如今,随着社会生活水平不断提高,面临着人口老龄化问题日益严重和监护资源无法满足的矛盾。老年人监护相关的跌倒检测技术还不够完善,且跌倒的意外发生率较高,带来极大的人身安全问题。老年人在发生跌倒时,监护人第一时间发现并进行救助,可以有效地降低因跌倒而引起的伤残率和死亡率。所以,针对老年人群的跌倒检测成为研究热点。可穿戴式的跌倒检测系统可以摆脱空间限制,方便携带且隐私保护性较好,不干扰人的正常生活状态,相比于其他方式,具有诸多优点。因此,本文将基于可穿戴式装置进行跌倒检测算法的相关研究。具体工作如下:（1）设计了原始数据采集硬件装置,并构建坐标系对采集的日常行为和跌倒行为的原始数据进行分析,选择三个轴向加速度幅值和、合角速度和姿态角等三个特征作为跌倒检测识别特征。（2）由于加速度计和陀螺仪在日常使用中易受各种噪声干扰,设计了一种“最小二乘法+莱特准则”的方法进行数据预处理,即通过最小二乘法拟合函数提取信号的趋势项,再用原始数据减去趋势项信号,然后根据莱特准则剔除野值,再与趋势项求和相加,即完成数据预处理工作。该方法可在尽量保留原始数据的情况下,将数据中的异常突变点删除,并通过实验验证了该方法的有效性。（3）为解决陀螺仪在实际应用中离散积分误差问题（即漂移现象）以及加速度计测量姿态角高频特性差的问题,分析了加速度计和陀螺仪的特性,研究发现陀螺仪的低频特性和加速度计的高频特性可以互补,并使用扩展卡尔曼滤波算法和互补滤波算法进行数据融合滤波对比试验,通过静态实验和动态实验比较,两种算法的数据融合滤波效果较好,误差范围都在允许范围内,但考虑到互补滤波的计算量相对较小,本文选择互补滤波进行姿态数据融合。（4）分析目前跌倒检测中最常用的阈值法和模式识别算法,提出一种基于姿态融合的联立判别跌倒检测算法。通过对多种日常行为和跌倒行为的实验数据进行分析,确定了跌倒检测的阈值大小,并选择了15个特征参数,使用LIBSVM工具进行训练,得出较好的分类模型。然后将基于阈值法和基于SVM的跌倒检测算法相结合,先通过多级阈值法对行为进行可疑判断,识别到可疑跌倒行为时,再采用基于SVM的跌倒检测算法,相比于多级阈值法,识别结果更为准确可靠,相比基于SVM算法的跌倒检测,快速过滤了大量的日常行为,使跌倒检测更为高效。通过算法评估和实验对比,该算法跌倒识别效果较好。（5）设计了硬件设备采集装置,搭建了云服务器,并设计了微信小程序作为监护端。因算法移植较为复杂,使用PC代替硬件设备进行跌倒识别,将预测结果及相关信息上传到云服务器,通过测试,微信小程序可以方便快捷的通过访问云服务器数据来查看被监护人的信息。