一種防跌倒預(yù)警系統(tǒng)的研究與實(shí)現(xiàn)

李慧奇梁 丁寧運(yùn)琨張 靜趙國如(中國科學(xué)院深圳先進(jìn)技術(shù)研究院深圳58055)

2(深圳低成本健康重點(diǎn)實(shí)驗(yàn)室深圳518055)

一種防跌倒預(yù)警系統(tǒng)的研究與實(shí)現(xiàn)

李慧奇1,2梁 丁1,2寧運(yùn)琨1,2張 靜1,2趙國如1,2
1(中國科學(xué)院深圳先進(jìn)技術(shù)研究院深圳518055)

2(深圳低成本健康重點(diǎn)實(shí)驗(yàn)室深圳518055)

跌倒是造成世界上意外傷害死亡的第二大原因，如何預(yù)防跌倒已成為保障老人生命的關(guān)鍵。目前常見“跌倒報(bào)警器”的傳感模塊一般采用單一的三軸加速度計(jì)，測量精度受限，僅能實(shí)現(xiàn)人體跌倒后的報(bào)警功能而不能實(shí)現(xiàn)跌倒前的預(yù)警。文章設(shè)計(jì)并實(shí)現(xiàn)了一種基于MEMS慣性傳感單元的防跌倒預(yù)警器，率先設(shè)計(jì)了含“三軸加速度計(jì)+三軸陀螺儀+三軸磁力計(jì)”的高精度多模態(tài)傳感模塊，內(nèi)嵌跌倒預(yù)警算法，并通過蜂鳴器和振動器警示。對九名健康年輕實(shí)驗(yàn)對象進(jìn)行了總計(jì)81次的跌倒實(shí)驗(yàn)，系統(tǒng)結(jié)合基于閾值的跌倒預(yù)警算法，結(jié)果表明，其檢測靈敏度可達(dá)98.61%且特異度為 98.61%，平均預(yù)警時(shí)間為300ms。未來研究將嵌入全球移動通信系統(tǒng)(Global System For Mobile,GSM)、全球定位系統(tǒng)(Global Positioning System, GPS)等電路模塊功能及配備穿戴式安全氣囊，有望在易跌人群中實(shí)現(xiàn)實(shí)時(shí)防護(hù)和及時(shí)救治。

跌倒預(yù)警；慣性傳感單元；閾值算法

1 引 言

據(jù)統(tǒng)計(jì)，全世界每年有約24000人死于跌倒，跌倒已經(jīng)成為意外傷害致死的第二大成因(僅次于交通事故)[1]。在這些與跌倒相關(guān)的死亡中，超過80%發(fā)生在中低等收入水平的國家，其中65歲以上的人居多[2]。跌倒事故中，老人往往要承擔(dān)更嚴(yán)重的傷害甚至死亡風(fēng)險(xiǎn)，并且這種風(fēng)險(xiǎn)隨年齡的增長而增加。隨著全球老齡化問題的日益突出，解決跌倒問題顯得愈發(fā)重要。

近年來，眾多科研工作者提出了一些跌倒識別和預(yù)警的方法，主要包括基于視頻檢測技術(shù)、基于環(huán)境感知技術(shù)和基于可穿戴式傳感技術(shù)三大類[3]?；谝曨l檢測技術(shù)涉及到用戶的隱私問題，而基于環(huán)境感知技術(shù)則在設(shè)備安裝上比較麻煩[4,5]。因此，可穿戴式傳感技術(shù)因其低成本、易用性和高性能等技術(shù)優(yōu)勢，成為較優(yōu)選方案[3,6]。

市場上常見的“跌倒報(bào)警器”就應(yīng)用了該技術(shù)，其中所用到的慣性傳感器主要是加速度計(jì)和陀螺儀[7]。

目前常見“跌倒報(bào)警器”的傳感模塊一般采用單一的三軸加速度計(jì)，測量精度受限[8-10]，且由于人體的日常行為活動非常復(fù)雜[11]，因此僅能實(shí)現(xiàn)人體跌倒后的報(bào)警功能而不能實(shí)現(xiàn)跌倒前的預(yù)警[12-14]。本文設(shè)計(jì)并實(shí)現(xiàn)了一種基于MEMS慣性傳感單元的防跌倒預(yù)警器，設(shè)計(jì)了含“三軸加速度計(jì)+三軸陀螺儀+三軸磁力計(jì)”的高精度多模態(tài)傳感模塊，內(nèi)嵌跌倒預(yù)警算法，并通過蜂鳴器和振動器警示。

