CN111356110A - 一种基于大数据的智能辅助锻炼系统 - Google Patents

一种基于大数据的智能辅助锻炼系统 Download PDF

Info

Publication number
CN111356110A
CN111356110A CN202010158876.4A CN202010158876A CN111356110A CN 111356110 A CN111356110 A CN 111356110A CN 202010158876 A CN202010158876 A CN 202010158876A CN 111356110 A CN111356110 A CN 111356110A
Authority
CN
China
Prior art keywords
sensor node
cluster head
data
action
motion
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010158876.4A
Other languages
English (en)
Other versions
CN111356110B (zh
Inventor
刘政
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Okstar Sports Industry Co ltd
Original Assignee
Beijing Okstar Sports Industry Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Okstar Sports Industry Co ltd filed Critical Beijing Okstar Sports Industry Co ltd
Priority to CN202010158876.4A priority Critical patent/CN111356110B/zh
Publication of CN111356110A publication Critical patent/CN111356110A/zh
Application granted granted Critical
Publication of CN111356110B publication Critical patent/CN111356110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B3/00—Audible signalling systems; Audible personal calling systems
    • G08B3/10—Audible signalling systems; Audible personal calling systems using electric transmission; using electromagnetic transmission
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/46—Cluster building
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/20—Communication route or path selection, e.g. power-based or shortest path routing based on geographic position or location
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/24—Connectivity information management, e.g. connectivity discovery or connectivity update
    • H04W40/32—Connectivity information management, e.g. connectivity discovery or connectivity update for defining a routing cluster membership
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks

Abstract

本发明公开了一种基于大数据的智能辅助锻炼系统,其包括：数据采集装置、数据处理装置、动作矫正装置和显示装置；数据采集装置，其基于无线传感器网络采集用户的运动数据，并将运动数据发送至数据处理装置；数据处理装置根据运动数据识别出用户的运动动作，并将运动动作与预设的规范运动动作进行比对，当所述运动动作与预设的规范运动动作不匹配时，则生成动作矫正指令；动作矫正装置接收生成的动作矫正指令，并执行动作矫正指令以对用户的运动动作进行矫正。该系统利用无线传感器网络采集用户的运动数据，方便快捷；通过对采集的运动数据进行实时分析，能够及时获悉用户的运动动作是否规范，并帮助用户矫正，可以给用户带来很好的使用体验度。

