文摘
在传统的运动训练,教练记录和观察运动员的运动数据,判断它是否合理的根据自己的经验。定性分析方法是高度主观的,有大量错误,容易受到干扰。解决上述问题,运动训练系统的设计下的无线传感器网络和运动监测和识别的研究变得非常重要。本文旨在研究运动训练系统的设计和操作的监测和识别无线传感器网络技术。本文模拟的实现提出了数据收集协议和两种基本协议,直接传递算法和洪水算法,并比较该协议提出了与其他两种算法的平均信息传输成功率和平均网络开销。其中,信息传输成功率代表的比例平均消息成功到达基站的数量总额的所有节点生成的信息,和平均网络开销代表平均每个节点发送的消息数量。实验结果表明,本文提出的数据收集协议可以动态地提供不同的信息传输质量不同的重要性水平,有效地减少了网络开销,减少开销的11%。
1。介绍
1.1。背景
随着社会的进步,工作的速度正变得越来越快。久坐不动的工作风格已经导致许多人生理和心理疾病,大大影响了人们的生活质量。动作识别来推断人体的运动状态通过记录特定人体的运动特点,然后估计人体的日常能源消耗,为人们提供建议的运动根据能源消耗,甚至引导人们制定健身计划。通过节点之间的协作,WSN感知,收集和处理信息的检测对象或环境实时监测区域,并将处理过的信息给最终用户。传感器网络具有广泛的应用。它不仅在环境科学和军事事务拥有重要的价值,但也有广阔的应用前景在商业日常医疗、智能家居等领域。
1.2。意义
本文基于无线传感器网络技术,研究运动训练系统的设计和运动监测和识别,提出了一种人体运动检测系统的整体设计方案,并设计了检测终端的无线传感器网络,它可以形成一个网络,收集和整合。数据传输,最后通过主机,温度的实时变化,心率和运动产生的能源消耗人体可以监控和存储。通过系统分析,它可以提供健康、科学、有效的建议运动员阳光运动。将信息技术引入的工作制定科学的培训计划不仅可以减少很多时间花在训练数据和提高工作效率也迅速掌握和分析运动员的训练状态和完整的系统和详细的经验总结。运动员技术动作的定量参数输入到数据库,并与专家数据库的数据比较,找出体育技能的缺陷,为教练员制定训练计划提供基础。
1.3。相关工作
运动状态识别不仅具有重要应用价值的预防慢性疾病也运动状态识别具有重要意义的研究为提高人类健康和改善人们的生活质量。赵指出,当前体育短跑训练不仅注重速度、力量和技术,但也强调了下肢训练和上肢运动的协调。这可以满足当前体育短跑训练的需要。为了应对这个问题,体育短跑训练的监控系统的设计可以优化基于STC89C51RC单片机技术。结果表明,优化体育短跑训练的监控系统的设计可以帮助教练找到不良的运动习惯在实际体育短跑训练过程和纠正错误的短跑运动员的动作时间。体育短跑运动员训练的强度数据通过监控系统可以提高短跑训练的强度数据收集的准确性为30.2%,显示了系统应用的好处,但监测系统尚未完全应用于实际训练(1,2]。香港提供的节能分析协作广播形式称为大机会数组(OLA)和比较实验与种网络的性能。他得出一个最优能量分布策略,但策略非常昂贵的组件(3]。郭先生提出了一个节能分布式调度算法Clu-DDAS基于一种新的基于集群的聚合树。这个方法证明了时间延迟限制,但从实验结果,实用性不高(4]。
1.4。主要内容
本文侧重于运动训练系统的设计基于无线传感器网络和运动监测和识别研究。本文主要介绍了无线传感器网络的目标跟踪方法,讨论了无线传感器网络的网络体系结构及其应用前景运动。的研究现状,分析了无线传感器网络数据采集技术,并总结了近年来代表数据采集算法,及其优缺点进行了分析。行为监测和识别实验表明,与现有的无线传感器网络数据收集协议相比,自适应数据收集协议网络寿命更长,可以有效地保证数据传输的成功率和可靠性。实验结果表明,本文提出的数据收集协议可以动态地提供不同的信息传输质量不同的重要性水平,有效降低网络开销。
2。无线传感器网络的目标跟踪方法
