CN107837499B - 一种基于嵌入式的健身器材智能训练支撑控制方法 - Google Patents

Abstract

本发明属于健身器材控制技术领域，公开了一种基于嵌入式的健身器材智能训练支撑控制方法，对使用该类体育健身器材的体质健康进行长期观测、分析，并按照国家标准指导学生进行科学的体育锻炼，使体质达到健康标准；同时，所积累的数据可用于青少年体质与体育运动、健康与疾病等方面的科学研究。本发明可以让消费者不用追加费用而享受顶级的私人教练服务，使普通消费者从健身中得到实惠、获得乐趣。为消费者建立连贯和完整的健身档案，使消费者直观地看到自身体质的变化，增强了健身的信心。

Description

一种基于嵌入式的健身器材智能训练支撑控制方法

技术领域

本发明属于健身器材控制技术领域，尤其涉及一种基于嵌入式的健身器材智能训练支撑控制方法。

背景技术

健身是一种体育项目，如各种徒手健美操、韵律操、形体操以及各种自抗力动作，体操可以增强力量、柔韧性，增加耐力，提高协调，控制身体各部分的能力，从而使身体强健。然而，现有的健身器材，不能针对不同体质与运动数据进行智能分析系统，无法信息采集、数据分析、科学指导等功能；如果在健身俱乐部健身效果差，健身费用高。

随着无线通信技术的飞速发展，频谱资源的稀缺已经成为提升现有各种通信系统以及发明新型通信系统的瓶颈，而认知无线电是解决这个问题的最佳方案，能够缓解频谱资源匮乏与授权频段利用率低下的矛盾。认知无线电作为一种智能无线电通信技术，通过感知外界环境，动态调整自身的无线电参数，从而使得内部状态和外部环境相适应，在不干扰特定频段上主用户的情况下，充分利用频谱资源，实现频谱利用率最大化。频谱感知是认知无线电的一项关键技术，具有检测、感知和学习各种无线电磁参数的能力，其主要功能是发现频谱空穴。可靠的频谱感知是实现认知无线电通信的重要前提，然而，由于多径、阴影衰落及噪声不确定性等因素的影响，通过单一频带用户感知很难获得准确的结果。而多个频带的协作频谱感知方案，充分利用协作带来的空间分集，有效改善了频谱检测的性能，因此多频带协作频谱感知技术被广泛提及和关注。多频带协作频谱感知是将一宽带系统等分成若干个子带，每一个子带分别完成单一频带的协作频谱感知，最后将所有的检测结果进行最终判决。多频带协作频谱感知问题的优化往往呈现非凸非线性特性，很难直接求解其最优解。凸优化方法虽然能够很好地求解这类问题，但是需要将优化问题转换成具有凸特性的子优化问题,转换过程复杂且计算复杂度较高。进化算法能够提供一种求解非线性复杂系统优化问题的通用框架，作为一种具有自适应调节功能的鲁棒寻优技术，近年来，进化算法已经被广泛应用于无线通信领域。目前比较常用的有基于遗传算法的协作频谱感知技术和基于粒子群算法的协作频谱感知技术，然而，基于遗传算法的协作频谱感知技术在搜索最优解的过程中容易陷入局部最优，基于粒子群算法的协作频谱感知技术虽然能够更有效的搜索到最优解，但其性能还有待于进一步提高。

综上，现有技术存在的问题是：现有的健身器材，不能针对不同体质与运动数据进行智能分析系统，无法信息采集、数据分析、科学指导等功能。

发明内容

针对现有技术存在的问题，本发明提供了一种基于嵌入式的健身器材智能训练支撑控制方法。

本发明是这样实现的，一种基于嵌入式的健身器材智能训练支撑控制方法，所述基于嵌入式的健身器材智能训练支撑控制方法包括以下步骤：

步骤一，健身器材上嵌装的监测模块通过通信模块和应用服务器连接，通过调整模块调整负荷、速度、次数、组数；

所述监测模块的监测信号模型为：

s.t.c^T(1-P_d(W,γ))≤ε；

1-P_d(W,γ)≤α；

1-P_f(W,γ)≥β；

其中，W＝[ω₁,ω₂,...,ω_K]是权值因子，γ＝[γ₁,γ₂,...γ_K]是判决门限，K表示子带数目，r^T＝[r₁,r₂,...,r_K]是实现的吞吐率，c^T＝[c₁,c₂,...,c_K]是代价系数，ε代表系统总的干扰，α＝[α₁,α₂,...,α_K]^T表示每个子带的干扰限制，β＝[β₁,β₂,...,β_K]^T是每个子带实现的最小机会频谱利用率

