状态空间模型（State Space Model，简称SSM）是一种基于动态系统理论的数学建模方法，广泛应用于时间序列分析、控制工程、信号处理、经济学、生态学等多个领域。其核心思想是将不可直接观测的“状态”与可直接观测的“输出”通过数学方程关联起来，通过对状态的动态刻画，实现对系统行为的描述、预测与控制。
一、TCN的定义与核心定位时序卷积网络（Temporal Convolutional Network，简称TCN）是一种专门用于处理**时序数据**的卷积神经网络（CNN）变体，由Bai等人于2018年在论文《An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling》中正式提出。其核心设计目标是通过卷积操作捕捉时序数据中的长期依赖关系，同时保留CNN固有的并行计算优势，弥补循环神经网络（RNN、LSTM、GRU等）在长序列处理中存在的梯度消失/爆炸、并行性差等问题。
一、模型核心定义与理论基础1.核心定义运动训练负荷积分模型（Sports Training Load Scoring Model）是基于“刺激-适应-恢复”动态平衡理论，通过积分运算量化运动员在特定周期内承受的生理、心理、生物力学负荷总和的系统化工具。其核心价值在于突破传统经验式负荷调控的局限，将多维度负荷数据转化为可量化、可追踪的积分指标，实现从“经验驱动”到“数据驱动”的训练管理升级。
Pan-Tompkins算法是由Pan和Tompkins于1985年提出的一种经典实时QRS波检测算法，发表于《IEEE Transactions on Biomedical Engineering》期刊，核心用于心电图（ECG）信号中R波的精准定位，为心率计算、心律失常检测等临床分析提供关键支撑。其设计理念基于QRS波群的时域特征（幅值、斜率、时间间隔），通过滤波增强特征、动态阈值自适应识别，兼顾检测精度与实时性，广泛应用于医疗监护设备、心电信号分析系统中。