Description

一种基于大数据的智能辅助锻炼系统
技术领域
本发明涉及运动健身技术领域，具体涉及一种基于大数据的智能辅助锻炼系统。
背景技术
现有的智能锻炼系统，有其固有的缺陷和不足：例如，不能针对用户在锻炼过程中出现的动作是否标准进行判断，从而无法使用户及时纠正动作。
发明内容
针对上述问题，本发明提供一种基于大数据的智能辅助锻炼系统。
本发明的目的采用以下技术方案来实现：
一种基于大数据的智能辅助锻炼系统,该智能辅助锻炼系统包括：数据采集装置、数据处理装置、动作矫正装置和显示装置；
其中，所述数据采集装置，其基于无线传感器网络采集用户的运动数据，并将所述运动数据发送至所述数据处理装置；
所述数据处理装置，用于根据所述运动数据识别出用户的运动动作，并将所述运动动作与预设的规范运动动作进行比对，当所述运动动作与预设的规范运动动作不匹配时，则生成动作矫正指令；
所述动作矫正装置，用于接收所述数据处理装置生成的动作矫正指令，并执行所述动作矫正指令以对用户的运动动作进行矫正；
所述显示装置，与所述数据处理装置通信连接，其用于显示用户的运动数据，以及根据所述动作矫正指令，显示与所述运动动作对应的规范运动动作视频。
在一种可选的实施方式中，该智能辅助锻炼系统还包括：用于获取用户在不同运动时段的图像获取装置；
所述图像获取装置与用户终端通信连接，其用于将获取的图像数据发送至所述用户终端。
在一种可选的实施方式中，该智能辅助锻炼系统还包括：用于提醒用户已运动时长的语音提醒装置。
在一种可选的实施方式中，所述数据采集装置包括：汇聚节点和多个用于采集用户的运动数据的传感器节点；
其中，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络。
在一种可选的实施方式中，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络，具体构建过程如下：
步骤一：所述汇聚节点和传感器节点部署完成后，所述汇聚节点向全网广播竞选簇首指令，所述传感器节点接收到所述竞选簇首指令后，计算自身能够成为簇首的优势值；
步骤二：判断传感器节点成为簇首的优势值是否大于高优势阈值Pmax，若大于Pmax，则该传感器节点成为簇首；否则，跳转到步骤三；
步骤三：判断传感器节点成为簇首的优势值是否小于低优势阈值Pmin，若小于Pmin，则该传感器节点不参与竞选簇首；否则，跳转到步骤四；
步骤四：若传感器节点在上一轮分簇中为簇首，则该传感器节点不参与竞选簇首；否则，利用下式计算该传感器节点能够当选为簇首的概率值，若该传感器节点能够当选为簇首的概率值大于随机生成的数A，其中，A的取值范围为[0,1]，则该传感器节点成为簇首，反之，则该传感器节点不参与竞选簇首；其中，传感器节点能够当选为簇首的概率值可通过下式计算得到：
Figure BDA0002405050020000021
式中，Qj为传感器节点j能够当选为簇首的概率值，Nr表示当前轮次中的簇首个数，Re(j)为传感器节点j感知的空闲信道数，Re(i)为传感器节点i感知的空闲信道数，d(j,BS)、d(i,BS)分别为传感器节点j、传感器节点i与汇聚节点BS之间的空间距离，Eres(j)、Eres(i)分别为传感器节点j、传感器节点i的当前剩余能量值，E0(i)为传感器节点i的初始能量值，I为传感器节点个数，Popt为预设的最优簇首比例，r为当前分簇的轮数，rmax为预设的分簇最大轮数，α为权重系数；
步骤五：未当选为簇首的传感器节点加入到与之通信距离最近的簇首中，成为相应簇首的簇成员节点，完成分簇。
本发明的有益效果为：本发明的目的在于提供一种基于大数据的智能辅助锻炼系统，该系统利用无线传感器网络采集用户的运动数据，方便快捷；通过对采集的运动数据进行实时分析，能够及时获悉用户的运动动作是否规范，并帮助用户矫正，可以给用户带来很好的使用体验度。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明实施例提供的一种基于大数据的智能辅助锻炼系统的框架结构图。
附图标记：数据采集装置10、数据处理装置20、动作矫正装置30、显示装置40、图像获取装置50、语音提醒装置60。
具体实施方式
