研究目的:随着物联网、人工智能等技术在体育领域的应用,利用基于惯性传感器(IMU)的无线人体传感器网络对于运动表现进行分析是近几年的热点方向。为了分析身体不同部位在不同泳姿情况下的运动特征,设计了无线人体传感器网络的数据采集系统,完成在用户进行蝶仰蛙自四种泳姿情况下对手腕和脚腕的数据采集与分析,实现了对四种泳姿不同阶段的特征分解。研究方法:在所设计的数据同步采集系统中,将集成数据采集频率为100Hz、量程为-100g-100g的三轴加速度传感器的可穿戴设备固定在用户身体的手腕和脚腕,被测者按照蝶泳、仰泳、蛙泳和自由泳的顺序进行四种泳姿的混合泳,每种泳姿做10个动作周期,在计算机端分析用户在四种泳姿过程中身体不同部位的加速度特征。研究结果:由于浮力、水流和传感器噪声等因素的影响,加速度测量数据会出现一些不正常的毛刺,将采集得到的加速度数据导出,在matlab软件中进行限幅滤波和低通滤波以去除毛刺,基于去除毛刺后的数据进行游泳运动学分析。通过对所研制系统针对四种泳姿进行测试表明,利用手腕和脚腕的加速度特征呈现可以有效实现不同泳姿动作阶段的划分。泳姿加速度数据具有明显的差异性:蝶泳的手部发力强度明显大于其他三种泳姿,仰泳和自由泳的手部发力强度次之,蛙泳手的发力强度最小,手腕处的传感器数据与脚腕相比幅值较大;而蛙泳腿的发力明显强于其他三种泳姿,且更具爆发性。针对不同泳姿可以实现对泳姿的动作进行初步分解:通过蝶泳手和蝶泳腿在xyz轴的加速度分析,可见蝶泳手和蝶泳腿在x轴的加速度特征最为显著,可以从蝶泳手的加速度特征明确判断出移臂动作的位置,而移臂之后的加速度数值的趋势表现为由负到正且变换平缓,说明手臂的移动方向是从靠近身体一侧到离开身体一侧的过程,且速度的变换比较平缓,从蝶泳腿加速度特征可以显著判断出两次打水的位置;仰泳手腕和左右脚腕在y轴的加速度幅值明显小于x轴和z轴方向,这说明腿部的主要发力集中在垂直于腿部的平面内,并且y轴加速度不具备明显的特征,因此针对x轴和z轴的加速度值进行分析,仰泳腿在x轴的发力方向基本一致,说明双腿在x轴方向上的发力状态基本相同,而在z轴方向上的发力情况相反,说明,双腿是上下交替的,从仰泳手在x轴和z轴的加速度特征可以明确判断出入水点,因为这一时刻的是一个运动周期速度变化最快的时刻,划水阶段存在一次手腕的翻转,因此加速度会出现一次反向的变化,出水和划水阶段是一个连续的加速阶段,也存在一次手腕方向的翻转,因此加速度也会出现一次反向的变化;x、y、z轴蛙泳的加速度特征都很显著,蛙泳左、右腿在x轴的加速度呈现反向的趋势,可以看出,蛙泳腿在一个动作周期中的发力时间很短,且有两个反向的加速度峰值,显然是收腿和蹬腿的动作,而收腿和蹬腿之间出现的加速度平稳期是翻腿阶段;自由泳腿在一个动作周期里呈现出明显的周期性,本次测试的运动员采用了针对中短距离的自由泳方式,一次手臂动作配合六次打腿动作,从自由泳手的技术动作可以分析,对左臂而言,其在入水和抱水两个阶段的间隔时间占比在一个动作周期是较大的,这是因为在这个时间段右手要完成划水的整个技术动作,基于此可以判断在左手入水和抱水的时间间隔内加速度特征是比较平稳的,且绝对值较小。研究结论:基于无线人体传感器网络的数据采集系统可以实现对不同泳姿的特征分析。本研究设计了一种基于加速度传感器的无线人体传感器网络的数据采集系统,通过将可穿戴设备固定在用户身体的手腕和脚腕,采集并分析用户在四种泳姿过程中身体不同部位的加速度特征。通过实验测试与分析,实现用户身体不同部位发力情况的数据采集,基于此可以计算实现不同泳姿的加速度特征分析,并完成基于加速度数据的游泳动作阶段划分,对于游泳技术分析有重要意义,其功能亦可推广至其他项目。