馬少卿，孫榮霞，馬征

　?。ê颖贝髮W 電子信息工程學院，河北 保定 071000）

　　摘要：設計了一種基于單片機的老人跌倒檢測裝置，采用加速度、陀螺儀傳感器采集原始信號。在進行數據融合時采用自適應互補濾波算法，從頻域角度消除噪聲。針對該裝置設計了一種計算量小的跌倒檢測算法，并且加入了GPS定位裝置和GSM短信模塊。實驗證明該跌倒檢測算法計算量小、誤判率低，并且能夠實現精準定位。

　　關鍵詞：跌倒檢測；加速度；無線通信

　　中圖分類號：TP212.9文獻標識碼：ADOI： 10.19358/j.issn.1674-7720.2017.09.029

　　引用格式：馬少卿，孫榮霞，馬征.基于單片機的老人跌倒檢測裝置［J］.微型機與應用，2017,36（9）：100-102，105.

0引言

　　研究表明，老年人跌倒發生率高，后果嚴重，是老年人的首位傷害死因［1］。而且跌倒的發生概率會隨著年齡的增長而升高，如果能夠及時救助，可有效降低跌倒老人的死亡率［2］。

　　目前研究開發人體跌倒檢測系統方面的技術主要有兩種：圖像分析法和加速度分析法［3］?；趫D像分析法，準確率高，但是檢測算法繁瑣，成本高，不方便攜帶［3］?；诩铀俣确治龇?，不但成本低，而且不受環境的限制，功耗低，方便攜帶［4］。

1系統總體設計

　　本設計利用六軸陀螺儀加速度計MPU6050進行原始信號的采集，采樣頻率為100 Hz，在進行姿態解算時，利用互補濾波器進行濾波，通過對三軸加速信號進行預處理，引入合成加速度。為了能夠排除干擾，準確檢測出跌倒，將姿態角和合成加速作為特征量，引入三級跌倒檢測算法。一旦檢測出跌倒，立即對老人的位置進行定位，同時閃光燈閃爍。等待30 s后，如果用戶沒有手動取消報警，則蜂鳴器發出聲響，同時向目標手機和120發出報警短信。系統還設置了一鍵報警功能。用戶的家人可以通過向本裝置發送短信來獲取老人的當前位置信息，防止老人走丟。

　　系統的硬件主要包括慣性測量單元（Inertial Measurement Unit，IMU）、GSM/GPRS模塊、GPS定位模塊、藍牙4.0模塊、以STM32F103ZET6為核心的控制器、電源模塊、按鍵等。系統的結構框圖如圖1所示。

　　慣性測量單元選用的是InvenSense公司的MPU6050芯片，它能夠同時檢測三軸加速度和三軸角速度，可以輸出數字量，并且傳感器的測量范圍是可選的。加速傳感器的測量范圍選擇為±8 g，陀螺儀的測量范圍選擇為±1 000 dps，可以滿足系統的要求。其外圍電路如圖2所示。利用芯片內部的數字運動處理器進行姿態解算，大大降低了開發的使用難度。

　　GPS定位模塊選用UBLOX公司的NEO6M模組，該模塊體積小、功耗低、搜星能力強，并且可以連接各種有源天線，非常適合應用到便攜式設備中。

　　GSM/GPRS模塊選用SIMCOM公司的工業級四頻SIM800芯片，可以實現低功耗語音和數據的傳輸。用戶可以通過AT指令進行撥叫號碼、接收短信、啟動GPRS網絡等功能。

　　藍牙4.0模塊選用HM13系列的藍牙模塊，用藍牙進行數據傳輸最有利的一個方面就是功耗低。低功耗藍牙技術大幅降低了系統的功耗，只需要用硬幣大小的電池即可保證系統正常運行幾個月，非常適合應用在便攜式設備中。

　　按鍵的主要功能是提供手動報警和手動取消報警，以降低系統的漏判和誤判對用戶造成的損失,同時還設置了一鍵報警的功能。

2跌倒檢測算法

　　2.1特征值預處理

　　運動過程中加速度傳感器測出的X軸、Y軸和Z軸的加速度分別為a2x、a2y和a2z。合成加速度為三軸加速度的平方和再開方。合成加速度的大小可以表征人體運動的激烈程度［5］。

　　2.2姿態解算

　　在進行數據解算時通過對角速度積分獲得人體姿態角，短時間內精度高，但是陀螺儀存在漂移誤差，經過積分運算后會變成積累誤差，最終導致電路飽和。相反利用加速度求解姿態角，其測量誤差不會隨時間的積累而增加［6］。但是加速度傳感器在人體運動時會給測量帶來白噪聲，短時間內精度較低。

　　通過上述分析可知，加速度傳感器低頻段動態響應較好，但是在高頻段表現不好。陀螺儀動態響應好，但是存在漂移誤差。所以在進行數據融合時采用自適應互補濾波算法，從頻域的角度來消除噪聲，發揮它們各自的優勢，輸出穩定可靠的姿態角［7］?；パa濾波器的原理框圖如圖3所示。