2.1。监控区域的覆盖网络
为了找到目标,大量传感器节点(5,6)是随机分布在该地区,需要检测,和节点的传感范围相互重叠,其中包括监控的覆盖区域。下面首先介绍了传感器网络覆盖模型和一些相关的概念,然后给出目标的探测概率的影响在监测区域的跟踪移动目标。
2.1.1。保险的基本概念
覆盖问题是由所有传感器节点的传感半径决定,通信半径,节点的能量,他们的位置关系。每个传感器节点的传感条件的结合构成的描述整个传感领域的报道。无线传感器网络覆盖模型如图1。
在图中,实心点代表了传感器节点,Rs代表了传感半径,传感半径是指目标的最远距离,单个传感器节点可以感知,有时被称为探测半径,Rs越大,较大的监控区域的面积。圈的外边界由工会是监测区域的无线传感器网络(7]。
其覆盖范围的大小是由单个节点。报道必须小于或等于1。如果所有的区域一个覆盖,覆盖范围是1。
公元覆盖效率的计算公式所示(2):
据报道效率的定义,不难发现,效率也反映出节点的冗余度。覆盖效率越高,冗余度越低,相反的,更大的节点冗余。
覆盖效率是用来测量节点覆盖的利用率。一方面,它可以反映出覆盖情况,另一方面,它可以反映整个网络的能量消耗(8,9]。
覆盖维度:覆盖维度代表覆盖一定区域的冗余度。
的公式,K一个:覆盖面积尺寸,一个,一个我:节点的感知范围,P一个:分析点的位置。
为了提供强大的监控能力和更高的容错的目标跟踪监测区域,监测区域通常是由多个报道,也就是说,一个目标了k节点。
2.1.2。覆盖节点的分布
报道直接相关的分布节点,节点的数目,在监测区域的冗余。节点的分布将直接影响覆盖效率。
(1)确定性分布。在确定性分布节点的网络覆盖问题,许多问题被抽象为静态优化问题,它解决问题带来一些方便,但是在实际应用中,特别是在大规模的恶劣的环境,无监督,它不能确定。
(2)随机分布(10,11]。理论研究的节点通常是随机分布的,和不同的随机分布形式可以采用根据应用程序需求的增加,上均匀分布,节点密度的限制。与随机分布相比,不采用确定性分布的原因在于实际的原因。确定性分布在无法实现大规模、无人监督的环境。
(3)可移动的分布。移动分布分为两种类型:所有节点可以移动,他们可以移动的一部分。前者具有更高的自由度,这将增加能耗,同时把质量高覆盖率。后者模型是一个混合模型,弥补了静态节点覆盖问题,同时也带来了网络的灵活性。
2.1.3。目标探测概率的分析
当传感器节点部署在监测区域,他们会自发地监控目标信息。由于传感器节点分布的不确定性,并不能保证发现的目标将是100%。目标探测概率估计的探测概率监控区域。根据上面的分析,如果目标是在传感半径覆盖的节点(12,13),那么目标将被检测出来。相反,目标不会被发现如果在传感半径覆盖的节点。
节点分布在图1为研究对象,监控区域图中,每个节点的传感区域(11)是 。然后检测概率的节点到目标矩形区域可以表示为
节点不会发现目标的概率是1 - 。
假设节点的数量一个服从泊松分布的概率k节点区一个是
有k节点在传感领域,和至少一个节点检测目标的概率
根据全概率公式,当K接受不同的价值观,至少有一个节点的概率DP检测目标可以表示为
因为
用(4)到公式(10),目标探测概率的表达式14最后得到如下:
从公式(11),可以看出,目标探测概率有指数关系的节点密度和节点的感知半径。检测概率会增加节点密度和传感半径增加。同时,检测概率的分析在节点位置也有指导作用。随着节点密度和传感半径增加,提高检测精度和范围。
传感半径Rs是由传感器节点的准确性和放大器的放大系数,它可以被视为一个已知量。
2.2。目标跟踪节点选择
目标跟踪节点(15与移动目标)是动态选择。初始化后,监测区域节点是所有普通节点。当移动目标跟踪领域,普通节点接近移动目标成为目标跟踪节点,它需要跟踪移动目标一段时间,然后回到正常的节点状态。本节主要探讨如何选择选择过程。
2.2.1。检测目标跟踪节点