是虚警概率，其中第k个子带的虚警概率表示为

是检测概率，其中第k个子带的检测概率表示为

M是检测区间长度，是噪声功率，

G_k＝[|H_k(1)|²,|H_k(2)|²,...|H_k(N)|²]^T是主发送用户和次级接收用户间的信道增益，N表示协作用户的数目；

步骤二，在健身时，压力传感器和位移传感器实时收集和记录健身者动作所牵引的重量、牵动的距离和有效次数，再把收集的模拟信息通过智能控制模块的模数转换器转换成微处理器识别的数字信息，经通讯接口上传存储模块进行存储；所述微处理器识别的方法包括：

1)参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得正常模拟信息频谱资源的特征；

2)正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

3)数据融合中心对收集到的感知信息进行数据融合，并依据偏差感知节点的偏差模式计算全局的虚警概率；

4)微处理器如果检测到正常模拟信息处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

5)构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题；

6)重复循环1)至5)，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数；得到微处理器识别的数字信息；

1)中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据正常模拟信息的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布；

2)中正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，偏差节点则采用虚警模式进行汇报：当信号能量统计量V_i大于阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动偏差攻击，向数据融合中心发送一个较高的能量值以达到偏差攻击的目的；

3)的具体方法包括：

第一，根据各个节点的信噪比γ_i为每一个参与合作感知的偏差节点CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二，分析虚警偏差攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

其中：

4)中如果检测到正常节点处于闲状态，则将以大功率P₀发射信号；如果正常节点处于忙状态以功率P_p发射信号，偏差节点将以小功率P₁发射信号；故在一个时间帧内偏差网络的平均吞吐量写成如下形式：

其中：h_k,g_ss分别是正常节点到偏差节点、偏差节点的发射端到偏差节点的接收端的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率；其中，正常节点集成有发射机PU-Tx；偏差节点集成有发射机SU-Tx和接收机SU-Rx；常节点和偏差节点的信息传输分别通过发射机PU-Tx、发射机SU-Tx和接收机SU-Rx实现的；

5)中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

一)，保证偏差网络能长时间工作，需对偏差的发射功率进行限制，保证偏差网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av；

式中P_av是偏差发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

二)，根据基于合作感知的频谱共享网络模型，知道干扰只在正常节点处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av；

三)，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k；

四)，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

五)，求解所建立的最优化问题，选择使得正常网络的吞吐量最大的合作感知的感知周期和正常的信号发射功率作为该频谱感知模型的感知参数；

步骤三，健身管理平台的管理模块接收和分析处理来自健身器械的实时传感测量数据，如果有操作错误，则从数据库中调出纠错信息，并传输给智能控制模块并显示在人机交互显示器上；

步骤四，人机交互显示器通过通信模块以有线或者无线的方式与外部智能终端连接；

步骤五，健身器材的智能控制模块的存储模块用于存储管理计算机下传的规范动作指导、健身计划安排和音频视频资料。

进一步，所述监测模块包括血压监测模块、心率监测模块、呼吸频率监测模块、记步监测模块和体温监测模块中的任意一种或多种；

所述通信模块通过Wifi与应用服务器连接。

进一步，所述智能控制模块嵌装在健身器材上，包括：外设接口、微处理器、模数转换器、存储模块、调整模块；

所述微处理器，用于对系统进行控制及对信号进行处理；

所述存储模块，通过USB接口及键盘输入指令，可把健身统计数据下载到个人U盘或其它健身存储卡。数据存储器芯片通过总线和微处理器相连，微处理器可以把规范动作指导、健身计划安排和音频视频资料等存储在数据存储器芯片中；

所述调整模块，根据不同的体质的信息计算训练效果、更新训练方案，通过关键组件和系统实时监测来采集、分析、存储训练时的配重负荷、速度、次数、组数指标，并根据个人需要来提高身体活动模式。

