中腕部用力的规律，也体现了发报速度由低到高，腕部活动幅度由大到小，幅度的频率由低到高，“三线”的距离由大到小的变化关系。
[0049]
手键拍发与力量有着密切的关系，如果力量使用过大就会造成过早疲劳，用力过小则会造成点虚等一系列问题，正确的力量应该是刚好可以克服手键弹簧的阻力使触点闭合且速度比例与触点闭合时间适到好处。所以运动过程对手部感觉的要求非常的高，例如：初学者在拍发手键时中指的支撑力是关键，如果中指没有足够的支撑力，那么腕部上下运动所产生的击打力就会在手指的各个关节消耗掉，从而导致这一次的单一下打动作产生的击打效率就非常低，有些会使触点闭合，有些则无法使触点闭合(产生虚点)，如果练不好就
会形成痼癖动作，对发报的速度和质量都会有很大的影响，并且很难再对其进行纠正。通过对学员心理的研究发现，在技能的形成过程中如果能够做到及时的反馈则会学得更快。
[0050]
基于上述分析，本实施例提出了一种手键训练装置，参阅附图1至2，所述手键训练装置，包括：折弯底板10、手键20、压力传感器30、激光测距传感器40、信号处理模块50和终端60；
[0051]
其中，所述折弯底板10上部的表面形成桌面，用于安装手键20、压力传感器30、信号处理模块50和终端60，所述折弯底板10下部向外突出，用于安装激光测距传感器40；所述终端60为嵌入式终端60。
[0052]
压力传感器30设置在所述手键20的下部，用于获取用户敲击手键20的力度；将报务员敲击手键20的力度转化为电信号，实时采样力度变化，数据上传嵌入式终端60人机交互软件，分析处理压力信息。
[0053]
激光测距传感器40单元设置在所述手键20的斜下方，用于获取用户敲击手键20时的手腕幅度变化，将报务员敲击手键20的手腕幅度变化转化为数字信号，实时采样手腕幅度变化，数据上传嵌入式终端60人机交互软件，分析处理幅度变化信息。其中，所述折弯底板10下部设置有伸缩滑块，所述激光测距传感器40设置在伸缩滑块上，以适应不同用户的需求，保证激光测距传感器40刚好位于用户的手腕下方。
[0054]
信号处理模块50用于实时接收压力传感器30和激光测距传感器40的数据，并同步采样用户敲击手键20产生的点划空信息，将有效数据通过usb接口统一打包上传至嵌入式终端60，配合终端，实现人机交互前端软件相关功能。
[0055]
嵌入式终端60安装有人机交互软件，分析处理传感器数据并绘图显示，保存训练数据，便于复检。具体地，所述嵌入式终端60包括：训练数据库、身份识别单元、报文导入单元、手键信号图形化单元、矫正判断单元、预警警告单元和手键信号录制和回放单元。其中，训练数据库适于存储不同用户、同一用户不同训练时段的电键拍发电信号、拍发力度信号和手腕变化信息；身份识别单元适于获取用户信息、并识别用户信息；报文导入单元适于自定义报文的导入或/和编辑；手键信号图形化单元适于将标准报文电信号、用户拍发的手键信号、手键拍发力度、手腕活动幅度和多维度数据拟合曲线。矫正判断单元适于调用该用户的训练数据库中的数据，并基于拟合曲线生成用户训练手部信息偏离阈值；预警警告单元适于当用户训练出现拍发错误、拍发力度偏离或者手腕幅度偏离阈值时，调用硬件进行告警，同时在前端软件进行用户提示训练出现偏离。手键信号录制和回放单元，适于针对训练过程进行记录，并查阅特定时间段内手键拍发的力度、手键拍发的手腕活动幅度的平均值和方差拟合曲线。
[0056]
参阅附图3，根据展示的方式不同，所述嵌入终端分为前端人机交互ui和后端信号处理算法两部分。
[0057]
前端人机交互ui用于实现训练报务员操作。前端人机交互ui包括：用户登陆界面、报文显示界面、手键信号图形化界面和手键信号录制和回放界面。在用户登陆界面中，用户使用不同用户登陆，识别不同用户信息。报文显示界面可以显示需要训练的标准报文内容，并支持自定义报文的导入和编辑。手键信号图形化界面用于展示标准报文电信号、报务员拍发的手键信号、手键拍发力度、手腕活动幅度和多维度数据拟合曲线。手键信号原本只是单独的高低电平电信号，本实施例将标准的手键电信号、用户拍发的手键信号、手键拍发力
度和手腕活动幅度这4个维度的数据进行整合，形成同一时间线上多维度的拟合曲线，便于观察手键敲击时的手部精细动作变化，量化训练过程中报务员手部动作，辅助报务员判断训练动作是否标准，拍发结果是否正确。手键信号录制和回放界面用于报务员针对训练过程进行纠错。
[0058]
