在新的 Spleeft 更新中，我们重点关注两个基本方面：改善执行速度测量的用户体验，以及扩展速度趋势和负载-速度曲线的分析功能。.
立即下载适用于 iOS、Android 和 Apple Watch 的 SPLEEFT 应用程序！
1.调试模式：开发更稳健的算法
民主化 基于速度的训练 (VBT) 使用 iPhone 和 Apple Watch 的内部传感器带来了复杂的技术挑战，尤其是在加速度测量方面。尽管我们一直建议 我们的最佳实践指南, 我们意识到，在一些特定情况下，重复检测与其他参考设备相比可能会有所不同。为了解决这个问题，我们引入了 调试模式.如果您发现 Spleeft 在特定情况下没有正确记录重复次数或跳跃高度，您可以激活该模式。这样，您就可以将原始数据发送给我们，以便我们的开发团队分析情况并调整算法。我们的目标是减少学习曲线，使 Spleeft 在任何环境下都能无懈可击。在 iPhone 上配置每组数据前，先激活它。在 Apple Watch 上，点击性能模式下的设置图标。请注意，激活该模式可能会影响设备性能，因为它会消耗大量内存。.静态启动练习的改进
借助在测试阶段收集的数据，我们优化了从静止姿势（没有先前的反向运动）开始的练习中同心阶段起始的检测，如 硬拉 或暂停按压变体。现在，该算法能更准确地识别 “初始脉冲”，确保平均速度忠实地反映出从第一毫米位移开始所做的努力。.2.运动范围 (ROM) 过滤器和时间分组
趋势部分对于评估长期进展至关重要。然而，技术的改变会在数据中产生噪音。.- 趋势中的 ROM 过滤器： 就像在负荷-速度剖面图中一样，您现在可以根据运动幅度过滤演化图表。这一点至关重要，因为运动幅度的增加会延长拉伸时间，改变平均速度，但并不一定表明神经肌肉性能发生了变化。在负荷较重的情况下，增加运动幅度可能会导致你通过症结点；而在负荷较轻的情况下，这可能意味着你需要花费更多的时间来施力和加速。.
- 时间分组： 我们增加了按周或月分组数据的选项。这样，您就可以清除每天的变化，更清楚地观察编程是否达到了预期效果。.
3.衡量标准：前 3 次重复的平均值
应许多希望最大限度提高测试可靠性的教练的要求，我们增加了根据以下内容显示图表和关键绩效指标的选项 前 3 次重复的平均值 为每个负载进行调整。这种调整在趋势视图和负荷-速度剖面图中均可使用，使您能够消除个别非典型重复的偏差。.4.负载-速度曲线的演变
载荷-速度剖面分析进行了深度更新，以方便专业人员的工作流程：测试日检测
对于那些在日常训练和特定评估环节中使用 Spleeft 的人来说，在大量数据中识别测试可能会很乏味。现在，系统允许您过滤并具体列出日期范围内检测到的 “测试日”，让您直接跳转到最高性能数据。.背景：团队和年龄组
现在可按上下文进行比较：- 团队背景： 在相同的量表筛选条件（绝对负荷、相对于 1RM 或体重）下，您可以将运动员的资料与其所在团队的平均资料进行比较。.
- 年龄组背景： 将数据与同年龄组用户的平均值进行比较，非常适合使用 iCloud 同步功能且未加入特定团队的运动员。.
5.精确调整和用户界面
- 自动轮廓检测 我们对生成自动剖面图的标准做了更严格的规定。现在需要更大的提升负荷分散度（0.4 米/秒），以确保估计的 1RM 计算和剖面坡度在统计上是可靠的。.
- 互动图表 现在，负载-速度和负载-功率图表可以点击整个频谱，而不仅仅是选定的负载。这样，您就可以看到任何给定负载的速度或功率估计值，从而方便开处方。.
