背景与目标

抗阻训练具有诸多益处，包括增强肌肉力量、爆发力、促进肌肉肥大以及减少脂肪。然而，训练者在自我观察时容易出错，这可能导致受伤风险增加、训练目标进展缓慢以及技术动作不正确。这些问题，加上聘请私人教练的高昂费用，催生了对于实时训练反馈系统的需求。

爱尔兰国立大学（高威）的学生Martin O'Reilly近期开发了一套基于Shimmer传感器和LabVIEW的虚拟助手，旨在辅助用户进行训练。

该生物反馈应用利用惯性传感器信号和专门开发的算法，提供高质量的阻力训练生物反馈，包括：动作节奏、关键身体部位的活动范围、重复次数与组数计数、重量记录，以及用于预防损伤的危险动作检测。该应用的初始版本专注于三项核心训练动作：深蹲、硬拉和卧推。

系统开发

系统的开发过程分为四个主要阶段：

1. 1.

   信号分析与传感器配置

   
   

• 进行数据收集。

• 确定传感器佩戴位置。

• 为动作分析确定理想的传感器组合。

2. 2.

   算法开发

   
   

• 使用矩阵计算关节角度。

• 计算动作节奏和活动范围。

• 实现重复次数和组数计数。

3. 3.

   健身房实地动作分析

   
   

• 检测数据中的危险动作。

• 确定重复次数。

• 设定活动范围阈值。

4. 4.

   最终应用开发

   
   

• 实现训练期间的实时生物反馈。

• 通过弹出窗口小部件显示长期进展。

• 最终打包成可安装的应用程序，兼容所有Windows电脑。

Shimmer 与 LabVIEW 的集成

Martin在开发此系统前已拥有丰富的私人培训经验。他指出，Shimmer硬件及其与LabVIEW的配合使用显著降低了系统构建的难度，并使其能够在短时间内完成开发。

• Shimmer传感器提供了运动数据，而通过使用Shimmer LabVIEW仪器驱动程序，可以快速有效地集成这些数据。

• Martin认为LabVIEW的图形化编程方法非常直观，使他能够通过可视化方式更快地测试想法。

• 同时，Shimmer 9自由度校准工具 使得传感器校准工作变得轻松。通过保持定期充电和校准的习惯，传感器为项目输出了符合要求的高质量数据。

• 该系统需要适用于不同水平的运动员和多种训练动作，因为Martin的目标是创建一种技术解决方案，以减少对私人教练的依赖，专注于为用户提供实时反馈。

• 通过利用现有的库资源、插入前面板对象和PNG图像，最终打造了一个吸引人的用户界面。

系统评估与测试

该系统在20名受试者身上进行了评估：10名精英运动员和10名缺乏经验的受试者。研究比较了他们使用与不使用反馈系统时的技术动作。结果显示，该系统能有效辅助和改善用户的训练技术。

结论与未来改进

该系统为抗阻训练提供了全面而准确的生物反馈。评估已证实该系统有助于改善用户的训练技术。

目前，该系统仅通过LabVIEW提供，但未来的改进将侧重于以下方面：

• 开发智能手机版本

• 优化服务器以实现云数据存储

• 集成听觉反馈

• 增加更多训练动作和目标参数

• 集成更多传感参数——如用于监测肌肉疲劳的肌电图（EMG）、用于评估运动员压力的皮电反应（GSR）

• 开发针对精英运动员的系统，用于更精准的健美和力量训练

• 开发用于改善老年人活动能力的系统

• 设计可嵌入传感器的可穿戴服装