2 材料和方法

整套系統(tǒng)需要安裝在人體身上，以實(shí)時(shí)監(jiān)測跌倒預(yù)警所需要的運(yùn)動特征參數(shù)，但不應(yīng)影響人在活動時(shí)的正常動作，因此，設(shè)備應(yīng)采用可穿戴式設(shè)計(jì)，體積也應(yīng)盡量小以便于攜帶。在硬件構(gòu)成上，除了上文提到的傳感模塊和報(bào)警模塊外，還應(yīng)該包含微處理器、電源模塊、充電模塊和存儲模塊等。在軟件設(shè)計(jì)上，除了植入基于閾值的跌倒預(yù)警算法之外，還應(yīng)充分考慮到數(shù)據(jù)采樣率、實(shí)時(shí)處理和低功耗設(shè)計(jì)等。在對系統(tǒng)PCB板加工、焊接和調(diào)試成功并整體安裝完畢后，還應(yīng)做若干次典型的跌倒檢測實(shí)驗(yàn)，才能充分驗(yàn)證該系統(tǒng)能夠?qū)崿F(xiàn)跌倒前的預(yù)警功能。

2.1 硬件設(shè)計(jì)

2.1.1 系統(tǒng)結(jié)構(gòu)框圖

在當(dāng)前的設(shè)計(jì)中，硬件系統(tǒng)包括微控制器主板、傳感單元板、聚合物鋰電池及其他相關(guān)電路，系統(tǒng)的硬件結(jié)構(gòu)框圖如圖1所示。

圖1 系統(tǒng)結(jié)構(gòu)框圖Fig.1. Basic structure of the system

考慮到微控制器主板可以和其他的傳感單元板相連接，以及方便傳感單元板的升級換代，所以我們分別設(shè)計(jì)了這兩塊電路板，而不是把他們集成在同一塊電路板上。再者，這種分板設(shè)計(jì)有利于傳感單元板更好地貼近人體。因?yàn)閺睦碚撋蟻碚f，傳感器越是接近測試對象，測量結(jié)果就越接近實(shí)際情況。另外，運(yùn)動傳感器對電磁噪聲很敏感，把微控制器主板和傳感單元板分開，也有利于提高系統(tǒng)的電磁兼容性能。

2.1.2 微控制器：MSP430F2418PM

市場上的跌倒報(bào)警器通常使用的微控制器主要有如下三種：ATMega128L、Silicon Labs C8051和MSP430。經(jīng)深入調(diào)研后，我們采用了TI的MSP430F2418PM作為跌倒預(yù)警系統(tǒng)的微控制器。該主控制器功耗極低，含16位精簡指令系統(tǒng)的CPU，并且可以根據(jù)實(shí)際需要靈活地選擇合適的系統(tǒng)時(shí)鐘，從而更合理地利用系統(tǒng)的電源，實(shí)現(xiàn)整個(gè)系統(tǒng)的超低功耗。低工作電壓范圍為：1.8V~3.6V，工作電流在待機(jī)模式下僅0.8uA，在運(yùn)行模式下為0.25mA。內(nèi)含標(biāo)準(zhǔn)的數(shù)字控制振蕩器(DCO)，從待機(jī)模式喚醒至運(yùn)行模式耗時(shí)不足1秒。此外，MSP430F2418PM還提供了8KB的RAM、116KB的flash存儲器、五種低功耗模式、兩個(gè)16位的定時(shí)器、一個(gè)快速的12位A/D轉(zhuǎn)換器、一個(gè)比較器和四個(gè)通用串行通訊接口模塊，支持UART、I2C和SPI通信，片上的I/O引腳數(shù)多達(dá)64個(gè)[15]。

