【正文】 2 示，以向前跌倒為例，人體重心（圖中藍色圓點）隨時間呈現(xiàn)出逐漸減低的過程。在理想情況下，跌第二章 行走及跌倒運動學機理 6 倒的運動軌跡（重心高度的時間變化軌跡）應該呈現(xiàn)為拋物線形狀，其運動學方程為： 20() 2gth t h ??? （ ） 其中， h0 為人體重心的初始高度，單位為 m； g 為重力加速度，單位為 m/s2； t 為時間，單位為 s，初始時刻（ t=0）為跌倒開始時刻。 圖 2 跌倒時重心變化的運動學特征 在實際應用中，采用加速度積分的方法描述人體重心變化通常存在較大累積誤差，因此，一般結合其他傳感量進行修正，譬如檢測高度的氣壓計等。 （ 2） 身體姿態(tài)的變化 在跌倒過程中另一個運動學特點是人體姿態(tài)的變化。按照跌倒時的姿態(tài)分類，跌倒可以分為向前跌倒、向后跌倒和側向跌倒。以人體面向 X 軸正方向為例，向前跌倒可以等效為人體繞 Y 軸逆時針旋轉，向后跌倒可以等效為人體繞 Y 軸順時針旋轉，同理，側向跌倒可以等效為人體繞 X 軸的旋轉。 因此，若將人體跌倒簡化為剛體的運動，則其姿態(tài)的變化可以用歐拉角來表示。如圖 3 所示，設定 xyz 軸（藍色）為 地理坐標系的參考軸， XYZ 軸（紅色）為捷聯(lián)在人體上的載體坐標系的坐標軸，則人體的運動可以用歐拉角表示 。 但是采用歐拉法確定姿態(tài)角的方法有一定的局限性，由于微分方程中存在三角函數(shù)，實時計算比較困難，而且當 θ 為 90176。時，方程出現(xiàn)奇異點，姿態(tài)角無法解算。 h t XX 學報 7 3 跌倒檢測監(jiān)護裝置硬件設計 跌倒檢測監(jiān)護裝置 系統(tǒng)分為跌倒檢測終端和監(jiān)護中心兩部分。跌倒檢測終端 由電源模塊、處理器模塊、傳感器模塊、無線通信模塊、人機交互模塊構成 ，分別用于 終端供電、運行跌倒檢測算法、物理慣性信息 的 檢測 、跌倒檢測算法的執(zhí)行、報警信息的發(fā)布和取消以及信息的無線傳輸。監(jiān)控中心分為 則包括網管 和 PC，分別用于網絡的管理和信息的儲存和后處理。 如圖 4 所示。 跌 倒 檢 測 監(jiān) 護 裝 置慣 性 傳 感 器處 理 器人 機 交 互電 腦無 線 發(fā) 射裝 置無 線 接收 裝 置跌 倒 檢 測 終 端監(jiān) 控 中 心 圖 4 跌倒檢測監(jiān)護裝置硬件原理 1）處理器模塊 該部分主要有 AVR 單片機 ATmega8L 最小系統(tǒng)構成 ，包括 電源、 晶振 、復位和下載電路 ，其原理圖如圖 5。 圖 5 處理器模塊電路圖 第三章 室內行走導航系統(tǒng)總體設計 8 2）慣性 傳感器模塊 該部分由三軸加速度傳感器 MMA7260 及其外部 RC 濾波電路構成，其原理圖如 圖 6： 圖 6 慣性傳感器模塊電路圖 MMA7260 是 飛思卡爾公司生產 的 性價比 最 高 的 微型電容式加速度傳感器 ， 其采用了信號調理、單級低通濾波器和溫度補償技術 ?？?用三軸加速度計利用重力分量換算原理，來測量角度 ， 與其他數(shù)字量傾角傳感器相比自然要精準許多，因為模擬量的，可將電壓值換算對應傾斜角度值。 并且可通過 G1\G2 管腳調整加速度的量程，適用于檢測人體的加速度。 3） 無線通信 模塊 該部分主要由 CC2430 （ Zigbee SoC）構成，采用 ACX 公司的 AT7020 芯片天線，以達到節(jié)省體積的目的。