技术领域
本发明属于体育训练器材领域，特别涉及一种木人桩运动系统及其运动优化方法。
背景技术
木人桩是中国功夫咏春拳锻炼身手的一种常见器材，目前市面上出现的木人桩，其结构与功能均较为单一，只能满足用户的日常练习需求，无法实现对用户在打击木人桩时所产生的作用力的大小、方向、位置以及打击频率进行精准的测量，也无法实现对用户打击木人桩的运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数，特别是对发力的肌肉进行测量，而发力的正确与否是锻炼身手的关键因素之一，由于用户的生理状态，如力量大小、身高或反应速度快慢均各有差异，同一个套路并不适合每个人使用，这样，对于用户而言，现有的木人桩很难快速掌握动作的练习要领，特别是适合用户本身的发力、由运动变化组成的运动姿势、乃至多个运动姿势组成的套路，现有的木人桩难以精确地针对用户基于自身生理条件的差异以进行有针对性的指导，提高训练效果。
专利文献1公开的一种功夫桩，包括一桩身，在所述桩身的上端垂直于所述桩身设有第一桩手和第二桩手，在所述桩身的中部垂直于所述桩身还设有第三桩手，所述桩身的下端还设有垂直于所述桩身的桩脚，所述桩身的底端还设有桩身底盘，所述第一桩手、第二桩手、第三桩手以及所述桩脚均设置在所述桩身的同一侧，在所述桩身与所述第一桩手、第二桩手、第三桩手以及所述桩脚的连接处均设置有测力装置，所述桩身底盘上也设有测力装置，在所述桩身上端的一侧还设有显示装置，所述显示装置与所述测力装置均与计算机相连。该专利在功夫桩内设置测力装置，但该专利没有解决对用户在打击木人桩时所产生的作用力的方向、位置以及打击频率进行精准的测量，也无法实现对用户打击木人桩的运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。
专利文献2公开的一种武术散打力量训练器，主要包括底座(1)、立柱(3)、训练基座(5)和训练桩(6)，所述底座(1)上开有若干螺栓孔(2)以实现和地面的锁紧固定；所述底座(1)的上端中心处固定有立柱(3)，所述立柱(3)的高矮可调，通过调节旋钮(4)固定在适当的位置；所述立柱(3)的上端与训练基座(5)固定连接，在训练基座(5)上分别开有训练桩竖向插入孔道(7)和若干训练桩周向插入孔道(8)；所述训练桩(6)的内部中空，内置有一个单片机构成的智能控制系统，所述智能控制系统配合有无线数据发送模块、存储器单元、语音驱动单元和扬声器；所述训练桩(6)的外壁由内置外依次分布压力传感层和皮垫层，所述压力传感层由若干压力传感器沿训练桩(6)周向分布而构成；若干压力传感器的采样信号输出端分别经信号电缆连接至所述单片机的对应采样信号输入端；所述训练桩(6)与训练基座(5)之间为插拔式连接。该专利当受训者所进行的武术散打力量不符合要求时及时发出语音提醒，并通过无线模块告知教练前来及时纠正，从而提高训练效果，但该专利没有解决对用户在打击木人桩时所产生的作用力的位置以及打击频率进行精准的测量，也无法实现对用户打击木人桩的运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。
专利文献3公开了一种木人桩游戏机，包括桩身(1)和控制器，桩身(1)上安装至少两个桩手(2)，每个桩手(2)上均安装有传感器，桩身(1)上安装指示灯(5)，指示灯(5)的数量与桩手(2)的数量相等，控制器包括控制器壳体(7)，控制器壳体(7)内安装线路板(8)，线路板(8)上安装控制芯片(9)，控制器壳体(7)上安装防守指示灯(10)、攻击指示灯(11)和错误提示灯(12)，桩身(1)上安装压力传感器(6)，压力传感器(6)、防守指示灯(10)、攻击指示灯(11)、错误提示灯(12)、各指示灯(5)和各传感器分别通过导线与线路板(8)连接。该专利装有控制器、传感器和压力传感器，既可煅炼使用者的反应速度，又可测得、显示和记录使用者的练习成果，但该专利没有解决对用户在打击木人桩时对用户打击木人桩的运动状态变化、以及由运动变化组成的各种运动姿势的准确性进行测量，更无法实现对用户的生理参数进行测量，无法自动形成特别适合用户个人的运动状态、运动姿势乃至套路，无法进行有针对性的指导以提高训练效果。