在选择目标跟踪节点,簇头节点和普通节点都需要合作。同样,簇头节点还应该考虑以下两种情况:第一,目标跟踪节点应该跟踪的运动目标和预测区域附近的节点醒来,能耗高。簇头节点应定期检测跟踪节点的能量和替换跟踪节点避免跟踪节点的能量消耗和目标跟踪失败。第二,当目标跟踪节点突然失败在工作过程中,如节点损坏,簇头节点应该能够处理它。
首先,设置一个能量阈值和节点的次数是一个目标跟踪节点。节点周期性睡眠和唤醒机制。节点的条件成为一个跟踪节点必须满足:大于阈值的能量和节点的位置是在距离target-hop移动。
为了配合不同的定位方法,距离和角度也应该考虑的因素。跟踪节点选择模型(16]给出如下:
的公式:一个1,一个2,一个3,一个4分别是目标跟踪节点,该节点的剩余能量,移动目标的距离,和移动目标之间的角系数,由特定的应用程序。
具体选择过程如下:在开始节点的工作周期,所有节点在一个跳移动目标检查自己的剩余能量,和节点高于阈值计算的程度选择通过(12),适用于簇头节点成为一个跟踪节点。接收节点的应用程序后,簇头节点比较的程度选择每个节点和发送一条消息“确定跟踪节点”选中的节点,节点,并不是选择发送一条消息“取消跟踪节点”和重复的下一个工作循环。
在工作过程中,如果跟踪节点突然死了,簇头节点需要定期检查发送的数据节点工作过程中跟踪节点。如果跟踪节点不发送数据或发送错误数据连续几次,簇头节点需要更换工作节点。广播替换消息通知其他节点。其他节点再次计算自己的程度选择争夺跟踪节点。
2.2.2。目标跟踪节点的选择过程
(一)
(b)
2.2.3。动态时间弯曲
DTW是一种有效的方法来衡量两个时间序列数据之间的距离。假设有两个时间序列数据问和C与长度米和n:
当的长度问和C是相同的,最原始的方法来测量距离是吗
解决相互之间的距离两个采样数据点一一对应并添加每对点之间的距离,得到两个时间序列数据之间的距离。这个计算方法很简单明了,计算是复杂的。然而,当这两个时间序列数据转移或扭曲,这一一对应计算方法将最初两个非常相似的曲线之间的距离非常大。当两个数据序列的长度不相等,这一一对应计算方法不能使用。
DTW算法可以有效地解决上述时间序列数据转换和失真的问题,也就是说,即使两个相似的曲线有一定的翻译和失真18),DTW距离仍然是非常小的,和DTW算法也适用于两个时间序列。数据的长度是不一致的。
2.3。建设和更新目标跟踪领域
在完成目标的评估预测和跟踪节点选择,有必要构建一个跟踪预测轨迹附近地区。因为目标移动,跟踪区域需要不断更新,以实现移动目标的跟踪。跟踪区域的更新通常是与移动目标的速度有关。如果可以更新目标跟踪领域合理根据移动目标的特点,有限的资源节点可以完全部署和利用,可以有效提高系统性能。
因为目标是运动的,外面可能搬到一个位置跟踪区域一段时间后。需要持续跟踪区域更新根据目标的运动状态。假设Tfre(19)的生命周期跟踪区域,如果它超过了Tfre跟踪区域和不更新,它可能导致移动目标的跟踪丢失。
当前跟踪区域的生命周期结束前,下一个跟踪区域需要构造,然后通知相应的节点完成建设。据分析,这一过程可分为三个阶段,计算面积的生命周期(T1),确定下一个跟踪区域范围(T2),并通知相应的节点(T3)。第一阶段需要一个相对较短的时间,而且它还可以估计从以前跟踪区域,然后通知。第二和第三阶段需要添加特定的考虑,如移动目标的速度、节点数据传输速度、网络拓扑、和其他因素。
根据上面的公式估算完成目标跟踪区域,簇头节点(20.将确定哪些节点是在跟踪区域,然后发送消息通知这些节点进入跟踪阶段,和消息包含目标的预测位置和跟踪区域的范围。
3所示。运动训练系统的设计实验
3.1。数据收集算法的性能评价指标
关于无线传感器网络的性能数据收集协议(21),有以下常用的评价指标:
3.1.1。数据的准确性
