多层次数据融合使得使用可穿戴传感器网络的团队体育运动中的协作动态分析成为可能

科学领域:

• 运动科学 运动科学 运动科学
• 数据科学数据科学数据科学
• 可穿戴技术可穿戴技术

背景情况:

• 分析团队运动中的协作动态对于提高表现至关重要.
• 现有的方法往往缺乏客观性,依赖于主观的评估.
• 可穿戴传感器网络为体育领域的客观数据收集提供了潜力.

研究的目的:

• 提出和验证一种新的多层次数据融合方法,用于分析团队体育中的协作动态.
• 整合来自各种可穿戴传感器 (IMU,GPS,生理,定位) 的数据以进行增强的分析.
• 开发一个客观的系统来量化团队协调和预测比赛结果.

主要方法:

• 开发了一个多级数据融合架构,具有自适应重量分配和异步对齐.
• 通过对半职业篮球和足球运动员进行受控实验验证实了该方法.
• 对篮球,足球,排球和手球进行了跨运动测试,测量了准确性和响应时间.

主要成果:

• 与单源方法相比,信号质量得到了8.6dB的改善,位置精度提高了42.3%.
• 通过实时响应 (192-312ms) 在各项运动中表现出一致的表现 (84.2-91.4%的准确性).
• 在时间协调和团队表现之间发现了强烈的相关性 (r=0.73);四个指标预测了73.6%准确度的结果.

结论:

• 多级数据融合方法有效量化了使用可穿戴传感器网络的团队协作动态.
• 这种方法为教练和分析师提供客观的工具来评估团队协调和表现.
• 这些发现强调了时间协调在团队体育成功中的重要性,并使得数据驱动的洞察力成为可能.