因此，有必要提供一种能够实时测量用户在打击木人桩时所产生的作用力的方向、位置以及打击频率，测量用户打击木人桩的运动状态变化、以及由运动变化组成的各种运动姿势，以及测量用户的生理参数，自动形成特别适合用户个人的运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果的木人桩运动系统及其运动优化方法。
现有技术文献
专利文献
专利文献1：中国专利公开CN201832387U号
专利文献2：中国专利公开CN203329319U号
专利文献3：中国专利公开CN201431769Y号
发明内容
本发明人等为了达成上述目的而进行了深入研究，具体而言，本发明提供一种木人桩运动系统，木人桩运动系统包括木人桩、测量木人桩所经受作用力的测量装置、用于测量用户运动状态的惯性测量模块、测量用户生理状态的生理测量模块以及无线连接所述测量装置、惯性测量模块和生理测量模块的服务器。
所述木人桩包括：
底座，所述底座为配重结构，
桩身，其可升降地连接所述底座，所述桩身包括至少一个环绕桩身的打击层、第一安装孔、第二安装孔、第三安装孔和第四安装孔，可拆卸连接第一安装孔的第一桩手、第二安装孔的第二桩手和第三安装孔的第三桩手包括逐渐变细的桩手本体和用于固定安装的固定件，可拆卸连接第四安装孔的桩脚包括水平的第一段和倾斜向下的第二段。
测量装置包括分别测量所述第一桩手、第二桩手、第三桩手、桩脚和/或打击层的作用力大小及方向的第一力传感器、第二力传感器、第三力传感器、第四力传感器和第五力传感器，当木人桩被打击时，第一力传感器、第二力传感器、第三力传感器、第四力传感器和第五力传感器测量作用力的大小和方向且测量装置同时记录作用力位置和打击时间，
所述惯性测量模块包括分别测量拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量的惯性测量单元以及测量用户重心变化的重心传感器，所述惯性测量单元包括测量三维平移矢量的加速度传感器和测量三维转动矢量的陀螺仪，
生理测量模块包括分别测量拳头、手臂、腰部、腿部、腹部和背部的肌肉振动的麦克风振动传感器、测量心率的心率传感器、测量血压的血压传感器、测量呼吸频率的频率传感器和测量血氧浓度的红外血氧浓度传感器，
服务器包括数据采集装置和处理装置，其中，
数据采集装置，其采集不同打击状态下测量装置测量作用力信号、所述惯性测量模块测量的用户运动信号和生理测量模块测量的用户生理信号，所述作用力信号包括基于每次打击时间下的作用力位置、作用力大小和作用力方向数据，所述运动信号包括拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量和重心变化数据，所述生理信号包括拳头、手臂、腰部、腿部、腹部和背部肌肉振动数据、心率、血压、呼吸频率和血压浓度数据；
处理装置，用于大数据训练得出优化的运动姿势及相应的作用力信号和生理信号的处理装置包括：
数据预处理装置，其对作用力信号、运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数；
归一模块，其对特征参数进行归一化获得归一化特征向量；
分类器模型模块，其基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；
粒子群优化单元，其利化粒子群算法不断优化分类器模型得到最优分类器模型；
训练模块，其训练模型和测试数据；
显示界面，将特征参数导入最优分类器模型显示所得到的运动姿势数据，所述运动姿势数据包括随着运动信号变化的优化的作用力信号和生理信号。
在所述的木人桩运动系统中，数据数据预处理装置包括基于预定条件筛选作用力信号的筛选器，所述预定条件为作用力位置处于预定位置范围和/或所述作用力大小和方向处于预定作用力矢量范围，所述数据预处理装置对符合预定条件的作用力信号，以及相应时间下的运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数。
在所述的木人桩运动系统中，所述生理测量模块设有计算基于时间的生理状态曲线的计算单元。
