随着我国老龄化趋势的加剧，老年人健康问题日益成为社会关注的焦点。针对老年人因身体机能下降而面临的腰部损伤、跌倒风险增加等挑战，本文提出了一种集多种功能于一体的老年人多功能护腰设计。该护腰设计充分融合了现代科技与传统医学理念，通过集成跌倒检测、生理信号监测（如心率、血压）、远程监护、GPS定位等功能，旨在全方位提升老年人的生活质量和安全保障。
    具体而言，该护腰采用先进的传感器技术和嵌入式系统，能够实时监测老年人的生理指标，并在异常情况下及时发出警报，通知亲属或医护人员。同时，通过GPS定位模块，亲属可以远程了解老年人的位置信息，确保其在发生意外时能够得到及时救助。
   老年人多功能护腰带是一款将传统护腰带与各项身体指标检测系统相融合的产品，在原有护腰功能不受影响的情况下可以同时进行以摔倒预警为主的身体状况监控，同时该产品拥有防误判功能，以免因为误判报警对于老年人的生活造成不便。                            
   该项目本文基于 MEMS 三轴加速度计设计了老年人跌倒监测系统,该设计采用传感器进行信号采集,然后通过采集到的信号判断跌倒报警器的配戴者是否跌倒,并且将实时数据在显示装置上显示出来, 如果佩戴者跌倒,则将信号传输到红外成像装置，启动该装置进行防误判操作。检测流程图由图3.3所示：

三轴加速度计检测环节

摔倒预警功能是该项目的主要研究方向。在该产品中我们使用ADI公司的三轴加速度传感器 ADXL345来获取人体的加度信号。  
    ADXL345是一款小而薄的超低功耗3轴加速度计，测量范围达  ±16 g，分辨率高（13位），数字输出数据为16位二进制补码格式，可通过SPI（3线或4线）或IIC数字接口访问。ADXL345非常适合移动设备应用。它可以在倾斜检测应用中测量静态重力加速度，还可以测量运动或冲击导致的动态加速度。其高分辨率（3.9 mg/LSB），能够测量不到1.0°的倾斜角度变化。除此之外，还提供多种特殊检测功能，活动和非活动检测功能通过比较任意轴上的加速度与用户设置的阈值来检测有无运动发生。敲击检测功能可以检测任意方向的单击和双击动作。图3.4为ADXL345的工作原理示意图。

在检测方法上我们采用阈值分析法。阈值分析法是将提取的特征值与某一阈值进行比较，特征值大于或小于某一范围则判定为跌倒。在可穿戴类中，选用的特征值一般为加速度的均方根值。 
    经研究，我们发现当人摔倒的过程中大抵经历“失重”，“撞击”，“静止”三个过程，这三个过程中人体加速度会有很大变化。如图3.5所示为摔倒人体姿态图和对应的加速度。加速度均方根值在这过程中会有如图 3.5 所示的一系列变化，在“撞击”时均方根值会出现一个明显的峰值，所以可以根据时间变化的规则以及均方根值到达某一阈值来判定跌倒 

①失重，就是跌倒过程中人体开始向下倾斜但是还没有接触到地面的阶段；②跌倒触地碰撞，就是人体跌倒在地面，与地面碰撞，速度突变然后恢复平衡的阶段；③静止，就是人体摔倒后卧躺在地面上，可能做出翻身等动作。在跌倒失衡阶段，由于过程时间短暂，人体仅仅有跌倒的趋势，即这个阶段没有方便定义和识别的可用于跌倒分析的特征量。所以，在这个阶段不适合进行人体跌倒的分析。在跌倒失重阶段，人体的加速度和姿态倾斜角变化迅速。这个阶段的时间比较短暂，但是具有失重和朝向变化这两个物理特征。因此，在这个阶段做跌倒预测是非常合适的。跌倒触地碰撞阶段也有可用于识别判断跌倒的特征量，如速度，加速度的突变，倾斜角变化量为 0 等。 
   通过对多个跌倒运动数据的分析，跌倒行为的瞬时加速度会发生剧烈变化，在一段时间出现远远高于日常缓慢行为加速度的峰值，加速度公式用公式表示：

