一种基于人体感官敏感度的雪车雪橇运动仿真方法及系统

1.本发明属于雪车雪橇运动感官研究领域，更具体地，涉及一种基于人体感官敏感度的雪车雪橇运动仿真方法及系统。


背景技术：

2.近年来，越来越多人参与到冰雪运动中，雪车雪橇运动这项紧张刺激的运动也走入大众视野。但目前关于雪车雪橇运动体感的研究较少，为深入研究雪车雪橇运动员感官敏感度与滑行效果的关系带来了困难。
3.目前市面上已有一些针对雪车雪橇运动的模拟仿真装置来供大众体验或供专业运动员训练使用，然而先前的各种基于传感器的仿真体验设备，其模拟感官较为单一，多是从视觉、触觉出发，缺少风感、声感等模拟，此外通过虚拟现实技术亦可增强用户的沉浸感。多感官耦合作用下的仿真环境需要根据用户自身对环境的敏感度来设置仿真强度，从而提升其舒适度与沉浸感。
4.因此亟需一种可针对各体验者不同的感官敏感度，对雪车雪橇仿真体验设备进行仿真强度调节的方法。


技术实现要素：

5.针对现有技术的以上缺陷或改进需求，本发明提供了一种基于人体感官敏感度的雪车雪橇运动仿真方法及系统，其目的在于，为评判用户感官敏感度提供评价标准，从而确定雪车雪橇训练仿真设备的模拟强度，提高仿真设备适应性和舒适度。
6.为实现上述目的，按照本发明的一方面，提出了一种基于人体感官敏感度的雪车雪橇运动仿真方法，包括如下步骤：
7.获取雪车雪橇用户滑行过程中的各项指标数据，每个用户的数据为一个样本；获取多个样本并对数据进行归一化，构建评价指标矩阵；
8.根据评价指标矩阵，通过ahp算法计算得到第一感官敏感度，并根据第一感官敏感度分布划分感官敏感度等级；
9.根据评价指标矩阵，通过fcm算法对其中各样本进行模糊聚类，聚类时所分类别数与感官敏感度等级数相等，进而得到第二感官敏感度；
10.根据第一感官敏感度和第二感官敏感度加权计算得到综合感官敏感度，进而根据各样本的综合感官敏感度分别确定雪车雪橇仿真装备的仿真强度等级，实现分别针对不同用户的雪车雪橇运动仿真。
11.作为进一步优选的，通过ahp算法计算得到第一感官敏感度，具体包括：
12.(1)将各项指标分为n类，对n类指标分别构造判断矩阵ak并确定其相应权重θk，k＝1,2
…
,n，并相应将指标评价矩阵划分为分块矩阵[p1p2…
pk…
pn]；评价指标矩阵中第i行向量表示第i个用户的指标数据；
[0013]ak
的表达式为：ak＝(a
rs
)n×n；a
rs
为权重对比标度，定义为：
[0014][0015]
其中，a
rs
》0，r,s＝1,2,3,
…
,n，n为指标个数，fr、fs分别为指标r,s的相对重要程度；
[0016]
(2)将判断矩阵ak按列归一化：b
rs
＝a
rs
/∑a
rs
；
[0017]
再对各行指标值加总求平均值得到各分量
[0018]
进而得到指标权重向量ωk＝[w1,w2,
…
,wr,
…
,wn]
t
；
[0019]
(3)计算第一感官敏感度向量δ
ahp
：
[0020][0021]
其中，δ
ahp
第i个分量的值即为第i个用户的第一感官敏感度
[0022]
作为进一步优选的，构造判断矩阵ak后，当判断矩阵阶数大于2时需先对判断矩阵进行一致性检验，通过后再计算第一感官敏感度；具体包括：
[0023]
计算判断矩阵ak的最大特征值λ
max
：
[0024][0025]
其中，[akωk]r代表向量akωk的第r个分量；
[0026]
进而计算一致性比例cr：
[0027][0028]
其中，n为判断矩阵阶数，ri为一致性指标；
[0029]
当cr《0.1时，判断矩阵一致性检验通过；否则，一致性检验不通过，需要扩大样本量或者剔除异常样本数据，重新构建评价指标矩阵。
[0030]
作为进一步优选的，通过fcm算法对各样本进行模糊聚类，得到第二感官敏感度，具体包括：
[0031]
