题目要求：利用三轴加速度传感器实现跌倒的检测。

在PSoC 3 FirstTouch板上实现。

一、学习PSOC的开发环境creator的使用。

首先图示化选定所用的硬件并产生该硬件的API 函数，然后类似keil环境下做C语言程序。

二、/data/html/2010-9-14/85764.html理解加速度传感器检测跌倒的算法原理。

三、PSoC 3 FirstTouch上有三轴加速度传感器KXSC7-2050，实现跌倒检测算法。

摘要跌倒是指人身体的任何部位意外地触及地面或其它较低的平面，而当事人无法实时做出反应．跌倒是对健康，乃至生命的严重威胁。

随着老龄化社会的到来，对跌倒的监测和及时报警日益成为一个紧迫的问题。

跌倒监测报警系统的目标是能够将跌倒(Fall)与日常生活的正常动作(Activities of Daily Life，ADL)区分开来，准确地检测跌倒的发生，并智能判断是否需要报警求助。

从而尽可能地缩短救助时闻，减小跌倒带来的伤害，降低误报率，最终提升被监测者的生活质量。

本次研究采用了PSoC 3 FirstTouch实验板，利用三轴加速度传感器KXSC7-2050搭建了三维加速度监测系统。

研究主要分为两部分：第一，对跌倒和ADL进行定义和模式分类，通过佩戴在腰间的数据记录系统记录各模式下的三维加速度数据，并对其进行处理、分析和比较；第二，根据分析结果，提出了以SVM或SMA为特征量，以人体状态及姿态为辅助判据的算法，并总结出了具体阈值相关参数。

另外，还提出了基于三维加速度数据的步态分析及跌倒预警的设想，并进行了步频分析等初步的分析与论证．关键词：跌倒检测监测三维加速度传感器跌倒判断方式对跌倒的自动检测可通过直接或间接的手段。

常见的手段包括：(1)视频分析：需要在每个盗测区域安置设备，不方便且昂贵；(2)声响或振动分析：该方法认为跌倒可通过频率分析与其它活动区分开来，但各种各样的地面材质是一个棘手蛉问题；(3)智能护理系统：跌倒发生后的当然结果就是在其后的一段时期内，被监测者几乎不会有运动，缺点是反应需要的对间较长且易误报警；(4)随身佩戴的装置：它们能够即时检测出跌倒，且如果有智能判断，可自动决定是否发出摄警或求救信号。

’显然，第四种方案简便、可靠、经济，且易与现有技术结合，从而达到更好的监测效果，难点在予检测的准确性：既不能漏过每一次跌倒，也不能将正常活动误报为跌倒，其中的平衡取舍较难掌握。

早期的跌倒判定手段和方法比较简单，其结果也受较大的限制。

如，手杖中的水银开关。

该检测方法默认，当跌倒发生时，手杖也躺倒呈水平状态，此时水银开关导通发出报警信号。

显然这样的手段太过简单，结果也很粗糙。

之后渐渐出现了以加速度信号为监测对象的监测系统。

如分别放置在人体躯干和大腿前侧的单维加速度传感器，可检测人体静态姿势(比如躺卧、站立、坐立等)以及人体活动姿态(行走和骑车等)。

但此类方法由于采用单维加速度传感器，且检测的只是几种典型的活动姿势变化过程，跌倒监测的效果并不好。

随着微电子及传感技术的发展与成熟，低功耗、低成本的微集成电路使以前的许多设想渐渐具有了现实基础。

基于三维加速度传感的系统成为目前国外研究跌倒监测的主要趋势，而加速度阈值是最常见的跌倒判定方式。

如，Mathie等在预先设定人体跌倒过程是在1-2秒内完成，提取其过程中三维加速度z轴方向上分量，判断是否出现至少连续两次脉冲信号，并是否超过已定的阈值(1．8g)。

