基于Android的赛艇多传感远程实时监测系统.pdf

Microcomputer Applications Vol.39,No.8,2023文章编号：10 0 7-7 57 X（2 0 2 3)0 8-0 114-0 4研究与设计基于Android的赛艇多传感远程实时监测系统微型电脑应用2 0 2 3年第39 卷第8 期马合江，张天祺，朱谦，任久春（复旦大学，信息科学与工程学院，上海2 0 0 433）摘要：为了实现赛艇运动的多技术参数长距离实时监控，设计了一种基于Android智能终端数据采集和信息处理的赛艇多传感远程实时监测系统。系统利用智能终端内置的传感器模块和蓝牙模块实现多源数据采集。文章提出并实现了赛艇关键运动技术参数提取的优化算法，关键参数经数据加密和压缩后通过蓝牙模块上传至远程数传网关。网关将数据转发至手持终端进行实时显示、分析和存储。系统测试结果表明，采集和提取的赛艇技术参数测量精度符合应用需求，远程数据传输的稳定性较好，能够实际用于赛艇运动训练和比赛的多参数远程实时监控。关键词：Android；赛艇运动；多传感；实时监测中图分类号：TN92；T P2 12.9；T P311文献标志码：AMulti-sensor Remote Real-time Rowing Monitoring System Based on AndroidMA Hejiang,ZHANG Tianqi,ZHU Qian,REN Jiuchun(School of Information Science and Engineering,Fudan University,Shanghai 200433,China)Abstract:On the purpose of long-distance and real-time monitoring of competitive rowings technical parameters,a multi-sen-sor remote real-time rowing monitoring system based on Android is established,which relies on intelligent terminal to achievedata acquisition and information processing.The initial sensors and Bluetooth module of terminal are used to obtain multi-sources data.Optimization algorithms are proposed and implemented for key parameters extraction,and uploaded to the remotedata transmission gateway through Bluetooth module after data encryption and compression.The gateway devices forward thedata to a handheld terminal for real-time display,analysis and storage.The system test result shows the measurement accuracyof the rowing technical parameters collected and extracted meet the application needs,the system proposed has reliable commu-nication stability and it can be used for multi-parameter remote real-time monitoring of rouing training and competition.Key words:Android;rowing;multi-sensor;real-time monitoring于日常赛艇训练环境。国外有Rowing inMotion等公司开0引言发了智能手机软件捕获赛艇运动学参数。这类软件一般采在赛艇运动的比赛和训练中，实时反馈运动技术参数能用公用移动通信网或Wi-Fi等方式实现数据远程传输，但许够帮助教练员评价运动员的训练水平，科学地分析、指导赛多赛艇运动训练环境公用移动通信信号覆盖较差，教练员对艇训练和比赛 1-3。已公开的国内文献对于赛艇运动的研究系统监测距离和实时性又有较高的要求，因此日常训练中该多围绕竞赛策略、运动员生理生化指标监测、专项技术动作类软件在实时性和稳定性方面尚无法满足实际需求。