进一步，所述外部智能终端为移动手机，通过外部智能终端人了解运动强度，锻炼次数、重量、能量消耗、锻炼时间、锻炼效果数据，并将数据与其他用户分享。

进一步，外部智能终端的分享方法包括：获得分享请求；

根据所述分享请求，调用一流媒体服务，并确定一用于分享的第一数据；

基于所述流媒体服务，将所述第一数据转换为流媒体数据以及生成一通过流媒体协议能够获得所述流媒体数据的地址信息；

向人机交互显示器发送所述地址信息；其中，所述地址信息用于使所述人机交互显示器根据所述地址信息获得所述流媒体数据；

基于所述流媒体服务，当接收到所述人机交互显示器的确认信息后，向所述人机交互显示器输出所述流媒体数据。

本发明的优点及积极效果为：本发明可以实现对使用该类体育健身器材的体质健康进行长期观测、分析，并按照国家标准指导学生进行科学的体育锻炼，使体质达到健康标准。同时，所积累的数据可用于青少年体质与体育运动、健康与疾病等方面的科学研究；同时本发明可以让消费者不用追加费用而享受顶级的私人教练服务，使普通消费者从健身中得到实惠、获得乐趣。为消费者建立连贯和完整的健身档案，使消费者直观地看到自身体质的变化，增强了健身的信心。

本发明的监测模型作为优化问题最优解的搜索策略，能够快速高效地搜索到最优解；加快了算法的收敛性，故本发明能够以较大概率找到最优解；本发明不需要有先验的知识,结合随机性选择和概率规则进行最优解的搜索,具有鲁棒性和适应性。可快速得到要监测的数据，这是发明突出创新点所在。

本发明由于以实际频谱感知环境为基础，综合考虑网络的安全性，分析偏差攻击的攻击特点及偏差节点是如何对合作频谱感性能知造成影响，获得全局虚警概率与攻击阈值η、攻击概率p_a、攻击强度Δ的具体数学表达式，因此合作频谱感知的性能与网络背景紧密相关，具有明显的针对性。

本发明不同以往大部分基于单点感知的功率分配问题，考虑了合作感知基础上的功率分配问题，实用性更广。

本发明由于最原始的出发点是以最大化次级网络的平均吞吐量为目标而优化合作感知模型，在频谱感知阶段考虑感知时间的最优化问题，实现感知时间、信号发射功率和平均吞吐量三者之间的平衡优化问题。计算得到最优的频谱感知时间和最好的信号发射功率，方法理论基础可靠、运行稳定。为准确获得精准数据提供了保证。

本发明的外部智能终端可实时获得数据共享。

附图说明

图1是本发明实施例提供的基于嵌入式的健身器材智能训练支撑控制方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的应用原理作进一步描述。

如图1所示，本发明实施例提供的提供基于嵌入式的健身器材智能训练支撑控制方法包括以下步骤：

S101，健身器材上嵌装的监测模块通过通信模块和应用服务器连接，通过调整模块调整负荷、速度、次数、组数；

S102，在健身时，压力传感器和位移传感器会实时收集和记录健身者此组动作所牵引的重量、牵动的距离和有效次数，再把收集的模拟信息通过智能控制模块的模数转换器转换成微处理器可以识别的数字信息，经通讯接口上传存储模块进行存储；

S103，健身管理平台的管理模块接收和分析处理来自健身器械的实时传感测量数据，如果有操作错误，则从数据库中调出纠错信息，并传输给智能控制模块并显示在人机交互显示器上；

S104，人机交互显示器通过通信模块以有线或者无线的方式与外部智能终端连接；

S105，健身器材的智能控制模块的存储模块用于存储管理计算机下传的规范动作指导、健身计划安排和音频视频资料等。

本发明提供的监测模块包括血压监测模块、心率监测模块、呼吸频率监测模块、记步监测模块和体温监测模块中的任意一种或多种；

所述通信模块通过Wifi与应用服务器连接。

本发明提供的智能控制模块嵌装在健身器材上，包括：外设接口、微处理器、模数转换器、存储模块、调整模块；

所述微处理器，用于对系统进行控制及对信号进行处理；

所述存储模块，通过USB接口及键盘输入指令，可把健身统计数据下载到个人U盘或其它健身存储卡。数据存储器芯片通过总线和微处理器相连，微处理器可以把规范动作指导、健身计划安排和音频视频资料等存储在数据存储器芯片中，即使断电也不会丢失；