在跌倒預(yù)警系統(tǒng)中，3軸加速計(jì)、3軸陀螺儀、3軸磁力計(jì)、報(bào)警單元和存儲模塊等都是通過SPI通訊或其他的I/O端口由微控制器MSP430F2418PM來控制。

2.1.3 傳感模塊：MPU6000與MAG3110

用于人體運(yùn)動捕捉的傳感器的測量精度對跌倒預(yù)警檢測非常重要。在前面章節(jié)部分中提到過，預(yù)警檢測需要一個(gè)多模態(tài)和高精度的慣性傳感器模塊，對于傳感器單元板的芯片解決方案，我們選用了InvenSense公司的內(nèi)置三軸加速度和三軸陀螺儀的芯片MPU6000和飛思卡爾的三軸磁力計(jì)芯片MGA3110。

MPU6000是世界上首個(gè)六軸MEMS慣性運(yùn)動測量組件，4mm×4mm×0.9mm的QFN超小封裝結(jié)構(gòu)，且功耗低、成本低、性能高，非常適用于智能手機(jī)、平板電腦和可穿戴式計(jì)算應(yīng)用。MPU6000集成了9軸運(yùn)動融合算法，結(jié)合內(nèi)置的I2C總線，可以訪問外部磁力計(jì)或其他傳感器的數(shù)據(jù)，在不需要系統(tǒng)主控干預(yù)的情況下就可以通過MPU6000獲取所有的傳感器數(shù)據(jù)。為了能夠精確地跟蹤快速和慢速的動作，該芯片提供了±2g、±4g、±8g和±16g的加速度量程感知范圍以及±250°/sec、±500°/sec、±1000°/sec和±2000°/sec角速度量程感知范圍，用戶可以通過配置相應(yīng)寄存器來選擇合適的量程[16]。除此之外，MPU6000還具有其他特點(diǎn)，包括：支持400KHz的快速I2C以及20MHz的SPI訪問速率；可以承受10000g加速度的沖擊；MPU6000內(nèi)部還集成了一個(gè)溫度傳感器和在工作溫度范圍內(nèi)變化幅度僅為±1%的片上振蕩器[17]。

MAG3110是飛思卡爾公司推出的MEMS三軸磁力計(jì)，DFN超小封裝(2mm×2mm×0.85mm)，它具有體積小和功耗低的特點(diǎn)，結(jié)合三軸加速度計(jì)，可以產(chǎn)生精確的姿態(tài)角信息，MAG3110的靈敏度為0.1μT，量程范圍為±1000μT，具有標(biāo)準(zhǔn)的I2C串行接口，支持最高通信頻率為 400KHz的快速訪問模式[18]。

2.1.4 其他相關(guān)模塊

報(bào)警單元：當(dāng)?shù)故录l(fā)生時(shí)，微控制器收到來自傳感模塊的信號，對信號進(jìn)行判斷后引發(fā)報(bào)警單元發(fā)出預(yù)警信號。報(bào)警單元包括一個(gè)微型的蜂鳴器和震動器。蜂鳴器的體積為5mm×5mm×1.8mm，驅(qū)動電壓為3V，驅(qū)動電流為100mA，震蕩頻率為4000Hz，在10cm處的聲壓級(SPL)70dB/min。震動器選用一種直流有刷電機(jī)，驅(qū)動電壓3V，驅(qū)動電流為70mA，體積僅為Φ8mm×2.7mm，轉(zhuǎn)速高達(dá)12,000rpm，額定扭矩為10N·m。電源模塊：為了匹配電路板較為特殊的結(jié)構(gòu)，我們特意訂做了一款可充電的聚合物鋰電池。容量為240mAh，電壓為3.7V，體積為25mm×25mm×12mm。電源模塊中還集成了一個(gè)線性穩(wěn)壓芯片TPS71933-33，具有低噪聲、低壓差和3.3V雙輸出等特點(diǎn)，有效減免了模擬電和數(shù)字電之間可能造成的交叉干擾。充電模塊：為了更高效和方便地利用鋰電池，系統(tǒng)中集成了充電模塊。它主要由一個(gè)MiniUSB和一個(gè)充電管理芯片BQ24080構(gòu)成。Mini USB可以通過數(shù)據(jù)線從外電路獲得電壓和電流。BQ24080集成度高、靈活性好，可滿足常規(guī)鋰電池的充電需求。當(dāng)鋰電池的電壓低于設(shè)定閾值時(shí)，它能夠自動啟動充電模式，當(dāng)充滿電或沒有外接充電電源時(shí)則自動進(jìn)入休眠狀態(tài)。存儲模塊：內(nèi)存較大的存儲卡有利于數(shù)據(jù)的存儲，從而更便于得到實(shí)際的跌倒預(yù)警時(shí)間。我們選擇了一款普通的2G(或4G/8G等)TF卡，編程/擦除速度快，功耗低。