(1)根据感官敏感度划分的等级数量，确定将m个样本聚类为n
clu
簇；
[0032]
(2)使用(0,1)区间内的随机值初始化隶属度矩阵且其满足如下约束条件：
[0033]
[0034]
其中，u
ij
为第i个样本xi隶属于第j个簇的程度；xi为评价指标矩阵中第i个用户的数据，即第i行向量；
[0035]
(3)计算聚类中心：
[0036][0037]
其中，表示模糊权重指数，cj为第j个簇的聚类中心；
[0038]
(4)计算目标函数j(u,c)：
[0039][0040]
其中，d
ij
表示xi与cj的欧几里得距离；
[0041]
(5)更新隶属度矩阵u：
[0042][0043]
(6)重复步骤(3)-(5)，直至目标函数值收敛，停止迭代；
[0044]
(7)根据最终的隶属度矩阵，将各样本分类，并计算此时的最终聚类中心矩阵
[0045]
(8)根据n类指标，将聚类中心矩阵c矩阵划分为分块矩阵：
[0046][0047]
则第二感官敏感度向量δ
fcm 0
：
[0048][0049]
其中，δ
fcm 0
第j个分量的值即为第j类用户的第二感官敏感度将n
clu
维的向量δ
fcm 0
扩展为m维向量δ
fcm
，若第i个用户从属于第j类，则δ
fcm
的第i个分量的值等于
[0050]
作为进一步优选的，计算综合感官敏感度，具体包括：
[0051]
δ
fin
＝γ1δ
ahp
γ2δ
fcm
[0052]
其中，δ
fin
为综合感官敏感度向量，γ1、γ2分别为δ
ahp
、δ
fcm
的权重，且γ1 γ2＝1；δ
fin
第i个分量的值即为第i个用户的综合感官敏感度
[0053]
作为进一步优选的，获取多个样本后，构建评价统计表矩阵p0，采用极值法对矩阵p0中的数据进行归一化，形成评价指标矩阵pm×n，m为用户个数，n为指标个数；
[0054]
具体的，对矩阵p0中第u行第v列的数据p
uv
：
[0055]
极大型指标量纲归一化值为极小型指标量纲归一化值为其中，min pv为矩阵p0中第v列最小值，max pv为矩阵p0中第v列最大值。
[0056]
作为进一步优选的，所述指标数据包括主观感受数据和客观指标数据，主观感受数据包括对地理环境、视觉因素、听觉因素、触觉因素、平衡觉因素、心理因素的打分数据，客观指标数据包括运动等级指标、心率指标。
[0057]
作为进一步优选的，所述主观感受数据通过调查问卷的形式获取，调查问卷为基于主观感受评价因素的李克特5级量表，将各项指标对应的等级评价进行量化并映射到评价统计表矩阵p0中。
[0058]
作为进一步优选的，根据综合感官敏感度确定雪车雪橇仿真装备的仿真强度，敏感度与仿真强度对应并呈负相关。
[0059]
按照本发明的另一方面，提供了一种基于人体感官敏感度的雪车雪橇运动仿真系统，包括处理器，所述处理器用于执行上述基于人体感官敏感度的雪车雪橇运动仿真方法。
[0060]
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
[0061]
1、本发明采用ahp算法计算感官敏感度指标权重，量化敏感度等级，进而利用fcm算法降低敏感度模型的主观性干扰，为研究雪车雪橇滑行感官与环境的联系提供基础，并为评判运动员感官敏感度提供评价标准，从而匹配应用于训练仿真设备的模拟强度设定，提高了仿真设备适应性和舒适度。
[0062]
2、本发明为雪车雪橇仿真体验设备研发提供了改善方法，即通过建立运动感官敏感度等级模型，设置设备的仿真强度，不同敏感度的用户可以在使用过程中选择不同的强度等级，从而改善用户的使用体验。同时，提供了一种高效、简明的感官因素量化建模的思路，能够应用并丰富于其他相似竞速载具运动的感官研究中。
[0063]
