论文部分内容阅读
随着老龄化社会的发展,对独居老人安全健康的监护已经成为大多数中年人日益关心的问题,而突发跌倒往往给空巢老人及康复中的病人带来心理和身体的双重打击,跌倒后未被及时发现和救助而导致的二次伤害,更是给社会和家庭带来巨大的负担。基于目前存在的跌倒报警系统成本高、不易携带、应用场景单一、难以在市场大规模普及推广等缺点,本课题结合单片机Arduino和Android系统设计了一套应用场景完备的可穿戴跌倒检测报警系统,在不影响被监护人日常生活的前提下提供随时随地的跌倒检测和及时的多种方式的报警。在对现有跌倒检测领域的关键技术及相关研究进行分析基础上,本文开发出了集六轴惯性运动传感器Mpu6050数据采集,单片机Arduino数据处理和算法实现及Android系统下APP一“Helper”报警一体化的跌倒检测系统。主要研究工作总结如下:(1)整合分析现有技术研究及系统的优缺点后确定本文整体系统框架及方案,设计实现系统硬件电路,分析数据采集模块Mpu6050、蓝牙模块HC05工作原理,选择并确定单片机Arduino Nano作为核心处理模块实现相关算法,并设计实现了 Android系统下APP—“Helper”作为定位及报警的核心部分。此外重点介绍位置定位原理,以一定频率和次数发送短信及一键呼叫功能的实现逻辑,使报警信息传播方式更加及时有效和多样化。(2)对人体日常运动场景做进一步细致分类,进行人体建模确定采样频率及装置佩戴位置后,采集的特征值包括机体三轴合加速度幅值(AM),合加速度幅值相对于一个步伐周期前变化率(*AM)及躯干方向与理想竖直方向的角度变化(AG)。*AM的测量更加直观体现了被监测对象相对于正常运动的剧烈变化程度。(3)由于人体运动随步伐进行周期性变化,上下楼梯时AG变化范围比走路时大,为减少上下楼梯时发生跌倒但由于AG变化小于危险阈值且运动剧烈程度小于走路跌倒而发生漏判的情况,通过AG周期性波动范围的不同,对日常走路及上下楼梯的运动状态进行准确区分,在模拟实验基础上分别确定两种情况的危险阈值,提高检测正确率且扩展了系统的使用场景。(4)基于对人体六种常见运动及两大类跌倒行为的特征值分析,结合传感器信息融合和Protothread模型,提出基于特征参数变化率的并行阈值检测算法。本文通过模拟老年人行为的实验,将实验结果与经典阈值算法和SVM算法进行比较分析,验证了本算法的准确度和可靠性。