摔倒意外在老年人日常生活中比较常见,它会给老年人带来严重的身体以及心理的伤害。国内外针对摔倒识别及预测的研究较为多样化,从识别摔倒的有效性和个人隐私方面考虑,本文通过分析摔倒行为过程与其他日常行为过程的区别：人体运动加速度大小和人体偏离垂直于地面方向的倾角大小,提取人体胸部位置的三轴加速度和俯仰角、侧倾角的角速度作为摔倒特征,设计了一种可穿戴式、基于嵌入式传感器的摔倒检测系统。论文主要工作包括：1)摔倒检测系统软硬件建模。运用体系结构分析与设计语言(AADL)在OSATE开源工具中,针对信息采集终端进行软硬件建模。同时,利用OSATE流延迟估计工具评估了信息采集终端的实时反应性能,根据性能需求确定合适的传感器采样频率。2)设计并实现了摔倒检测系统信息采集终端。该终端需要完成传感器数据采集、摔倒识别程序以及发送摔倒警报等功能。在硬件方面,由微处理器、加速度传感器、陀螺仪和无线传输模块组成；在软件方面,终端子系统负责处理包括实时读取传感器数据,进行解析获得特征,根据检测算法判定是否发生摔倒,如果判定发生了摔倒,则触发警报发送至远程基站。3)提出优化的基于支持向量机的摔倒检测算法。利用信息采集终端获得的传感器数据,提取出现峰值的采样时间点和下一个采样点的加速度和角速度信息作为特征向量,训练得到分类器。该分类器将人体摔倒行为与其他日常行为区分开来,采用留一法交叉验证分类器的有效性。随后对算法进行了优化,添加了适当的闽值分析来减少误判的现象。4)基于隐马尔可夫模型(HMM)进行摔倒预测。首先提取摔倒发生撞击前过程特征和其他日常行为特征,分别融合成角速度时间序列,然后对这些序列进行训练,得到摔倒撞击前过程模型和其他日常行为过程模型。预测过程中,通过评估给定观测序列属于哪一类别,以判定人体是否即将发生摔倒。预测到即将发生摔倒的时间比实际摔倒时间提前0.2-0.6秒。