3、本发明在感官敏感度测算中结合了层次分析和fcm聚类两种算法，并设计了具体计算和结合方式；可以有效减少层次分析算法中评价受人为因素干扰的影响，利用模糊c均值算法对各个样本与每类原型间的欧氏距离用其隶属度加权，得到了基于目标函数模糊聚类的一般描述，最终对两种算法得出的结果进行加权平均，使其更加客观、准确。
[0064]
4、本发明通过调查问卷提取雪车雪橇专业运动员滑行过程时对各环境因素影响重要程度的主观判断，并确定了多个维度的调查指标，从而确定评定用户在各环境因素下的感官敏感程度，评定其在雪车雪橇运动中的综合敏感度，为滑行感官研究指明侧重点。
附图说明
[0065]
图1为本发明实施例基于人体感官敏感度的雪车雪橇运动仿真方法流程图；
[0066]
图2为本发明实施例感官敏感度评价指标体系示意图。
具体实施方式
[0067]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
[0068]
本发明实施例提供的一种基于人体感官敏感度的雪车雪橇运动仿真方法，该方法基于ahp-fcm算法的感官敏感度评价指标体系进行，如图2所示，评价指标体系包含三层：第一层为目的层，旨在表达本评价指标体系运用在雪车雪橇滑行人体感官对外界刺激的敏感程度；第二层为构成所述感官测量对象的两大准则指标，即运动员主观感受和客观指标；第三层为第二层指标的细化分类，用于具体计算运动员敏感状态。
[0069]
如图1所示，仿真方法具体包括如下步骤：
[0070]
s1，通过调查问卷或访谈，搜集雪车雪橇用户滑行过程中的主观态势感知信息，即主观感受数据；以该问卷所获得的样本数据为基础可得到各敏感因素所占权重。
[0071]
优选地，调查问卷采用基于主观感受评价因素的李克特5级量表；其中调查的主观感受指标包括：地理环境、视觉因素、听觉因素、触觉因素、平衡觉因素、心理因素。
[0072]
s2，获取雪车雪橇用户的客观指标数据，包括运动等级指标和心率指标；具体通过便携式生物电信号传感器采集运动员滑行全过程的生理信号，运动等级可在问卷中直接设项征询。
[0073]
优选地，可采用便携式的、具有监测心率功能的智能手环、智能手表或心率带进行雪车雪橇运动员滑行心率的采集。最终读取并记录各用户平均心率，单位为bpm。平均心率越高，视为基于生理信号所反映的感官敏感程度越高。
[0074]
s3，将s1、s2中获取的各等级评价指标进行量化并映射到评价统计表矩阵p0中；进而归一化主客观因素权值，对感官敏感度指标进行预处理，构建评价指标矩阵pm×n。
[0075]
优选地，将所有数据量化为合理的判断阈值，并采用极值法进行归一化。优选地，将所有数据量化为合理的判断阈值，并采用极值法进行归一化。极大型指标是指指标的定性程度越大，其定量的值越大，极小型则是定性程度越大，定量的值越小。其中，min pv为矩阵p0中第v列最小值；max pv为矩阵p0中第v列最大值。形成用户感官敏感度评价指标矩阵pm×n，其中m为用户个数，n为指标个数。在本实施例中，方案层共有8个指标，因此，取n＝8。
[0076]
具体地，本发明感官敏感度模型中方案层的定量指标“平均心率”与感官敏感度呈正相关，因此采用极大型指标量纲进行归一化。
[0077]
具体地，对于客观指标中的定性指标“运动等级”，按照《运动员技术等级标准》分为了“国际级运动健将”、“运动健将”、“一级运动员”、“二级运动员”、“三级运动员”，赋予对应判断阈值为：1.0、0.8、0.6、0.4、0.2。对于主观感受指标中定性指标“地理环境”、“视觉因素”、“听觉因素”、“触觉因素”、“平衡觉因素”、“心理因素”，各指标感受刺激程度在问卷量表中按照程度划分为五个等级：没有感觉、细微感觉、轻度感觉、普通感觉、较重感觉，相应的判断阈值为：0、0.2、0.4、0.6、0.8。
[0078]
s4，基于ahp算法计算感官敏感度r
ahp
