基于慣性測(cè)量單元的遠(yuǎn)程跌倒報(bào)警系統(tǒng)*

于瑋，許彬

(1. 南通大學(xué) 工程訓(xùn)練中心，南通 226019；2. 南通大學(xué) 護(hù)理學(xué)院)

基于慣性測(cè)量單元的遠(yuǎn)程跌倒報(bào)警系統(tǒng)*

于瑋1，許彬2

(1. 南通大學(xué) 工程訓(xùn)練中心，南通 226019；2. 南通大學(xué) 護(hù)理學(xué)院)

設(shè)計(jì)了一種基于九軸慣性測(cè)量單元和無線通信網(wǎng)的遠(yuǎn)程跌倒報(bào)警系統(tǒng)。從數(shù)學(xué)模型入手，將跌倒過程劃分為身體失衡、碰撞沖擊、倒地靜止這三個(gè)階段，研究了加速度與角速度向量模值、瞬時(shí)姿態(tài)角等參數(shù);采用卡爾曼濾波算法解決了陀螺儀靜態(tài)測(cè)量時(shí)的零點(diǎn)漂移問題;利用佩戴于腰間的慣性測(cè)量傳感器對(duì)運(yùn)動(dòng)參數(shù)進(jìn)行測(cè)量，并由微處理器作出基于多閾值的最終判決；當(dāng)檢測(cè)到有跌倒發(fā)生時(shí)，系統(tǒng)立刻發(fā)出多重報(bào)警，最大程度地降低跌倒引發(fā)的傷害。實(shí)驗(yàn)結(jié)果顯示，該系統(tǒng)對(duì)跌倒識(shí)別的正確率超過90%，可用于老年人的一般醫(yī)療監(jiān)護(hù)場(chǎng)合。

跌倒檢測(cè)；遠(yuǎn)程監(jiān)護(hù)；姿態(tài)解算；四元數(shù)算法；卡爾曼濾波

引 言

根據(jù)第六次人口普查數(shù)據(jù)顯示，我國(guó)社會(huì)老齡化趨勢(shì)在不斷加重，空巢老人人數(shù)急劇增加[1]。老年人是慢性病的高發(fā)群體，一些慢性病(如心腦血管疾病)急性發(fā)作時(shí)，老年人極有可能發(fā)生跌倒[2]，此外老人在日常活動(dòng)中也會(huì)有類似情況發(fā)生[3-4]。傷者若得到及時(shí)救治，能有效降低其受傷害程度[5]，因此老年人的運(yùn)動(dòng)醫(yī)療監(jiān)護(hù)已成為全社會(huì)關(guān)注的重大議題[6]。本文介紹了一種基于九軸慣性測(cè)量單元和無線通信網(wǎng)的運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)，能實(shí)現(xiàn)對(duì)人體運(yùn)動(dòng)體征的實(shí)時(shí)測(cè)量與上報(bào)，做到對(duì)病情的及早發(fā)現(xiàn)和及時(shí)救助，為老年人遠(yuǎn)程運(yùn)動(dòng)監(jiān)護(hù)及居家養(yǎng)老提供新的參考依據(jù)。

1 系統(tǒng)檢測(cè)原理

1.1 系統(tǒng)整體結(jié)構(gòu)