式中A为三轴加速度的合加速度。三个加速分别为加速度计对同一个数据点收集到的三轴的加速度数据。下表为人体各项行为活动的合加速度峰值：

每组各项行为活动平均合加速度峰值表

 如表 1 所示，跑步的合加速度峰值都在 2.0g 以上，跳跃的合加速度峰值都在 3.0g 以上，最大可以达到 3.5g。其他的缓慢活动中不同身高体型的人的合加速度值差异不大，比如静止站立的时候，此时加速度都约为一个重力加速度。实验人员均为 18~23 岁青年，在跑步、行走、跳跃等动作可能与实际情况下的老年群体有所差别。为了保证能检测到所有跌倒或疑似跌倒的动作，同时又能区分一些很明显的非跌倒动作，我们设定合加速度的阈值为 1.7g，通过这个阈值，可以排除一些非剧烈行为活动，同时这个阈值比跌倒动作产生最大合加速度值要小，即当跌倒或疑似跌倒动作发生时都可以进入后面-+的检测判断步骤，减少漏判的情况。  
        Pannurat N 等人将三轴加速度计佩戴在实验者的头部、上臂、手腕、脚踝、胸部、腰部侧面、腰部前面，实验结果显示，腰部侧面为最佳检测位置，而且将传感器嵌入到护腰带中可以降低对人体的干扰和使用者的接受程度。相对于人体的其他部位，腰部的稳定性更高，这使得该位置采集的正常活动姿态特征与跌倒时的差异性更大，同时也允许装置有更长的休眠状态，延长电池使用时间。
    但通过阈值检测是否摔倒依旧存在误差，误判误报会给老年人及其家属造成生活上的不便，因此我们打算采用一种基于机器学习的检测方法检测是否发生误判。

红外成像防误判阶段

当三轴加速度测定加速度阈值超过设定值时，该设备将启动红外成像系统进行红外成像与分析。红外成像装置外观立体图如

 该装置位于护腰带后部、侧面和前部（佩戴时位置），可以采集红外影像用于分析，当摔倒时地面、树木、行人等位置与站立时有很大区别，我们通过训练一个模型进行机器学习，达到可以通过三个方位的红外图像判断是否真的发生摔倒事件。

 我们先采集加速计的值，当值超过阈值，才会触发对传感器图像数据的处理。我们将传统的图像类检测方法与穿戴类检测方式结合起来在三轴加速度计检测出问题后再打开红外成像仪，与手环监测相比准确度更高，与视频监控相比做到了小型化，延长了电池使用时间。

多功能健康检测装置

信号处理与相关硬件

为了将健康监测装置的数据进行处理，我们开发了智能穿戴设备嵌入式程序软件，并通过物联网技术将各项数据传送至云平台如心率，血氧饱和浓度，睡眠质量等，这样我们就可以在手机上查看，此外，我们设置了一个额外的用于提醒程序，当任何一个指标超出了所适用的人群的正常范围的时候，就会在手机上发出警告信息，提醒我们要多加注意，注意防范和及时就医。

例如，老年人正常血压范围在高血压不超过140mmHg，低血压不超过90mmHg，当血压超过了140mmHg时，手机端会马上发出警告，提醒我们得马上吃降血压的药，或者及时就医。在工作时，检测系统与红外热成像装置是独立的，供电和传送云平台的路径都是分开的，这样既达到了两者装置一起服务老年人的目的，又解决了因为监测装置没有电了影响防跌倒系统触发的问题。所以我们团队最终确定了两个系统分开的方案，虽然两者一起工作，但又互不影响，这使得我们产品达到了服务的最大化，相较于其他单功能判断设备，或者集成产品，我们产品的优势就非常的明显了。
    物联网当然分了硬件和软件，在硬件选取方面，我们更是考虑了很久，最终我们运用单片机实现物与手机的互联。单片机是将我所采集到的数据，通过通讯协议传递给物联网平台的一种装置。由于我们这款产品需采集的数据较多，数据的种类也比较多，运用简单结构，运算能力低的51单片机远远达不到我们预期的效果，我们最终还是选择了最为经典的STM32的F103C8T6作为我们的主控板，需要对血压，血氧饱和度等数据采集分析，其相关数据可能会有点大，处理的数据也相对复杂，而STM32C8T6性能优异，功能强大，可以支撑这一点。而这块板子，可以使用WiFi和蓝牙模块来实现与其他设备的通信方便数据传输。再者这也是主流在使用的，出现什么问题方便查找资料，以及询问相关专业人员。