随着年龄的不断增长,老年人的身体情况不断变差,同时对外界环境的认知能力不断变弱,这些原因导致了老年人发生跌倒的概率最大。跌倒会造成一些非致命的伤害,比如骨折,瘀伤,扭伤,关节脱臼等问题,如果老年人在跌倒时没有得到第一时间医疗救治,可能使情况进一步的恶化,从而使非致命伤害转化为致命伤害。因此,设计一种在人体发生跌倒时能够发出远程报警信息的跌倒检测系统具有非常重要的现实意义。本文主要研究和实现一种基于多传感器协同的智能化人体跌倒检测系统,该系统主要功能包括两方面,一方面是能够自动识别跌倒检测设备的穿戴位置;另一方面是能根据不同的穿戴位置选取适合的特征数据用来判断跌倒情况。该系统主要使用加速度计、陀螺仪和磁力计进行数据采集,并且协同使用三种传感器数据进行穿戴位置识别和跌倒检测。论文的主要研究内容包括以下几个方面:(1)传感器数据特征的选取。首先对采集到的传感器数据进行滑动平均滤波以去除噪声,然后分析了不同行为活动下和不同穿戴位置下加速度、角速度和姿态角的变化情况,构建了合加速度、合角速度和姿态角等特征,并且提取了均值、方差和最大值等8种时域和频域信息用来描述上述三种特征,最终形成特征数据集用来算法模型训练和系统识别。(2)设计并实现了跌倒检测设备的穿戴位置识别算法。根据不同穿戴位置的数据特征,提出了基于Softmax回归的多分类算法进行穿戴位置识别,并且使用UMAFall数据集对算法进行训练与验证。(3)设计并实现了跌倒检测算法。根据不同的穿戴位置下,日常行为活动与跌倒行为活动的特征存在差异,使用Filter特征选择方法选择适合于不同穿戴位置的特征,然后使用KNN算法进行跌倒检测,并且使用UMAFall数据集对算法进行训练与验证。(4)设计了硬件系统平台。硬件部分主要包括:数据采集模块、处理器模块、电源模块、GPRS/GPS模块和报警模块,并且对硬件系统平台做了算法性能的测试,发现跌倒检测设备的穿戴位置识别算法和跌倒检测算法具有较高的准确度。