因而，及生理力学分析等角度 4-6 ，而赛艇实时监测系统设计和实本文设计了基于Android的赛艇多传感远程实时监测系统，现方面的研究较少，系统研发多以特质传感器和嵌入式设备在简化关键技术参数提取方法的同时降低监测（传感）专用开发为手段 7-8 。随着Android智能移动终端设备的发展和设备开发成本，满足了长远距离数据传输和实时监控的需普及，其内置惯性测量单元和全球定位系统已能够实现复杂求，以辅助教练员科学地分析、指导运动员的训练和比赛。运动参量测量，各项基于Android的人体运动识别研究推动1关键运动技术参数提取算法设计了传统嵌入式系统的变革，减少了嵌入式开发带来的时间成本、劳动成本，降低了系统设计的复杂度。CLOUD等 9 提出了基于智能手机的赛艇运动学参数传感融合测算方法，验证了智能终端在赛艇运动中的测算能力。但多传感器融合方法对DGPS基站依赖度较高，不适用作者简介：马合江（1996 一），男，硕士研究生，研究方向为物联网与数据分析；张天祺（1997 一），男，硕士，研究方向为物联网与数据分析；朱谦（196 0 一），男，本科，副教授，研究方向为数据通信与网络；任久春（197 4一），男，博士，副教授，研究方向为物联网与数据分析。114基于Android平台的多传感数据采集和赛艇关键运动技术参数提取的算法流程如图1所示。1.1基于动态峰值阈值的桨频检测算法运动员划奖过程中，船体加速度的变化趋势能够反映运Microcomputer Applications Vol.39,No.8,2023动员划桨、收桨动作的周期性特征 10 1，本系统使用水平放置在甲板上的智能终端加速度传感器模块采集船体加速度数据（可忽略船体左右摇晃带来的影响）9，检测其周期性的变化趋势可以提取到赛艇的桨频参数。文献 9 中的峰值检测算法和文献 11中的子序列动态时间规整算法在检测桨频时需要每一条赛艇设定特定的匹配模板和阈值参数，不具备实时性。因而，本系统在文献 9的算法基础上引人文献 12 中的动态阈值和时间阅值计算桨频参数，即峰值加速度需要满足：apeak,=(a.a,a-I+aa+)alley,=(a ata-I-aia+1-)apeak,PthresholdT hreshola T peakt T peak-1式(1)式（4)中，apeak,为t时刻的加速度最大值（m/s），为原算法中的抖动阈值，参数越大滤掉的峰值峰谷越多，Pthreshola为设定的加速度峰值阅值（m/s?），T t h r e s h o l a 为设定的时间阈值（s),Tpeak,和Tpeak-,为t时刻和t-1时刻最大加速度对应的时间。(5)1(6)D2threshold式（5）式（6）中，满足峰值检测条件的peak=al，a 2，a 3，,a n）通过特定系数动态调整Pahreshola和参数。在检测出满足条件的峰值后，即可通过检测峰值的周期性得到运动员的划桨频率。1.2船速自适应平均算法赛艇速度的监测往往更关心每50 0 m所用时间参数，则参数T500（m in/s)与船速(m/s）的关系满足：Ts0o=5研究与设计数据预处理动态峰值阈值奖频检测一1Android智能手机一一一加速度传感器磁力传感器GPS位置信息1Pahreshola=500微型电脑应用2 0 2 3年第39 卷第8 期一1一1一1一一一H窗口移动平均厂1！1111！1111！11111卡尔曼滤波器11111111一图1算法流程图T50o参数在速度较小时，每0.1m/s的数据增长或减小会带来较大的差别，因而为了平滑数据并保证在速度骤增、骤减阶段数据不被大窗口滤波带来的延迟所影响，设计了自适应的速度平均算法。算法如式(8)：。Niow,-Nlow-M-11U=(1)1Niare,-Niow(2)(3)(4)apeak(7).115.奖频数据一1Android内置SensorFusionFunction船速自适应平均算法口一一1一1提取速度数据1十口1111一7提取位置信息差分+累加其他式中，为卡尔曼滤波后的速度，U，为当前时刻的速度。使用Android智能终端定位模块提供的精度参数，可以对卡尔曼滤波器中的协方差矩阵运算进行简化。本文引入自由度参数描述在无位置估计情况下精度的衰减值，定位模块精度，滤波器增益为lat=lat+K X(latmeasured-lat)P=(1-K)X PK=P/(P+accuracy X accuracy)P=P+TimelncX Qmetres/1000根据经纬度坐标提取速度数据，再根据式（8），利用速度数据更新前后M个数据的平均值，判断速度是否有明显增长或减少的趋势：有明显增长或减少趋势则判定赛艇处于加速或减速状态（起步、冲刺、停顿等），使用小窗口Niow进行滤波；无则判定赛艇处于匀速状态，使用大窗口Niarge进行滤波。