结合以下实施例对本发明作进一步描述。
图1示出了一种基于大数据的智能辅助锻炼系统,该智能辅助锻炼系统包括：数据采集装置10、数据处理装置20、动作矫正装置30和显示装置40；
其中，所述数据采集装置10，其基于无线传感器网络采集用户的运动数据，并将所述运动数据发送至所述数据处理装置20；
所述数据处理装置20，用于根据所述运动数据识别出用户的运动动作，并将所述运动动作与预设的规范运动动作进行比对，当所述运动动作与预设的规范运动动作不匹配时，则生成动作矫正指令；
所述动作矫正装置30，用于接收所述数据处理装置20生成的动作矫正指令，并执行所述动作矫正指令以对用户的运动动作进行矫正；
所述显示装置40，与所述数据处理装置20通信连接，其用于显示用户的运动数据，以及根据所述动作矫正指令，显示与所述运动动作对应的规范运动动作视频。
在一种可选的实施方式中，该智能辅助锻炼系统还包括：用于获取用户在不同运动时段的图像获取装置50；
所述图像获取装置50与用户终端通信连接，其用于将获取的图像数据发送至所述用户终端。
在一种可选的实施方式中，该智能辅助锻炼系统还包括：用于提醒用户已运动时长的语音提醒装置60。
本发明实施例的目的在于提供一种基于大数据的智能辅助锻炼系统，该系统利用无线传感器网络采集用户的运动数据，方便快捷；通过对采集的运动数据进行实时分析，能够及时获悉用户的运动动作是否规范，并帮助用户矫正，可以给用户带来很好的使用体验度。
在一种可选的实施方式中，所述数据采集装置10包括：汇聚节点和多个用于采集用户的运动数据的传感器节点；
其中，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络。
在一种可选的实施方式中，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络，具体构建过程如下：
步骤一：所述汇聚节点和传感器节点部署完成后，所述汇聚节点向全网广播竞选簇首指令信号，所述传感器节点接收到所述竞选簇首指令信号后，计算自身能够成为簇首的优势值；
步骤二：判断传感器节点成为簇首的优势值是否大于高优势阈值Pmax，若大于Pmax，则该传感器节点成为簇首；否则，跳转到步骤三；
步骤三：判断传感器节点成为簇首的优势值是否小于低优势阈值Pmin，若小于Pmin，则该传感器节点不参与竞选簇首；否则，跳转到步骤四；
步骤四：若传感器节点在上一轮分簇中为簇首，则该传感器节点不参与竞选簇首；否则，利用下式计算该传感器节点能够当选为簇首的概率值，若该传感器节点能够当选为簇首的概率值大于随机生成的数A，其中，A的取值范围为[0,1]，则该传感器节点成为簇首，反之，则该传感器节点不参与竞选簇首；其中，传感器节点能够当选为簇首的概率值可通过下式计算得到：
Figure BDA0002405050020000041
式中，Qj为传感器节点j能够当选为簇首的概率值，Nr表示当前轮次中的簇首个数，Re(j)为传感器节点j感知的空闲信道数，Re(i)为传感器节点i感知的空闲信道数，d(j,BS)、d(i,BS)分别为传感器节点j、传感器节点i与汇聚节点BS之间的空间距离，Eres(j)、Eres(i)分别为传感器节点j、传感器节点i的当前剩余能量值，E0(i)为传感器节点i的初始能量值，I为传感器节点个数，Popt为预设的最优簇首比例，r为当前分簇的轮数，rmax为预设的分簇最大轮数，α为权重系数；
步骤五：未当选为簇首的传感器节点加入到与之通信距离最近的簇首中，成为相应簇首的簇成员节点，完成分簇。
有益效果：如果传感器节点都直接与汇聚节点进行直接通信，那么距离汇聚节点较远的传感器节点会由于消耗过多的能量而及早地死亡，从而会丢失掉用户的运动数据，进而会对后续的用户的运动动作的识别与矫正造成影响。基于此，本发明上述实施例采取如上的分簇机制构建一无线传感器网络，在汇聚节点和传感器节点部署完成后，首先通过判断传感器节点能够成为簇首的优势值与高优势阈值Pmax和低优势阈值Pmin的大小关系，从而筛选出满足条件的传感器节点作为簇首，对于不满足条件的，进一步计算该传感器节点的能够当选为簇首的概率值，进而进一步确定哪些传感器节点可以作为簇首，从而完成分簇。经过高优势阈值Pmax和低优势阈值Pmin的判别后，保护了低于低优势阈值Pmin的传感器节点，充分的利用了高于高优势阈值Pmax的传感器节点，从而均衡了整个无线传感器网络的能耗。再则，在整个分簇过程中，考虑了传感器节点的剩余能量、空闲信道数、与汇聚节点的空间距离等多个因素的影响，降低了整个无线传感器网络的能耗，延长了该无线传感器网络的使用寿命，提高了该无线传感器网络的数据传输的效率，保障了整个智能辅助系统的可靠性和稳定性。