該運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)包括監(jiān)測(cè)終端和中繼器兩部分，其結(jié)構(gòu)如圖1所示。監(jiān)測(cè)終端根據(jù)九軸慣性測(cè)量單元回傳的人體運(yùn)動(dòng)信息，進(jìn)行姿態(tài)解算及狀態(tài)分析，從而判斷是否有跌倒發(fā)生?？紤]到該過程數(shù)據(jù)處理量大，故采用基于ARM Cortex-M3內(nèi)核的微處理器STM32F103C8T6作為控制核心。中繼器與監(jiān)測(cè)終端通過藍(lán)牙連接，并由移動(dòng)通信模塊SIM908將監(jiān)測(cè)到的數(shù)據(jù)向遠(yuǎn)端發(fā)送。若系統(tǒng)確認(rèn)有跌倒發(fā)生，則觸發(fā)蜂鳴器報(bào)警，同時(shí)啟動(dòng)內(nèi)置GPS定位，并將報(bào)警與定位信息通過GPRS網(wǎng)絡(luò)及短信的方式發(fā)送給監(jiān)護(hù)人，以便傷者及時(shí)獲得救助。對(duì)于居家養(yǎng)老的監(jiān)護(hù)對(duì)象而言，為了減少電磁輻射，中繼器只需置于居所中部，便能與各終端通信。當(dāng)有多個(gè)監(jiān)測(cè)終端接入時(shí)，還可組成超星型結(jié)構(gòu)的射頻網(wǎng)絡(luò)。

圖1 遠(yuǎn)程運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)結(jié)構(gòu)框圖

1.2 跌倒檢測(cè)原理

人體跌倒往往伴隨著身體失衡、碰撞沖擊、倒地靜止等復(fù)雜情形，帶有不少未知因素，而體態(tài)瞬間的變化在加速度、角速度以及姿態(tài)角等參量上均有所反映。研究這些運(yùn)動(dòng)參量并建立跌倒時(shí)的數(shù)學(xué)模型是檢測(cè)的關(guān)鍵。

1.2.1 模值分析

加速度與角速度能反映人體的運(yùn)動(dòng)變化，但上述兩種參量均為任意的空間向量，單軸分量無法描述全局特征，因此直接研究疊加后信號(hào)的向量模SVM(magnitude of signal vector)成為了最有效的方法[7]。

人體的加速度向量模(aSVM)與角速度向量模(ωSVM)定義如下：

其中，ai(i=x,y,z)為三軸加速度分量，ωi(i=x,y,z)為三軸角速度分量。

人在跌倒時(shí)與周圍物體發(fā)生碰撞沖擊，加速度與角速度的向量模會(huì)出現(xiàn)瞬時(shí)峰值，這在日?；顒?dòng)中是沒有的，可以作為跌倒判定的必要條件。但運(yùn)動(dòng)強(qiáng)度較大時(shí)，以上特征量也會(huì)出現(xiàn)瞬時(shí)峰值，因此還需要增加其他條件。

1.2.2 姿態(tài)解算

圖2 人體姿態(tài)歐 拉角示意圖

人體姿態(tài)解算可以作為上述判據(jù)的有效補(bǔ)充，而測(cè)定歐拉角是最直觀的方法[8]。圖2所示為人體姿態(tài)歐拉角示意圖，選取固定坐標(biāo)系，令坐標(biāo)軸旋轉(zhuǎn)順序?yàn)閆-Y-X，根據(jù)右手螺旋法則，先后產(chǎn)生偏向角θyaw、俯仰角θpitch及橫滾角θroll。θyaw和θroll在±180°之間，θpitch的變化范圍為±90°。當(dāng)俯仰角超過90°時(shí)，表示X軸朝后，即θpitch依然是銳角，姿態(tài)上是沿Z軸做了鏡像。

其中，λ、q0、q1、q2為初值，可由初始?xì)W拉角求得。根據(jù)加速度與磁場(chǎng)強(qiáng)度的初值，得到初始角計(jì)算公式如下：

其中，mi(i=x,y,z)表示地磁強(qiáng)度三軸分量,為覆蓋所有角度，正切運(yùn)算在程序中均需由atan2替代。求得的四元數(shù)初值如下，并在此基礎(chǔ)上不斷更新，系統(tǒng)輸出用到的歐拉角是由該公式反推得到。