1.3其他参数测量在定位模块速度数据获取的基础上，对定位模块的坐标数据进行计算得到赛艇的航行距离参数；综合桨频和船速参俯仰角每桨划距速度数据传感器实时处理输出移动距离数据11t-M-1tM1MCo,min u(t-M)tM(8)(9)(10)(11)(12)Microcomputer Applications Vol.39,No.8,2023数可以得到每桨划距参数；此外，基于Android多传感器融合算法能够得到基于水平面的姿态数据。2系统框架结构设计系统框架结构如图2 所示。围绕Android智能终端的多源传感器模块、定位模块和无线通信模块进行设计，结合远程数传网关和人体生理学传感可穿戴设备能够实现赛艇数据实时采集、运动技术参数提取、数据长距离传输和实时监控、显示等功能。远程数传网关和手持终端网关基于文献13中的网关设备进行设计，采用点对点LoRa实现长距离数据传输。本系统采集和提取的主要技术参数包括船体运动速度、航行距离、桨频、每桨划距、姿态、运动员心率等。M心率采集设备n4无线通信模块基于Android的手持终端设备3软件设计本系统软件设计主要涉及：智能终端惯性传感器、定位模块以及心率传感设备等多源数据并发采集；数据完整性、融合同步性的多源数据整合存储；基于数据压缩加密的数据发送和解析；低延时、高可靠的数据通信及管理机制；简洁直观的实时人机交互UI设计。Android智能终端软件流程图如图3所示。主程序开始后，初始化模块和后台服务为多源数据采集分配异步线程，之后对各数据进行运算得到关键技术参数，对各参数进行整合、存储，通过简洁直观的界面展现在运动员侧，并压缩成帧通过蓝牙进行传输。蓝牙通信管理功能主要负责判断当前通信连接状态，对可能出现的连接断开、连接超时等问题进行资源二次分配。教练员显示终端的软件开发与智能终端开发成镜像。首先初始化数据显示、绘图和蓝牙使能线程，开启蓝牙管理功能；接收到蓝牙数据时，对数据完整性进行判断，对完整数据进行解密、解压缩，并更新在显示界面，对不完整数据发起二次重传请求。4测试与结论4.1系统测试环境分别在实验室环境和浙江千岛湖赛艇训练基地测试了系统性能。实地测试时，将远程数传网关设备和小米K30S智能终端放置在运动员四人艇的两端，4名运动员佩戴PolarOH1（可穿戴式心率监测设备）监听心率数据，将手持终端网研究与设计定位数据采集算法处理桨频检测算法移动距离每桨划距速度心率采集设备1手持LoRa远程蓝牙基于Android的通信终端数据模块网关网关陀螺仪传感器模块图2 系统框架结构设计微型电脑应用2 0 2 3年第39 卷第8 期开始立初始化进程池分配加速度计磁力、陀螺仪数据采集数据采集姿态俯仰角建立心率建立网关参数设备连接连接桨频姿态俯仰角数据整合存储立数据压缩加密数据显示智能手机船体运动识别力加速度定位蓝牙管理心率立数据传输图3Android智能终端软件流程图关和PAD监控设备放置在教练艇上以便教练员实时监控训练数据。智能终端传感器和定位模块采集频率设置为10 0Hz，心率采集频率为1Hz，记录实地训练结果和数据，对系统测试结果进行分析。4.2关键运动技术参数提取结果桨频参数的提取结果如图4所示。图4（a)为1.1节中桨频监测算法标定的峰值点位。算法能够正确分割运动员划奖动作的周期性变化规律进而计算得到桨频参数。图4(b)是在测试中桨频参数的记录结果。系统能够实时检测到16浆/min到30 桨/min的桨频，其结果同码表上记录的数据相同。2(-s.)/-1-202窗口时间/s（a）浆频分割结果示意图图4浆频分割及系统浆频检测结果船速参数的提取结果如图5所示。图5（a)为自适应平均算法与原速度数据和通过设定阈值选择窗口大小的算法比较结果。系统所用算法能够在加速（减速）阶段自适应调整平均窗口，有效防止大窗口移动平均带来的数据延迟，并在还原匀速过程中速度周期性的同时，T50o数值不会有较大波动。速度参数整体记录结果如图5（b)所示，其结果与码表相符。4.3系统性能测试结果基于Android平台的赛艇多传感远程实时监测系统界面如图6 所示。软件实时显示系统监测的技术参数并对特.116.40(-uu茶)/茶3020103J8100300600时间/s(b）桨频检测结果15002400Microcomputer Applications Vol.39,No.8,20235原始速度4阅值滤波、自适应滤波30（a）自适应平均算法性能比较图5速度算法性能比较及系统速度检测结果定参数进行绘制。