首页 > 文献资料
-
基于可穿戴传感技术的步态参数建模与跌倒监测方法
在跌倒与认知功能障碍等神经疾病的临床诊断与康复治疗中,步态分析能有效的作为诊断依据,并对跌倒风险与神经疾病患者的康复情况进行评价,帮助制定康复治疗方案和评价疗效.步态数据采集是步态分析的重要环节.其中跨步长和离地高度作为步态数据的一部分,在实际医疗使用中具有较强的参考价值.现有的步态数据采集设备尽管功能强大,采集的数据种类也十分丰富,但是有着操作麻烦、价格昂贵、空间限制等缺点.简易的步态数据采集设备一般都难以采集到跨步长和离地高度等关键数据,难以满足实际需要.本文针对以上的问题,提出了一种通过三轴加速度传感器和陀螺仪采集足部角度数据并通过BP神经网络进行机器学习来推算跨步长和离地高度数据的方法.通过对训练集进行学习训练与交叉认证,得到了跨步长86%,离地高度80%的准确率,论证了通过足部跨步过程中的角度数据推算跨步长和离地高度的可行性,并且利用角度数据进行跌倒监测的初步试验,监测成功率为93.75%.
-
基于MPU6050的老年人跌倒监测系统设计
该文提出一种基于MPU6050的老年人跌倒监测系统。该系统采用MPU6050传感器和STM32微处理器，并通过蓝牙4.0设备将跌倒信息传输到智能手机，手机进行语音报警并将GPS信息通过短信形式通知家人和医院。为区分跌倒事件和日常生活行为，该文设计了一种基于三轴加速度和角度的两次阈值判别算法。实验结果显示：跌倒监测系统能够有效监测跌倒事件并报警，准确率达95%，具有较高的稳定性和可靠性。
-
基于 MEMS 传感器的可穿戴式老年人跌倒监测系统的设计
为了缩短老年人跌倒后的救助时间和提高安全保障，我们设计了一种基于加速度和角速度传感器的跌倒监测装置。该装置结合机械微电子系统（ microelectro mechanical system，MEMS）传感器、数字信号处理及无线传输技术应用于智能手机上。为区分人体跌倒事件和日常行为，结合人体三轴加速度和角速度联合对跌倒事件进行判断，通过大量实验选取合适阈值。针对老年人的生活特点，数据通过蓝牙装置发送至手机上进行处理，通过手机语音报警、手机GPS定位系统和短信通知医院和用户监护人，使得老年人跌倒后能够在第一时间获得救治，减小伤害。经过大量的实验测试结果统计，相比较于传统的三轴加速度判断跌倒事件，结合三轴加速度和加速度联合判断使该系统的准确率从84．29％提高至100％。结果表明：基于MEMS传感器的可穿戴式跌倒监测系统具有便捷、准确、功耗低的特点，能够准确监测出跌倒事件并进行报警。