1.2.3 “長(zhǎng)躺”甄別

跌倒后還可能伴隨“長(zhǎng)躺”現(xiàn)象，該特征也由姿態(tài)分析，作為摔傷程度的判據(jù)。在判定跌倒的基礎(chǔ)上，當(dāng)任意歐拉角長(zhǎng)期穩(wěn)定在較大數(shù)值時(shí)，則判定對(duì)象出現(xiàn)活動(dòng)障礙，即“長(zhǎng)躺”發(fā)生?？紤]到陀螺儀靜態(tài)測(cè)量時(shí)累計(jì)誤差較大，漂移明顯，該狀態(tài)應(yīng)通過加速度分量求得[10]，各角度與單軸加速度的關(guān)系如下：

2 系統(tǒng)的硬件與軟件設(shè)計(jì)

2.1 硬件電路設(shè)計(jì)

2.1.1 運(yùn)動(dòng)檢測(cè)電路

運(yùn)動(dòng)檢測(cè)電路的核心是由六軸運(yùn)動(dòng)測(cè)量模塊MPU6050和三軸磁阻傳感器HMC5883L構(gòu)成的九軸IMU。MPU6050接口電路如圖3所示，只需額外配置片上LDO及電荷泵旁路電容即可工作。由于單芯片整合三軸陀螺儀與加速度計(jì)，不存在分體安裝的軸間差。MPU6050通過輔助I2C接口與磁阻傳感器交互，并通過主I2C接口向處理器上傳姿態(tài)數(shù)據(jù)流，最大傳輸速率400kHz。為保證傳輸質(zhì)量，端口作上拉處理。

圖3 MPU6050接口電路

HMC5883L型磁阻傳感器采用各向異性磁阻技術(shù)，有效提升了檢測(cè)的靈敏度及線性度。當(dāng)坡莫合金的內(nèi)磁化方向與外磁場(chǎng)平行時(shí)，其阻值保持恒定；當(dāng)內(nèi)外磁場(chǎng)出現(xiàn)偏離時(shí)，阻值隨之改變，進(jìn)而轉(zhuǎn)換為電壓輸出。HMC5883L接口電路如圖4所示，由于其與MPU6050共用串行總線，間接上傳檢測(cè)信息，故將DRDY引腳與處理器外部中斷引腳連接。當(dāng)DRDY引腳發(fā)出中斷信號(hào)時(shí)，處理器申請(qǐng)?jiān)L問。

圖4 HMC5883L接口電路

2.1.2 GPRS移動(dòng)通信

移動(dòng)通信電路原理圖如圖5所示，其核心采用SIM300模塊，可實(shí)現(xiàn)系統(tǒng)與互聯(lián)網(wǎng)端口的快速連接。上電引腳PWRKEY接三極管開關(guān)電路，實(shí)現(xiàn)模塊的開啟與關(guān)閉。SIM300通過串行總線與處理器通信。為提高供電質(zhì)量，源端并聯(lián)了去耦電容。與SIM卡間的通信端口經(jīng)過阻抗匹配，數(shù)據(jù)傳輸引腳作上拉處理。

圖5 移動(dòng)通信電路

2.2 系統(tǒng)軟件設(shè)計(jì)

運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)程序流程如圖6所示，主要任務(wù)可以概括為對(duì)人體運(yùn)動(dòng)參數(shù)的監(jiān)測(cè)、分析與上傳。在監(jiān)測(cè)終端程序的初始化階段，需完成慣性測(cè)量單元的參數(shù)設(shè)置，同時(shí)使能處理器信號(hào)接收引腳的外部中斷，以便在新的采樣周期結(jié)束后，讀取數(shù)據(jù)。通常人體三軸加速度分量在±7g以內(nèi)，角速度分量小于400°/s。綜合考慮測(cè)量范圍、靈敏度等因素后，設(shè)置MPU6050采樣頻率為1 kHz，加速度量程為±8 g，角速度量程為±500°/s，測(cè)量值需除以字符類型的取值范圍，并與量程標(biāo)定值相乘才能獲得加速度、角速度及角度。由于磁阻傳感器測(cè)量頻率遠(yuǎn)小于MPU6050，故將DRDY引腳的中斷信號(hào)作為輔助判據(jù)。HMC5883L測(cè)量完成后，DRDY引腳將出現(xiàn)低電平跳變，一旦處理器檢測(cè)到該信號(hào)，則從I2C總線上讀入數(shù)據(jù)；若測(cè)量還未完成，則在新的周期中繼續(xù)檢測(cè)。

