近年来,我国人口老龄化程度日益加重,老年人的健康问题成为社会研究的一大热点。因此,老年人健康监护系统在准确性、实时性和智能化等方面一直在不断地优化和提升。针对该问题,本文在传统的基于可穿戴设备的状态识别技术的基础上,将信息融合算法应用到人体状态识别领域。本文利用加速度传感器收集人体不同部位的加速度数据,并融合各部位节点的加速度数据,决策出老人目前的状态。准确性、实时性、智能化的健康监护系统的出现让老人的家属能够实时监测老人的当前状态,不仅能降低监护费用,还可以有效防止意外的发生,同时传感器采集的状态数据也可以作为就医时的一份参考依据。在健康监护系统中,单一信息源传感器采集到的人体状态数据是不准确、不全面的,并不能够准确体现出目标此刻的状态,因此需要使用可穿戴设备采集身体不同部位的加速度数据。本文单纯利用加速度传感器构成可穿戴设备,使用可穿戴设备完成人体胸部、右手、左腿三个部位加速度数据的采集。如何将来自不同部位传感器的观测数据进行信息融合是本文的一个研究重点。由于不同传感器节点的采集时间和传回的数据都不同,因此需要采用信息融合技术对其进行融合,准确判断出老人的状态。信息融合技术能够将多个传感器采集节点的工作结合起来,综合不同信息源的数据并进行处理,在复杂环境下发挥出其独有的优势。由于人体行动状态具有模糊性并且不同状态之间的界限标准具有不确定性,而模糊理论和D-S证据理论都是对传感器观测数据的模糊性和不确定性的有效处理方法,在融合过程中能够有效剔除错误数据对融合结果的影响。因此本文将模糊理论与DS证据理论相结合,在特征级融合过程中使用模糊理论算法,计算出每个传感器观测数据之间的相互支持度以及模糊隶属度;在决策级融合过程中,将不同部位传感器数据的支持度和隶属度转化为基本概率分配值,最后使用D-S证据理论算法进行信息融合,从而根据不同部位的传感器监测数据来判断老人此时是否是坐、躺、走、跑四种状态之一。实验证明,基于信息融合的人体行动状态判别技术具有良好的推理能力,针对特定部位加速度数据的输入,可以有效地对人体的行动状态进行决策判断,具有较强的理论意义和使用价值,对信息融合技术在老年人健康监测领域的发展与优化有一定的推动作用。