数据精度要求的数据收集算法依赖于传感器网络的应用背景和用户的需求。例如,室内温度和湿度监测系统不需要数据精度高。然而,战场目标跟踪在军事应用需要数据精度高,确保准确的罢工(22,23]。
3.1.2。可伸缩性
一个典型的无线传感器网络包含成千上万,甚至更多的传感器节点,网络规模大,数据收集协议的可伸缩性问题非常突出。
3.1.3。响应时间
可伸缩性的特点是响应时间。响应时间包括数据传输、路由和数据融合时间。是由之间的时间延迟发送传感器数据从目标节点和从基站接收数据消息。实时数据,不同的应用有不同的要求和合理的数据收集算法(24根据需求设计。
鲁棒性,即网络的鲁棒性,网络的特点可以维护自己的性能和环境参数变化。
上述性能指标不仅是标准评估无线传感器网络的数据收集算法还算法优化设计的目标。然而,上述指标在实际应用并不完全兼容,必须相互平衡的实现算法的优化。
无线传感器网络的拓扑结构是一个重要因素影响的性能数据收集协议。之间存在着密切的关系数据传输能力和能源消耗在不同的网络结构。平面路由简单,稳定,但路由建立和维护是昂贵的,适用于中小型网络。层次路由具有良好的可扩展性,可以方便数据融合,适用于大规模的网络。介绍了几个具有代表性的平面和层次化的数据收集协议如表所示1:
3.2。运动系统的数据收集机制
在无线传感器网络数据收集的设计密切相关的特定应用程序,应用程序环境的特殊性是一个需要考虑的问题。在本文中,对运动训练的具体应用,以下几点需要注意在设计数据收集协议。
本文采用基于无线传感器网络的方法来监测运动员的运动参数。大多数监控对象都在运动,这就需要传感器节点是可移动的。由于监控对象的运动将导致传感器网络拓扑的动态变化和网络连接的不连续,以上时,必须充分考虑影响设计数据收集协议,以确保网络具有较高的可伸缩性。
运动员参数监测是一个长期的工作,传感器节点需要能够有效工作了很长一段时间。应该充分考虑节点的能量消耗在设计数据收集协议。数据收集算法应该尽量满足节能的要求。在不影响整个网络的性能,与其他节能策略相结合的方法,采用减少能源消耗(25]。
3.3。基于无线传感器网络的总体框架的运动系统
图3是一个原理图的运动系统的总体结构。体育系统监控多个体育和运动员的生理参数无线通信。体育所收集的数据基站可以存储在数据库系统在很长一段时间内提供一个基础综合体育优秀运动员和构造专家系统的分析。移动系统主要包括三个部分:节点、基站和数据管理中心。
3.3.1。节点
无线传感器网络节点的主要功能是收集实时数据并将数据发送到基站后存储。在此系统中,节点主要收集运动员的运动参数和生理参数,然后等待查询指令从基站或执行周期性的数据报告。当节点收到查询指令从基站节点将收集到的数据发送到基站。在实际训练中,节点打开自己的领导或蜂鸣器根据基站的指示来帮助运动员在完成训练任务,收集数据。
3.3.2。基站
基站的主要作用是负责系统网络,接收和处理节点发送的数据,并将指令发送到节点根据用户的需求。基站接收到的数据主要是在以下两种方式处理。基站发送数据到数据管理中心服务器通过串行通信模块和以太网通信模块。教练和员工可以浏览和管理数据通过数据中心管理软件。直接显示的数据是通过基站液晶触摸屏。为了方便查询和控制运动员的教练技能信息和体育训练在运动训练现场测试,教练在训练场上基站,控制节点的工作状态通过触摸液晶屏,并浏览体育运动员的测试信息。
3.3.3。数据管理中心
由于基站可以通过网络传输数据,它可以自动传输数据到互联网。因此,这个系统的数据管理中心可以部署在任何地理位置,只要网络连接。教练还可以查看相关运动员的运动参数的变化通过体育数据库管理系统软件和监控的操作实时无线传感器网络。例如,运动员穿运动手表,和教练使用系统软件来查看具体的体育信息。
3.4。运动监测和识别实验
为了验证双层合作机制的有效性,该程序使用vc++来模拟移动目标的运动轨迹在不同的监测环境。
3.4.1。适应性分析