如何根據(jù)慣性測(cè)量結(jié)果判定跌倒發(fā)生是監(jiān)測(cè)終端程序設(shè)計(jì)的關(guān)鍵,考慮到人體在慢跑、跳躍、下蹲、躺下等日?；顒?dòng)中也有可能出現(xiàn)與跌倒過程高度相似的波形信號(hào)，故設(shè)置多個(gè)閾值，分層判別。只有同時(shí)滿足加速度與角速度向量模、瞬時(shí)姿態(tài)、穩(wěn)態(tài)傾向三方面閾值條件后，才會(huì)判斷有跌倒發(fā)生。此后，終端打開蜂鳴器本地呼救，當(dāng)進(jìn)一步確定為“長(zhǎng)躺”時(shí)，通過藍(lán)牙模塊向中繼器發(fā)送報(bào)警信息，20 s內(nèi)若當(dāng)事人解除警報(bào)則關(guān)閉蜂鳴器同時(shí)取消藍(lán)牙會(huì)話，反之繼續(xù)報(bào)警。中繼器程序負(fù)責(zé)藍(lán)牙信息的接收，并根據(jù)跌倒報(bào)警等級(jí)，通過短信和GPRS網(wǎng)絡(luò)向監(jiān)護(hù)人求助。當(dāng)判定結(jié)果為“長(zhǎng)躺”時(shí)，將撥打綁定電話求救。運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)程序流程圖如圖6所示。

圖6 運(yùn)動(dòng)監(jiān)護(hù)系統(tǒng)程序流程圖

由于姿態(tài)解算涉及的參數(shù)較多，且極易受到干擾，系統(tǒng)中引入卡爾曼濾波算法實(shí)現(xiàn)數(shù)據(jù)優(yōu)化。算法結(jié)構(gòu)如圖7所示，包括狀態(tài)更新和觀測(cè)更新兩個(gè)過程。

圖7 卡爾曼濾波算法框圖

狀態(tài)更新是根據(jù)(k-1)時(shí)刻的狀態(tài)值與誤差協(xié)方差去估計(jì)k時(shí)刻的對(duì)應(yīng)結(jié)果，狀態(tài)方程如下所示：

觀測(cè)更新用于修正狀態(tài)更新的結(jié)果，觀測(cè)方程如下所示：

式中，zk為k時(shí)刻的觀測(cè)向量，H為真值xk的系數(shù)矩陣，K為系統(tǒng)增益，R為觀測(cè)噪聲協(xié)方差矩陣。

選取k時(shí)刻，設(shè)定經(jīng)角速度積分所得的姿態(tài)角為估計(jì)值，經(jīng)加速度和磁場(chǎng)強(qiáng)度獲得的姿態(tài)角為觀測(cè)值，兩者與真值的偏差分別為先驗(yàn)估計(jì)誤差和后驗(yàn)估計(jì)誤差。觀測(cè)向量zk與先驗(yàn)估計(jì)、后驗(yàn)估計(jì)的關(guān)系整理得到：

將檢測(cè)電路靜止擺放在水平桌面上，測(cè)得卡爾曼濾波前后陀螺儀靜態(tài)輸出對(duì)比結(jié)果如圖8所示。不難看出，濾波前的角速度輸出值包含白噪聲且零點(diǎn)發(fā)生漂移；濾波后信號(hào)輸出平穩(wěn)，漂移誤差得到有效補(bǔ)償，當(dāng)沿y軸迅速敲擊桌子邊沿后，該方向測(cè)量結(jié)果出現(xiàn)圖8(b)中的瞬時(shí)峰值。