在一种可选的实施方式中，所述的高优势阈值Pmax可通过下式计算得到：
Figure BDA0002405050020000051
式中，Pmax为高优势阈值，ρmax为该无线传感器网络中传感器节点的综合性能指标的最大值，
Figure BDA0002405050020000052
为该无线传感器网络中传感器节点的综合性能指标的平均值，SImax为该无线传感器网络中传感器节点接收到来自所述汇聚节点发送的信号强度值最大值，
Figure BDA0002405050020000053
为该无线传感器网络中的传感器节点接收到来自所述汇聚节点发送的信号强度值平均值，r为当前分簇的轮数，rmax为预设的分簇最大轮数。
有益效果：在上述实施例中，利用上述公式计算高优势阈值Pmax，在计算高优势阈值Pmax时，考虑了该无线传感器网络中各传感器节点的综合性能指标(其中该综合性能指标是指传感器节点自身的硬件属性，如传感器节点的容错率、感知数据的能力等)、传感器节点接收来自汇聚节点发送的信号强度值的大小以及当前分簇的轮数等多方面的影响，便于后续真正选择出有能力担任簇首的传感器节点当选为簇首，从而实现既保护低于低优势阈值Pmin的传感器节点，又充分的利用了高于高优势阈值Pmax的传感器节点的目的。
在一种可选的实施方式中，所述的低优势阈值Pmin可通过下式计算得到：
Figure BDA0002405050020000054
式中，Pmin为低优势阈值，ρmax为该无线传感器网络中传感器节点的综合性能指标的最大值，
Figure BDA0002405050020000055
为该无线传感器网络中传感器节点的综合性能指标的平均值，SImax为该无线传感器网络中传感器节点接收到来自所述基站发送的信号强度值最大值，SIth为该无线传感器网络中的传感器节点接收到来自所述汇聚节点发送的信号强度值的平均值，r为当前分簇的轮数，rmax为预设的分簇最大轮数。
有益效果：在上述实施例中，利用上述公式计算低优势阈值Pmin，在计算低优势阈值Pmin时，考虑了该无线传感器网络中各传感器节点的综合性能指标(其中该综合性能指标是指传感器节点自身的硬件属性，如传感器节点的容错率、感知数据的能力等)、传感器节点接收来自汇聚节点发送的信号强度值的大小以及当前分簇的轮数等多方面的影响，便于后续真正选择出有能力担任簇首的传感器节点当选为簇首，从而实现既保护低于低优势阈值Pmin的传感器节点，又充分的利用了高于高优势阈值Pmax的传感器节点的目的。
在一种可选的实施方式中，所述传感器节点的优势值可通过下式计算得到：
Figure BDA0002405050020000061
式中，Pa为传感器节点a的优势值，Da为传感器节点a的邻居节点数目，
Figure BDA0002405050020000062
为该无线传感器网络中传感器节点的邻居节点平均数目，Eres(a)为传感器节点a的当前剩余能量值，Eth为传感器节点a能够成为簇首的能量阈值，SI(a)为该无线传感器网络中传感器节点a接收到来自所述基站发送的信号强度值，
Figure BDA0002405050020000063
为该无线传感器网络中的传感器节点接收到来自所述汇聚节点发送的信号强度值平均值,χ1、χ2、χ3为权重系数，其满足χ1+χ2+X3＝1。
有益效果：在上述实施例中，在计算传感器节点的优势值时，考虑了传感器节点的邻居节点数目、传感器节点的当前剩余能量值、传感器节点能够成为簇首的能量阈值以及接受来自所述汇聚节点发送的信号强度值等多方面因素的影响，从而是得到的传感器节点的优势值能够准确地反应出该传感器节点自身的性能，便于选择出性能好的传感器节点作为簇首，从而实现分簇。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (5)

