基于纳米传感器的跳跃式滑雪轨迹数据快速挖掘研究

史庆军

关键词：纳米传感器；跳跃式滑雪；轨迹数据挖掘；误差校正；滤波处理

中图分类号：TP391 文献标识码：A

文章编号：1009-3044（2023）10-0005-04

0 引言

随着冬季运动潮流的逐步兴起，越来越多的运动爱好者投入滑雪运动中[1]。但滑雪运动的难度相对较高，尤其是跳跃式滑雪，导致滑雪爱好者的人身安全受到威胁[2]。纳米传感器是测量物理量并将这些量转换为可以检测和分析信号的纳米级设备，本文将其应用于跳跃式滑雪轨迹数据获取过程中，能够保证数据采集精度与效率。而挖掘滑雪轨迹数据的主要目的是依照目标的历史滑雪轨迹，分析滑雪运动的规律，由此对未来的滑雪运动趋势进行预测[3]，以此有效解决滑雪运动所带来的安全威胁。国内外相关学者对于运动轨迹数据挖掘进行了大量研究。文献[4]提出了一种基于流数据的运动轨迹数据挖掘方法，将可穿戴传感器安装在监控对象上，利用传感器采集监控对象运动、音频和视频传感数据，整合这些传感器输出的数据流，并对这些数据进行统计与整合处理，完成运动轨迹数据挖掘。文献[5]提出了一种基于自适应动态粒子群优化算法和双向长短时记忆神经网络的运动轨迹数据挖掘方法，利用优化后的神经网络对轨迹数据进行挖掘，以此提升数据挖掘性能。文献[6]提出了一种DBSCAN聚类算法的运动轨迹数据挖掘方法。分析历史运动轨迹数据，采用DBSCAN聚类算法对这些数据进行聚类处理，增量轨迹合并方法提取运动轨迹特征，以此自动提取目标运动信息。针对这些问题，提出基于纳米传感器的跳跃式滑雪轨迹数据快速挖掘方法，采集跳跃式滑雪目标的多个信号，并对这些信号进行处理，以此解决因跳跃式滑雪环境较为复杂对数据采集工作的干扰，为后续研究提供重要的数据基础。确定目标当前姿态，通过姿态解算实现数据快速挖掘，通过姿态解算能够确定跳跃式滑雪运动员的当前姿态，以此提升数据挖掘精度。

1 跳跃式滑雪轨迹数据快速挖掘方法

1.1 基于纳米加速度传感器的跳跃式滑雪轨迹数据初步获取

纳米加速度传感器的设计主要以双面抛光处理的高阻单晶硅为基础[7-8]，采用互补金属氧化物半导体技术与MEMS技术（Microfabrication Process，纳米至毫米尺度区间的微结构加工工艺）设计单臂梁-质量块结构[9]，由此完成目标加速度数据获取。

分析图1可知，纳米加速度传感器架构分为質量块、悬臂梁、弹簧、壳体等组成。作为一种力学传感器，纳米加速度传感器在检测目标跳跃式滑雪加速度过程中以牛顿力学定律为基础，运动目标在加速度a开始跳跃式滑雪的条件下，质量块会获取一个同加速度相反的惯性力，其同加速度之间持续保持正比例关系，由此悬臂梁形成弹簧应力与应变。在此条件下，附着于悬臂梁上的扩散电阻的阻值将依照硅的压阻效应形成和应变成正比的波动[10]，以此为电桥的一个桥臂，利用检测电桥输出电压的波动情况，实现目标跳跃式滑雪过程中的加速度的检测。

2 实验分析与结果

2.1数据集

选择Ski Area Dataset数据集和UCF体育数据集作为实验数据集。其中Ski Area Dataset数据集包含多名受试者在23～30岁执行的11个动作。UCF体育数据集：包括从各种体育运动中收集的一系列动作，该数据集共包含150个序列，分辨率为720×480，该集合代表了各种场景和视点中的自然行动池，其中也包含滑雪运动。在Ski Area Dataset数据集和UCF体育数据集选择500组数据作训练集，100组数据作为训练集，将训练集中的数据对仿真软件进行训练，以此确定仿真软件是否能够正常运行，在仿真软件运行正常情况下，将实验集数据输入仿真软件，测试本文方法的实际应用效果。

2.2实验结果

将本文方法、文献[4]方法、文献[5]方法、文献[6]方法作为实验对比方法，通过比较不同的实验指标来验证不同方法的应用效果。其中，F1值和数据挖掘误差作为实验指标，以验证不同方法的应用效果。

分析表1中的F1值比较结果可知，本文方法的平均F1值为0.96，分别比文献[4]方法、文献[5]方法、文献[6]方法、文献[7]方法、文献[8]方法这几种方法高出了0.4、0.31、0.26、0.25、0.15，说明与这几种方法相比，本文方法的数据挖掘性能更优。

分析表2得到，对于滑雪目标1，X轴、Y轴、Z轴误差分别为0.05 mm、0.13 mm、0.11 mm，比文献[4]方法低0.79 mm、1 mm、1.17 mm，比文献[5]方法低0.61mm、0.94 mm、0.87 mm，比文献[6]方法低1.73 mm、0.58 mm、0.88 mm，综合来看采用本文方法和五种对比方法进行目标跳跃式滑雪轨迹数据挖掘时，本文方法的轨迹数据挖掘误差与五种对比方法相比更低，由此说明本文方法与五种对比方法相比能够更准确地挖掘目标跳跃式滑雪轨迹数据。

3 结论

本文研究基于纳米传感器的跳跃式滑雪轨迹数据快速挖掘。利用纳米传感器初步获取跳跃式滑雪轨迹数据，通过构建坐标系等过程求解跳跃式滑雪姿态信息，实现跳跃式滑雪姿态数据快速挖掘。实验结果表明，本文方法的平均F1值为0.96，对于滑雪目标1，X 轴、Y 轴、Z 轴误差分别为0.05 mm、0.13 mm、0.11mm，能实现跳跃式滑雪轨迹数据快速精准挖掘。由于本文在挖掘到跳跃式滑雪轨迹数据并未对其进行分类处理，数据可用性有所下降，在未来研究过程中需要对数据挖掘结果进行分类，以此促进跳跃式滑雪轨迹数据挖掘方法性能的进一步提升。