JTAG及擴(kuò)展接口：JTAG接口能夠方便MSP430仿真器從上位機(jī)往微控制器芯片中下載程序。擴(kuò)展口多達(dá)20個(gè)，含8路模擬信號和4路數(shù)字I/O口、4路模擬或數(shù)字電及4路SPI口，可方便將來擴(kuò)展GPS、GSM或其他電路模塊。

2.1.5 抗干擾設(shè)計(jì)和實(shí)物電路板

在電路板的抗干擾設(shè)計(jì)上，除了把主控電路板和傳感單元板獨(dú)立設(shè)計(jì)以及模擬電路和數(shù)字電路獨(dú)立供電外，我們還采取了其他抗干擾措施，比如我們選用了4層PCB板，把信號層設(shè)在頂層和底層，電源層和地層設(shè)在中間層，模擬地與數(shù)字地也盡量分開。在電源引腳處接一個(gè)10nF～100nF的小電容，在PCB板周圍盡可能均勻分布一些4.7μF～10μF的大電容。在布線上，盡可能避免長距離的平行走線，在空間允許的情況下盡量增大線間距離和導(dǎo)線尤其是地線的寬度，使地線和電源線的走向與數(shù)據(jù)傳遞方向盡可能保持一致。

微控制器主板和傳感單元板的PCB圖如圖2所示。

圖2 微控制器主板和傳感單元板的PCB圖Fig.2. PCB of the MCU control board and the sensing units board

防跌倒預(yù)警系統(tǒng)的實(shí)物如圖3所示：(a)為已經(jīng)焊接完成的電路板實(shí)物照(體積為 27mm×27mm×13mm)；(b)為已經(jīng)組裝好的產(chǎn)品照(體積為51mm×33mm×16mm)。

圖3 防跌倒預(yù)警系統(tǒng)實(shí)物圖Fig.3. Physical diagram of the early pre-impact fall alarm system

2.2 軟件設(shè)計(jì)

系統(tǒng)上電后，首先要完成各個(gè)模塊的初始化，然后一直執(zhí)行基于閾值的跌倒預(yù)警算法，當(dāng)系統(tǒng)判斷出有跌倒傾向時(shí)，會觸發(fā)報(bào)警電路工作，用戶可以主動按下“取消報(bào)警”鍵，也可以主動按下“跌倒預(yù)警退出”鍵，否則程序會重新開始執(zhí)行跌倒預(yù)警算法。關(guān)于跌倒預(yù)警算法在理論上的可實(shí)現(xiàn)性及閾值的最佳設(shè)定，前期工作中 Zhao 等[3]和Liang等[7]已經(jīng)作了充分的論證，此處不再贅述。系統(tǒng)的軟件主流程圖如圖4所示，圖5則顯示了代碼已被成功下載到微控制器中。

圖4 系統(tǒng)的軟件主流程圖Fig.4. Main fl owchart of the system software

圖5 代碼成功下載進(jìn)微控制器Fig.5. The code downloaded successfully to the MCU

另外，MSP430F2418M 往 MPU6000 和MAG3110 的寄存器寫入控制數(shù)據(jù)和讀取輸出數(shù)據(jù)，數(shù)據(jù)采樣率的設(shè)置、用中斷來實(shí)現(xiàn)低功耗設(shè)計(jì)和基于閾值的跌倒傾向判定算法等，也都是通過軟件編程實(shí)現(xiàn)的。