3 實(shí)驗(yàn)結(jié)果與分析

慣性測(cè)量單元是獲取人體運(yùn)動(dòng)參數(shù)的重要組件，為檢驗(yàn)其有效性，需要進(jìn)行穿戴實(shí)驗(yàn)?？紤]到老年人參與實(shí)驗(yàn)的潛在危險(xiǎn)性，選擇青年人為研究對(duì)象。監(jiān)測(cè)終端佩戴于腰間，可以有效反映人體軀干的動(dòng)作變化。為高度還原老年人跌倒時(shí)的場(chǎng)景，參與實(shí)驗(yàn)者將雙眼蒙住，同時(shí)在腿上綁住沙袋，以模仿老年人在腿腳不便時(shí)的運(yùn)動(dòng)狀態(tài)。另外，在行進(jìn)道路上還設(shè)置有障礙，用于模擬突然跌倒的情形。實(shí)驗(yàn)中測(cè)試了與跌倒相似度較高的日常動(dòng)作以及典型跌倒動(dòng)作，例如：慢跑、正常躺下、向前跌倒及向左跌倒。

對(duì)比上述4種行為的測(cè)量曲線不難發(fā)現(xiàn)，在跌倒瞬間，加速度與角速度均出現(xiàn)瞬時(shí)峰值，其中單軸加速度幅值接近6 g，角速度幅值約400 °/s，且加速度會(huì)出現(xiàn)先變小再變大的現(xiàn)象。這可以理解為，跌倒前期人體失衡導(dǎo)致短暫失重，而跌倒之后與地面的碰撞又引起瞬間超重[11]。倒地靜止后，雖然加速度向量模回歸初始值，但由于歐拉角偏轉(zhuǎn)的緣故，單軸分量已經(jīng)與人體靜止站立時(shí)相差甚遠(yuǎn)。

為檢驗(yàn)跌倒判斷算法的可靠性，選取4位體型差異較大的參與者，每人每組實(shí)驗(yàn)50次，進(jìn)一步測(cè)試日常生活中的相關(guān)行為，以便獲更具一般性的實(shí)驗(yàn)數(shù)據(jù)。跌倒報(bào)警實(shí)驗(yàn)結(jié)果如表1所列。

圖8 卡爾曼濾波前后陀螺儀靜態(tài)輸出測(cè)試結(jié)果對(duì)比

表1 跌倒報(bào)警實(shí)驗(yàn)結(jié)果統(tǒng)計(jì)

從表1中可以看出，本系統(tǒng)能夠有效區(qū)分日常行為和跌倒行為。值得注意的是，向后跌倒時(shí)的正確率明顯低于其他情形，這主要是由于在此期間，測(cè)試者會(huì)下意識(shí)彎腰，一定程度上緩和了加速度的突變程度。對(duì)于老年人而言，反應(yīng)速度及力量均不如青年人，報(bào)警的正確率還會(huì)有所提高。

結(jié) 語

本文結(jié)合九軸慣性測(cè)量單元和無線通信的技術(shù)特點(diǎn)，設(shè)計(jì)了用于老年人跌倒檢測(cè)的遠(yuǎn)程報(bào)警系統(tǒng)，實(shí)現(xiàn)了人體運(yùn)動(dòng)參數(shù)的實(shí)時(shí)跟蹤、上傳、回放與分析，并且不受運(yùn)動(dòng)狀態(tài)、時(shí)間、地點(diǎn)的約束。當(dāng)檢測(cè)到有跌倒發(fā)生時(shí)，系統(tǒng)立刻

發(fā)出聲音報(bào)警，同時(shí)通過藍(lán)牙和移動(dòng)通信模塊向外界呼救，最大程度地降低跌倒引發(fā)的傷害。經(jīng)測(cè)試，跌倒識(shí)別的正確率超過90%。后期還將通過增加實(shí)驗(yàn)樣本數(shù)量，進(jìn)一步修正各層次的判定閾值，以達(dá)到更好的監(jiān)護(hù)效果。

[1] 全國(guó)老齡工作委員會(huì)辦公室. 中國(guó)人口老齡化發(fā)展趨勢(shì)預(yù)測(cè)研究報(bào)告[J]. 中國(guó)社會(huì)報(bào), 2006-2-27(6).