在所述的木人桩运动系统中，分类器模型模块包括PCA计算单元，所述PCA计算单元基于归一化特征向量计算样本的协方差矩阵的特征值及特征向量作为每一维用于区分全部数据的贡献率，按照贡献率大小进行排列组成模式向量，选择主成成分，其中协方差公式如下Cn×n＝(ci,j,ci,j＝cov(Dimi,Dimj))，其中xi,yi两个维度的随机变量，为两个维度的变量平均值，cov(x,y)表示X和Y两个随机变量的协方差，Cn×n表示n维数据的协方差，Dim表示数组维数，n表示该数组样本维数,i为n个样本维数中的第i个。
在所述的木人桩运动系统中，所述底座设有吸盘，第一桩手、第二桩手和/或第三桩手长28-30厘米，桩身高165-170厘米，桩脚长68-75厘米，高55-60厘米，第一桩手和第二桩手间距28-30厘米且第一桩手和第二桩手水平平齐或一高一低，第一桩手、第二桩手、第三桩手和桩脚在桩身的同一侧。
在所述的木人桩运动系统中，所述服务器为云端服务器，云端服务器包括处理器、硬盘、内存、总线和用于与测量装置、惯性测量模块和生理测量模块以统一格式交互的无线通信设备，所述无线通信设备至少包括无线局域网通信设备和/或移动通信网络设备，无线局域网通信设备包括蓝牙、ZigBee和/或Wi-Fi模块，所述移动通信网络设备包括2G无线通信芯片、3G无线通信芯片和/或4G无线通信芯片。
在所述的木人桩运动系统中，所述服务器包括提醒装置，当测量的拳头、手臂、腰部、腿部、腹部和背部肌肉振动、心率、血压、呼吸频率和/或血氧浓度中任一或多个相应超出了预设的肌肉振动区间、心率区间、血压区间、呼吸频率区间和/或血氧浓度区间时，所述提醒装置发出警示，所述提醒装置包括振动器、蜂鸣器和/或LED灯。
在所述的木人桩运动系统中，处理装置包括数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA，处理装置包括存储器，所述存储器可以包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。
在所述的木人桩运动系统中，所述惯性测量模块经由柔性固定件附接到用户，所述柔性固定件为附接到拳头、手臂、手肘、腰部、腿部、膝盖和脚背的柔性袋或绷带。
根据本发明的另一方面，一种利用所述的木人桩运动系统的运动优化方法包括以下步骤：
用户打击木人桩，第一力传感器、第二力传感器、第三力传感器、第四力传感器和第五力传感器测量作用力的大小和方向且测量装置同时记录作用力位置和打击时间；
惯性测量单元分别测量拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量以及重心传感器测量用户重心变化；
振动传感器分别测量拳头、手臂、腰部、腿部、腹部和背部的肌肉振动、心率传感器测量心率、血压传感器测量血压、频率传感器测量呼吸频率和红外血氧浓度传感器测量血氧浓度；
服务器包括数据采集装置和处理装置，其中，
数据采集装置采集不同打击状态下测量装置测量作用力信号、所述惯性测量模块测量的用户运动信号和生理测量模块测量的用户生理信号；
数据预处理装置对作用力信号、运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数；
归一模块对特征参数进行归一化获得归一化特征向量；
分类器模型模块基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；
粒子群优化单元利化粒子群算法不断优化分类器模型得到最优分类器模型；
训练模块训练模型和测试数据；
处理装置通过大数据训练得出优化的运动姿势及相应的作用力信号和生理信号；
显示界面显示所得到的运动姿势数据。
本发明的技术效果如下：
