一种基于大数据的人体运动综合分析系统技术方案

本发明专利技术属于数据分析技术领域，公开了一种基于大数据的人体运动综合分析系统。该分析系统设置有第一数据输入器、第二数据输入器、分析解析器、中心处理器、客户端。通过客户端根据所述中心处理器生成客户端图表，可从客户端图表进行用户运动各项数据观察。该分析方法通过数据输入模块结合两项数据输入，辅以处理流程，进行数据分析解析器，实现数据分析，进通过中心处理器得出结果显示于客户端，为基于大数据的人体运动综合分析系统提供一套完整方法，可以有效迅捷的做出人体的运动分析，使人体各项数据直观的显示出于客户端。

【技术实现步骤摘要】
一种基于大数据的人体运动综合分析系统
本专利技术属于数据分析
，尤其涉及一种基于大数据的人体运动综合分析系统。
技术介绍
目前，运动是人们日常不可或缺的一项，在人们运动过程中人体体能的变化和心率的变化以及人体最适合的运动，都需要有科学的指导。且人们各项运动需要有科学的指导和随时监测人体运动过程中的身体各项数据，但在目前不存在一种各项运动综合分析的系统。可以及时做出运动的指导。综上所述，现有技术存在的问题是：目前不存在一种各项运动综合分析的系统。可以及时做出运动的指导
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于大数据的人体运动综合分析系统。本专利技术是这样实现的，一种基于大数据的人体运动综合分析系统，所述第一数据输入器、与第二数据输入器、为同级模块，分析解析器、中心处理器、客户端依次按顺序相互连接；所述第一数据输入器、与第二数据输入器、与分析解析器相连接；所述分析解析器与中心处理器相连接；所述分析解析器对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中：所述中心处理器与客户端相连接；所述中心处理器接收信号的循环共变函数包括：所述信号含有服从SαS分布噪声的MPSK信号，表示为：其中E是信号的平均功率，M＝2k，m＝1,2,...M,q(t)表示矩形脉冲波形，T表示符号周期，fc表示载波频率，φ0表示初始相位，若(此处是否需要加条件：若)w(t)是服从SαS分布的非高斯噪声，则其自共变函数定义为：其中(x(t-τ))<p-1>＝|x(t-τ)|p-2x*(t-τ)，γx(t-τ)是x(t)的分散系数，则x(t)的循环共变定义为：其中ε称为循环频率，T为一个码元周期；接收信号的循环共变谱按以下进行：循环共变谱是循环共变函数的傅里叶变换，表示为：其PSK信号的循环共变谱推导为：当M≥4时，在处，当M＝2时，其中Q(f)为q(t)的傅里叶变换，且进一步，所述第一数据输入器、与第二数据输入器、为同级模块，分析解析器、中心处理器、客户端依次按顺序相互连接。进一步，所述第一数据输入器、与第二数据输入器、与分析解析器相连接。进一步，所述第一输入器包括承载装置、跑步机、拉环、滑动轨道、自动成像器、计算机。所述跑步机摆放于承载装置中间位置，所述拉环通过螺丝固定于承载装置两侧内壁，所述滑动轨道通过焊接固定于承载装置右侧内壁，所述自动成像器嵌入轨道位于滑动轨道上课自由滑动，所述计算机通过光纤连接自动成像器。进一步，所述第二输入器包括承载装置，弹性跳跃平台、滑动轨道、自动成像器、计算机。所述弹性跳跃平台通过螺丝固定于承载装置底部，所述滑动轨道通过焊接固定于承载装置右侧内壁，所述自动成像器嵌入轨道位于滑动轨道上课自由滑动，所述计算机通过光纤连接自动成像器。进一步，所述分析解析器与中心处理器相连接。进一步，所述中心处理器与客户端相连接。本专利技术的优点及积极效果为：该基于大数据的人体运动综合分析系统，通过分析系统通过第一数据输入器1、与第二数据输入器1、对数据进行输入，通过分析解析器接收输入数据进行提取和统计的操作语句，并将所述操作语句同步到中心处理器进行处理；通过中心处理器接收所述数据，对数据进行处理并将数据转换成图表状；通过客户端根据所述中心处理器生成客户端图表，可从客户端图表进行用户运动各项数据观察。附图说明图1是本专利技术实施例提供的基于大数据的人体运动综合分析系统的结构示意图；图中：1第一数据输入器；2、第二数据输入器；3、分析解析器；4、中心处理器；5、客户端。图2是本专利技术实施例提供的基于大数据的人体运动综合分析系统第一输入器的结构示意图；图中：6、承载装置；7、跑步机；8、拉环；9、滑动轨道；10、自动成像器；11、计算机。图3是本专利技术实施例提供的基于大数据的人体运动综合分析系统第二输入器的结构示意图；图中：12、承载装置；13、弹性跳跃平台；14、滑动轨道；15、自动成像器；16、计算机。具体实施方式为能进一步了解本专利技术的
技术实现思路
、特点及功效，兹例举以下实施例，并配合附图详细说明如下。下面结合附图对本专利技术的结构作详细的描述。如图1所示，本专利技术实施例提供的分析系统设置有第一数据输入器1、第二数据输入器2、分析解析器3、中心处理器4、客户端5。进一步，所述第一输入器包括承载装置6、跑步机7、拉环8、滑动轨道9、自动成像器10、计算机11。所述跑步机27摆放于承载装置6中间位置，所述拉环8通过螺丝固定于承载装置6两侧内壁，所述滑动轨道9通过焊接固定于承载装6置右侧内壁，所述自动成像器10嵌入轨道位于滑动轨道9上课自由滑动，所述计算机11通过光纤连接自动成像器10。进一步，所述第二输入器包括承载装置12、弹性跳跃平台13、滑动轨道14、自动成像器15、计算机16。所述弹性跳跃平台13通过螺丝固定于承载装置1底部，所述滑动轨道14通过焊接固定于承载装置12右侧内壁，所述自动成像器15嵌入轨道位于滑动轨道14上课自由滑动，所述计算机16通过光纤连接自动成像器15。分析解析器3、中心处理器4、客户端页面模5块依次按顺序相互连接。所述第一数据输入器1、与第二数据输入器2、与分析解析器3相连接。所述分析解析器3与中心处理器4相连接。所述中心处理器4与客户端5相连接。所述分析解析器对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中：所述中心处理器接收信号的循环共变函数包括：所述信号含有服从SαS分布噪声的MPSK信号，表示为：其中E是信号的平均功率，M＝2k，m＝1,2,…M,q(t)表示矩形脉冲波形，T表示符号周期，fc表示载波频率，φ0表示初始相位，若(此处是否需要加条件：若)w(t)是服从SαS分布的非高斯噪声，则其自共变函数定义为：其中(x(t-τ))<p-1>＝|x(t-τ)|p-2x*(t-τ)，γx(t-τ)是x(t)的分散系数，则x(t)的循环共变定义为：其中ε称为循环频率，T为一个码元周期；接收信号的循环共变谱按以下进行：循环共变谱是循环共变函数的傅里叶变换，表示为：其PSK信号的循环共变谱推导为：当M≥4时，在处，当M＝2时，其中Q(f)为q(t)的傅里叶变换，且本专利技术的工作原理是：该分析系统通过第一数据输入器1，通过人体在上述跑步机上运动和手部拉取拉环，通过自动成像器在滑动轨道上来回运动采集人体运动形态，通过在自动成像器上呈现本文档来自技高网...