而Yoshida等使用一个0．1秒的时间窗进行判别。

目前，相关研究主要的分为两个方面，一方面着重于跌倒与日常活动的模式分析与算法，如Bourke等通过实验得到的判定跌倒的不同的加速度阈值，讨论了佩戴位置对结果的影响，产生较大加速度响应而有可能造成误报的ADL等，而Diaz等在其论文中提出了一种较复杂的算法，基于时域和频域(能量)条件共同判断，也得到了不错的结果。

基于SVM(Signal Magnitude Vector)和SMA(Signal Magnitude Area)的阈值判定是常用的方法，同时为了降低报错率，还采用了其它辅助判定条件一一如姿态判定等。

另一方面着眼于整个系统的构建，传感器(Sensor)、处理器(MCU)和通讯单元的组合是常见设计。

如加州大学伯克利分校的J．Cheal 等设计的家用穿戴式无线跌倒监测系统，就是由两个正交的二维加速度传感器与已有的“电予尘埃”技术的结合，监测的结果经无线通讯传输，并根据射频信号强度实现定位。

而Burchfield与Venkatesan设计的用予监测人体“异常运动”(Abnormal Movement)的无线装置与此类似，由加速度传感器、MCU以及基于ZigBee技术的无线通讯模块构成了整个系统．运动模式与实验组织本系统的难点和目标在于通过加速度数据有效地区分跌倒和日常活动(ADL)。

本章的目的是将常见的跌倒和ADL按不同模式分类，记录其加速度数据。

希望根据对数据的处理分析结果，最终能得到简便且有效的方法区分跌倒与ADL。

人体活动分为正常日常活动(ADL)和跌倒两大类．正常日常活动(ADL)人体静态姿势：左侧躺、右侧躺、仰卧、俯卧、直立、后仰立、前倾立、坐直、后仰坐、前倾坐等等。

人体动态姿势：躺下、蹲下、坐下、起立、走、上楼梯、下楼梯、奔跑跌倒：向前跌倒，膝关节弯曲；向后跌倒，膝关节弯曲；侧向(左／右)跌倒，膝关节弯曲。

容易引起误判的因素：行走时跌倒、摔倒在椅子中(准备从椅子上站起来时或静止站立时)、滑倒、瞬间失去平衡最后却控制住身体等等．这些模式可能是下一步堆备研究的对象，目前仅考虑以上三种基本模式。

本系统三维加速度信号的采样频率为50Hz。

鉴于人体运动的特点，加速度信号采样频率不用太高一一事实上，我们所要监测的人体活动的频率全是是低于20Hz的(即使包括了运动信号，其能量的99％也是集中在15Hz以下)，已有的监测系统的采样频率很少有超过50Hz的。

加速度数据分析通常情况下，佩戴在人体上的加速度传感器的输出信号是由以下信号线性叠加而成的：(1)人体运动加速度分量；(2)入体重力加速度分量；(3)人体抖动；(4)系统测量噪声；其中(1)和(2)是直接人体活动相关联的因素，重力加速度的值在-1g和+1g之间，人体运动加速度分量是系统采集的目标信号和最终判定运动模式的依据；而(3)、(4)和则作为噪声部分加入到传感器输出值中，可以通过模拟或数字滤波器加以滤除，从而提高信噪比。

数据预处理预处理主要分为两步，主要目的是去除噪声，以及根据使用目的将信号分离：(1)中值滤波(n=3)。

由实验得知，加速度传感器输出信号中参杂了大量脉冲噪声，在实际应用申必须加以剔除．传统的消除脉冲噪声的方法是使用中值滤波器。

采用序列的中值是指采样序列中一半样本的值比该值大，而另一半比其小。

在信号处理时需要将采样序列排序，然后取中间值。

中值滤波器是一个非线性信号处理技术，它使用一个给定长度的窗依次滑过原始信号序列，然后将窗内居中的样本值用该窗所包含信号序列的中值替代。

针对加速度传感器输出信号包含有脉冲噪声，这里滤波器窗口大小n设为3。

辫n过大时，则区分人体是否处于活动状态等算法的效果将变差。

(2)低通滤波(LPF，截止频率为0．25Hz，0．01dB纹波，3阶IIR滤波器)，目的是从原始加速度信号中分出两路信号，分别为GA(Gravity，可用于姿态判断)和BA(BodilymotionAcceleration，可用于运动状态判断)信号。

