随着人工智能、物联网等技术的发展推动可穿戴产品的智能化,智能可穿戴设备与运动健康不断结合,寻找新的突破。现在市面上几乎所有的智能手环都是通用型手环,这些产品能够提供的功能比较单一,无法为球类爱好者提供对运动数据的分析和指导。因此,研发一款具有运动识别功能的智能手环将具有比较好的市场应用前景。本文基于研究乒乓球运动的特点,采用新兴的人工智能技术与传统硬件技术相结合的方式,研制了包括乒乓球运动实时识别分析手环以及手持终端APP为一体的低功耗、高精度乒乓球运动识别和分析系统,其中手环由传感器模块、MCU主控模块、蓝牙模块以及手环机械结构组成,负责实时识别运动状态,并将识别结果通过蓝牙发送至APP端。APP由运动状态统计软件模块和分析软件模块组成,负责运动状态的统计以及分析。为了实现系统的高精度,针对乒乓球运动包括动作准备、击球以及动作结束三个阶段的特点,基于动作信号的突变性提出了一种动作端点检测算法,即将动作分为动作开始过渡段、动作段和动作结束过渡段,根据动作信号前后差值与固定阈值的关系以及当前的状态来对运动的起始点进行提取。进一步,由于人体的运动能量集中在0~10HZ,为了获得有效的特征,基于db4小波对动作信号进行3层分解,同时用遗传算法优化的S_Kohonen(Supervised Kohonen Networks)神经网络对正手推球、反手推球、正手抽球、反手抽球、正手搓球以及反手搓球六种动作分类,并与单S_Kohonen神经网络对比,结果表明,该方法能够提高系统的识别精度。为了实现系统的低功耗,采用了低功耗器件进行了硬件电路的设计,包括STM32L432KC、MPU6050以及DA14580等。在算法实现上,利用了STM32L432KC的浮点运算单元(FPU)和DSP指令库实现了一系列算法的优化。与传统方式进行对比,优化前的系统功耗为80mW,识别时间为21ms,优化后的系统功耗为14mW,识别时间为2ms。结果表明,FPU和DSP指令库实现的方式能够显著地降低系统功耗。本文研制的手环尺寸为42.5mm×36.5mm。系统采用可充电设计方案,待机功耗为0.28mW,运行模式功耗为14mW。实验结果表明,本文研制的乒乓球运动动作识别手环离线平均识别率为99.1%,实时识别率为92%。