1.一种基于虚拟现实的场景设计方法，其特征在于：

获取用户在佩戴VR设备过程中产生的实时数据，所述实时数据包括实时生理数据和实时运动数据，通过所述生理数据之间的协同性和动态耦合关系，对所述实时数据的准确可信度进行评估；

当准确可信度属于可信区间时，基于所述实时数据对用户的运动标准复合评分和运动负荷进行分析；

根据运动标准复合评分和运动负荷构建运动模式难度评估模型，在运动过程中实时依据模型对当前运动模式的场景训练模拟难度值进行分析，根据场景训练模拟难度值确定对应的难度等级：当难度等级为第一等级时，对场景参数进行动态调整，以使得动态调整后场景训练模拟难度值对应的难度等级维持在第二等级；

当难度等级为第三等级时，对场景参数进行动态调整或者对当前的运动模式进行更换以供用户选择且适应用户需求，以使得调整后场景训练模拟难度值对应的难度等级维持在第二等级；

其中第一等级、第二等级、第三等级分别对应场景训练模拟的难度逐渐增大，且所述第二等级难度与用户身体状态及运动表现相匹配；

对设备收集数据的准确可信度进行评估的具体方法包括：

依据当前的运动模式选择对应的历史生理数据建立线性回归模型：

（Xt）’=α0+α1*Vt+εt

其中（Xt）’表示为预测在t时间点的生理指标，Vt为在t时间点的生理指标，是自变量作为参考基准，α0为截距项，静息状态下生理指标X的基础数据，α1表示为生理指标V对X的影响强度，εt为残差项，服从均值为0、方差为的正态分布；t=1、2、3...T，T表示为当前时间点编号，每个时间点对应一个时间编号，编号会随着用户开始佩戴设备进行场景训练模拟的时长增加；通过历史数据训练模型，利用最小二乘法分别计算得到的 ，， ， 分别表示为历史生理指标的均值；第一生理指标V和第二生理指标

X为心率、血氧、肌电和呼吸频率中的任意不同的两个；

根据所述线性回归模型计算不同时间点t下第一生理指标Vt对应的（Xt）’，根据标准化残差公式：Zt=[Xt‑（Xt）’]/σ，计算得到设备收集生理指标的准确可信度，即生理指标Xt与预测值（Xt）’之间的残差，Zt表示为在第t个时间点收集生理指标的准确可信度，即在第t个时间点生理指标Xt与预测值（Xt）’之间的残差，σ为训练阶段残差的标准差，用来衡量模型固有误差；当Zt不属于可信区间[‑2σ,2σ]且m（Zt [‑2σ,2σ]）≥T/2时，说明残差超过95%置信区间，生理数据可疑，判定设备收集实时生理数据存在异常，后台向用户端发送告警，提醒用户合理的佩戴设备；其中m（Zt [‑2σ,2σ]）表示为设备收集生理指标的准确可信度不属于可信区间的数量；

所述对用户运动标准复合评分进行分析的具体方法包括：

当设备收集数据的准确可信度属于可信区间时，从用户训练专属数据库中提取出用户的实时运动数据，所述用户训练专属数据库是通过用户佩戴VR设备收集的数据构建而成，其中用户训练专属数据库中的数据的准确可信度属于可信区间；

依据标准运动数据库中用户选择运动模式对应的标准运动数据集，并通过用户动作与标准动作的偏差构建复合评分模型，得到用户进行场景训练模拟时的运动标准复合评分；

依据复合评分模型：f=∑J j=1{[αj*|Stj‑Ktj|]/σj}，计算得到用户在佩戴VR设备进行场景训练模拟时的运动标准复合评分；其中，f表示为用户在佩戴VR设备进行场景训练模拟时的运动标准复合评分，|Stj‑Ktj|表示为用户动作与标准动作的偏差，αj表示为第j种运动数据的参数权重，基于生物力学的重要性，σj表示为第j种运动数据在标准运动数据库中允许的方差，反映自然运动差异允许范围；

对运动负荷进行分析的具体方法如下：

根据综合运动负荷公式：CLI=β*[（HR‑HRrest）/（HRmax‑HRrest）]+γ*（EMGRMS/EMGMVC）+δ*[1‑（SpO2/100）]+ζ*（BR/BRmax），得到用户进行场景训练模拟时的实时综合运动负荷（CLI）t，t表示为时间点编号，t=1、2、3...T，T表示为当前时间点编号；

CLI表示为综合运动负荷，HR为心率，HRrest为静息心率，HRmax为最大心率，EMGRMS为肌电均方根振幅，EMGMVC为最大自助收缩时EMG值，SpO2为血氧饱和度，BR为呼吸频率（次/分钟），BRmax为最大安全呼吸频率；β为心率权重，γ为肌电权重，δ为血氧权重，ζ为呼吸权重；

对当前用户选择的运动模式难度值进行分析判断的具体方法如下：

依据用户的运动标准复合评分和运动负荷，构建运动模式难度评估模型：d={D*[1+k*（u‑U）/U]}/f，得到当前运动模式的进行场景训练模拟的难度值；其中，d表示为用户选择当前运动模式的进行场景训练模拟的难度值，D表示为用户选择运动模式的初始难度值，k表示为增益系数，U表示为用户选择运动模式对应目标负荷，u为用户进行场景训练模拟的平均负荷；

所述根据场景训练模拟的难度值对VR场景训练进行动态调整的具体方法如下：设置四个难度区间值d0、d1、d2和d3对场景训练模拟难度划分为三个等级，当前场景训练模拟难度等级为第一等级，获取任意场景参数，并且对所述任意场景参数进行调整，通过公式：P=p*{1+µ*[（d1+d2）/2]‑d}，计算得到调整后的任意场景参数值，P表示为调整后的任意场景参数值，p为任意场景参数基础值，µ为调节系数，d1和d2为场景训练模拟难度等级为第二等级的难度区间值；

在所述任意场景参数完成调整后对场景参数调整后的模拟难度等级进行分析，以使得动态调整后场景训练模拟难度值对应的难度等级维持在第二等级；当前场景训练模拟难度等级为第三等级，向用户端发送告警，提醒用户对动态调整场景参数和更换当前的运动模式进行选择，在适应用户需求的同时，需保证调整后场景训练模拟难度值对应的难度等级维持在第二等级。

2.根据权利要求1所述的一种基于虚拟现实的场景设计方法，其特征在于：所述对设备收集数据的准确可信度进行评估的具体方法包括：依据当前的运动模式选择对应的历史生理数据，依据生理指标建立线性回归模型，从所述生理数据中任意选取两个生理指标，分别记为第一生理指标和第二生理指标，所述第一生理指标和第二生理指标之间是根据交互式生理指标关系图查找到的两两之间存在协同性和动态耦合关系的生理指标，所述第一生理指标和第二生理指标为心率、血氧、肌电和呼吸频率中的任意不同的两个；

根据所述线性回归模型计算不同时间点下第一生理指标对应的第二生理指标的预测值，根据第二生理指标的预测值和实际测量值计算得到不同时间点下第二生理指标的准确可信度；

当第二生理指标的准确可信度不属于可信区间且不同时间点下第二生理指标的准确可信度不属于可信区间的数量超过一半时，判定设备收集数据存在异常，向用户端发送告警，提醒用户合理的佩戴设备。