基于STM32的跌倒防护装置研究

但是此幅值来判断的跌倒检测算法人体已经着地，跌倒伤害已经产生了，而本系统需要对人体进行保护，即必须在人体跌倒着地之前进行检测，因此不符合本系统的设计要求。经过多次试验找到符合本系统要求的过程(图2中从第50到第75个采样点左右)，该过程一直呈下降趋势直到合加速约为零，且该过程也明显区别于日常动作。本系统中把合加速度的阈值设为0．88 g，当合加速度小于0．88 g时，系统进入预警状态，初步判定有可能发生跌倒，但是也有可能是突然站起或转身等正常动作引起的。由于该过程一直呈下降趋势，因此设计中将本次加速度的值与上一次的加速度值做差如果差值小于零计数，当计数值达到一定值的时候就可以判断人体发生跌倒。
图3是经过试验得到的人体跌倒过程中的合角速度曲线(与图2同一时刻)。通过试验得到当合加速度值小于0．88 g至刚好着地的这段过程时(图2中第55至第75个采样点)，陀螺仪检测的角速度却是增大的。但是实际观察多次跌倒的角速度波形，发现跌倒时角速度并不是线性增加的，它有时候也会减小，但是总体是增加的。根据M．N．Nyan，Francis E．H．Tay，E．Murugasu等人的研究，在这一时段角速度的变化很小只有10°／s。于是在算法判断加速度减少并计数的同时加入角速度做差值且是否变化在10°／s内。实验中我们发现通过同时满足加速度减小和角速度增加并计数能明显减少单一运用加速度计的误判。

3．2 软件整体设计
结合跌倒判断算法后，系统的整体软件框图如图4所示。

4 实验测试
测试时为避免测试者在实验过程中摔伤，所有跌倒实验都在一张双人床上完成，跌倒在双人床上与跌倒在地面唯一不同的是，跌倒在地面产生的加速度冲击会更大。因此，对本系统而言，跌倒在地面的情况会更容易检测出来。
系统测试分为两部分，第一部分是通过模拟老年人几种典型的跌倒方式来检验跌倒判断的识别率，在将要发生跌倒事件时，能够准确无误的触发报警。测试内容包括向前跌倒，向后跌倒，向左侧跌倒，向右侧跌倒这4种典型类型的跌倒，每类跌倒各试验50次。
第二部分通过正常的日常活动来检测本系统的误报率，实验的日常活动包括步行、弯腰、下蹲和慢跑等日常行为，同样每类实验也进行50次。测试结果如表1所示。

由表1试验数据，可以看到在实验条件下，每种跌倒的跌倒识别率都在95％以上。在捧除老年人做剧烈运动的情况下(如表中的慢跑)，日常事件的误报率约为0％，所设计的跌倒检测系统能检测出绝大多数的跌倒事件并准确报警，对日常行为的误报较低。
为了提高系统的可靠性，本次还研究了从防跌倒装置开始报警到老年人完全跌倒在地上之间的时间，我们根据采集到的数据和算法，得到装置开始报警到老年人完全跌倒在地上之间采样点个数，再根据采样时间求得时间。此时间越长表示后续的防护措施可进行更复杂的保护，老年人跌倒受伤的几率就越低。防护措施可用时间如表2所示。

5 结束语
本系统使用了三轴加速度传感器ADXL345，三轴角速度传感器L3G4200D、nRF24L01无线传输模块和STM32F103RBT6嵌入式处理器，实时采集人体跌倒的加速度和角速度数据，并运用了以特征量阈值判断的跌倒检测算法为主的解决方案，完成了老人跌倒检测系统的设计。通过试验分析，排除老年人做剧烈运动的情况下，系统能准确地检测跌倒并能在老年人未着地之前报警并实施后续防护措施，其准确率高。且本系统可靠性高、简单，易于穿戴。