在监测区域的地方是10001000年,通信半径150米,交付节点的数量从500年到50,10个位置是随机跟踪,少于3节点被定义为无法找到。在相同的条件下,比较方案的影响和DCTC定位当密度变化。
从表可以看出2随着节点数的增加,这两个方案的定位精度基本上是相同的,但这个方案有明显的优势的计算时间和能源消耗。这个解决方案可以完成跟踪和定位当节点密度超过1%。
3.4.2。能源消费分析
假设移动目标的速度和轨迹是相同的,这个方案是与DCTC相比,能量消耗两个方面进行了分析。首先,节点参与目标跟踪:数一数的节点唤醒在跟踪区域,工作时间,发送和接收的时间来确定能源消耗两个方案之间的差异。
(1)实验条件:节点密度是2%,移动速度是10米/秒,平均能耗测试10次。假设:睡眠节点的能量消耗0.001µJ工作节点的能量消耗0.3 J和收发节点的能量消耗1.12 J。
通过分析整个网络节点的操作条件,实验结果如表所示3。这个方案的操作能耗只有DCTC能源消耗的28.9%。第二个是平均重建时间。这两个方案的比较结果如图4。
平均重建时间的计算:DCTC算法需要8.5秒,这个方案的平均重建时间是12.4秒,因为速度可以获得归一化计算方法,和这个方案可以获得速度归一化法,这是比DCTC更好。该计划降低了31.3%。
3.4.3。轨迹定位精度的分析
在这项实验中,DCTC,这个方案,随机定位方法被用来比较轨道定位精度。实验结果如图所示5。与DCTC定位方法相比,该方法的定位精度明显优于DCTC方案。
4所示。性能分析
4.1。性能比较分析
本文模拟和实现提出的数据收集协议和两种基本协议直接传输和洪水。三种协议的性能比较通过以下两个方面:(1)比较平均信息传输成功率、平均网络开销之间的协议提出了和其他两个算法。为了验证信息的不同重要性水平提供了不同的传输质量,实验分别研究了平均传输成功率的变化信息当最初的重要性水平分别为0.4,0.6和0.8。因为不同的重要性水平几乎没有影响平均网络开销,重要性水平的影响被忽略在比较平均的网络开销。平均信息传输成功率是指把所有信息传输成功率,然后取平均,而平均网络开销是平均值后添加的网络开销。(2)对三种算法的性能的影响在三个不同的实验参数:节点移动速度、空间节点队列大小和网络中基站的数量分别进行了研究。直接传递算法,每个节点缓冲区的所有信息收集本身直到它遇到基站和前锋。在洪水算法,每次两个节点沟通,他们提出的信息不是队列的另一方。当一个节点遇到一个基站,前锋的所有信息。为了评估的优缺点提出的自适应数据采集协议,我们写了仿真过程C+ +,仿真环境设置如下:
我们选择一个500×500正方形区域部署范围的移动传感器网络,包括150节点和基站,根据随机运动的节点移动模型,与基站保持静止。整个区域分为独立广场50米50 m×,节点的移动速度服从随机分布的−1 m / s 10 m / s,和每个节点的暂停时间达到一个新职位后服从随机分布的0 10−。每20秒的节点生成一个新的消息,消息的大小20字节,最初的新消息的重要性是随机选择的根据(0.4,0.6,0.8)。节点的队列可以容纳300消息,节点的通信半径为20 m,和信道的带宽是25 kbit / s。
4.2。节点移动速度对性能的影响
4.2.1。准备节点移动速度的影响信息传输的平均成功率
节点移动速度的影响平均信息传输成功率如图6。随着节点的移动速度的增加,平均信息传输协议的成功率和直接交付算法在本文中继续增加,而洪水算法的平均信息传输成功率逐渐增加。在这个协议和直接发送算法,随着节点的移动速度增加,节点和基站之间的通信节点之间的机会和增加,这就需要转发节点有更多的机会来选择合适的中继节点转发信息。此外,从图可以看出,最初的重要性仍然影响信息传输的平均成功率。
4.2.2。节点移动速度的影响平均网络开销