2.3 實(shí)驗(yàn)測試

根據(jù)對基于穿戴式慣性傳感單元的防跌倒預(yù)警分析及相關(guān)研究結(jié)論，我們把人體腰部、胸部、小腿和大腿的運(yùn)動學(xué)數(shù)據(jù)進(jìn)行了對比，發(fā)現(xiàn)腰部是放置慣性傳感器的最佳位置[3,7]。因此我們用自粘繃帶和魔術(shù)膠帶把防跌倒預(yù)警系統(tǒng)固定在志愿者的腰部。跌倒實(shí)驗(yàn)室以及系統(tǒng)在人體的固定位置如圖6所示。

圖6 跌倒實(shí)驗(yàn)室以及系統(tǒng)在人體的固定位置Fig.6. Laboratory for falling test and the system installation position on the human body

共選取9名健康年輕的成人志愿者(其中6男3女，年齡：24±3.5歲，體重：62±14.5kg，身高：170±12cm)參與了此次試驗(yàn)。參與者按要求完成一系列跌倒相關(guān)動作，實(shí)驗(yàn)過程包括校準(zhǔn)1次，前倒、右倒和后倒各3次，因此在模擬跌倒環(huán)境中共進(jìn)行了81次(不含校準(zhǔn))跌倒實(shí)驗(yàn)。同時(shí)我們采用了一臺高速攝像機(jī)來記錄跌倒預(yù)警時(shí)間(也可以從TF卡存儲的數(shù)據(jù)中計(jì)算出該時(shí)間)。另外，該項(xiàng)實(shí)驗(yàn)已通過中國科學(xué)院CAS倫理委員會的批準(zhǔn)，且所有參與者事先均知情并志愿參與。

3 結(jié) 論

需要指出的是，本跌倒預(yù)警系統(tǒng)中采用了卡爾曼濾波算法，所用到的高精度慣性傳感單元(MPU6000和MAG3110)中包括一個(gè)3軸加速度計(jì)、一個(gè)3軸陀螺儀和一個(gè)3軸磁力計(jì)。被測對象的姿態(tài)角則可以經(jīng)卡爾曼濾波后的9D信號計(jì)算獲得，通過磁力計(jì)獲得的數(shù)據(jù)可用來消除電磁干擾，因此可用它來校準(zhǔn)3D加速度信號(Acc)和3D陀螺儀信號(Gyro)。根據(jù)之前相關(guān)的研究，我們已經(jīng)證實(shí)了在基于沖擊前相的跌倒檢測算法中，以合加速度和姿態(tài)角作為特征量是最佳選擇[3,7]。圖7所示為Acc信號的分類結(jié)果，可以用來檢測所有的加速度信號。當(dāng)其閾值分別設(shè)定為3.0m/s2、4.0m/s2、4.5m/s2、5.0m/s2、5.5m/s2和6.0m/s2時(shí)，其對應(yīng)的靈敏度和特異度也會隨之變化，具體如表1所示。其相關(guān)的ROC曲線如圖8所示，由此圖可以看出，當(dāng)Acc閾值設(shè)置為4.5m/s2時(shí)預(yù)警效果最好，其對應(yīng)的靈敏度為98.61%，特異度為98.61%。

圖7 依據(jù)失重過程的跌倒預(yù)警Fig.7. Early warning of fall based on the pre-impact phase

表1 不同閾值下的準(zhǔn)確度評價(jià)(失重過程)Table1. Accuracy evaluation with different threshold values (pre-impact phase)

圖8 各閾值下ROC曲線(失重過程)Fig.8. ROC curve with different threshold values (Pre-impact phase)

