（下转第48页）
玉溪师范学院体育学院 汪 雄 陈玉林
华南师范大学体育科学学院 张恒亮 王 垒 黄国虎 刘鸿优
【摘要】对基于无载波通讯技术(以下简称UWB)的“简极-茵战K1”(GENGEE INSAIT K1)智能足球运动表现分析系统的原理进行分析，并通过实验测试的方法，对该系统在跟踪足球运动员的跑动距离和跑动速度的准确性进行检验。20名大学生女子足球运动员，每人佩戴两个INSAIT K1模块，同时进行了两场5v5足球比赛，每名运动员身上的两个模块输出数据进行对比，以验证模块间数据的一致性。结果显示，GENGEE INSAIT K1在跟踪足球运动员跑动总距离和各个速度段下的跑动距离时，模块间输出数据体现出高度一致性(ICC介于0.86和0.99)，证明该系统在分析足球运动员的跑动距离时具备足够的准确性。【关键词】足球；简极-茵战；运动表现；信效度 无载波通讯技术(以下简称UWB 技术)越来越多地被运用于体育与运动领域。近年来活跃于校园足球各类赛事中的“简极-茵战K1 (GENGEE INSAIT K1) ”智能足球运动表现分析系统正是UWB 技术应用于体育比赛表现分析的佼佼者。
1 GENGEE INSAIT K1系统的UWB测试原理与性能
GENGEE INSAIT K1系统将包含UWB 技术的芯片内置于可穿戴式的球员追踪器和专门设计的智能足球内，利用纳秒级的非正弦波窄脉冲以50Hz 的频率传输运动员数据来获取运动员与足球的位置、运动相关数据及基于人与球的技战术数据，并传输至球场四周的数字工作站进行高速演算及数据校验处理，最终在移动终端进行数据展示，数据上传至云端部署的平台进行数据汇总和统计分析，数据将存储在私有、公有云平台，并以可视化图表呈现运动员的数据报告。图1所示展示了该系统数据采集与分析数据的全过程。
图1 “简极-茵战K1 (GENGEE INSAIT K1) ”智能足球
运动表现分析系统的UWB测距原理
GENGEE INSAIT K1系统的数据采集具备五大基本性能：（1）抗干扰性强：UWB 将微弱的无线电脉冲信号分散在宽阔的频带，与WIFI 和蓝牙相比，在同等码速条件下，UWB 具有更强的抗干扰性；（2）数据传输及时：UWB 的数据传输速率可以达到6.8Mbit/s ，这意味着在单位时间内，UWB 技术可以对大量的物体
肉变器是什么意思进行多次的测量，这足以适应了足球运动中球体运行速度快、参与人数多且对抗激烈的特点；（3）低能耗：通常情况下，无线通信系统在通信时需要连续发射载波，因此要消耗一定电能。而UWB 不使用载波，只是在需要时才发出瞬间脉冲电波，所以消耗电能小，这不仅对人体的辐射影响微乎其微，也保证了长时间的足球比
赛与训练中，设备能够持续使用；（4）准确性：无线定位量测的是发射和接收点之间的直线距离，而传统窄带的通信技术没法区分多径信号问题，因此无法应用到精确定位。但超宽带信号持续时间极短且占空比极低，可轻易的分辨出多径信号，可达到厘米级别的精度定位量测；（5）安全性：UWB 把信号能量弥散在极宽的频带范围内，信号相当于白噪声信号，安全性极高，且功率接近自然电磁波噪声，幅射量远低于WIFI ，对人体绝对安全。
2 GENGEE INSAIT K1系统跟踪足球运动员跑动的准确性
尽管基于UWB 技术的数据采集和传输具有诸多优势，但是，要将GENGEE INSAIT K1系统运用于指导足球训练和科学研究，必须先对该设备跟踪获得的足球专项运动数据的准确性进行检验，只有在数据足够准确的前提下，才能充分发挥设备在足球运动领域内的应用价值[1,2]。
本论文借鉴前人类似研究的实验设计方法[3]，对GENGEE IN-SAIT K1系统跟踪足球运动员跑动距离和跑动数据的准确性进行了实验测试。随机选取了论文依托单位的20名大学生女子足球运动员，分为4个队伍，同时进行两场持续20分钟的五人制足球比赛，每名队员轮流充当4分钟的守门员。每名运动员同时佩戴两个GEN-
GEE INSAIT K1跟踪器模块。赛后对每名运动员身上的两个模块输出数据进行分析，结果如表1所示。
前人的研究成果认为，同一个系统由不同的人员操作或者同一个系统的不同模块生成的数据之间的标准化均值变化值和标准化典型误差处在-0.6到0.6之间皆为可接受的小误差，而组间相关系数达到0.75以上，则证明该系统的准确性极高[2,3]。由表1可见，
基金项目：华南师范大学青年教师科研培育基金项目（16SK07）；广州市哲学社会科学发展“十三五”规划课题（2017GZYB11）；广东省普通高校青年创新人才项目（2016WQNCX015）。
行了归一化处理[7]。
本文构建的神经网络各个参数如下：
表1
输入神经元个数
隐藏层神经元个数
输出神经元个数
化工易激活函数4
2500
4
g (x )=tanh (x )
使用上文获取的训练集对ELM 神经网络进行十次训练，得到训练结果：
表2
序号1
2
3
4
5
6
7
8
9
10
平均
训练时间(s)0.0150.0160.0110.0160.0140.0230.0180.0170.0210.0160.167训练精度(%)
