基于STM32的運動分析裝置設計與研究

方曉明，蘇凱雄

(福州大學 物理與信息工程學院，福建 福州 350002)

0　引言

研究表明，隨著運動健康的理念深入人心，智能手環作為一款簡單、方便的可穿戴裝置越來越普及，已從最初的計步擴展到面向醫療、安全、運動等特定領域。目前智能手環在乒乓球、羽毛球運動上并未有對應的成熟產品[1]。

本文設計的可穿戴的面向乒乓球、羽毛球的運動分析裝置，具有一定的研究和市場價值。該方案通過運動傳感器采集運動數據經由STM32預處理后通過藍牙模塊將數據傳輸至安卓終端進行運動狀態的識別和分析。

1　系統組成

設計的系統組成如圖1所示，主要包含：AMR處理器、運動傳感器、藍牙模塊、安卓終端等。

圖1　系統組成框圖

ARM處理器選取STM32F103CBT6，其具有高性能、低功耗、低成本的特點。該芯片為F103增強型系列，增強型系列時鐘頻率達到72 MHz，具有128 KB Flash，滿足Flash容量的需求[2]。

選取MPU6050作為運動傳感器芯片。MPU6050為全球首例整合性6軸運動處理組件，相較于多組件方案，免除了組合陀螺儀與加速器時間軸之差的問題，減少了大量的封裝空間[3]。由于為腕帶類產品，因此需要在體積、重量上進行有效的控制。此外運動傳感器的數據需求為3軸的加速度傳感器數據以及3軸的角速度傳感器數據，因此MPU6050滿足需求。

交互方式采用小體積藍牙BLE4.0模塊。相比傳統藍牙速度更快，覆蓋范圍更廣，安全性更高，功耗更低[4]。

安卓終端主要負責運動數據的識別和分析、分析結果的呈現以及對手環的控制功能。

2　底層系統設計方案

2.1　STM32程序設計

STM32程序設計主要涉及對自身資源的初始化操作、對外設的控制管理功能、低功耗方案的實現，設計流程圖如圖2所示，最終實現將采集到的運動數據進行存儲、預處理、藍牙轉發以及安卓終端解析。并且通過低功耗設計，實現工作/待機的轉換，提升續航能力。

圖2　STM32程序設計流程圖

(1)STM32的初始化操作

STM32初始化操作對象包括：系統時鐘、GPIO、串口、中斷向量等。

(2)STM32對外設的管理控制功能

STM32通過I2C獲取MPU6050的運動特征數據，對數據進行預處理，按自定義協議對數據封包，通過藍牙傳輸數據至移動終端，并通過藍牙接收來自移動終端的控制指令，根據控制指令響應操作。

(3)低功耗模式設計

STM32除了完成以上的基本功能，還要滿足低功耗的設計需求。STM32有3種低功耗模式：睡眠模式、停機模式、待機模式。

綜合表1的分析比較，設計采用停機模式。首先，睡眠模式功耗最高，續航能力提升不明顯。其次，待機模式功耗雖然最低，僅為2 μA，但是只有特定引角可以喚醒，實時性不是很好。再者，停機模式功耗20 μA滿足設計需求，且通過合理的設計，可由串口數據進行喚醒，喚醒方便。

表1　STM32各模式下功耗對比

設計采取的低功耗方案為：開機即進入低功耗模式，當藍牙成功連接后移動終端發送指令使STM32恢復到正常工作模式。當藍牙斷開連接前移動終端發送指令使STM32再次進入低功耗模式。

2.2　藍牙模塊通信管理

采用的藍牙芯片USR-BLE101具有體積小、功耗低等特點，并且有多種低功耗模式可供選擇，可進一步提高續航能力。藍牙通信需要設置一套可靠的用戶數據接口通信協議，從而預防藍牙通信過程中可能存在的丟包、錯包現象，保證運動分析算法的可靠進行。

如表2所示，藍牙模塊具有3種低功耗模式可供選擇，設計采用深度睡眠模式，通過藍牙連接即可喚醒，實時性較好，功耗也在合適范圍。

表2　藍牙模塊低功耗模式對比

藍牙模塊的優勢是體積小、功耗低，但對于數據傳輸速率有一定的要求，當速率太快時容易出現錯包丟包現象。因此通過設置延時將傳輸速率控制在1.3 KB/s。

由于藍牙通信速率和數據包大小的限制，本協議定義的傳輸數據包長度為20 B每包。每包以固定包頭“$DATA”開頭，“*”加上1 B校驗字段結尾，內容包含加速度、角速度與電量數據字段。校驗字段用來對APP接收數據進行校驗，如校驗和不符，則說明該包在傳輸過程中由于傳輸信道的影響造成數據的部分丟失或者錯誤，丟棄本條數據，從而過濾誤碼數據，增強分析可靠性。

3　運動分析算法設計

將裝置佩戴于握拍手腕，運動傳感器采集的運動數據通過藍牙傳輸給移動終端，移動終端通過支持向量機的機器學習方法對運動數據進行學習，用于動作識別與分析[5]。

3.1　運動類型判別

設計需在運動開始后一段時間識別出運動類型，即乒乓球還是羽毛球。因此，需要對兩項運動的特征進行分析。兩項運動的主要區別如下:

(1)揮拍加速度值不同

羽毛球的場地相對乒乓球場地更大，而高遠球具有較遠的傳輸范圍，是比較頻繁的動作之一。執行高遠球時揮拍加速度較大。

(2)跳擊動作

乒乓球運動一般不存在跳擊動作；而羽毛球由于攔網的高度在執行扣殺時需要選手跳到合適的高度進行跳擊。

(3)1 s內執行動作的次數

因為羽毛球場地空間的原因，往往在1 s內無法執行多次有效擊球動作。相反，乒乓球在對攻時，1 s內頻繁出現多次擊球的情況。

3.2　平均揮拍速度計算

運動傳感器獲取3軸加速度數據和3軸角速度數據。所得到的加速度和角速度都是直角坐標系下的三維向量。單純使用加速度求積分得到的速度信息會累積偏差導致失效，因此本文采用以下方案。

首先，定義初始時刻的坐標系為基準坐標系，通過累加轉動角度，得到各時刻在基準坐標系下的轉換矩陣。其次，將該時刻的加速度，根據轉換矩陣變換到基準坐標系下。利用矯正后的加速度計算每個采樣時刻的速度，并換算成km/h。

矩陣變換公式如下：

(1)

3.3　運動分析算法

通過運動分析算法分析更加精細的動作，如乒乓球的拉球、搓球、削球以及羽毛球的扣殺、吊球、高遠球等。

觀測運動傳感器采集運動員的運動數據發現，每一個擊球動作均有動作起始點和動作結束點，即每個動作存在一個有效區間。分割動作的作用區間，提取動作區間的統計特征信息(均值、方差、峰值、偏斜等)作為支持向量機的輸入特征向量，結合每個動作的類型(即標簽)進行訓練，得到訓練完備的分類器，實現對擊球動作的精細分類，具體流程如圖3所示。

圖3　運動分析算法流程圖

首先進行運動數據的讀取，對x、y、z軸的加速度做平方和操作，得到總加速度。通過離散小波變換去除含有噪聲的細節信號，保留近似信號。

其次，訓練時對總加速度數據按窗口劃分，設置窗口大小及滑動步長。具體如下：從第一個點開始，以13為步長進行窗口劃分，在每個窗口內部進行求峰值處理，獲得大于閾值點的峰值坐標，對這些峰值數據的橫坐標進行處理，判斷相鄰的兩個峰值的橫坐標差的絕對值是否小于10，如果小于10，則去除峰值較小的那個峰值信息。測試時，設置窗口大小為20，步長為10，相鄰峰值間橫坐標差值的絕對值不小于5。

再次，利用獲得的峰值信息，選取相同長度的區間作為動作有效區域。對該區間6個軸的信息進行特征提取，包括平均值、方差、偏態、峰度、FFT的直流成分等。每一組數據可以獲得30維的特征。將特征進行歸一化處理，得到最終的樣本集。訓練部分為將特征信息的訓練集放入SVM中得到訓練模型。測試部分為用測試集測試獲得動作標簽。

4　系統測試

4.1　低功耗模式測試

低功耗模式的測試方案為：將裝置連接直流穩壓電源，實時觀察直流穩壓電源的電壓值、電流值。根據電壓和電流的變化判定手環是否進入低功耗模式和退出低功耗模式。測試結果如表3所示。通過測試可以發現，本文所設計的低功耗模式可以較好地降低功耗，提升運動分析裝置的續航能力。

表3　低功耗模式測試情況

4.2　動作識別分析算法測試

采集乒乓球運動員的動作作為訓練集，訓練的動作分為8類，分別是反手搓球、正手搓球、反手拉球、正手拉球、反手推球、正手推球、反手削球和正手削球。訓練時，把訓練數據按照算法流程進行處理獲得對應的特征向量，將特征向量放入SVM模型中得到訓練后的模型。羽毛球數據采取類似方案獲取。

實際測試時，運動員佩戴裝置于手腕處進行一段時間的運動，測試分析結果如圖4所示。

圖4　運動分析APP界面

對結果進行分析發現，該裝置能正確識別出動作類型為乒乓球運動，并且可以檢測出揮臂次數、揮臂速度、步數、跳擊、拉球、搓球、削球的對應數據。

5　結論

隨著谷歌眼鏡的亮相，人們步入了“智能可穿戴設備元年”，市場上出現了各種各樣的智能可穿戴設備[6]。同時，羽毛球和乒乓球兩項運動在國內擁有廣大運動群體，乒乓球更是被稱為“國球”。但通過分析顯示，目前智能穿戴市場上面向以上兩種運動的智能設備種類很少，且技術上仍有一定不足。因此本文設計了一款面向乒乓球、羽毛球運動的低功耗運動分析裝置，用于實時檢測兩項運動的運動狀態，并且能識別分析出具體的運動項目以及動作類型。該設計對于乒乓球、羽毛球運動愛好者的運動體驗具有一定意義。

[1] 鄒月輝, 譚利. 我國體育用品智能化發展研究——以可穿戴式運動產品為例[J]. 南京體育學院學報(社會科學版), 2015(4):87-91.

[2] 楊志萌. 嵌入式紅外輻射計人機交互系統的設計與實現[D]. 青島：中國海洋大學, 2013.

[3] 馬玉猛. 通用航空飛機航姿數據獲取與分析技術研究[D]. 廣漢：中國民用航空飛行學院, 2016.

[4] 王德生. 全球智能穿戴設備發展現狀與趨勢[J]. 競爭情報, 2015, 11(5):52-59.

[5] 羅瑜. 支持向量機在機器學習中的應用研究[D]. 成都：西南交通大學, 2007.

[6] 陶澤榮. 可穿戴設備期待成為消費電子市場新增長點[J]. 世界電信, 2015(9):48-53.