此外，根據(jù)之前采用兩個(gè)閾值計(jì)算的跌倒預(yù)警研究中，其最佳閾值分別為 5 m/s2和25m/s2[3,7]。通過分析整個(gè)跌倒過程中的時(shí)間，即跌倒過程中達(dá)到第一閾值時(shí)的時(shí)間T0和第二閾值時(shí)的時(shí)間T01，兩者相減即可得到其前置時(shí)間。對應(yīng)的前置時(shí)間分布情況如圖9所示，該算法下的前置時(shí)間平均在300ms左右。

圖9 跌到預(yù)警前置時(shí)間分布Fig.9. Lead time distribution for pre-impact warning

顯然，跌倒預(yù)警時(shí)間越長，對跌倒防護(hù)越有利。我們考慮嵌入更好的慣性傳感單元和更優(yōu)化的跌倒預(yù)警算法，升級硬件配置、優(yōu)化軟件系統(tǒng)等方法來提高系統(tǒng)的性能。未來研究將嵌入GSM、GPS等電路模塊功能及配備穿戴式安全氣囊，希望在易跌人群中實(shí)現(xiàn)實(shí)時(shí)防護(hù)和及時(shí)救治。

4 總 結(jié)

根據(jù)理論上的可行性、算法的可實(shí)現(xiàn)性以及最佳閾值的設(shè)置，這種基于MEMS慣性傳感單元的跌倒預(yù)警系統(tǒng)得以設(shè)計(jì)和實(shí)現(xiàn)。相關(guān)實(shí)驗(yàn)結(jié)果證明，該系統(tǒng)能夠在模擬的跌倒事件中正常工作，盡管在靈敏度和特異度等方面仍有不完美之處。需要說明的是，所有的實(shí)驗(yàn)均由健康的年輕人參與，并且所有的跌倒動作都在具有緩沖作用的海綿墊上完成，這與老年人在真實(shí)情況下的跌倒有所不同。顯然，最佳的實(shí)驗(yàn)方法是通過本系統(tǒng)內(nèi)置的TF卡再輔以視頻監(jiān)測系統(tǒng)來記錄老年人的日常行為活動，捕捉并記錄下老年人偶然發(fā)生跌倒時(shí)的真實(shí)數(shù)據(jù)，盡管目前該方法實(shí)現(xiàn)起來有一定的難度，我們將繼續(xù)優(yōu)化實(shí)驗(yàn)方案，使該系統(tǒng)將來有機(jī)會得到更好的應(yīng)用。

[1] World Health Organization. Falls. [EB/OL]. http:// www.who.int /mediacentre/factsheets/fs344/en/ index.html

[2] Loue S, Sajatovic M. Encyclopedia of Immigrant Health [M]. New York: Springer-Verlag New York Incorporation, 2012: 671-672.

[3] Zhao GR, Mei ZY, Liang D, et al. Exploration and implementation of a pre-impact fall recognition method based on an inertial body sensor network [J]. Sensors, 2012, 12(11): 15338-15355.

[4] Christensen HI, Phillips J. Empirical Evaluation Methods in Computer Vision [M]. Singapore: World Scientif i c Publishing Company, 2002.

[5] Doughty K, Cameron K. Primary and secondary sensing techniques for fall detection in the home [C] // Proceedings of Hospital without Walls, 1999: 104-116.

[6] Lin SC, Hsu HC, Lay YL, et al. Wearable device for real-time monitoring of human falls [J]. Measurement, 2007, 40 (10): 831-840.

[7] Liang D, Zhao GR, Guo YW, et al. Pre-impact & impact detection of falls using wireless body sensor network [C] // IEEE-EMBS International Conference on Biomedical and Health Informatics, 2012: 763-766.

[8] Chen J, Kwong K, Chang D, et al. Wearable sensors for reliable fall detection [C] // Proceedings of the 2005 IEEE Engineering in Medicine and Biology 27th Annual Conference, 2005, 4: 3551-3554.

[9] Zhang AH, Wang L. Tumble detection based on three-dimensional acceleration transducer [J]. Journal of Clinical Rehabilitative Tissue Engineering Research, 2010, 14(28): 9029-9032

[10] Bianchi F, Redmond SJ, Narayanan MR, et al. Barometric pressure and tri-axial accelerometrybased falls event detection [J]. IEEE Transactions on Neural Systems and Rehabilitation Engineering, 2010, 18(6): 619-627.

