Skilog：用于跳台滑雪性能分析与生物反馈的智能传感器系统

在跳台滑雪中，跳跃的低重复率限制了训练效果。因此，在每一次跳跃中提高学习速率是成功的关键。运动员训练的关键要素是动作学习，其已被证明可通过反馈方法加速。特别地，助滑阶段重心的精细控制至关重要。这是因为实际起跳发生在一眨眼之间（$\sim$300ms），故助滑期间任何不平衡的身体姿态都将影响飞行。本文提出一种用于跳台滑雪实时性能分析与生物反馈的智能、紧凑且节能的无线传感器系统。该系统通过在滑雪靴鞋垫的三个不同点以100Hz测量足部压力来工作。足部压力数据可直接发送给教练以改进其反馈，或输入ML模型以利用滑雪靴中的振动电机为运动员提供即时动作内反馈。在生物反馈场景中，足部压力作为优化XGBoost模型的输入变量。我们对重心预测（背侧偏移、中立站立、腹侧偏移）实现了92.7%的高预测准确率。随后，我们基于PULP架构将XGBoost模型并行化并微调用于基于RISC-V的低功耗并行处理器（GAP9）。我们展示了利用片上部署的实时检测与反馈（0.0109ms/推理）。所提出的智能系统不显突兀，具有纤薄外形（13mm基板，3.2mm天线）与轻量构造（26g）。功耗分析显示，该系统的节能设计使其无需充电即可持续运行多日（长达300小时）。