[发明专利]一种跳绳监测方法、电子装置及存储介质

权利要求书

1.一种跳绳监测方法，应用于电子装置，其特征在于，包括：

分别采集环境中多种声音样本，抽取采集数据中的一部分作为训练集，另一部分作为测试集；

提取能体现环境声音重要特性的特征参数；

对应每种声音类别都建立一个HMM模型；

利用开源声学模型训练器训练各个HMM模型，利用训练集对HMM模型进行训练，对于训练集中的各个声音添加标签，然后把数据输入各HMM模型中，训练得到各HMM模型的参数；

获取环境声音，利用前向算法，计算声音分类到各类别的概率，以跳绳与地面拍击的声音类别的概率最高进行一次跳绳计数，并累加跳绳计数。

2.根据权利要求1所述的跳绳监测方法，其特征在于，HMM模型表示为l(A,B,p),其中A是状态Si到Sj的转换概率矩阵，B是状态的观察输出概率密度，p是状态的初始分布概率，对于每一个HMM模型l_i，定义前向概率变量α_t(i)：在某一HMM模型l_i条件下，第t时刻处于状态S_i，输出前面部分观察值序列O＝O₁,O₂....O_t的概率：

α_t(i)＝P(O₁,O₂....O_t，q_t＝Si|l_i)，1≤t≤T，1≤i≤N

求取前向概率变量α_t(i)和输出概率P(O|l)的步骤如下：

(1)对于1≤i≤N，对处于状态S_i和初始观察序列为O₁条件下联合概率的初始化

(2)对于1≤t≤T-1,1≤j≤N，有

t时刻的迭代关系表示：第t时刻的状态S₁和第t+1时刻的状态S_j之间的转换关系；

(3)通过第(2)步的递归，获得前向概率变量值α_t(i)，根据前向概率变量值α_t(i)求出最后的概率分布，其中：

N为声音类别的数量；

i为当前声音类别，即当前状态；

O为观察值序列；

p是状态的初始分布概率；

A是状态Si到Sj的转换概率矩阵；

B是状态的观察输出概率密度；

T为跳绳时间段；

t为当前时刻；

通过各HMM模型，观察值序列O即为识别声音对应于各HMM模型的概率，如果最高概率是跳绳与地面碰撞声音的类别，则认定为跳绳一次。

3.根据权利要求1所述的跳绳监测方法，其特征在于，通过传感器测量跳绳者跳离地面的高度，并且，通过手臂上佩戴的加速度传感器检测手臂摆动的幅度，对应每一次跳绳，统计热量消耗与单次跳绳的跳离地面的高度、手臂摆动幅度之间的关系，并建立热量消耗统计列表，进而在跳绳过程中通过查找该热量消耗统计列表，获取该次跳绳的热量消耗值。

4.根据权利要求1所述的跳绳监测方法，其特征在于，还计算停歇时间，如果使用者中断时间小于等于预设的阈值，则计数器继续累加计数，如果使用者中断时间大于预设的阈值，则将计数清零。