[11] Anania G, Tognetti A, Carbonaro N, et al. Development of a novel algorithm for human fall detection using wearable sensors [C] // Proceedings of IEEE Sensors, 2008, 2: 1336-1339.

[12] Bourke AK, Lyons GM. A threshold-based falldetection algorithm using a bi-axial gyroscope sensor [J]. Science Direct, Medical Engineering & Physics, 2008, 30(1): 84-90.

[13] Sun XX, Tang DF, Ma WM. Design of fall detector based on 3-axis accelerometer and CDMA [J]. Application Design, Electronic Technology, 2008, 45(3): 14-16.

[14] Bourke AK, van de Ven P, Gamble M, et al. Assessment of waist-worn tri-axial accelerometer based fall-detection algorithms using continuous unsupervised activities [C] // The 32nd Annual International Conference of the IEEE EMBS, 2010: 2782-2785.

[15] Texas Instruments. MSP430x2xx family user’s guide [EB/OL]. http://www.ti.com.cn.

[16] Invensense. MPU-6000 and MPU-6050 product specification revision 3.1 [EB/OL]. http://www. invensense.com/mems/gyro/sixaxis.html.

[17] Invensense. MPU-6000 and MPU-6050 register map and descriptions revision 4.0 [EB/OL]. http:// www.invensense.com/mems/gyro/sixaxis.html.

[18] Freescale. MAG3110: xtrinsic high accuracy 3D magnetometer [EB/OL]. http://www. freescale.com/webapp/sps/site/prod_summary. jsp?code=MAG3110&fsrch=1&sr=1.

The Study and Realization of an Early Pre-impact Fall Alarm System

LI Huiqi1,2LIANG Ding1,2NING Yunkun1,2ZHANG Jing1,2ZHAO Guoru1,2
1( Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China )
2( Shenzhen Key Laboratory for Low-cost Healthcare, Shenzhen 518055, China )

Falls are the second leading cause of unintentional injury deaths worldwide, so how to prevent falls has become a safety and security problem for elderly people. At present, because the sensing modules of most fall alarms generally only integrate the single 3-axis accelerometer, the measurement accuracy of sensing signals is limited. They can only achieve the alarm of post-fall detection but not the early pre-impact fall recognition in real fall applications. Therefore, an early preimpact fall alarm system based on high-precision inertial sensing units was studied and developed in this paper. A multimodality sensing module embedded with the fall detection algorithm was developed for the early pre-impact fall detection. The module included a 3-axis accelerometer, a 3-axis gyroscope and a 3-axis magnetometer, which could arouse early preimpact fall warnings by a buzzer and a vibrator. Total 81 times of fall experiments from 9 healthy subjects were conducted in simulated fall conditions. The result shows that the detection sensitivity of the system combining the early warning threshold algorithm can reach 98.61% with a specif i city of 98.61%, and the average pre-impact lead time is 300 ms. In the future, GPS, GSM electronic modules and wearable protected airbags will be embedded in the system, which will enhance real-time fall protections and timely treatments for the elderly people.

early fall alarm; inertial sensor; threshold algorithm

TP 273

A

2013-11-20

國家自然科學(xué)基金(51105359 及 61072031)、國家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)(2012AA02A604)、國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973 計(jì)劃)子課題(2010CB732606)。

李慧奇，碩士，研究助理，研究方向?yàn)槿梭w跌倒預(yù)警與防護(hù)系統(tǒng)；梁丁，碩士，研究助理，研究方向?yàn)槿梭w跌倒預(yù)警與防護(hù)系統(tǒng)；寧運(yùn)琨，碩士研究生，研究方向?yàn)榈顾惴?；張靜，碩士研究生，研究方向?yàn)榈顾惴ǎ悔w國如(通訊作者)，博士，副研究員，研究方向?yàn)槿梭w運(yùn)動功能評估、生物電子仿生技術(shù)與仿生醫(yī)療器械，E-mail：gr.zhao@siat.ac.cn。