Article
Цель исследования: оценить показатели амплитудно-частотных характеристик угловой скорости у квалифицированных лыжников-гонщиков в условиях различного режима интенсивности нагрузки, используя датчики акселерации WitMotion.
Методы и организация исследования. В исследовании принимали участие квалифицированные лыжники-гонщики в количестве 3 МС и 5 КМС. Исследование проходило на базе МСК «Академия биатлона» с использованием равнинного рельефа и увеличением скорости каждого забега. Испытуемые выполняли три заезда по 600 метров, применяя одновременный одношажный коньковый ход. Угловая скорость оценивалась с использованием датчиков акселерации WitMotion. Исходные данные угловой скорости представляют собой негармонические колебания, так как их форма отличается от правильной синусоидальной функции. Созданная программа на языке python в автоматическом режиме проводила для исходных данных процесс фильтрации с использованием фильтра низких частот, после чего к отфильтрованным данным было применено быстрое преобразование Фурье и получен амплитудный спектр (зависимость амплитуд от частоты) колебаний угловой скорости.
Результаты исследования и их обсуждение. Амплитудные спектры данных эксперимента отображают, что в каждом интервале тестирования есть ярко выраженный максимум (основное колебание) на определенной частоте (около 1 Гц). Изменения основного колебания с увеличением интенсивности нагрузки на одинаковом рельефе наблюдаются у всей группы участников. Наличие близкорасположенных точек данных амплитуды и частоты относительно гладкой кривой графика амплитудного спектра угловой скорости позволяет оценить ритмо-структурные характеристики лыжного хода.
Заключение. Смещение основного колебания амплитудного спектра вправо по оси абсцисс наблюдается при увеличении интенсивности нагрузки интервалов, что характерно для изменения биомеханических параметров, которые позволяют произвести оценку интенсивности нагрузки. Характерные особенности показателей амплитуды и частоты как критерии уровня квалификации лыжников-гонщиков создают базу для дальнейшего исследования технического мастерства у лыжников разных уровней квалификации.
1. Гусейнов, Д. И. Особенности педагогической оценки и контроля технической подготовленности лыжников-гонщиков по показателям реципрокной координации движений / Д. И. Гусейнов, В. Е. Васюк, Ш. Р. Юсупов // Наука и спорт: современные тенденции. – № 3(Том 11). – 2023. С. 56-65 DOI: 10.36028/2308-8826-2023-11-3-56-65
2. Реуцкая, Е. А. Соотношение компонентов скорости передвижения лыжников-гонщиков на этапах спортивной подготовки в соревнованиях с раздельным стартом / Е. А. Реуцкая, Т. В. Полторацкая // Наука и спорт: современные тенденции. – 2020. –Т. 8, № 4. – С. 20-25. DOI: 10.36028/2308-8826-2020-8-4-20-2
3. Шагарова, Е. А. Использование датчика Racefox для мониторинга специальной подготовленности квалифицированных лыжниц-гонщиц / Е. А. Шагарова, И. Ю. Горская // Вестник МГПУ. Серия «Естественные науки». – 2021. – С. 56-62. DOI: 10.25688/2076-9091.2021.41.1.6
4. Экспериментальное обоснование применения интеллектуальных сенсорных систем в оценке биомеханических параметров спортивных движений / В. Е. Васюк [и др.] // Российский журнал биомеханики. – 2020. – Т. 24, № 3. – С. 300-311.
5. Horvat, T. The Use of Machine Learning in Sport Outcome Prediction: A Review / T. Horvat, Job J. // WIREs data mining knowledge discovery. – 2020. – № 10. pp. 1380. https://doi.org/10.1002/widm.1380
6. Jang, J. A Unified Deep-Learning Model for Classifying the Cross-Country Skiing Techniques Using Wearable Gyroscope Sensors / Sensors. – 2018. – № 18. pp. 3819. https://doi.org/10.3390/s18113819
7. Kuylenstierna, D. Validation, accuracy and practical use of a power measurement system for cross-country skiing analysis – a pilot study / D. Kuylenstierna, J. Hogstrand, S. Lai, H. Gingsjo, S.J. Lindinger // 2020. – pp. 153-160 DOI: https://www.researchgate.net/publication/340982851
8. Marsland, F. Using micro-sensor data to quantify macro kinematics of classical cross-country skiing during on-snow training / F. Marsland, C. Mackintosh, J. Anson, K. Lyons, G. Waddington, D.W. Chapman // Sports biomechanics. – 2015. № 14. pp. 435-447. https://doi.org/10.1080/14763141.2015.1084033
9. Pousibet-Garrido, A. Gear classification in skating cross-country skiing using inertial sensors and deep learning / A. Pousibet-Garrido, A. Polo-Rodriguez, J.A. Moreno-Perez, I. Ruiz-Garcia, P. Escobedo, N. Lopez-Ruiz, N. Marcen-Cinca, J. Medina-Ouero, M. A. Carvajal // Sensors. – 2024. –№ 24. pp. 6422

