汪波濤，張珣

（杭州電子科技大學(xué) 電子信息學(xué)院，杭州310018）

引 言

為了提高監(jiān)測的實時性、可靠性，提出了一種基于多點傳感融合算法的人體跌倒監(jiān)測系統(tǒng)，用以解決老年人跌倒監(jiān)測、跌倒定位、通知報警和生活步態(tài)軌跡統(tǒng)計等問題。

1 系統(tǒng)概要設(shè)計

系統(tǒng)總體設(shè)計模塊如圖1所示。3個九軸姿態(tài)傳感器分配佩戴在用戶的3 個不同部位：手腕、腰部、腳腕，用來全面檢測人體姿態(tài)和判斷用戶狀況采用藍(lán)牙傳輸?shù)姆绞綄⑾l(fā)送出去，用戶使用手機藍(lán)牙接收人體監(jiān)測數(shù)據(jù)，并通過以太網(wǎng)或GSM 網(wǎng)絡(luò)將監(jiān)測數(shù)據(jù)及GPS位置信息推送至家人手機端或醫(yī)院平臺。

2 系統(tǒng)硬件端設(shè)計

系統(tǒng)硬件部分的設(shè)計主要包括3個部分：姿態(tài)數(shù)據(jù)采集、數(shù)據(jù)分析處理和數(shù)據(jù)無線傳輸，硬件結(jié)構(gòu)圖如圖2所示。由于系統(tǒng)最終是需要佩戴在身體上，為了佩戴便捷且為大眾人群所接受，采用無感化佩戴方式，將各點模塊設(shè)計得更加小巧輕便，從而最大限度避免影響人的正常生活運動。

各個模塊由電源系統(tǒng)統(tǒng)一供電，姿態(tài)數(shù)據(jù)采集模塊根據(jù)采集到的3維加速度、3維角速度以及3維姿態(tài)角的數(shù)據(jù)傳輸給MCU，然后由MCU 模塊進行數(shù)據(jù)分析處理后通過藍(lán)牙模塊傳輸?shù)接脩舳恕?/p>

圖1 人體跌倒監(jiān)測系統(tǒng)總體概圖

圖2 硬件系統(tǒng)結(jié)構(gòu)框圖

2.1 姿態(tài)數(shù)據(jù)采集部分與信號調(diào)理分析

對于老人人體姿態(tài)的準(zhǔn)確解算是判斷老人正常生活行為狀態(tài)與突發(fā)跌倒?fàn)顟B(tài)辨識區(qū)分的基礎(chǔ)。MEMS（Micro－Electro－Mechanical Systems）和信息技術(shù)的高速發(fā)展，加速了傳感器模塊微型化、低成本化和高精度化的進度，由加速度傳感器、陀螺儀和磁阻傳感器組成的慣性測量模塊（Inertial Measurement Unit，IMU）被廣泛應(yīng)用在姿態(tài)識別中。姿態(tài)數(shù)據(jù)信號主要通過MPU9250 芯片進行采集，包括16位ADC三軸陀螺儀、三軸加速度計以及三軸磁力計。封裝圖如及實物圖略——編者注。

MPU9250陀 螺 儀 由3 個 獨 立 檢 測 的X、Y、Z 軸 的MEMS組成，利用科里奧利效應(yīng)來檢測每個軸的轉(zhuǎn)動（若某個軸產(chǎn)生變化，相應(yīng)的電容傳感器會發(fā)生相應(yīng)變化，產(chǎn)生的信號被放大、調(diào)解、濾波，最后產(chǎn)生與角速率成正比的電壓，然后將每一個軸的電壓轉(zhuǎn)換成16位的數(shù)據(jù)）。MPU 三軸加速度根據(jù)X、Y、Z每個軸上的電容來測量軸的偏差度，每個傳感器都有專門的ADC來提供數(shù)字量輸出，輸出范圍通過編程可調(diào)。三軸磁力計采用高精度霍爾效應(yīng)傳感器，通過驅(qū)動電路、信號放大電路和計算電路來處理信號在地磁場X、Y、Z軸上的電磁強度［3］。加速度和陀螺儀的方向和極性如圖3所示，磁力計方向如圖4所示。