1.一种基于大数据的智能辅助锻炼系统，其特征在于，包括：数据采集装置、数据处理装置、动作矫正装置和显示装置；
其中，所述数据采集装置，其基于无线传感器网络采集用户的运动数据，并将所述运动数据发送至所述数据处理装置；
所述数据处理装置，用于根据所述运动数据识别出用户的运动动作，并将所述运动动作与预设的规范运动动作进行比对，当所述运动动作与预设的规范运动动作不匹配时，则生成动作矫正指令；
所述动作矫正装置，用于接收所述数据处理装置生成的动作矫正指令，并执行所述动作矫正指令以对用户的运动动作进行矫正；
所述显示装置，与所述数据处理装置通信连接，其用于显示用户的运动数据，以及根据所述动作矫正指令，显示与所述运动动作对应的规范运动动作视频。
2.根据权利要求1所述的一种基于大数据的智能辅助锻炼系统，其特征在于，还包括：用于获取用户在不同运动时段的图像获取装置；
所述图像获取装置与用户终端通信连接，其用于将获取的图像数据发送至所述用户终端。
3.根据权利要求1所述的一种基于大数据的智能辅助锻炼系统，其特征在于，还包括：用于提醒用户已运动时长的语音提醒装置。
4.根据权利要求1所述的一种基于大数据的智能辅助锻炼系统，其特征在于，所述数据采集装置包括：汇聚节点和多个用于采集用户的运动数据的传感器节点；
其中，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络。
5.根据权利要求4所述的一种基于大数据的智能辅助锻炼系统，其特征在于，所述汇聚节点和传感器节点按照预设的分簇机制构建所述无线传感器网络，具体构建过程如下：
步骤一：所述汇聚节点和传感器节点部署完成后，所述汇聚节点向全网广播竞选簇首指令，所述传感器节点接收到所述竞选簇首指令后，计算自身能够成为簇首的优势值；
步骤二：判断传感器节点成为簇首的优势值是否大于高优势阈值Pmax，若大于Pmax，则该传感器节点成为簇首；否则，跳转到步骤三；
步骤三：判断传感器节点成为簇首的优势值是否小于低优势阈值Pmin，若小于Pmin，则该传感器节点不参与竞选簇首；否则，跳转到步骤四；
步骤四：若传感器节点在上一轮分簇中为簇首，则该传感器节点不参与竞选簇首；否则，利用下式计算该传感器节点能够当选为簇首的概率值，若该传感器节点能够当选为簇首的概率值大于随机生成的数A，其中，A的取值范围为[0,1]，则该传感器节点成为簇首，反之，则该传感器节点不参与竞选簇首；其中，传感器节点能够当选为簇首的概率值可通过下式计算得到：
Figure FDA0002405050010000021
式中，Qj为传感器节点j能够当选为簇首的概率值，Nr表示当前轮次中的簇首个数，Re(j)为传感器节点j感知的空闲信道数，Re(i)为传感器节点i感知的空闲信道数，d(j,BS)、d(i,BS)分别为传感器节点j、传感器节点i与汇聚节点BS之间的空间距离，Eres(j)、Eres(i)分别为传感器节点j、传感器节点i的当前剩余能量值，E0(i)为传感器节点i的初始能量值，I为传感器节点个数，Popt为预设的最优簇首比例，r为当前分簇的轮数，rmax为预设的分簇最大轮数，α为权重系数；
步骤五：未当选为簇首的传感器节点加入到与之通信距离最近的簇首中，成为相应簇首的簇成员节点，完成分簇。
CN202010158876.4A 2020-03-09 2020-03-09 一种基于大数据的智能辅助锻炼系统 Active CN111356110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010158876.4A CN111356110B (zh) 2020-03-09 2020-03-09 一种基于大数据的智能辅助锻炼系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010158876.4A CN111356110B (zh) 2020-03-09 2020-03-09 一种基于大数据的智能辅助锻炼系统