，并根据计算结果划分感官敏感度评价等级。
[0079]
s41：在ahp算法中对准则层中n类指标分别构造判断矩阵ak并确定准则层各类权重θk，k＝1,2
…
,n；并据此将评价指标矩阵p划分为分块矩阵：[p1p2…
pk…
pn]。本实施例中，将指标分为主观和客观两类，因此取n＝2；也可以采取其他的分类标准，例如按刺激来源可以分为场馆产生、自然产生、载具产生、自身产生等。
[0080]
优选地，可对问卷中用户对各因素的感受强度判断阈值进行平均计算确定各类因素的权重，例如对a因素的感受强度平均阈值大于b因素的感受强度平均阈值，则a比b相对重要，重要程度则可以两者差值大小判断。也可以根据领域内专家的讨论得出结果。
[0081]
k为准则层序号，ak的表达式为：
[0082][0083]
其中，a
rs
为权重对比标度，定义为：
[0084][0085]
其中，a
rs
》0；r,s＝1,2,3,
…
,n；fr，fs分别为指标r,s的相对重要程度。
[0086]ars
以9级标度法赋值，具体见表1：
[0087]
表1 9级标度法赋值表
[0088][0089]
特别地，例如根据对部分运动员和教练进行问卷调查，确定客观指标和主观感受的准则权重判断矩阵为：
[0090][0091]
因此确定准则层客观指标权重：θ1＝0.33；主观感受权重：θ2＝0.67。
[0092]
客观指标方案层指标权重判断矩阵为a1：
[0093][0094]
则主观感受方案层指标权重判断矩阵为a2：
[0095][0096]
s42：和积法求指标权重向量。
[0097]
首先将判断矩阵ak按列归一化：b
rs
＝a
rs
/∑a
rs
；
[0098]
再对各行指标值加总求平均值得到各分量
[0099]
得到指标权重向量ωk＝[w1,w2,
…
,wr,
…
,wn]
t
。
[0100]
具体地，求出客观指标方案层权重向量ω1＝[0.167,0.833]
t
；求出主观感受方案层权重向量ω2＝[0.094,0.140,0.220,0.354,0.140,0.052]
t
。因此可得到各方案层指标权重如表2：
[0101]
表2指标权重表
[0102][0103]
s43：对判断矩阵进行一致性检验。
[0104]
构造判断矩阵后，当判断矩阵阶数大于2时需对矩阵进行一致性检验。首先根据公
式akωk＝λωk，求判断矩阵ak的最大特征值λ
max
：
[0105][0106]
其中，[akωk]r代表向量akωk的第r个分量。
[0107]
求一致性比例cr：
[0108][0109]
式中λ
max
为判断矩阵ak的最大特征值，n为判断矩阵阶数，ri为一致性指标。ri取值见表3：
[0110]
表3一致性指标取值
[0111][0112]
当cr《0.1时，判断矩阵一致性检验通过；否则一致性检验不通过，说明模型有问题，要重新建立判断矩阵，例如从问卷得到就需要扩大样本量或者剔除异常数据，从专家确定那么权重参数就需要重新定夺。
[0113]
在本实施例中，由于a2阶数为6，大于2，因此需要对判断矩阵进行一致性检验，确保未出现权重冲突：
[0114]
a2ω2＝[0.565,0.851,1.354,2.177,0.851,0.317]
t
[0115][0116][0117]
故一致性检验通过。
[0118]
s44：计算基于ahp算法的感官敏感度r
ahp
。
[0119]
求感官敏感度向量δ
ahp
：
[0120][0121]
δ
ahp
第i个分量的值即为第i个用户的感官敏感度
[0122]
s45：基于δ
ahp
初步划分感官敏感度等级。
[0123]
根据计算数据样本，观察敏感度值分布区间划分感官敏感度等级。本实施例中，制定用户滑行感官敏感度量化等级如表4：
[0124]
表4感官敏感度量化等级表
[0125][0126]
