打开文本图片集

摘  要：随着全球范围内老龄化现象的日益显著，老年人跌倒问题已逐渐成为社会广泛关注的重大议题。据统计，老年人跌倒不仅会导致身体伤害，还可能引发进一步的医疗问题和心理困扰。防久卧也是我们主要的研究方向之一，其目的是为了防止老人煤气中毒、突发疾病、受伤等后陷入的昏迷被误以为是睡着了而错过重要的救治时间；因此，开发有效的老人防跌倒和久卧智能设备，对于提升老年人的生活质量、延长其健康寿命具有深远的意义。针对老年人跌倒及久卧未动引发的健康风险，本研究设计了一款集成跌倒检测、久卧监测、实时定位与紧急救援功能的智能设备。系统以STM32系列微控制器为核心，通过三轴加速度计、陀螺仪及生理传感器采集数据，结合阈值判断法与多模态数据融合算法实现高精度跌倒判定；久卧判断通过加速度持续阈值与心率变异分析实现。硬件模块包括GPS定位、通信模块装置，软件端通过Keil5平台开发，并配套云端监测APP。

关键词：老人；防跌倒；久卧；智能设备；STM32；

一、引言

跌倒作为老年人日常生活中频发的健康隐患，同时也是导致老年人因疾病或意外而面临生命威胁的重要因素。据数据显示，我国每年近乎半数的老年人经历过跌倒事件，尤其在东北、华北及华南地区，跌倒所引发的伤害事故尤为严峻。因此，对跌倒及长时间卧床状态实施即时监测与精准定位，以便迅速采取应对措施，显得尤为迫切。本文创新性地设计了一种基于STM32系列微控制器的老年人防跌倒与久卧监控系统，该系统集成了实时跌倒探测、久卧状态监控及紧急援助响应等多重功能。其核心构成涵盖跌倒检测单元、久卧监控单元以及GPS定位单元，通过运用先进的多模态数据融合算法，确保了跌倒检测与久卧监控的高准确度，同时实现了高效的紧急救援机制。

二、系统总体设计方案

1、 系统硬件设计

跌倒与久卧监测系统的硬件架构集成了超声波测距元件、加速度传感器、陀螺仪、计时器单元、微控制器、通信接口模块以及心率监测模块等核心组件。超声波测距元件负责测量被监护人与地面之间的距离，加速度传感器捕捉人体的运动加速度信息，而陀螺仪则提供角速度数据。这些原始数据被传送至微控制器进行处理，微控制器通过算法分析人体动态与姿态，一旦辨识到跌倒行为，立即激活通信接口模块，向预设紧急联系人发送包含GPS定位数据、时间戳的求救信号。

此外，加速度传感器与陀螺仪协同工作，持续监测被监护人的活动状态。若在一定时段

内未探测到显著的运动迹象，计时器单元即启动计时；若在此预设阈值时间内重新检测到活动，计时重置；反之，若超时且伴随心率或体温异常变化，系统将触发警报机制。

2、系统软件设计

该系统软件聚焦于实时数据采集与处理，并在检测到跌倒事件时触发智能化报警机制。其功能架构精心划分为三大核心组件：数据运维管理模块、智能报警响应模块以及配置参数设定模块，如图2所示。

当老人发生跌倒时，若其持续时间大于60s，或持续时间小于60s但加速度值大于等于0.3m/s2，则判断为跌倒。若老人出现长时间的久卧未动，且没有出现异常行为，则认为其处于危险状态。在判断老人的危险状态时，若判断为危险状态则直接发送求救信息给家人或救援人员，若为正常状态则继续监测老人的行为与体征。

三、跌倒检测与报警算法设计

跌倒检测算法主要包括数据采集、信号特征提取及阈值判断，其中信号特征提取是跌倒检测的关键环节。本研究运用了加速度传感器技术，以收集和记录老年人的活动状态数据，使用陀螺仪、血氧仪等采集生理指标数据，并通过多模态数据融合算法进行跌倒判定。

为了提高算法的可靠性和鲁棒性，本研究采用阈值判断法进行高精度跌倒判定，该方法是基于小波分析理论，结合支持向量机算法与卡尔曼滤波算法对老人的跌倒状态进行判断。首先将加速度信号进行小波变换得到小波系数，利用小波变换模极大值提取出在频域上变化最大的子带信息，计算得到各子带信号的峰值与幅值。然后利用支持向量机进行跌倒检测，通过统计各子带信号峰值和幅值的分布情况实现跌倒判断。本研究中使用阈值判断法实现跌倒判定，具有较高的识别准确率。

四、久卧监测与定位算法设计

在久卧检测模块中，加速度传感器采集人体各部位的加速度，并将采集到的加速度值进行滤波处理，将其作为阈值判断依据；同时，陀螺仪通过对人体旋转运动的精确测量，实现人体姿态的精准识别，结合心率、血氧传感器采集的心率和血氧值，判断人体是否处于久卧状态。经过对算法的改进，本文设计了一种基于加速度阈值判断及多模态数据融合算法对久卧状态进行判断。

根据心率变异算法的原理可知，心率变异曲线呈U型，当心率处于正常范围时，曲线为直线；当心率出现异常时，曲线呈现不规则波动状态。因此，本系统可通过加速度阈值与心率变异对老年人是否处于久卧状态进行判断。

五、结语

本设计基于STM32微控制器设计了一款老人防跌倒和久卧的智能设备，实现了跌倒检测、久卧监测与实时定位等功能，满足了老年人的日常需求，可以帮助老年人远离跌倒及久卧的风险。该设计采用多种传感器采集数据，通过阈值判断法与多模态数据融合算法进行跌倒检测，通过加速度持续阈值与心率变异分析进行久卧检测。实验结果表明，本设计可以准确地识别老年人的跌倒及久卧状况，且具有实时监测、定位、紧急救援等功能，实现了老年人的实时监测和安全保护。同时本设计也存在着不足之处，如低功耗、低成本等问题，后续还需进行进一步研究。

参考文献：

[1]欧国维，蒙山.基于多传感器融合的老人跌倒检测[J].微型电脑应用，2020，36（01）：149-153.

[2]罗涛，杨海，李莉等.基于SINS的老人跌倒实时监测方法[J].传感器与微系统，2020，39（01）：56-59.DOI：10.13873/J.1000-9787（2020）01-0056-04.

[3]万珊.基于惯性传感技术的穿戴式老年人跌倒报警系统[J].自动化与仪器仪表，2021，No.256（02）：153-156.DOI：10.14016/j.cnki.1001-9227.2021.02.153.

[4]吴志强. 基于智能手机的人体跌倒检测技术的研究与应用[D]. 广东：南方医科大学，2014. DOI：10.7666/d.Y2618119.

[5]杨敏，李琼. 世界卫生组织老年人综合护理指南解读[J]. 护理研究，2019，33（2）：183-186.DOI：10.12102/j.issn.1009-6493.2019.02.001.

基金项目：2024年大学生创新创业训练计划，“仪”养天年--检测及预防老人跌倒与“久卧”的智能穿戴设备，立项编号：S202414037263。

作者简介：林海燕（2004- ），女，四川广安人，西南财经大学天府学院智能科技学院 2022 级智能科学与技术专业 02 班学生。