研究目的:电子竞技是电子化体育比赛竞技项目,是指利用电脑、手机、pad等智能电子终端设备进行的脑力和体力为主的人与人,人与机器虚与实的对抗。目前电子竞技项目受到电脑鼠标、键盘、触摸性平板电脑等的限制,主要是手、眼、脑力的协调,由手操作的脑力体育竞技中,手指的灵活和疲劳程度是影响竞技成绩的重要因素,本研究旨利用深度学习网络神经算法分析手指关节活动灵活度等参数,开发手指关节活动减压系统,提高手指的灵活程度,借以提高电竞比赛选手效率。研究方法:电子竞技选手的手可以放置在穿戴接触设备,利用惯性测量实现对手指关节自由维度的活动检测,获取数据参数,建立几何模型,利用深度神经网络学习进行以手指关节活动度为目标优化,手分为左手和右手,以完成键盘控制,鼠标操作的抓、捏、握、敲击,产生手部肌肉力量压力传感数据,利用深度学习全卷积网络对时间序列进行学习,检测,编码和评定。运用深度学习空间卷积神经网络方法四元数分析每名参赛选手操作指关节活动度习惯和特征,利用穿戴式压力传感器获取数据,开发电子竞技手指关节活动减压系统。研究结果:技术方案首先通过手传感器获取减压参数数据,建立手指灵活度检测模型,利用四元数法进行归一化处理,利用深度网络神经算法学习,完成减压系统传导和系统设计,动态分析和调节减压的压力设置和参数修正。（一）关节活动度放入计算:采用四元数算法Mhony互补滤波器,对加速度计和惯性陀螺仪数据读取和校正;计算和测量传感器x,y和z的角速度,定义所在坐标的姿态改变速率四元数微分;与欧拉角进行转换,计算俯仰程度,翻转程度和偏航角度。利用全卷积神经网络,分析评定多变量时间序列,将加速度、角速度、空数据归一化标准处理,输入到全卷积神经网络中,进行多层的卷积运算与池化,提取抽象特征,进行回归分析,损失函数和冗余性检验,采用正则化器进行过滤,从而去除相关性,最大程度减少设备本身对于选手的手参数获取造成的误差。（二）该系统装置中设有空心板内滑动连接有滑板,滑板的右侧固定连接有箱体,箱体的后侧壁和前侧壁均卡接有轴承一,且两个轴承一内分别套接有螺杆一和螺杆二的相背端光轴,螺杆一和螺杆二的相对端固定连接,螺杆一和螺杆二上均螺纹连接有螺母一,螺母一的底部固定连接有连接块,连接块滑动连接在箱体底部开设的槽口内,箱体底部开设的矩形槽内固定连接有U型板二,U型板二的前侧板和后侧板内均卡接有轴承二,两个轴承二内分别套接有螺杆三和螺杆四的相背端光轴,螺杆三和螺杆四的相对端固定连接,螺杆三和螺杆四上均螺纹连接有螺母二,螺母二和连接块的底部均固定连接有天然乳胶管和弹簧一,天然乳胶管和弹簧一的底端均与弧形块的顶部固定连接,弹簧一设置在天然乳胶管内,弧形块的前侧面和后侧面分别与弹性指套的两端固定连接。该装置系统中,设计放置垫设置在U型板一内,且两个圆筒设置在U型板一的前后两侧,系统设计的目的在于保持稳定性和抗噪性。设计空心板正面开设的螺纹孔内螺纹连接有旋转螺杆,设计旋转螺杆的后端与滑板正面开设的螺纹槽螺纹连接,设计滑板从左往右依次开设有多个螺纹槽。设计螺杆二的前端固定连接有旋转盘,设计螺杆三和螺杆四的相对端连接处固定连接有多个旋转杆。设计螺母二的顶部固定连接有滑块,设计滑块滑动连接在U型板二顶部开设的滑槽内,系统外设参数设置和调节装置,根据深度学习神经网络学习和计算的力度分手指进行力度和热度刺激,改善和训练灵活程度,并记录相关的过程数据,建立数据库,从而长期的分析选手的电竞能力。研究结论:通过深度神经网络学习算法分析电子竞技手指关节活动参数,进而通过减压系统将大拇指放置在按压垫上,通过手指向下按压按压垫,继而使按压垫和圆杆下降,弹簧压缩,进而模拟选手敲击键盘的动作,对手指进行活动锻炼,提高手指的灵活度,从而使选手手指的灵活度处于最佳的状态,保证比赛时的状态,以便于取得比赛的最终胜利,缓解长时间训练和比赛造成的电竞手指疲劳,提高电竞项目的对抗效率,能最大程度的达成身心意的电子体育竞技比赛目的。