后端信号处理算法用于实现本训练装置的底层算法。后端信号处理算法包括：用户管理算法、信号处理算法和矫正判断算法。用户管理算法通过建立用户训练数据库，可以针对不同用户，同一用户不同训练时段，分别记录其电键拍发电信号、拍发力度信号和手腕变化信息。为后续算法提供数据支撑。信号处理算法集合了手键信号处理、压力信号处理、距离信号处理和数据拟合算法，用于对原始采样信息进行筛选、清洗、记录的功能。最终输出为可视化图形数据给前端软件，辅助用户判断训练程度。矫正判断算法根据不同用户或者同一用户不同时段，调用用户数据库信息，智能的生成用户训练手部信息偏离阈值。当用户训练出现拍发错误、拍发力度偏离或者手腕幅度偏离阈值时，调用硬件进行告警，同时在前端软件进行用户提示训练出现偏离。
[0059]
在进一步实施例中，所述手键20与所述信号处理模块50之间通过io数据连接，具体采用6.5mm接口线缆连接；所述压力传感器30与所述信号处理模块50之间通过模拟信号数据连接；所述激光测距传感器40与所述信号处理器之间通过i2c数据连接；所述信号处理模块50与所述嵌入式终端60之间通过usb数据连接。手键信号检测采用io引脚连接，精度更高，可准确判断手键敲击的信号变化；压力传感器采用模拟信号连接，便于信号采集和数据转化；激光测距传感器采用i2c数据连接，仅需2根线就可进行双向高速传输，且总线可连接多个设备，便于系统诊断和故障调试；信号与嵌入式终端采用usb连接，传输速度快、连接方便且可为系统供电。
[0060]
基于上述的手键训练装置，本实施例提出了一种辅助训练方法，参阅附图2，所述方法包括：获取用户信息，并调用该用户的训练数据库中的相关信息；生成或导入需要训练的报文，并根据报文内容，显示标准信号间隔波形；获取用户拍发的手键信号，并自动生成拍发信号间隔波形图示、手键拍发力度拟合图示、手腕运动幅度变化图示和三维数据拟合图示；根据预设的时间跨度，生成用户手键拍发电信号、手键拍发力度信号和手腕运动幅度距离的阈值；判断用户训练出现拍发错误、拍发力度偏离或者手腕幅度偏离阈值时，调用硬件进行告警，同时在前端软件进行用户提示训练出现偏离。另外，用户可以查阅特定时间段内手键拍发的力度、手键拍发的手腕活动的平均值和方差拟合曲线，便于用户调整训练方式。
[0061]
为了方便理解手键训练装置的辅助训练方法的技术方案，以用户为主体对其辅助训练方法做出简要说明：打开训练终端电键训练操作软件，进行用户登陆。在报文界面选择需要训练的报文。软件界面根据报文内容，显示标准信号间隔波形。执行手键拍发训练，软件会根据操作员拍发的手键信号，自动生成拍发信号间隔波形图示、手键拍发力度拟合图示、手腕运动幅度变化图示和三维数据拟合图示。软件根据预设的时间跨度，智能生成用户三个维度数据的阈值(手键拍发电信号、手键拍发力度信号和手腕运动幅度距离)，当用户手部活动任一数据超出阈值，进行软件提示和声光告警。用户通过手键信号录制和回放界面，可以查阅特定时间段内手键拍发的力度平均值和方差拟合曲线，便于教练员/用户调整训练方式。用户通过手键信号录制和回放界面，可以查阅特定时间段内手键拍发的手腕活
动幅度的平均值和方差拟合曲线，便于教练员/用户调整训练方式。通过长期使用该智能手键训练装置辅助训练，可以有效提升报务员训练水平，规范手键拍发姿势。
[0062]
其中，手键电信号阈值与码速相关，以标准码速为基准正负公差10％为阈值。所述手键拍发力度信号阈值和手腕运动幅度距离阈值的生成方法，包括如下步骤：预设ai训练模型，所述ai训练模型通过少量样本进行手工标记的数据训练得到；在所述ai模型经过数轮训练，识别率达到预定值，通过ai训练模型预处理标记配合人工核验的方式，加快训练数据集的扩张以及降低数据样本采集的成本，最终形成阈值评判标准。
[0063]
上述生成方法，基于“三线”理论为手腕运动幅度阈值评判的基准，拍发力量规律为力度信号阈值评判的基准，以此理论，采用ai技术应用，先针对少量样本进行手工标记来进行ai模型的训练，在ai模型经过数轮训练，识别率达到一定标准时，就能够通过ai预处理标记+人工核验的方式，加快训练数据集的扩张以及降低数据样本采集的成本，并逐渐形成良性循环，最终形成阈值评判标准。
[0064]
相较于传统的电键训练方法，本实施例具有如下优点：
[0065]
1、本发明在传统电键训练的基础上，针对手键拍发力度和手腕变化幅度进行量化，便于教练员指导训练，规范手键拍发姿势，有效提升报务员训练水平，提升训练效果。
[0066]
2、本发明通过usb连接终端即可进行智能手键训练装置辅助训练，使用便捷。
[0067]
3、本发明具备用户管理系统，可以根据不同用户，不同训练时段，自适应的调整判断阈值，智能提示用户训练是否出现偏离，便于教练员/用户调整训练方式。
[0068]
4、本发明可以量化的统计报务员在训练过程中的电键电信号间隔、拍发力度和手腕活动幅度，并设计用户管理机制，可以一人一况的辅助报务员进行手键报务训练。
[0069]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。