所述调整模块，根据不同的体质的信息计算训练效果、更新训练方案，通过关键组件和系统实时监测来采集、分析、存储训练时的配重负荷、速度、次数、组数等指标，帮助实现最佳运动水平和健康状态，并根据个人需要来提高身体活动模式；

本发明提供的外部智能终端为移动手机，通过外部智能终端人们可或者自己的运动强度，锻炼次数、重量、能量消耗、锻炼时间、锻炼效果等数据，并可以将数据与其他用户分享。

下面结合具体分析对本发明作进一步描述。

所述监测模块的监测信号模型为：

s.t.c^T(1-P_d(W,γ))≤ε；

1-P_d(W,γ)≤α；

1-P_f(W,γ)≥β；

其中，W＝[ω₁,ω₂,...,ω_K]是权值因子，γ＝[γ₁,γ₂,...γ_K]是判决门限，K表示子带数目，r^T＝[r₁,r₂,...,r_K]是实现的吞吐率，c^T＝[c₁,c₂,...,c_K]是代价系数，ε代表系统总的干扰，α＝[α₁,α₂,...,α_K]^T表示每个子带的干扰限制，β＝[β₁,β₂,...,β_K]^T是每个子带实现的最小机会频谱利用率是虚警概率，其中第k个子带的虚警概率表示为

是检测概率，其中第k个子带的检测概率表示为

M是检测区间长度，是噪声功率，

G_k＝[|H_k(1)|²,|H_k(2)|²,...|H_k(N)|²]^T是主发送用户和次级接收用户间的信道增益，N表示协作用户的数目；

在健身时，压力传感器和位移传感器实时收集和记录健身者动作所牵引的重量、牵动的距离和有效次数，再把收集的模拟信息通过智能控制模块的模数转换器转换成微处理器识别的数字信息，经通讯接口上传存储模块进行存储；所述微处理器识别的方法包括：

1)参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得正常模拟信息频谱资源的特征；

2)正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

3)数据融合中心对收集到的感知信息进行数据融合，并依据偏差感知节点的偏差模式计算全局的虚警概率；

4)微处理器如果检测到正常模拟信息处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

5)构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题；

6)重复循环1)至5)，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数；得到微处理器识别的数字信息；

1)中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据正常模拟信息的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布；

2)中正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，偏差节点则采用虚警模式进行汇报：当信号能量统计量V_i大于阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动偏差攻击，向数据融合中心发送一个较高的能量值以达到偏差攻击的目的；

3)的具体方法包括：

第一，根据各个节点的信噪比γ_i为每一个参与合作感知的偏差节点CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二，分析虚警偏差攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

其中：

4)中如果检测到正常节点处于闲状态，则将以大功率P₀发射信号；如果正常节点处于忙状态以功率P_p发射信号，偏差节点将以小功率P₁发射信号；故在一个时间帧内偏差网络的平均吞吐量写成如下形式：

其中：h_k,g_ss分别是正常节点到偏差节点、偏差节点的发射端到偏差节点的接收端的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率；其中，正常节点集成有发射机PU-Tx；偏差节点集成有发射机SU-Tx和接收机SU-Rx；常节点和偏差节点的信息传输分别通过发射机PU-Tx、发射机SU-Tx和接收机SU-Rx实现的；

5)中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

一)，保证偏差网络能长时间工作，需对偏差的发射功率进行限制，保证偏差网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av；

式中P_av是偏差发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

二)，根据基于合作感知的频谱共享网络模型，知道干扰只在正常节点处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av；

