能提前知道挥杆对不对吗？

核心问题

传统的挥杆分析都是事后诸葛亮 —— 挥完杆才告诉你哪里错了。

我们想做的是：在挥杆过程中就发现问题，立刻提醒。

这就像导航软件在你转错弯之前就喊"前方右转"，而不是开过了才说"您已偏离路线"。

---

原理：身体的"多米诺骨牌"

好的挥杆有一个规律：力量像波浪一样，从身体中心向四肢传递。

正确顺序：髋部 → 躯干 → 肩膀 → 手臂 → 球杆
         (先)                        (后)

这叫做 运动链 (Kinetic Chain)。

如果顺序反了（手先动），就像用手臂甩球，力量小还容易受伤。

我们的想法：在三个关键位置贴传感器，检测"谁先动"。如果检测到手先动了，立刻震动提醒。

---

本次验证目标

这次实验是单元测试：分别验证每个传感器是否能正常工作。

还不是完整的挥杆测试（那需要三个传感器同时工作）。

测试设备

• 传感器：高精度运动传感器（包含加速度计和陀螺仪）
• 采样频率：每秒 100 次（人眨眼的时间内已记录 30 组数据）

测试位置

位置	作用
手部	检测手臂启动
下背	检测髋部旋转
上背 (T1 椎骨)	检测肩部旋转

---

采集到的数据

数据规模

位置	文件数	总样本数	录制时长
手部	10	6,716	67.2 秒
下背	4	3,648	36.5 秒
上背 (T1)	10	10,152	101.5 秒

总计：24 个文件，20,516 个样本，205.2 秒数据。

数据总览

原始传感器信号

下图是手部传感器在 5 秒内记录的原始数据：

• 上半部分：加速度计输出（X/Y/Z 三轴）
• 下半部分：陀螺仪输出（X/Y/Z 三轴）

可以看到信号变化明显，说明传感器成功捕捉到了手部运动。

运动强度检测

我们计算了每个时刻的"运动强度"（三轴加速度的合成值），并检测运动开始的时刻：

• 红色虚线：算法检测到的"运动开始"时刻
• 手部数据在约 2.9 秒时检测到明显运动

---

验证结果

✅ 传感器能用

三个位置都成功捕捉到了清晰的运动信号。

✅ 算法能跑

编写的检测程序 (early_foresee_prototype.py) 实现了：

1. 运动检测 —— 判断"什么时候开始动了"
2. 顺序比较 —— 比较不同位置的启动时间

检测结果示例

Hand (手部):
  运动开始时刻: 2882ms
  峰值强度: 47,169

程序输出:
  ⚠️ 检测到运动信号
  ✅ 算法成功识别运动开始点

---

下一步挑战：时间同步

目前的数据是分三次独立采集的：

位置	录制日期	录制时间
手部	1月12日	17:15
下背	1月13日	23:28
上背	1月13日	23:58

这就像三个人赛跑，如果不是同时听到发令枪，就无法比较谁快谁慢。

结论：我们验证了"传感器能用"和"算法能算"，但需要同步数据才能判断真实的发力顺序。

---

下一步计划

优先级	任务	说明
P0	同步采集	让三个传感器"对表"，同时记录同一次挥杆
P1	扩大样本	采集 50+ 次挥杆，包含好的和坏的
P2	智能模型	训练算法自动判断挥杆质量

---

结论

验证项	结果
传感器能检测运动吗？	✅ 能，信号清晰
程序能比较顺序吗？	✅ 能，逻辑正确
能实现提前预警吗？	⏳ 需要同步数据验证

一句话总结：思路可行，等同步数据。

---

附录：技术细节

点击展开（供技术团队参考）

代码位置

/Users/xingyunx/workplace/golf/jan-23/
├── early_foresee_prototype.py  # 检测程序
├── generate_visualizations.py  # 图表生成
└── extracted/                   # 传感器数据
    ├── imu_20260112_*.csv      # 手部 (10 files)
    ├── imu_20260113_232*.csv   # 下背 (4 files)
    └── imu_20260113_235*.csv   # 上背 (10 files)

数据格式

timestamp,AcX,AcY,AcZ,GyX,GyY,GyZ,Tmp
2026-01-13 23:28:22.232,604,16584,712,-734,2010,306,1355

• AcX/Y/Z：三轴加速度（原始 ADC 值）
• GyX/Y/Z：三轴角速度（原始 ADC 值）
• Tmp：温度

运动检测算法

def detect_motion_onset(magnitudes, threshold=1.5):
    """
    检测运动开始时刻
    1. 用前 20 个样本计算基线（静止状态）
    2. 找到第一个超过 基线×1.5 的时刻
    """
    baseline = mean(magnitudes[:20])
    threshold = baseline * 1.5
    for i, mag in enumerate(magnitudes):
        if mag > threshold:
            return i  # 返回样本索引
    return -1