摘要：针对体育运动数据采集的疲劳程度判断不准确问题,设计了一种数据挖掘的体育运动即时数据采集系统。首先采集人体运动时的心电和肌电生理信号,通过时域分析法分析心电和肌电生理信号的各特征指标与疲劳程度的关系,选择相关性大的指标进行特征提取;然后将提取特征输入至构建的基于LSTM神经网络的运动疲劳估计模型中进行疲劳程度分类检测。实验结果表明,传统的SVM算法的心电和肌电信号的疲劳检测准确率分别为86%和88%,提出的LSTM疲劳分类模型针对心电信号和肌电信号的疲劳检测准确率分别为96%和90%,可以看出,LSTM模型比SVM算法的疲劳检测准确率高出6%~10%,且对心电信号的检测结果浮动更小,具有更强的稳定性。由此说明,基于LSTM的疲劳分类模型能够明显提升基于运动数据对疲劳程度的检测准确性,在体育运动即时数据采集系统中进行广泛应用和推广,具备一定的可行性。

摘要：为提高功率车训练下的自行车运动员心率检测准确率,采用STM32F103RCT6芯片作为主控芯片,MAX30100脉搏血氧传感器采集脉搏信号,并通过HC-08蓝牙通信到PC端计算心率,设计了一种心率智能检测系统。同时,考虑到采集的脉搏信号在运动状态下质量差的问题,利用支持向量机(SVM)筛选出可用信号并提取峰值进行心率计算,实现了较为准确的心率智能检测。测试结果表明,所设计的心率智能检测系统可有效对静止状态或训练状态下的自行车运动员心率进行检测,检测准确率达到90%以上。相较于商用血氧仪心率检测结果,所设计的心率检测系统准确率更高,具有一定的优势。