GA由(1)后信号LPF后得到，BA可由GA与(1)后信号的差别得到。

基于跌倒过程特点的跌倒分析判断跌倒过程中的加速度变化特征对跌倒检测原理的研究主要是找到人体在跌倒过程中的加速度变化特征。

图3给出的是加速度在不同运动过程中的变化曲线，包括(a)步行上楼、(b)步行下楼、(c)坐下、(d)起立。

跌倒检测器被固定在被测的人体腰上。

其中红色的曲线是Y轴（垂直方向）的加速度曲线，其正常静止状态下应该为-1g；黑色和黄色的曲线分别是X轴（前后方向）和Z轴（左右方向）的加速度曲线，其正常静止状态下应该为0g；绿色的曲线是三轴加速度的矢量和，其正常静止状态下应该为+1g。

由于老年人的运动相对比较慢，所以在普通的步行过程中，加速度变化不会很大。

最明显的加速度变化就是在坐下动作中Y轴加速度（和加速度矢量和）上有一个超过3g的尖峰，这个尖峰是由于身体与椅子接触而产生的。

关于几个中断设置的说明1、Activity - 当加速度值超过一定门限（THRESH_ACT）时，Activity中断置位。

2、Inactivity - 当加速度值低于一定门限（THRESH_INACT）并且持续超过一定时间（TIME_INACT）时，Inactivity中断置位。

3、Free_Fall - 当加速度值低于一定门限（THRESH_FF）并且持续超过一定时间（TIME_FF）时，Free_Fall中断置位。

与Inactivity中断的区别在于，Free_Fall中断主要用于对自由落体运动的检测。

而跌倒过程中的加速度变化则完全不同。

图4给出的是意外跌倒过程中的加速度变化曲线。

通过图4和图3的比较，可以发现跌倒过程中的加速度变化有4个主要特征，这可以作为跌倒检测的准则。

这4个特这在图4中以红色的方框标注，下面将对其逐一进行详细介绍。

1．失重：在跌倒的开始都会发生一定的失重现象。

在自由落体的下降过程，这个现象会更加明显，加速度的矢量和会降低到接近0g，持续时间与自由落体的高度有关。

对于一般的跌倒，失重现象虽然不会有像自由落体那么明显，但也会发生合加速度小于1g的情况（通常情况下合加速度应大于1g）。

因此，这可以作为跌倒状态的第一个判断依据。

可以由ADXL345的Free_Fall中断来检测。

2．撞击：失重之后，人体发生跌倒的时候会与地面或其他物体发生撞击，在加速度曲线中会产生一个很大的冲击。

这个冲击可以通过ADXL345的Activity中断来检测。

因此，Free_Fall 中断之后，紧接着产生Activity中断是跌倒状态的第二个判断依据。

3．静止：通常，人体在跌倒后，也就是撞击发生之后，不可能马上起来，会有短暂的静止状态（如果人因为跌倒而导致昏迷，甚至可能是较长时间的静止）。

表现在加速度曲线上就是会有一段时间的平稳。

这可以通过ADXL345的Inactivity中断来检测。

因此，Activity中断之后的Inactivity中断是跌倒状态的第三个判断依据。

4. 与初始状态比较：跌倒之后，人体会发生翻转，因此人体的方向会与原先静止站立的姿态（初始状态）不同。

这使得跌倒之后的静止状态下的三轴加速度数值与初始状态下的三轴加速度不同（见图4）。