[2] Hajhosseiny R,Matthews G K,Lip G Y.Metabolic syndrome,atrial fibrillation,and stroke:Tackling an emerging epidemic[J].Heart Rhythm,2015,12(11):2332-2343.

[3] 朱勇，張研，宋佳，等. 基于傾角的跌倒檢測(cè)方法與系統(tǒng)研究[J]. 生物醫(yī)學(xué)工程學(xué)雜志，2013, 30(1): 95-99.

[4] Michael R Narayanan, Stephen J Redmond, Maria Elena Scalzi, et.al. Longitudinal falls-risk estimation using triaxial accelerometer[J]. IEEE Transactions on Biomedical Engineering, 2010, 57(3): 534- 541.

[5] 李冬，梁山. 基于加速度傳感器的老年人跌倒檢測(cè)裝置設(shè)計(jì)[J]. 傳感器與微系統(tǒng)，2008, 27(9): 85-88.

[6] 鄭娛，鮑楠，徐禮勝. 跌倒檢測(cè)系統(tǒng)的研究進(jìn)展[J]. 中國(guó)醫(yī)學(xué)物理學(xué)雜志，2014, 31(4): 5071-5076.

[7] 張軍建，趙捷，安佰京，等. 基于三軸加速度傳感器的跌倒檢測(cè)研究[J]. 現(xiàn)代生物醫(yī)學(xué)進(jìn)展，2014, 14(18): 3585-3588.

[8] 陳偉. 基于四元數(shù)和卡爾曼濾波的姿態(tài)角估計(jì)算法研究與應(yīng)用[D]. 秦皇島：燕山大學(xué)，2015.

[9] 孫冬梅，田增山，韓令軍. 捷聯(lián)慣導(dǎo)系統(tǒng)中四元素法求解姿態(tài)角仿真模擬[J]. 彈箭與制導(dǎo)學(xué)報(bào)，2009, 29(1):51-53,60.

[10] 王榮，章韻，陳建新. 基于三軸加速度傳感器的人體跌倒檢測(cè)系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用，2012, 32(5): 1450-1452, 1456.

[11] 李娜，侯義斌，黃樟欽. 基于人體加速度特征的實(shí)時(shí)跌倒識(shí)別算法[J]. 小型微型計(jì)算機(jī)系統(tǒng)，2012, 33(11): 2410-2413.

于瑋(碩士)，研究方向?yàn)橛?jì)算機(jī)測(cè)控技術(shù)。

Remote Fall Alarm System Based on Inertial Measurement Unit

Yu Wei1,Xu Bin2

(1.Engineering Training Center,Nantong University,Nantong 226019,China;2.School of Nursing,Nantong University)

A remote fall alarm system based on nine-axis inertial measurement unit and wireless communication network is proposed.From the mathematical model,the fall process is divided into three stages including imbalance,crashing and lying on the ground.The vector modulus of acceleration and angular velocity,the instantaneous attitude angle and other parameters are studied.The Kalman filtering algorithm is used to cancel the zero drift of the gyro in static measurement.The motion parameters are measured by the inertial measurement sensors tied to the waist.And the final judgment is made by microprocessor based on multi-threshold.When a fall occurs,the system sends the alarm information in the different ways immediately to reduce the damage to the greatest extent.The experiment results show that the accuracy of fall recognition is more than 90%.It can be used in general situation for elderly health care.

fall detection;remote monitoring;attitude algorithm;quaternion algorithm;Kalman filtering

2014年南通大學(xué)自然科學(xué)類科研基金一般項(xiàng)目(14Z006)。

TP274

A

迪娜

2016-12-12)