根據(jù)圖3和圖4所呈現(xiàn)的三軸加速度、三軸陀螺儀和三軸磁力計的方向和極性，基本覆蓋了所有的姿態(tài)角度，根據(jù)芯片特性和通信協(xié)議，其計算公式略——編者注。

2.2 數(shù)據(jù)處理主控與GPS電路部分

本部分是整個人體跌倒監(jiān)測系統(tǒng)的核心處理部分，采用低功耗STM32F103微控制器，其芯片原理圖略——編者注。

STM32F103微控制器是基于ARM Cortex－M3內(nèi)核的32位微控制器，最高72 MHz工作頻率，在存儲器的0 等待周期訪問時可達1.25DMIPS／MHz，具有高速的數(shù)據(jù)處理能力。系統(tǒng)采用STM32F103作為整個系統(tǒng)的核心處理芯片。

圖5為GPS模塊電路原理圖，GPS模塊與STM32F103主控芯片綁定，主要用于獲取人體跌倒坐標(biāo)位置，經(jīng)過主控芯片進行數(shù)據(jù)處理后將老人跌倒位置發(fā)送給家人或醫(yī)院，以便進行及時有效的治療。

圖4 電子羅盤方向

3 加速度和陀螺儀的方向和極性

2.3 數(shù)據(jù)無線傳輸部分

為了增強穿戴便捷性，本系統(tǒng)各點模塊均采用超低功耗的藍(lán)牙4.0技術(shù)進行無線傳輸數(shù)據(jù)，極低的運行和待機功耗可以使一粒紐扣電池連續(xù)工作數(shù)年之久。系統(tǒng)選用CC2540藍(lán)牙4.0芯片進行人體體域網(wǎng)組網(wǎng)數(shù)據(jù)傳輸，在提升傳輸性能的同時降低功耗。由于人體穿戴的設(shè)備不多，所以本系統(tǒng)采用微微網(wǎng)構(gòu)建藍(lán)牙體域網(wǎng)，其微微網(wǎng)組網(wǎng)模式如圖6所示。

微微網(wǎng)是通過藍(lán)牙技術(shù)，以特定方式連接起來的微型網(wǎng)絡(luò)，一個微微網(wǎng)可以與兩到多臺設(shè)備相連。在一個微微網(wǎng)中，所有設(shè)備的級別都是相同的，有相同權(quán)限。藍(lán)牙采用自組式組網(wǎng)方式（Ad－h(huán)oc），微微網(wǎng)由主設(shè)備（Master）單元（發(fā)起連接的設(shè)備）和從設(shè)備（Slave）單元構(gòu)成，可包含1個主設(shè)備單元和最多7個從設(shè)備單元。本系統(tǒng)由1個主控設(shè)備和2個藍(lán)牙從設(shè)備單元構(gòu)成，主設(shè)備單元負(fù)責(zé)提供時鐘同步信號和跳頻序列，從設(shè)備單元一般是受控同步的設(shè)備單元，發(fā)送傳感數(shù)據(jù)到主控設(shè)備上［6］。

圖5 GPS模塊原理圖

圖6 藍(lán)牙微微網(wǎng)模式

3 多點傳感融合算法分析

針對傳統(tǒng)姿態(tài)識別算法存在的眾多問題，設(shè)計了一種基于多點傳感融合的人體姿態(tài)求解算法。利用MPU9250九軸姿態(tài)傳感器分別采集人體三點姿態(tài)數(shù)據(jù)，將磁羅盤算法求取的姿態(tài)觀測值與四元數(shù)法求取的測量值之間的誤差作為PI調(diào)節(jié)器的輸入，結(jié)合卡爾曼濾波算法對數(shù)據(jù)波動進行修正，進而得出較為穩(wěn)定的單點人體姿態(tài)數(shù)據(jù)，再通過三點姿態(tài)之間的不同組合方式推演出人體所處的姿態(tài)。