本发明的木人桩运动系统通过测量木人桩所经受作用力的测量装置、用于测量用户运动状态的惯性测量模块、测量用户生理状态的生理测量模块以实时获得基于每次打击时间下的作用力位置、作用力大小和作用力方向数据，拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量和重心变化数据，拳头、手臂、腰部、腿部、腹部和背部肌肉振动数据、心率、血压、呼吸频率和血压浓度数据，获得了实时的用户在打击木人桩时所产生的作用力数据，运动状态变化、以及由运动变化组成的各种运动姿势，以及用户的生理参数，显著提高了测量的丰富性和准确性，处理装置通过大数据训练得出优化的运动姿势及相应的作用力信号和生理信号，自动形成特别适合用户个人的运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果，根据具体需要，本方法还可以基于打击频率获得优化运动姿势，基于作用力大小的优化运动姿势，基于打击位置获得优化运动姿势，基于作用力方向获得优化运动姿势，乃至通过运动姿势的组合形成适合用户本身生理条件的套路。
附图说明
图1为本发明木人桩运动系统的一实施方式的整体结构示意图。
图2为本发明木人桩运动系统的一实施方式的木人桩的立体示意图。
图3为本发明木人桩运动系统的一实施方式的木人桩的结构示意图。
图4为本发明利用木人桩运动系统的运动优化方法的步骤示意图。
符号说明：
1木人桩；
2测量装置；
3惯性测量模块；
4生理测量模块；
5服务器；
6底座；
7桩身；
8打击层；
9第一安装孔；
10第二安装孔；
11第三安装孔；
12处理装置；
13提醒装置；
14第四安装孔；
15第一桩手；
16第二桩手；
17第三桩手；
18桩手本体；
19固定件；
20桩脚；
21第一段；
22第二段；
23第一力传感器；
24第二力传感器；
25第三力传感器；
26第四力传感器；
27第五力传感器；
28惯性测量单元；
29重心传感器；
30加速度传感器；
31陀螺仪；
32麦克风振动传感器；
33心率传感器；
34血压传感器；
35频率传感器；
36红外血氧浓度传感器；
37数据采集装置；
38数据预处理装置；
39归一模块；
40分类器模型模块；
41粒子群优化单元；
42训练模块；
43显示界面。
具体实施方式
下面将参照附图更详细地描述本发明的具体实施例。虽然附图中显示了本发明的具体实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
需要说明的是，在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可以理解，技术人员可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名词的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”或“包括”为一开放式用语，故应解释成“包含但不限定于”。说明书后续描述为实施本发明的较佳实施方式，然所述描述乃以说明书的一般原则为目的，并非用以限定本发明的范围。本发明的保护范围当视所附权利要求所界定者为准。
为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个附图并不构成对本发明实施例的限定。
具体而言，如图1所示本发明的木人桩运动系统，一种木人桩运动系统包括木人桩1、测量木人桩1所经受作用力的测量装置2、用于测量用户运动状态的惯性测量模块3、测量用户生理状态的生理测量模块4以及无线连接所述测量装置2、惯性测量模块3和生理测量模块4的服务器5。
图2为本发明木人桩运动系统的一实施方式的木人桩的立体示意图，如图2所示，所述木人桩1包括：
底座6，所述底座6为配重结构，
桩身7，其可升降地连接所述底座6，所述桩身7包括至少一个环绕桩身7的打击层8、第一安装孔9、第二安装孔10、第三安装孔11和第四安装孔14，可拆卸连接第一安装孔9的第一桩手15、第二安装孔10的第二桩手16和第三安装孔11的第三桩手17包括逐渐变细的桩手本体18和用于固定安装的固定件19，可拆卸连接第四安装孔14的桩脚20包括水平的第一段21和倾斜向下的第二段22，
测量装置2包括分别测量所述第一桩手15、第二桩手16、第三桩手17、桩脚20和/或打击层8的作用力大小及方向的第一力传感器23、第二力传感器24、第三力传感器25、第四力传感器26和第五力传感器27，当木人桩1被打击时，第一力传感器23、第二力传感器24、第三力传感器25、第四力传感器26和第五力传感器27测量作用力的大小和方向且测量装置2同时记录作用力位置和打击时间，
