智能仪器 课程设计.docx

题目要求: 利用三轴加速度传感器实现跌倒的检测。在 PSoC 3 FirstTouch 板上实现。一、学习 PSOC 的开发环境 creator 的使用。首先图示化选定所用的硬件并产生该硬件的 AP I 函数,然后类似 keil 环境下做 C 语言程序。二、 a/html/2010-9-14/ 理解加速度传感器检测跌倒的算法原理。三、 PSoC 3 FirstTouch 上有三轴加速度传感器 KXSC7-2050 ,实现跌倒检测算法。摘要跌倒是指人身体的任何部位意外地触及地面或其它较低的平面, 而当事人无法实时做出反应. 跌倒是对健康, 乃至生命的严重威胁。随着老龄化社会的到来, 对跌倒的监测和及时报警日益成为一个紧迫的问题。跌倒监测报警系统的目标是能够将跌倒(Fall) 与日常生活的正常动作(Activities of Daily Life , ADL) 区分开来,准确地检测跌倒的发生,并智能判断是否需要报警求助。从而尽可能地缩短救助时闻,减小跌倒带来的伤害,降低误报率,最终提升被监测者的生活质量。本次研究采用了 PSoC 3 FirstTouch 实验板, 利用三轴加速度传感器 KXSC7-2050 搭建了三维加速度监测系统。研究主要分为两部分:第一,对跌倒和 ADL 进行定义和模式分类,通过佩戴在腰间的数据记录系统记录各模式下的三维加速度数据, 并对其进行处理、分析和比较; 第二, 根据分析结果, 提出了以 SVM 或 SMA 为特征量, 以人体状态及姿态为辅助判据的算法, 并总结出了具体阈值相关参数。另外, 还提出了基于三维加速度数据的步态分析及跌倒预警的设想, 并进行了步频分析等初步的分析与论证. 关键词:跌倒检测监测三维加速度传感器跌倒判断方式对跌倒的自动检测可通过直接或间接的手段。常见的手段包括: (1) 视频分析:需要在每个盗测区域安置设备,不方便且昂贵; (2) 声响或振动分析:该方法认为跌倒可通过频率分析与其它活动区分开来,但各种各样的地面材质是一个棘手蛉问题; (3) 智能护理系统:跌倒发生后的当然结果就是在其后的一段时期内,被监测者几乎不会有运动,缺点是反应需要的对间较长且易误报警; (4) 随身佩戴的装置:它们能够即时检测出跌倒,且如果有智能判断,可自动决定是否发出摄警或求救信号。’显然,第四种方案简便、可靠、经济,且易与现有技术结合,从而达到更好的监测效果,难点在予检测的准确性: 既不能漏过每一次跌倒, 也不能将正常活动误报为跌倒, 其中的平衡取舍较难掌握。早期的跌倒判定手段和方法比较简单,其结果也受较大的限制。如,手杖中的水银开关。该检测方法默认,当跌倒发生时,手杖也躺倒呈水平状态,此时水银开关导通发出报警信号。显然这样的手段太过简单, 结果也很粗糙。之后渐渐出现了以加速度信号为监测对象的监测系统。如分别放置在人体躯干和大腿前侧的单维加速度传感器,可检测人体静态姿势( 比如躺卧、站立、坐立等) 以及人体活动姿态( 行走和骑车等)。但此类方法由于采用单维加速度传感器,且检测的只是几种典型的活动姿势变化过程,跌倒监测的效果并不好。随着微电子及传感技术的发展与成熟, 低功耗、低成本的微集成电路使以前的许多设想渐渐具有了现实基础。基于三维加速度传感的系统成为目前国外研究跌倒监测的主要趋势, 而加速度阈值是最常见的跌倒判定方式。如, Mathie 等在预先设定人体跌倒过程是在 1-2 秒内完成, 提取其过程中三维加速度 z 轴方向上分量, 判断是否出现至少连续两次脉冲信号, 并是否超过已定的阈值(1. 8g) 。而 Yoshida 等使用一个 秒的时间窗进行判别。目前, 相关研究主要的分为两个方面, 一方面着重于跌倒与日常活动的模式分析与算法, 如 Bourke 等通过实验得到的判定跌倒的不同的加速度阈值, 讨论了佩戴位置对结果的影响, 产生较大加速度响应而有可能造成误报的 ADL 等,而 Diaz 等在其论文中提出了一种较复杂的算法,基于时域和频域( 能量) 条件共同判断,也得到了不错的结果。基于 SVM(Signal Magnitude Vector) 和 SMA(Signal Magnitude Area) 的阈值判定是常用的方法,同时为了降低报错率,还采用了其它辅助判定条件一一如姿态判定等。另一方面着眼于整个系统的构建,传感器(Sensor) 、处理器(MCU) 和通讯单元的组合是常见设计。如加州大学伯克利分校的 J. Chea l 等设计的家用穿戴式无线跌倒监测系统, 就是由两个正交的二维加速度传感器与已有的“电予尘埃”技术的结合,监测的结果经无线通讯传输,并根据射频信号强度实现定位。而 Burchfield 与 Venkatesan 设计的用予监测人体“异常运动”(A