s5，利用fcm算法对样本进行模糊聚类，判定各用户所属类别，得出感官敏感度r
fcm
，最终加权计算综合感官敏感度r
fin
。
[0127]
s51：确定聚类数量n
clu
。
[0128]
由s45中的敏感度等级划分，确定将m个样本聚类为3个簇，即n
clu
＝3。
[0129]
s52：初始化隶属度矩阵u。
[0130]
首先使用(0,1)区间内的随机值初始化隶属度矩阵且要满足约束条件：
[0131][0132]
其中u
ij
为第i个样本xi隶属于第j个簇的程度。
[0133]
s53：计算聚类中心c。
[0134][0135]
其中，表示模糊权重指数，cj为第j个簇的聚类中心,xi为归一化后的评价指标矩阵pm×n中第i个用户的评价值向量；
[0136]
s54：计算fcm算法目标函数j。
[0137][0138]
其中是xi与cj的欧几里得距离，表示簇内样本与聚类中心的紧密程度。
[0139]
s55：更新隶属度矩阵u。
[0140][0141]
s56：给定目标函数的终止容限ε或最大迭代步长t
max
。重复s53～s55步。迭代到第t次时，若|j
(t)-j
(t-1)
|≤ε或t》t
max
，则表明目标函数值收敛，停止迭代。
[0142]
s57：根据最终的隶属度矩阵u
(t)
进行判断，当时，将样本xi对应节点i归类于第j类，并更新计算此时的最终聚类中心矩阵
[0143]
s58：计算基于fcm算法的用户感官敏感度r
fcm
。
[0144]
类似于感官敏感度评价指标矩阵pm×n，根据准则层各类指标的划分将聚类中心矩阵c划分为分块矩阵，即：
[0145][0146]
则用户感官敏感度向量δ
fcm 0
：
[0147][0148]
δ
fcm 0
第j个分量的值即为第j类用户的第二感官敏感度并将n
clu
维的向量δ
fcm 0
扩展为m维向量δ
fcm
，若第i个用户从属于第j类，则δ
fcm
的第i个分量的值等于至此可确定各类包含的用户，及其对应r
fcm
。
[0149]
s59：计算用户综合感官敏感度r
fin
：
[0150]
δ
fin
＝γ1δ
ahp
γ2δ
fcm
[0151]
其中，δ
fin
为最终的综合敏感度向量；δ
ahp
、δ
fcm
分别为ahp算法、fcm算法得到的用户感官敏感度；γ1、γ2分别为δ
ahp
、δ
fcm
的权重，且γ1 γ2＝1。δ
fcm
第i个分量的值即为第i个用户的感官敏感度
[0152]
优选地，根据用户综合感官敏感度r
fin
并按照感官敏感度量化等级可确定最终各用户感官敏感度等级。
[0153]
s6，通过用户感官敏感度等级制定雪车雪橇体验设备仿真等级，敏感度等级与仿真等级一一对应且成负相关。优选地，根据s45可划分雪车雪橇体验设备仿真强度等级如表5：
[0154]
表5敏感度与仿真强度等级对应表
[0155][0156]
优选地，仿真强度设置主要从体验设备的视觉、触觉、听觉等方面的硬件控制来实现。
[0157]
优选地，视觉方面可以通过控制vr头显相关参数实现。通过调整头显的分辨率、刷
新率、亮度或是游戏引擎场景中的模型精度、lod、构件的剔除距离等来改变视觉刺激强度。
[0158]
优选地，触觉方面可以通过控制六自由度振动台相关参数、模拟风扇相关参数实现。通过调整振动台平移的速度或加速度、转向的角速度或角加速度或是模拟风扇的风速大小来改变触觉刺激强度。
[0159]
优选地，听觉方面可以通过控制耳机/音响相关参数实现。通过改变耳机/音响的模拟声音大小来改变听觉刺激强度。
[0160]
对于敏感度较低的用户可将仿真强度调高，各设备硬件对用户产生的感官效果较强，对于敏感度较高的用户则相反。
[0161]
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。