三)，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k；

四)，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

五)，求解所建立的最优化问题，选择使得正常网络的吞吐量最大的合作感知的感知周期和正常的信号发射功率作为该频谱感知模型的感知参数；

外部智能终端的分享方法包括：获得分享请求；

根据所述分享请求，调用一流媒体服务，并确定一用于分享的第一数据；

基于所述流媒体服务，将所述第一数据转换为流媒体数据以及生成一通过流媒体协议能够获得所述流媒体数据的地址信息；

向人机交互显示器发送所述地址信息；其中，所述地址信息用于使所述人机交互显示器根据所述地址信息获得所述流媒体数据；

基于所述流媒体服务，当接收到所述人机交互显示器的确认信息后，向所述人机交互显示器输出所述流媒体数据。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于嵌入式的健身器材智能训练支撑控制方法，其特征在于，所述基于嵌入式的健身器材智能训练支撑控制方法包括以下步骤：

步骤一，健身器材上嵌装的监测模块通过通信模块和应用服务器连接，通过调整模块调整负荷、速度、次数、组数；

所述监测模块的监测信号模型为：

s.t.c^T(1-P_d(W,γ))≤ε；

1-P_d(W,γ)≤α；

1-P_f(W,γ)≥β；

其中，W＝[ω₁,ω₂,...,ω_K]是权值因子，γ＝[γ₁,γ₂,...γ_K]是判决门限，K表示子带数目，r^T＝[r₁,r₂,...,r_K]是实现的吞吐率，c^T＝[c₁,c₂,...,c_K]是代价系数，ε代表系统总的干扰，α＝[α₁,α₂,...,α_K]^T表示每个子带的干扰限制，β＝[β₁,β₂,...,β_K]^T是每个子带实现的最小机会频谱利用率是虚警概率，其中第k个子带的虚警概率表示为

是检测概率，其中第k个子带的检测概率表示为

M是检测区间长度，是噪声功率，

G_k＝[|H_k(1)|²,|H_k(2)|²,...|H_k(N)|²]^T是主发送用户和次级接收用户间的信道增益，N表示协作用户的数目；

步骤二，在健身时，压力传感器和位移传感器实时收集和记录健身者动作所牵引的重量、牵动的距离和有效次数，再把收集的模拟信息通过智能控制模块的模数转换器转换成微处理器识别的数字信息，经通讯接口上传存储模块进行存储；所述微处理器识别的方法包括：

1)参与合作感知的节点开始进行周期为τ_s的频谱检测过程，获得正常模拟信息频谱资源的特征；

2)正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报；

3)数据融合中心对收集到的感知信息进行数据融合，并依据偏差感知节点的偏差模式计算全局的虚警概率；

4)微处理器如果检测到正常模拟信息处于闲状态，则将以大功率发射信号，否则将以小功率发射信号；

5)构建优化模型，确定有关发射功率和感知时间的约束条件，求解所建立的最优化问题；

6)重复循环1)至5)，对每次得到的最优解取平均，以平均值作为频谱感知模型的感知参数；得到微处理器识别的数字信息；

1)中参与合作感知的节点确定每条链路上多个服务质量度量参数的变化区间和分布函数，按如下过程进行；

第一步，根据正常模拟信息的特征和信道衰减系数，计算各本地感知节点CR_i接受到的信号y_i(n)；

第二步，根据能量检测原理，得到感知节点CR_i处的信号能量的统计量V_i，当采样量足够大时，V_i近似服从高斯分布；

2)中正常感知节点和偏差感知节点通过正交的公共控制信道向数据融合中心进行感知信息的汇报，正常感知节点将如实地汇报自己的感知信息，偏差节点则采用虚警模式进行汇报：当信号能量统计量V_i大于阈值η，则如实地报告自己的感知结果；否则将以概率p_a发动偏差攻击，向数据融合中心发送一个较高的能量值以达到偏差攻击的目的；

3)的具体方法包括：

第一，根据各个节点的信噪比γ_i为每一个参与合作感知的偏差节点CR_i,i＝1…k设计一个权重然后对收集得到的信号能量统计量U_i进行线性加权得到最终的信号能量的统计量

第二，分析虚警偏差攻击模式对频谱感知造成的影响，得到全局虚警概率P_f和攻击概率p_a、攻击阈值η、攻击强度Δ之间的函数表达式如下：

其中：

4)中如果检测到正常节点处于闲状态，则将以大功率P₀发射信号；如果正常节点处于忙状态以功率P_p发射信号，偏差节点将以小功率P₁发射信号；故在一个时间帧内偏差网络的平均吞吐量写成如下形式：