其原理圖如 圖 7： XX 學報 9 圖 7 無線模塊電路圖 4）電源模塊 該部分主要有鋰電池、低壓差調節(jié)器（ LPO）和電量計組成，鋰電池采用 可充電電池，電池端具有保護電路；低壓差調節(jié)器采用 TPS79633 芯片，將 調節(jié)到 ；電量計采用 BQ27510 芯片，檢測鋰電池的電量和預測剩余使用時間。另外，需要注意的是，加速度傳感器的電源應該與其他電源隔離，以減少噪聲干擾。該部分原理圖如 圖 8： 圖 8 電源模塊 5） 人 機 交互模塊 第三章 室內行走導航系統(tǒng)總體設計 10 該部分主要由各種外設包括按鍵開關、電源接口、 LED 指示燈和蜂鳴器等構成，其原理圖如 圖 9 所示： 圖 9 人機交互模塊 XX 學報 11 4 跌倒檢測算法設計 跌倒 檢測 的目標是能夠將跌倒 (Fall)與日常生活的正常動作 (Activities of Daily Life，ADL)區(qū)分開來，準確地檢測跌倒的發(fā)生，并智能判斷 (并執(zhí)行 )是否需要報警求助。從而盡可能地縮短救助時聞，減小跌倒帶來的傷害 (尤其是 長時間暈厥 )，降低誤報率，最終提升被監(jiān)測者的生活質量。 跌倒運動學模式分析 跌倒與日常行為分類 無論是跌倒還是日常行為，如果以分解動作來看都是不同靜態(tài)姿勢之間的轉化，當然轉化過程中的劇烈程度和時間點也是不同跌倒和日常行為的主要區(qū)別。人體的常見靜態(tài)姿勢包括：左 /右側躺、仰臥、俯臥、站立、坐、蹲等。在這些靜態(tài)姿勢之間的轉化就形成了人體的運動。 常見的跌倒主要分為 3 種： 1) 向前跌倒，即從站立到俯臥的劇烈過程； 2) 向后跌倒，即從站立到仰臥的劇烈過程； 3) 側向跌倒，包括向左 /右跌倒，即從站立到側臥的劇烈過程。 據 O’Neil 等人的研究表明 ,前向跌倒是最為常見的跌倒，約占整個跌倒事件的 60%左右 [22]。當然實際生活中，還可能出現(xiàn)更加復雜的跌倒情況，這些跌倒模式較為復雜且極少發(fā)生，將作為下一步研究的對象，不在本文的討論 范圍內。 為簡化研究， 6 種容易和跌倒事件混淆的日常行為被作為主要研究對象，其包括： 1) 走 ； 2) 跑； 3) 跳； 4) 上下樓； 5) 坐下； 6) 躺下。 本研究中的跌倒檢測即是探討常見的 3 種跌倒事件與易混淆的 6 種日常行為的主要 12 區(qū)別和識別方式。由于其主要區(qū)別包含兩個方面：其一是運動所對應的靜態(tài)姿勢不同，對應的慣性量即是姿態(tài)的變化；其二是在不同靜態(tài)姿勢間轉換的劇烈程度不同，對應的慣性量即是加速度的變化。下面分別從這兩個方面討論跌倒和日常行為的運動模式。 加速度分析 （ 1） 數(shù)據預處理 加速度的時域信號體現(xiàn)了人體運動過程中劇烈程度，以及在不同時刻劇烈程度的分布。然而在實際信號采集過程中，原始數(shù)據往往包含了有效信號和各種干擾信號： 1) 人體運動加速度 ； 2) 重力加速度； 3) 人體抖動； 4) 測量噪聲； 5) 慣性傳感器與身體的相對運動 其中，人體運動加 速度和重力加速度是有效信號，這兩者可以體現(xiàn)人體的運動狀態(tài)，而后三個信號屬于干擾信號，應當予以抑制和去除。由于這三種干擾信號都與脈沖噪聲相似， 因此選用中值濾波的