　　其中x為實際的姿態角，u1和u2為傳感器在測量時引入的高頻噪聲和低頻噪聲。加速度傳感器引入的高頻噪聲由低通濾波器F1(s)濾除，陀螺儀引入的低頻噪聲由高通濾波器F2(s)濾除。兩個濾波器在頻域上具有互補特性，濾波器的傳遞函數滿足F1(s)+F2(s)=1。

　　2.3分類過程

　　通過上一小節的分析，設計了跌倒檢測算法，檢測參數為合成加速度和姿態角。為了了解跌倒過程中加速度變化規律，將檢測裝置放于腰間，測試者模仿老人跌倒，并同時記錄測試者三軸加速度變化。選取測試過程中具有代表性的一組數據，用Excel進行繪圖分析。如圖4所示。

　　從圖4中可以看出，當人體靜止時，合成加速度在1g左右。當測試者跌倒時，其加速度先減小，然后增大，最后趨于平穩。整個過程持續了2 s左右。由此可以得到，跌倒是一個短暫的過程，這一過程測試者經歷了失重、撞擊和靜止三種狀態。

　　跌倒過程中合成加速度最大值在2.6g上下，且有7個連續的采樣點合成加速度都在2.0g以上。并且通過對人體姿態角采樣，在跌倒后至少有一個姿態角的絕對值大于45°。

　　用同樣的方法模擬老人正常走、快步走、坐下起立、跳躍、跑步等日?；顒?，同時對合成加速度和姿態角進行了采樣、繪圖、分析［8］，結果如表1。

　　通過上述分析，把連續6個采樣點的合成加速度大于2.0g作為分類條件，可將跌倒與正常走等非劇烈運動區分開。同時還可以將跌倒與快步走、跑步等周期性劇烈運動區分開。為了減小誤判率，可將跌倒后的類靜止狀態作為分類條件。最后通過判斷人體的姿態，進一步減小誤判率。

　　3實驗結果與分析

　　為了測試跌倒檢測裝置的誤判率和漏判率，邀請5名志愿者（年齡：23～27歲，身高：160～180 cm，男2人，女3人）分別模仿老人正常走、快步走、坐下、跑步、跳躍等日?；顒?，共測得125組數據，如表2所示。另外讓5名志愿者模仿老人向前、向后、向左、向右跌倒。共測得100組數據。

　　從表2可以看到，檢測裝置對于正常走、快步走等運動的誤判率為0%，而對于跳躍、跑步等劇烈運動的誤判率達4%。考慮到老人進行激烈活動的次數較少，如果出現誤判，老人可以手動取消報警信號。

　　測試者在模仿老人跌倒試驗中，向前或向后跌倒時，漏判次數較少，準確率高達92%。但是在向左或向右跌倒時，漏判次數較多。這是由于測試者均為模擬老人跌倒，而且跌倒的方向并不是嚴格意義上的某一方向，所以會出現不同程度的漏判。在檢測到跌倒以后，該裝置能夠將包含測試者位置信息的短信息完整地發送到目標手機。

4結論

　　本文設計了一種基于單片機的老人跌倒檢測裝置，可以實現對老人跌倒檢測，并且利用GPS對老人進行定位，同時將報警信息發送到目標手機上。此裝置容易擴展，可加入可燃氣體探測器、心率檢測傳感器，組成一套針對老人健康的檢測系統。

　　參考文獻

　　［1］ 王劍.基于MEMS三軸加速度計的跌倒檢測電路的設計［J］.自動化技術與應用,2013,32(6):81-84.

　?。?］ 陳煒,佟麗娜,宋全軍,等.基于慣性傳感器件的跌倒檢測系統設計［J］.傳感器與微系統,2010,29(8):117-119.

　?。?］ 王榮,章韻,陳建新.基于三軸加速度傳感器的人體跌倒檢測系統設計與實現［J］.計算機應用,2012,32(5):1450-1452.

　?。?］ 徐雷,張瑾,馬騰,等.基于GSM網絡的老年人身體姿態檢測系統設計［J］.信息化研究,2014,40(6):65-68.

　　［5］ 谷敏敏,劉進軍,安寧.基于多姿態識別的被動入侵檢測模型研究［J］.傳感器與微系統,2015,34(6):17-20.

　　［6］ 孫金秋,游有鵬,傅忠云.基于自適應顯式互補濾波的姿態解算方法［J］.測控技術，2015,34(4):24-27.

　?。?］ 杜波,張卓,劉垚.卡爾曼濾波在人體姿態檢測中的應用［J］.長春工程學院學報(自然科學版),2015,16(3):98-101.

　?。?］ 李易陸,陳洪波,蔣曉旭,等.基于三軸加速度傳感器的人機交互智能手環［J］.桂林電子科技大學學報,2015,35(5):412-415.