其中：h_k,g_ss分别是正常节点到偏差节点、偏差节点的发射端到偏差节点的接收端的信道衰减系数，P(H₀)和P(H₁)分别表示主用户PU实际处于闲状态与忙状态的概率；其中，正常节点集成有发射机PU-Tx；偏差节点集成有发射机SU-Tx和接收机SU-Rx；常节点和偏差节点的信息传输分别通过发射机PU-Tx、发射机SU-Tx和接收机SU-Rx实现的；

5)中确定有关发射功率和感知时间的约束条件及对非凸优化问题的求解，按照如下过程进行：

一)，保证偏差网络能长时间工作，需对偏差的发射功率进行限制，保证偏差网络的平均发射功率低于限定值：

E{α₀P₀+α₁P₁+β₀P₀+β₁P₁}≤P_av；

式中P_av是偏差发射机SU-Tx的最大平均发射功率，这的平均是指信道衰减系数h_i,g_ss,g_sp随机变量的期望；

二)，根据基于合作感知的频谱共享网络模型，知道干扰只在正常节点处于忙状态时发生，所以平均干扰功率约束写成如下形式：

E{g_sp(β₀P₀+β₁P₁)}≤Q_av；

三)，确保各个节点处的检测概率和网络的整体检测概率分别不低于各自的目标检测概率，关于检测概率的限制条件如下：

P_d≥P_th,P_di≥p_th,i＝1,2…k；

四)，根据上述限制条件下，建立以最大化次级网络的平均吞吐量为目标函数的最优化问题：

五)，求解所建立的最优化问题，选择使得正常网络的吞吐量最大的合作感知的感知周期和正常的信号发射功率作为该频谱感知模型的感知参数；

步骤三，健身管理平台的管理模块接收和分析处理来自健身器械的实时传感测量数据，如果有操作错误，则从数据库中调出纠错信息，并传输给智能控制模块并显示在人机交互显示器上；

步骤四，人机交互显示器通过通信模块以有线或者无线的方式与外部智能终端连接；

步骤五，健身器材的智能控制模块的存储模块用于存储管理计算机下传的规范动作指导、健身计划安排和音频视频资料。

2.如权利要求1所述的基于嵌入式的健身器材智能训练支撑控制方法，其特征在于，所述监测模块包括血压监测模块、心率监测模块、呼吸频率监测模块、记步监测模块和体温监测模块中的任意一种或多种；

所述通信模块通过Wifi与应用服务器连接。

3.如权利要求1所述的基于嵌入式的健身器材智能训练支撑控制方法，其特征在于，所述智能控制模块嵌装在健身器材上，包括：外设接口、微处理器、模数转换器、存储模块、调整模块；

所述微处理器，用于对系统进行控制及对信号进行处理；

所述存储模块，通过USB接口及键盘输入指令，可把健身统计数据下载到个人U盘或其它健身存储卡；数据存储器芯片通过总线和微处理器相连，微处理器可以把规范动作指导、健身计划安排和音频视频资料等存储在数据存储器芯片中；

所述调整模块，根据不同的体质的信息计算训练效果、更新训练方案，通过关键组件和系统实时监测来采集、分析、存储训练时的配重负荷、速度、次数、组数指标，并根据个人需要来提高身体活动模式。

4.如权利要求1所述的基于嵌入式的健身器材智能训练支撑控制方法，其特征在于，所述外部智能终端为移动手机，通过外部智能终端人了解运动强度，锻炼次数、重量、能量消耗、锻炼时间、锻炼效果数据，并将数据与其他用户分享。

5.如权利要求4所述的基于嵌入式的健身器材智能训练支撑控制方法，其特征在于，外部智能终端的分享方法包括：获得分享请求；

根据所述分享请求，调用一流媒体服务，并确定一用于分享的第一数据；

基于所述流媒体服务，将所述第一数据转换为流媒体数据以及生成一通过流媒体协议能够获得所述流媒体数据的地址信息；

向人机交互显示器发送所述地址信息；其中，所述地址信息用于使所述人机交互显示器根据所述地址信息获得所述流媒体数据；

基于所述流媒体服务，当接收到所述人机交互显示器的确认信息后，向所述人机交互显示器输出所述流媒体数据。