Publications (2)

Publication Number Publication Date
CN111356110A true CN111356110A (zh) 2020-06-30
CN111356110B CN111356110B (zh) 2020-12-29

Family

ID=71197585

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010158876.4A Active CN111356110B (zh) 2020-03-09 2020-03-09 一种基于大数据的智能辅助锻炼系统

Country Status (1)

Country Link
CN (1) CN111356110B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111899841A (zh) * 2020-08-06 2020-11-06 北京奥康达体育产业股份有限公司 一种人体运动生物力学监测管理系统
CN112804575A (zh) * 2021-01-18 2021-05-14 珠海格力电器股份有限公司 基于tof的资源推送方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090059795A1 (en) * 2007-09-04 2009-03-05 Motorola, Inc. Method and system for transitioning between a distributed ad hoc network architecture and a cluster ad hoc network architecture
US20160212684A1 (en) * 2011-04-13 2016-07-21 Broadcom Corporation Sensor network information collection via mobile gateway
CN106658642A (zh) * 2016-12-29 2017-05-10 长春理工大学 一种能量异构无线传感器网络分簇方法和系统
CN108818534A (zh) * 2018-07-04 2018-11-16 广东猪兼强互联网科技有限公司 一种多功能健身辅助机器人
CN110708735A (zh) * 2019-10-11 2020-01-17 长春理工大学 异构认知无线传感器网络分簇路由方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090059795A1 (en) * 2007-09-04 2009-03-05 Motorola, Inc. Method and system for transitioning between a distributed ad hoc network architecture and a cluster ad hoc network architecture
US20160212684A1 (en) * 2011-04-13 2016-07-21 Broadcom Corporation Sensor network information collection via mobile gateway
CN106658642A (zh) * 2016-12-29 2017-05-10 长春理工大学 一种能量异构无线传感器网络分簇方法和系统
CN108818534A (zh) * 2018-07-04 2018-11-16 广东猪兼强互联网科技有限公司 一种多功能健身辅助机器人
CN110708735A (zh) * 2019-10-11 2020-01-17 长春理工大学 异构认知无线传感器网络分簇路由方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111899841A (zh) * 2020-08-06 2020-11-06 北京奥康达体育产业股份有限公司 一种人体运动生物力学监测管理系统
CN111899841B (zh) * 2020-08-06 2021-05-11 北京奥康达体育产业股份有限公司 一种人体运动生物力学监测管理系统
CN112804575A (zh) * 2021-01-18 2021-05-14 珠海格力电器股份有限公司 基于tof的资源推送方法及装置

Also Published As

Publication number Publication date
CN111356110B (zh) 2020-12-29

Similar Documents

Publication Publication Date Title
CN111356110B (zh) 一种基于大数据的智能辅助锻炼系统
CN101459445B (zh) 一种认知无线电系统中的合作频谱感知方法
CN1158891C (zh) 分布式的移动站定位方法
US9288769B2 (en) Wireless power control apparatus and method having multiple transmit power levels
CN105099850B (zh) 基于频谱感知的智能车联物联网监控系统及监控方法
CN102821361B (zh) 通信设备、通信方法和通信系统
US20100131445A1 (en) Method of data transmission with differential data fusion
KR20100117600A (ko) 센서 네트워크들을 위한 핸드오버 메커니즘
CN105939543A (zh) 一种信道检测方法和装置
CN102821478B (zh) 一种基于认知的宽带无线接入设备星状组网方法
CN105227904A (zh) 数据传输方法、装置和网络摄像机
CN113114521B (zh) 一种链路质量的判断方法、网络摄像机和可读存储介质
US20140373038A1 (en) Quality evaluation apparatus, quality evaluation method, communication system, and radio base station apparatus
JP2013521833A (ja) 軽量な喘鳴検出方法およびシステム
CN105491572B (zh) 基于判决门限优化的联合频谱感知方法
CN110267112B (zh) 教学视频的展示方法、装置、终端设备、服务器及存储介质
CN113179509B (zh) 基于WiFi的自组网方法、装置、存储介质及无线节点
CN104079359A (zh) 一种认知无线网络中协作频谱感知门限优化方法
CN116781864B (zh) 基于物联网数据采集的工厂经营状态远程监控系统及方法
US10666849B2 (en) Imaging control device, imaging control method, and imaging control system with moving image processing that adapts to received radio wave strength
CN101833697A (zh) 一种基于虹膜认证的监控系统
CN108818534A (zh) 一种多功能健身辅助机器人
CN107770751A (zh) 一种智能家居环境监测系统
CN109862314A (zh) 一种视频图像获取和处理系统及其方法
CN109495861A (zh) 一种实时智能的建筑结构无线监测系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant