摘  要： 針對老年人意外跌倒的問題，設計了一種新型的可穿戴式跌倒檢測系統。利用慣性測量單元（Inertial Measurement Unit，IMU）對人體的6個自由度（Directions of Free，DoF）參數進行測量，通過跌倒檢測算法分析自由度數據，及時檢測出跌倒，并將報警信息通過低功耗藍牙（Bluetooth Low Energy，BLE）發送到智能手機等終端。對不同的跌倒情況進行一系列的試驗，測試結果表明，該系統可以有效地檢測到意外跌倒事件并發出報警信息，達到預期目標。

　　關鍵詞： 意外跌倒；慣性測量單元；跌倒檢測算法；低功耗藍牙

0 引言

　　由于體質的下降和生理機能的衰退，老年人容易發生意外跌倒，意外跌倒發生后，如果不能及時獲得救助，甚至可能危及生命安全。隨著人口老齡化社會的到來，老年人的意外跌倒問題已成為十分重要的醫療和社會問題。跌倒檢測系統的目標是能夠準確并及時地檢測到跌倒的發生，能夠將其與日?；顒樱ˋctivity in Daily Life，ADL）相區分，并在檢測到跌倒時發出報警信號，從而保障老年人的安全和健康[1]。目前，針對跌倒的檢測方法主要有3種：視頻監測法、音頻和振動檢測法、可穿戴式裝置檢測法?；谌S加速度傳感器的跌倒檢測系統成為目前國內外研究的主要方向，加速度閾值法是常用的跌倒判定方法[2]?？纱┐髟O備外形小巧，有著優良的電池壽命。另外，隨著智能終端上BLE技術的普及，以智能終端為中心，以穿戴設備為應用外設，以BLE為數據通信鏈路的可穿戴系統具有巨大的市場發展潛力。

1 系統設計

　　本文設計了一種基于BLE的跌倒檢測系統，系統采用InvenSense公司的MPU-6050 IMU測量人活動時的三維加速度和三維角速度共6個DoF的數據。再根據這些數據并結合跌倒檢測算法進行處理和分析，從而判定是否發生跌倒。最后，通過Nordic公司的nRF51822 BLE片上系統將檢測到的報警信號傳輸到智能終端，實現跌倒的檢測和報警信號的獲取。

　　跌倒檢測系統包括數據采集、跌倒檢測算法和信息傳輸。其中，數據采集涉及MPU-6050的工作配置以及MPU-6050與nRF51822 BLE片上系統的I2C數字通信接口的實現。跌倒檢測算法涉及算法的原理與具體實現流程。信息傳輸涉及BLE與智能終端之間數據通信的實現。其中，nRF51822片上系統集成了Cortex-M0內核和BLE模塊。跌倒檢測系統結構如圖1所示。

　　MPU-6050與nRF51822可實現單板集成，外形小巧易于穿戴使用。穿戴位置可選擇腰腹部位，盡可能減少日?；顒訉ο到y的影響。

　 1.1 nRF51822 BLE片上系統

　　BLE繼承了傳統藍牙技術在無線連接上的固有優勢，同時增加了高速和低功耗的特性。BLE的核心是低功耗技術，契合了可穿戴設備的技術需求。

　　nRF51822 BLE片上系統集成了32位的Cortex-M0內核，256 KB Flash和16 KB RAM，2.4 GHz射頻模塊，定時器/計數器以及模擬與數字外設等。其中射頻模塊支持BLE。另外，Nordic公司提供了完整的BLE協議棧解決方案，它集成了低功耗的控制器和主機，并提供了在片上系統（System on Chip，SoC）上開發BLE應用的完整且靈活的應用程序接口（Application Program Interface，API）[3]。用戶只需定義和實現BLE應用的通用接入規范（Generic Access Profile，GAP）層和通用屬性規范（Generic Attribute Profile，GATT）層，并根據協議棧提供的應用接口實現短距離的BLE無線通信。

　　1.2 MPU-6050 IMU

　　跌倒檢測系統通過MPU-6050 IMU采集用戶運動姿態數據，即三維加速度和三維角速度共6個DoF的數據，如圖2所示。MPU-6050工作模式的配置以及用戶DoF數據的獲取均需要對其內部寄存器進行讀或寫操作，而上述的讀或寫操作均是nRF51822片上系統通過與MPU-6050之間的I2C數據通信接口實現的。

　　MPU-6050是InvenSense公司推出的一款6軸整合型運動處理芯片，其內部集成了一個三軸陀螺儀和一個三軸加速度計。MPU-6050對陀螺儀和加速度計分別采用了3個16位的ADC，將其測量的模擬量轉化為可輸出的數字量，傳感器的測量范圍都是用戶可控的。MPU-6050與外部設備的通信通過400 kHz的I2C數字接口，另外它還包括一個可編程的中斷系統，配合實現對MPU-6050內部寄存器數據的讀取[4]。

　　評估人體ADL的實驗，總結出人體軀干部分的加速度分量一般不超過±6ɡ，而角速度分量一般不超過300°/s，選取1 kHz作為慣性傳感器的采樣輸出頻率，MPU-6050的加速度輸出范圍配置為±8ɡ，角速度輸出范圍配置為±500°/s。此外，配置MPU-6050的中斷系統，使得6個DoF的數據準備完成后在其中斷引腳上產生中斷信號，這時，nRF51822片上系統即可通過I2C接口讀取用戶運動姿態數據。

2 跌倒檢測算法設計

　　人體在發生意外跌倒時，三維方向的加速度值會發生突變，同時人體俯仰方向的角度也會發生較大的改變。而由于跌倒情況的差異性，人體發生前仰、后倒和側翻時三維方向加速度變化的特點有較大差別。因而，通過對人體三維加速度和俯仰角速度數據提取特征量作為判決的依據，采用過程多閾值聯合判決法設計跌倒檢測算法，閾值的選取是根據人體在跌倒過程的不同階段的加速度和俯仰角度變化的特征分別進行確定的。跌倒過程中的加速度和俯仰角度的變化有4個主要特征：（1）失重：在跌倒的開始均會發生一段時間的近失重現象，加速度值發生突變，同時人體俯仰角度迅速增大；（2）撞擊：失重之后，人體與地面發生撞擊，產生極大的沖擊從而引起加速度反向劇變，這一階段的人體也可能發生翻滾現象；（3）靜止：通常撞擊發生后會出現短暫的靜止狀態，表現為加速度和俯仰角度維持一段時間的相對平穩的過程；（4）結果：跌倒發生后，情況不嚴重時人可自行逐漸恢復站立，而一旦情況嚴重，比如導致人昏迷，人體將在很長的一段時間內保持靜止狀態，這是跌倒結果嚴重程度的判斷依據[5]。

2.1 提取特征量

　　由于跌倒可能發生在任意的方向和角度，因而，采用合加速度作為加速度特征量。由于三軸陀螺儀輸出的是角速度值，人體俯仰角度變化為：

　　其中，（t）為角速度值，（0，t）內角度變化值。

　　人體從失重到撞擊的過程時間極短，一般約為1 s，采用微元法，將1 s均分為n個單位時隙，在單位時隙內角速度視為線性變化，在單位時隙內角度變化可近似為：

　　其中，為k時刻的角度絕對值。

　　因而跌倒的過程中人體角度變化可近似為：

　　綜合考慮運算量和計算精度，選取n=50，以人體俯仰角度的變化量作為角度特征量。

　　2.2 算法流程

　　根據跌倒過程的不同階段加速度和角度特征量依次與設定的對應閾值進行判決，從而判斷跌倒事件的發生以及跌倒結果的嚴重程度。具體的跌倒檢測算法實現流程如圖3所示。

　　根據相關實驗測試，TH1、TH2、TH3、TH、t0參考取值分別為1.7ɡ、6ɡ、0.2ɡ、75°、10 s[6]，其中ɡ表示重力加速度常量。算法返回跌倒事件狀態值xi∈{x1，x2，x3}，x1、x2、x3分別表示未發生跌倒、跌倒不嚴重和跌倒嚴重3個事件狀態值。

3 算法實現與系統驗證

　　跌倒檢測算法判斷跌倒事件的發生情況并返回對應的跌倒事件狀態值來指示跌倒的嚴重程度。

　　3.1 程序結構

　　跌倒檢測算法和BLE通信應用程序均是基于Cortex-M0內核實現的。系統程序包括nRF51822上相關外設初始化、MPU-6050初始化及工作配置、初始化BLE相關參數，然后開始廣播并等待事件中斷，如按鍵事件、20 ms的用戶數據讀取定時事件和2 s的跌倒事件狀態值發送定時事件等。

　　3.2 實測結果

　　系統軟件在Keil uVision4開發環境下編程實現，編譯鏈接后下載到nRF51822上進行跌倒實驗。跌倒實驗包括前仰、后倒和側翻，每組實驗還包括跌倒嚴重和不嚴重的情況。正常情況、跌倒不嚴重和跌倒嚴重3種事件的狀態值傳輸到終端的結果如圖4的所示。

　　圖4中，0x0064表是正常狀態值，0x0096表是跌倒不嚴重狀態值，0x00C8表是跌倒嚴重狀態值。

4 結論

　　通過對各種跌倒情況的實驗測試結果可知，本文提出的跌倒檢測算法能正確地識別不同的跌倒事件并能判斷跌倒的嚴重程度。BLE具有高速和低功耗的特性，其在智能手機等移動終端上加速普及，而且最新的藍牙4.1規范極大地強化了藍牙技術在物聯網領域的應用，因而BLE在可穿戴技術領域具有極大的發展潛力。

參考文獻

　　[1] ABBATE S， AVVENUTI M， CORSINI P， et al. Monitoring of human movements for fall detection and activities recognition in elderly care using wireless sensor network： a survey. Wireless Sensor Networks： Application-Centric Design， Yen Kheng Tan （Ed.）， ISBN： 978-953-307-321-7， InTech[EB/OL].（2010-12-14） [2013-11-12]. http：//www.intechopen.com/books/wireless-sensor-networks-application-centricdesign/monitoring-of-human-movements-for-fall-detection-and-activities-recognition-in-elderly-care-using-wi.

　　[2] 陳煒，佟麗娜，宋全軍，等．基于慣性傳感器件的跌倒檢測系統設計木[J].傳感器與微系統，2010，29（8）：117-125.

　　[3] Creating Bluetooth low energy applications using nRF51822 nAN-36[EB/OL].（2013-10-11）[2013-11-15].https：//www.nordicsemi.com/eng/nordic/download_resource/24020/3/56653730.

　　[4] MPU-6000 and MPU-6050 Product Specification Revision 3.4[EB/OL].（2013-08-19）[2013-11-25]. http：//www.invensense.com/mems/gyro/documents/PS-MPU-6000A-00v3. 4.pdf.

　　[5] Ning Jia. Detecting human falls with a 3-axis digital accelerometer[J]. Analog Dialogue，2009，43（7）.

　　[6] 趙祥欣.基于三維加速度傳感器的跌倒監測研究[D].杭州：浙江大學，2008.