所述惯性测量模块3包括分别测量拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量的惯性测量单元28以及测量用户重心变化的重心传感器29，所述惯性测量单元28包括测量三维平移矢量的加速度传感器30和测量三维转动矢量的陀螺仪31，
生理测量模块4包括分别测量拳头、手臂、腰部、腿部、腹部和背部的肌肉振动的麦克风振动传感器32、测量心率的心率传感器33、测量血压的血压传感器34、测量呼吸频率的频率传感器35和测量血氧浓度的红外血氧浓度传感器36，
服务器5包括数据采集装置37和处理装置44，其中，
数据采集装置37，其采集不同打击状态下测量装置2测量作用力信号、所述惯性测量模块3测量的用户运动信号和生理测量模块4测量的用户生理信号，所述作用力信号包括基于每次打击时间下的作用力位置、作用力大小和作用力方向数据，所述运动信号包括拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量和重心变化数据，所述生理信号包括拳头、手臂、腰部、腿部、腹部和背部肌肉振动数据、心率、血压、呼吸频率和血压浓度数据；
处理装置12，用于大数据训练得出优化的运动姿势及相应的作用力信号和生理信号的处理装置12包括：
数据预处理装置38，其对作用力信号、运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数；
归一模块39，其对特征参数进行归一化获得归一化特征向量；
分类器模型模块40，其基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；
粒子群优化单元41，其利化粒子群算法不断优化分类器模型得到最优分类器模型；
训练模块42，其训练模型和测试数据；
显示界面43，将特征参数导入最优分类器模型显示所得到的运动姿势数据，所述运动姿势数据包括随着运动信号变化的优化的作用力信号和生理信号。
本发明的木人桩运动系统通过测量木人桩1所经受作用力的测量装置2、用于测量用户运动状态的惯性测量模块3、测量用户生理状态的生理测量模块4以实时获得基于每次打击时间下的作用力位置、作用力大小和作用力方向数据，拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量和重心变化数据，拳头、手臂、腰部、腿部、腹部和背部肌肉振动数据、心率、血压、呼吸频率和血压浓度数据，获得了实时的用户在打击木人桩时所产生的作用力数据，运动状态变化、以及由运动变化组成的各种运动姿势，以及用户的生理参数，显著提高了测量的丰富性和准确性，处理装置通过大数据训练得出优化的运动姿势及相应的作用力信号和生理信号，自动形成特别适合用户个人的运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果。
本发明所述的木人桩运动系统的优选实施例，数据数据预处理装置38包括基于预定条件筛选作用力信号的筛选器，所述预定条件为作用力位置处于预定位置范围和/或所述作用力大小和方向处于预定作用力矢量范围，所述数据预处理装置38对符合预定条件的作用力信号，以及相应时间下的运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数。
本发明所述的木人桩运动系统的优选实施例，所述生理测量模块4设有计算基于时间的生理状态曲线的计算单元。
本发明所述的木人桩运动系统的优选实施例，数据预处理装置38设有FIR滤波降噪的FIR低通滤波器，其采用矩形窗函数，采样频率为70kHZ，截止频率15kHz，滤波器阶数65，FFT蝶形频域变换选取4096个点进行蝶形FFT频域变换得到信号频谱图。
本发明所述的木人桩运动系统的优选实施例，归一模块39将不同量纲不同维度数据控制在同一参考系下，公式
其中：x为特征参数集；X是归一化后的参数样本；xmin是全部数据集中的最小值；xmax是全部数据集中的最大值。