在测试过程中断开系统数据转发链路中的通信功能，测试发现在实验室环境下，系统能够在2 0 m范围内快速恢复蓝牙通信，在2 km范围内快速恢复LoRa通信。同时，在晴天环境下系统稳定性最佳，智能终端在保证蓝牙通信稳定性的前提下能与4名运动员的心率设备进行连接，并实时监听心率数据。智能终端与网关设备之间数据传输稳定，传输延迟较低（3s），无明显丢包。综上所述，本系统通信效果良好，能够完成高可靠、低时延的赛艇多传感数据监测任务。2011.4110-2892:1511210856103图6 基于Android平台的赛艇多传感实时监控系统界面5总结传统的水上运动学参数实时监控系统通常基于嵌入式开发技术，本文根据赛艇运动的训练监测需求，设计了一种基于Android的赛艇多传感器远程实时监测系统。测试结果表明，采集和提取的赛艇技术参数测量精度符合应用需求，且系统具有可靠的通信传输质量。本系统已经应用于上海市竞技体育训练管理中心一上海赛艇队的训练当中，为教练员远程提供实时的数据反馈，为教练员评估训练效果、提高运动员专项训练效率提供了科学依据。1欧阳波，王培勇，沈杜，等.赛艇训练多参数遥测系统的研制 J.西安体育学院学报，2 0 0 5，2 2（4）：7 8-8 1.2 王聪.对青年赛艇运动员的训练监控 J.当代体育科研究与设计5速度技，2 0 2 0(8):14-15.43 ANDERSON R,HARRISON A,LYONS G M.Accel-3erometry-based Feedback:Can It Improve Movement2Consistency and Performance in Rowing?Jl.Sports1Biomechanics,2005,4(2):179-195.200400时间/s参考文献微型电脑应用2 0 2 3年第39 卷第8 期600012002400360048006000时间/s(b）速度检测结果67:334王聪.生理生化指标监控在赛艇运动训练中的应用J.当代体育科技，2 0 19,9（2）：11-13.5苏辉，华凌军，祝兴海，等.基于多源传感信息的赛艇实船运动生物力学特性研究 J.湖北体育科技，2017,36(12):1078-1081.6李信安，华诚，吴国强，等.赛艇运动员划桨力实船检测技术 J医用生物力学，2 0 0 8（3）：2 2 6-2 2 8.7 胡璞，易名农，刘嘉.基于多传感器数据融合技术的水上训练监控系统的研制与应用 JI.武汉体育学院学报,2 0 15,49(3):9 6-10 0.8周建芳，张文兵.GNSS赛艇监测服务系统的设计 J.电脑知识与技术，2 0 15（10)：96-98.9(CLOUD B,TARIEN B,LIU A D,et al.Adaptive Sm-artphone-based Sensor Fusion for Estimating Compet-itive Rowing Kinematic MetricsJ.PLoS One,2019,14(12):e0225690.10KLESHNEV V.Boat Acceleration,Temporal Struc-ture of the Stroke Cycle,and Effectiveness in RowingJ.Proceedings of the Institution of Mechanical En-gineers,Part P:Journal of Sports Engineering andTechnology,2010,224(1):63-74.11GROH B H,REINFELDER S J,STREICHER M N,et al.Movement Prediction in Rowing Using a Dy-namic Time Warping Based Stroke DetectionC/2014 IEEE Ninth International Conference on Intelli-gent Sensors,Sensor Networks and Information Pro-cessing（I SSNI P).A p r il 2 1-2 4,2 0 14,Sin g a p o r e.IEEE,2014:1-6.12HERMSEN H.Using GPS and Accelerometer Datafor Rowing Race TrackingEB/OL.2000:ub.rug.nl:dbi/524ea90b178a4.13林汉翔，李凌翎，任久春，等.基于容迟网络模型的帆船VMG监测系统设计 JI.复旦学报（自然科学版），2017(1):79-88.（收稿日期：2 0 2 1-11-2 5）.117.