Beschreibung
Tragbare Sportler-Assistenz-Systeme sind eine weit verbreitete Technologie zur Leistungssteigerung im Sport. Die komplexe Signal- und Datenverarbeitung auf diesen Systemen wird dabei oft mit Methoden der Mustererkennung, wie Klassifikation, bewerkstelligt. Die Implementierung von Klassifikationsalgorithmen auf mobiler Hardware nennt man eingebettete Klassifikation. Technische Herausforderungen entstehen hierbei durch die limitierte Rechenleistung, Batteriekapazität und Größe mobiler Systeme.
Der Accuracy-Cost-Tradeoff beschreibt die beiden konkurrierenden Entwurfsziele von eingebetteten Klassifikationssystemen: die Genauigkeit und die Berechnungskosten eines Klassifikators. Ein Datenanalyse-System soll die maximale Genauigkeit erreichen und gleichzeitig auf einem mobilen System mit limitierten Ressourcen implementiert werden können. Genauigkeit und Kosten müssen daher in der Entwurfsphase von Algorithmen parallel betrachtet werden. Zudem ist es nötig, Klassifikationssysteme akkurat zu Modellieren, ihre zu erwartende Genauigkeit präzise abzuschätzen und ihre Energieeffizienz im Entwurf zu berücksichtigen. Das erste Ziel dieser Arbeit war es, die Lösung des Accuracy-Cost-Tradeoffs beim Entwurf eingebetteter Klassifikationssysteme mit verschiedenen Gesichtspunkten zu unterstützen.
Der Erfolg tragbarer Systeme im Sport basiert auf verschiedenen Chancen dieser Technologie. So kann ein tragbares System Felddaten aufzeichnen und ist nicht auf eine Laborumgebung oder einen Messplatz beschränkt. Es kann eine große Datenmenge mit realitätsnaher Variation genutzt werden, um die Leistung im Feld und deren Langzeitverlauf zu analysieren. Die Verarbeitung der Daten in Echtzeit erlaubt es, den Sportler und den Trainer im Feld mit extrinsischem Feedback zu unterstützen. Tragbare Systeme eröffnen daher neue Möglichkeiten sportliche Leistung zu analysieren. Das zweite Ziel dieser Arbeit war es, diese Möglichkeiten anhand von drei Anwendungen zu verdeutlichen um den Mehrwert der Systeme zu unterstreichen.
In dieser Arbeit werden mobile Anwendungen für plyometrisches Training, Golf Putting und Schwimmen vorgestellt. Sie bestehen aus Netzwerken drahtloser, körpernaher Inertialsensoren mittels derer kinematische Daten mobil verarbeitet werden können.
Die Anwendung für plyometrisches Training berechnete die Bodenkontaktzeit bei Niedersprügen. Der Datenanalyse-Algorithmus verwendete dabei ein Hidden Markov Modell, um den auftretenden Bodenkontakt mit hoher Genauigkeit zu ermitteln. Die Bodenkontaktzeit ist ein wichtiger Trainingsparameter zur Beurteilung der Sprungleistung und visuell nicht zu ermitteln.
Die Golf Putting Anwendung beschreibt ein System zum Techniktraining beim Golf. Der entwickelte Algorithmus zur automatischen Erkennung von Schlägen und Berechnung von Schlagparametern stellt die Basis für Anwendungen mit extrinsischem Feedback dar. Langzeitaufzeichnungen von kinematischen Daten während des Golftrainings lieferten im Rahmen dieser Arbeit neue Einblicke in die Entwicklung der Schlagtechnik.
Die Schwimmanwendung stellt ein dezentes System zur Trainingsüberwachung vor. Es war in der Lage die vier verschiedenen Schwimmstile sowie Wenden und Pausen anhand der Kopfkinematik zu unterscheiden. Außerdem konnte mit dem System die Langzeitermüdung eines 90-minütigen Schwimmtrainings erkannt werden. Die Erkennung der Schwimmstile, Wenden und Pausen wurde als eingebettetes Klassifikationsystem auf einem tragbaren Sensorknoten implementiert. Diese Anwendung unterstreicht daher die Eignung der entwickelten Gesichtspunkte zur Lösung des Accuracy-Cost-Tradeoffs.
Diese Arbeit stellt verschiedene Gesichtspunkte zum Entwurf eingebetteter Klassifikationssysteme vor und unterstreicht anhand von Anwendungsbeispielen den Mehrwert tragbarer Sportler-Assistenz-Systeme. Der Fokus lag auf einer anwendungsorientierten Unterstützung zur Lösung des Accuracy-Cost-Tradeoffs und auf der technischen Umsetzung tragbarer Sportler-Assistenz-Systeme. Von den Erkenntnissen dieser Arbeit können sowohl Forschung als auch Industrie aus den Bereichen Sport, Gesundheit und Medizin profitieren.
Bewertungen
Es gibt noch keine Bewertungen.