【技术保护点】
1.一种基于大数据的人体运动综合分析系统，其特征在于，所述基于大数据的人体运动综合分析系统设置有第一数据输入器、第二数据输入器、分析解析器、中心处理器、客户端；所述第一数据输入器、与第二数据输入器、为同级模块，分析解析器、中心处理器、客户端依次按顺序相互连接；所述第一数据输入器、与第二数据输入器、与分析解析器相连接；所述分析解析器与中心处理器相连接；所述分析解析器对跳频混合信号时频域矩阵

【技术特征摘要】
1.一种基于大数据的人体运动综合分析系统，其特征在于，所述基于大数据的人体运动综合分析系统设置有第一数据输入器、第二数据输入器、分析解析器、中心处理器、客户端；所述第一数据输入器、与第二数据输入器、为同级模块，分析解析器、中心处理器、客户端依次按顺序相互连接；所述第一数据输入器、与第二数据输入器、与分析解析器相连接；所述分析解析器与中心处理器相连接；所述分析解析器对跳频混合信号时频域矩阵进行预处理，具体包括如下两步：第一步，对进行去低能量预处理，即在每一采样时刻p，将幅值小于门限ε的值置0，得到门限ε的设定可根据接收信号的平均能量来确定；第二步，找出p时刻(p＝0,1,2,…P-1)非零的时频域数据，用表示，其中表示p时刻时频响应非0时对应的频率索引，对这些非零数据归一化预处理，得到预处理后的向量b(p,q)＝[b1(p,q),b2(p,q),…,bM(p,q)]T，其中：所述中心处理器与客户端相连接；所述中心处理器接收信号的循环共变函数包括：所述信号含有服从SαS分布噪声的MPSK信号，表示为：其中E是信号的平均功率，M＝2k，m＝1,2,...M,q(t)表示矩形脉冲波形，T表示符号周期，fc表示载波频率，φ0表示初始相位，若(此处是否需要加条件：若)w(t)是服从SαS分布的非高斯噪声，则其自共变函数定义为：其中(x(t-τ))<p-1>＝|x(t-τ)|p-2x*(t-τ)，...

【专利技术属性】
技术研发人员：葛运华，李广周，
申请(专利权)人：长江师范学院，
类型：发明
国别省市：重庆,50