本发明所述的木人桩运动系统的优选实施例，分类器模型模块40包括PCA计算单元，所述PCA计算单元基于归一化特征向量计算样本的协方差矩阵的特征值及特征向量作为每一维用于区分全部数据的贡献率，按照贡献率大小进行排列组成模式向量，选择主成成分，其中协方差公式如下Cn×n＝(ci,j,ci,j＝cov(Dimi,Dimj))，其中xi,yi两个维度的随机变量，为两个维度的变量平均值，cov(x,y)表示X和Y两个随机变量的协方差，Cn×n表示n维数据的协方差，Dim表示数组维数，n表示该数组样本维数,i为n个样本维数中的第i个。在一个实施例中，选择作用力打击频率作为主成成分，可以获得基于打击频率的优化运动姿势，在一个实施例中，选择作用力大小作为主成成分，可以获得基于作用力大小的优化运动姿势。
本发明所述的木人桩运动系统的优选实施例，分类器模型模块40通过非线性映射函数把数据映射到高维空间，建立超平面，推出最优分类面公式进而由Lagrange优化求出映射函数，由实验得出最优核函数和SVC分类模型，其中，SVC分类模型如下：
最优核函数表达式如下：K(x,xi)＝exp(-γ||x-xi||2),γ>0，其中，i＝1,2,...,p是用户指定的常数；ξ是松弛变量；p是所给学习数据组的个数,w是权重向量；b为偏置；ξ是松弛变量ξ>0，其表示数据分类的容错性；C是惩罚因子C>0，其用以控制对错分样本惩罚的程度；α1,α2,…,αp是非负拉格朗日乘数，其中，αp>0；样本(x1,x2,…,xp)为支持向量以确定决策边界；y(x)为分类类别。
本发明所述的木人桩运动系统的优选实施例，粒子群优化单元41模拟鸟群捕食行为，初始化一群随机粒子，生成第一代粒子群的空间位置和速度；粒子不断进行迭代，寻求最优解，每次迭代中，粒子都会更新两个极值，一个是粒子本身最优解，另一个是种群整体最优解，粒子本身最优解称作个体极值，种群整体最优解称作全局极值，优化调整粒子惯性权重，当迭代次数小时，动态增加惯性权重，当迭代次数增加时，动态减小惯性权重，同时不断判断是否满足迭代预设极值精度或迭代最大次数，若满足，则收敛到最优值，即优化核函数参数g和惩罚因子C，进而得出最优SVC分类模型。在一个实施例中，粒子速度更新公式如下：
V(t+1)id＝W(t)×V(t)id+C1×rand()×(pbest(t)id-present(t)id)+C2×rand()×(gbest(t)id-present(t)id)
其中，d＝1,2,3,…，n，n为n维空间，i＝1,2,3,…，m，m为种群规模，t为当前进化代数，V(t)id是第i粒子在第t次迭代中第d维速度，W(t)是第t次迭代惯性权重，present(t)id是第i粒子在第t次迭代中第d维位置，pbest(t)id是第i粒子在第t次迭代中第d维个体极值，gbest(t)id当第i粒子在第t次迭代中第d维全局极值，rand()是0到1之间的随机数，C1C2是学习因子.通常C1＝C2＝2。粒子位置更新公式：present(t+1)id＝present(t)id+V(t+1)id，其中，present(t+1)id是第i粒子在第t+1次迭代中第d维位置。在一个实施例中，优化调整粒子惯性权重，当迭代次数小时，动态增加惯性权重，提高其全局寻优能力，避免陷入局部最优。当迭代次数增加时，动态减小惯性权重，提高收敛速度和精度，调节PSO算法的全局与局部寻优能力。惯性权重更新公式：其中，Tmax为最大进化代数，Wend为进化到最大代数时的惯性权重值。Wmin为初始最大惯性权重值。不断进行迭代，同时判断是否满足迭代预设极值精度或迭代最大次数，若满足，则收敛到最优值。
图3为本发明木人桩运动系统的一实施方式的木人桩的结构示意图，如图3所示，本发明所述的木人桩运动系统的优选实施例，所述底座6设有吸盘，第一桩手15、第二桩手16和/或第三桩手17长28-30厘米，桩身7高165-170厘米，桩脚20长68-75厘米，高55-60厘米，第一桩手15和第二桩手16间距28-30厘米且第一桩手15和第二桩手16水平平齐或一高一低，第一桩手15、第二桩手16、第三桩手17和桩脚20在桩身7的同一侧。