节点移动速度的影响平均网络开销图所示7。随着节点移动速度的增加,这个协议的平均网络开销略有增加。由于节点的通信半径是固定在20米,随着节点的移动速度的增加,网络拓扑变化加速,节点的相遇概率和传输概率也不断变化。部分信息将不同节点之间来回转发,从而增加节点信息传输频率。
4.3。节点队列长度对性能的影响
4.3.1。节点平均队列长度的影响信息传输的成功率
节点平均队列长度的影响信息传输成功率如图8。从结果在图中,可以看出,随着节点队列长度的增加,直接交付的平均信息传输成功率算法并没有改变太多。与节点的队列长度的增加,洪水算法的性能相对提高。由于队列空间的增加,节点可以存储更多的信息,和它的概率也会增加一个消息到达基站。的平均信息传输成功率协议摘要队列长度的增加而增加,和改进范围比之前的两个算法。主要原因是本文中的协议有一个有效的队列管理策略。此外,当节点队列的长度很短,很容易溢出和信息丢弃。只有当节点队列的长度增加到一定规模,最初的重要性会影响信息的平均传输成功率,而且会有很大的差距。
4.3.2。节点平均队列长度的影响的网络开销
节点平均队列长度的影响网络开销图所示9。这个协议的通信开销的增加略有增长的节点队列,表明该协议的高效队列管理策略可以控制网络开销和洪水算法。平均网络开销随着队列的增长急剧上升。这是由于节点拥有更多的空间来存储更多的信息和发送到网络。
4.4。基站数量对性能的影响
4.1.1。基站的数量的影响信息传输的平均成功率
图10显示的影响基站的数量平均信息传输成功率。当基站的数量发生变化时,本文提出的协议有更好的平均信息传输成功率比其他两种算法。当最初的重要性程度影响更大的平均信息传输成功率,最初的重要性程度价值越大,平均信息传输成功率越高。当基站的数量很大,遇到基站节点的概率较高。因此,协议的性能提出了类似于直接交付的算法,和平均信息传输成功率可以达到最高的100%。然而,洪水算法的平均信息传输成功率增加而增加基站的数量,但它远低于前两个协议。原因是信息的信息产生许多副本在洪水过程中,节点的队列空间有限,导致信息溢出和数据包丢弃。
10/24/11。的影响基站的数量平均网络开销
图11显示的影响基站的数量平均三个算法的网络开销。从图可以看出,平均每个节点发送的消息数量的直接交付算法至少和平均网络开销也较低。这是因为直接交付中的每个节点算法基本上只有发送信息生成的本身。在洪水算法中,一般由一个节点发送的消息数量远远高于其他两种算法。对于本文提出的协议,随着基站数量的增加,节点的平均网络开销略有减少。有两个原因:首先,更多的基站部署,更大的节点和基站之间的通信机会,因此更高的传输概率。第二,啤酒花的数量从源节点到基站的信息减少,和转发的信息节点的平均数量减少。
本章提出了一种自适应移动传感器网络的数据收集协议,包括两个部分:信息传输和队列管理。与现有的无线传感器网络数据收集协议,它可以满足不同的转发服务质量要求和适用于移动数据采集场合,多种类型的参数。仿真实验结果表明,本文提出的数据收集协议可以动态地提供不同的信息重要性水平。不同的传输质量有效地减少网络开销。
5。结论
无线传感器网络的研究结果有明显的应用前景和潜在的工业经济价值传染病预防、灾害预警、国防、环保。研究结果有明显的应用前景在疾病预防、灾害预警等方面,具有潜在的工业经济价值。基于当前无线传感器网络的最新发展,基于运动的实际应用,特别研究基金的支持下的科学技术部,本文进行研究运动训练系统的设计基于无线传感器网络和移动监控和识别。它专注于无线传感器网络的网络结构及其在体育领域的应用前景。无线传感器网络数据采集技术的研究现状进行了分析,并总结了近年来代表数据采集算法。的基础上,总结和分析现有的无线传感器网络数据收集机制,移动传感器网络自适应数据收集机制提出了适合移动目标数据收集。基本思想是动态信息复制到传感器节点与基站进行通信,以最大化传输成功率和减少网络开销。
数据可用性
没有数据被用来支持本研究。
的利益冲突
作者宣称没有利益冲突。