80.1078.0181.6782.0581.0180.0078.3380.0382.5579.6780.34
5 系统的不足及改进方向
由于优质样本数量过少以及ELM 神经网络自身的性能，本系统的识别准确率只能稳定在80%左右。同时以统计量作为ELM 神经网络的输入特征值，实际上忽略了很多相关性很强的特征。通过增加隐藏层神经元个数的方式虽然能够在一定程度上提升系统的识别准确率，但是这是以极大牺牲速度为代价的，并且存在过拟合问题[8]，降低识别准确率。对于一些奇异样本，识别准确率明显下降。因此本系统对输入样本有较高的要求，不能很好的应对实际运用中的情况。
以上不足的解决途径是对神经网络激活函数、数据预处理方式和参数进行优化。由于对于神经网络参数的优化在学界仍没有成熟的方法，因此系统提升的主要途径应该是改进数据处理方法，尝试增加一些输入特征，或直接将原始图像作为神经网络的输入数据，
寻求性能和速度的平衡点，这将是本方法改进的主要方向。参考文献
[1]彭溦汐，赵冠先，王志前.基于图像识别系统的灰度化算法研究与效率分析[J].电子世界,2014(07):105.
[2]刘玉红，王志芳，杨佳仪，谢正祥.彩图像二值化算法及应用[J].中国医学物理学杂志,2013,30(01):3873-3876+3897.
[3]路文平.人脸检测和识别技术及其在婴幼儿视频监控中的应用[D].天津大学,2014.
[4]Guang-Bin Huang,Qin-Yu Zhu,Chee-Kheong Siew. Extreme learning machine:Theory and applications[J].Neurocomputing,2005,70(1).
电视新闻评论
[5]李恩玉，杨平先，孙兴波.基于激活函数四参可调的BP神经网络改进算法[J].微电子学与计机,2008(11).
[6]尹钊，贾尚晖.Moore-Penrose广义逆矩阵与线性方程组的解[J].数学的实践与认识,2009,39(09):239-244.
[7]汤荣志，段会川，孙海涛.SVM训练数据归一化研究[J].山东师范大学学报(自然科学版),2016,31(04):60-65.
[8]覃光华，李祚泳.BP网络过拟合问题研究及应用[J].武汉大学学报(工学版),2006(06):55-58.
作者简介：
刘宁涛（1997—），男，河南洛阳人，大学本科，研究方向：深度学习。
张梦璐【通信作者】（1995—），女，安徽砀山人，大学本科，研究方向：图像处理。
曹志民（1980—），男，北京人，讲师，博士，研究方向：数据处理。
（上接第46页）
GENGEE INSAIT K1在跟踪足球运动员跑动总距离和各个速度段下的跑动距离时，模块间输出数据标准化均值变化值处于-0.08到0.35之间，标准化典型误差处在0.08和0.43之间，而组间相关系数则介于0.86和0.99之间，证明该系统在分析足球运动员的跑动距离和跑动速度时具备足够的准确性。
表1 GENGEE INSAIT K1系统跟踪足球运动员的跑动距离与各速度段下的跑动距离
3 总结
基于UWB 技术的“简极-茵战K1”(GENGEE INSAIT K1)GEN-GEE INSAIT K1智能足球运动表现分析系统在数据采集具备抗干扰性强、数据传输及时、低能耗、准确性和安全性高五大优势。实验研究结果显示，该系统在跟踪足球运动员跑动总距离和各速度段下
的跑动距离时，具备足够的准确性，可运用于足球专项教学、训练与科学研究用途。
致谢：感谢厦门市简极科技有限公司（GENGEE）对本研究提供的技术支持。
参考文献
[1]刘鸿优，唐小明，陈彦龙，等.全球定位系统跟踪足球运动员跑动距离的准确性实验[J].体育学刊,2018(1):132-136.
[2]BEATO M,JAMIL M,DEVEREUX G.Reliability of internal and external load parameters in recreational football(soccer)for health[J].Research in Sports Medicin e,2018,26(2):244-250.
杨印海>河南农业大学孙倩倩[3]LIU H,HOPKINS W,GOMEZ A M,et al.Inter-operator reliability of live football match statistics from OPTA Sportsdata[J].International Journal of Performance Analysis in Sport,2013,13(3):803-821.
作者简介：
汪雄（1982—），男，博士，副教授，研究方向：运动大数据分析。
通讯作者：刘鸿优（1986—），男，博士，副教授，硕士生导师，研究方向：运动表现分析、足球训练监控等。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议