本发明所述的木人桩运动系统的优选实施例，所述服务器5为云端服务器，云端服务器包括处理器、硬盘、内存、总线和用于与测量装置2、惯性测量模块3和生理测量模块4以统一格式交互的无线通信设备，所述无线通信设备至少包括无线局域网通信设备和/或移动通信网络设备，无线局域网通信设备包括蓝牙、ZigBee和/或Wi-Fi模块，所述移动通信网络设备包括2G无线通信芯片、3G无线通信芯片和/或4G无线通信芯片。
本发明所述的木人桩运动系统的优选实施例，所述服务器5包括提醒装置，当测量的拳头、手臂、腰部、腿部、腹部和背部肌肉振动、心率、血压、呼吸频率和/或血氧浓度中任一或多个相应超出了预设的肌肉振动区间、心率区间、血压区间、呼吸频率区间和/或血氧浓度区间时，所述提醒装置发出警示，所述提醒装置包括振动器、蜂鸣器和/或LED灯。
本发明所述的木人桩运动系统的优选实施例，处理装置44包括数字信号处理器、专用集成电路ASIC或现场可编程门阵列FPGA，处理装置44包括存储器，所述存储器可以包括一个或多个只读存储器ROM、随机存取存储器RAM、快闪存储器或电子可擦除可编程只读存储器EEPROM。
本发明所述的木人桩运动系统的优选实施例，所述惯性测量模块3经由柔性固定件附接到用户，所述柔性固定件为附接到拳头、手臂、手肘、腰部、腿部、膝盖和脚背的柔性袋或绷带。
图4为本发明利用木人桩运动系统的运动优化方法的步骤示意图，如图4所示，一种利用所述的木人桩运动系统的运动优化方法包括以下步骤：
用户打击木人桩1，第一力传感器23、第二力传感器24、第三力传感器25、第四力传感器26和第五力传感器27测量作用力的大小和方向且测量装置2同时记录作用力位置和打击时间；
惯性测量单元28分别测量拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量以及重心传感器29测量用户重心变化；
振动传感器32分别测量拳头、手臂、腰部、腿部、腹部和背部的肌肉振动、心率传感器33测量心率、血压传感器34测量血压、频率传感器35测量呼吸频率和红外血氧浓度传感器36测量血氧浓度；
服务器5包括数据采集装置37和处理装置44，其中，
数据采集装置37采集不同打击状态下测量装置2测量作用力信号、所述惯性测量模块3测量的用户运动信号和生理测量模块4测量的用户生理信号；
数据预处理装置38对作用力信号、运动信号和生理信号进行FIR低通降噪和FFT蝶形频域变换得到特征参数；
归一模块39对特征参数进行归一化获得归一化特征向量；
分类器模型模块40基于特征向量对用户的运动状态进行分类，建立多种运动姿势的分类器模型；
粒子群优化单元41利化粒子群算法不断优化分类器模型得到最优分类器模型；
训练模块42训练模型和测试数据；
处理装置12通过大数据训练得出优化的运动姿势及相应的作用力信号和生理信号；
显示界面43显示所得到的运动姿势数据。
本方法跟传统技术相比，本发明的木人桩运动系统通过测量木人桩1所经受作用力的测量装置2、用于测量用户运动状态的惯性测量模块3、测量用户生理状态的生理测量模块4以实时获得基于每次打击时间下的作用力位置、作用力大小和作用力方向数据，拳头、手臂、手肘、腰部、腿部、膝盖和脚背的三维位移矢量和重心变化数据，拳头、手臂、腰部、腿部、腹部和背部肌肉振动数据、心率、血压、呼吸频率和血压浓度数据，获得了实时的用户在打击木人桩时所产生的作用力数据，运动状态变化、以及由运动变化组成的各种运动姿势，以及用户的生理参数，显著提高了测量的丰富性和准确性，处理装置通过大数据训练得出优化的运动姿势及相应的作用力信号和生理信号，自动形成特别适合用户个人的运动状态、运动姿势乃至套路，形成有针对性的指导以显著提高训练效果，根据具体需要，本方法还可以基于打击频率获得优化运动姿势，基于作用力大小的优化运动姿势，基于打击位置获得优化运动姿势，基于作用力方向获得优化运动姿势，乃至通过运动姿势的组合形成适合用户本身生理条件的套路。
工业实用性
本发明的木人桩运动系统及运动优化方法可以在体育器材领域制造并使用。
尽管以上结合附图对本发明的实施方案进行了描述，但本发明并不局限于上述的具体实施方案和应用领域，上述的具体实施方案仅仅是示意性的、指导性的，而不是限制性的。本领域的普通技术人员在本说明书的启示下和在不脱离本发明权利要求所保护的范围的情况下，还可以做出很多种的形式，这些均属于本发明保护之列。