該算法簡單可靠，可以很好地過濾噪聲，且對處理器的運算速度要求不高，能夠穩(wěn)定地運行在穿戴式的小型低功耗微處理器中。實驗結(jié)果表明，該算法能夠準(zhǔn)確判斷人體姿態(tài)并實時穩(wěn)定地輸出高精度的姿態(tài)數(shù)據(jù)。

3.1 單點姿態(tài)描述和四元數(shù)求解原理

姿態(tài)解算是人體姿態(tài)描述的關(guān)鍵技術(shù)，人體姿態(tài)的變化是指人體坐標(biāo)系相對參考坐標(biāo)系的空間轉(zhuǎn)動，而確定兩個坐標(biāo)系之間的方位關(guān)系需要借助矩陣法和力學(xué)中剛體定點運動的位移定理來實現(xiàn)。在導(dǎo)航學(xué)中通常使用偏航角ψ、俯仰角θ和橫滾角φ作為姿態(tài)角描述載體姿態(tài)。目前描述動坐標(biāo)相對參考坐標(biāo)系方位關(guān)系的方法主要分3類，即歐拉角法、四元數(shù)法、方向余弦法。

歐拉角法根據(jù)歐拉角微分方程，由角速度可以求解3個姿態(tài)角。歐拉角微分方程式只有3個，但每個方程＝都含有三角函數(shù)的運算，計算速度慢，且方程會出現(xiàn)“奇點”，方程式退化，故不能用于全姿態(tài)工作且實時計算困難。用方向余弦法計算姿態(tài)矩陣，沒有方程退化問題，可以全姿態(tài)工作，但需要求解9 個微分方程，計算量較大、實時性較差、工作效率低，無法滿足工程實踐要求。

3.2 四元數(shù)法姿態(tài)求解

為了更簡便地描述剛體的角運動，系統(tǒng)采用了四元數(shù)來彌補通常描述剛體角運動的3個歐拉角參數(shù)在設(shè)計控制系統(tǒng)時的不足。四元數(shù)可以描述一個坐標(biāo)系或一個矢量相對某一個坐標(biāo)系的旋轉(zhuǎn)，四元數(shù)的標(biāo)量部分表示了轉(zhuǎn)角的一半余弦值，而其矢量部分則表示瞬時轉(zhuǎn)軸的方向、瞬時轉(zhuǎn)動軸與參考坐標(biāo)系軸間的方向余弦值。

工程上一般運用范數(shù)為1的特征四元數(shù)，特征四元數(shù)的標(biāo)量部分表示轉(zhuǎn)角的一般余弦值，其矢量部分表示瞬時轉(zhuǎn)軸n的方向。比如式（1）表示矢量R相對參考坐標(biāo)系旋轉(zhuǎn)一個轉(zhuǎn)角θ，旋轉(zhuǎn)軸二的方向由四元數(shù)的虛部確定，cosα、cos 、cosγ表示旋轉(zhuǎn)軸n與參考坐標(biāo)系軸間的方向余弦值。

四元數(shù)法姿態(tài)矩陣計算的步驟如下：

①初始化四元數(shù)，其輸入為初始的姿態(tài)角：

②四元數(shù)標(biāo)量部分與矢量部分λ、p1、p2、p3的實時計算，輸入信號為陀螺儀的數(shù)字輸出信號Δθ＝∫t＋Δttωibdt，其中i為x、y、z。計算方法采用二階龍格庫塔法：

③姿態(tài)矩陣的實時計算，確定姿態(tài)矩陣CbE，輸入為λ（）n、p1（）n、p2（）n、p3（）n：

④載體姿態(tài)角計算，以確定姿態(tài)角θ、ψ、γ，輸入為T11（）n、T12（）n，計算公式為：

四元數(shù)姿態(tài)矩陣微分方程式只要解4個一階微分方程式組即可，可采用龍格—庫塔法求取四元數(shù)的近似解，比方向余弦姿態(tài)矩陣微分方程式的計算量明顯減少，能滿足工程實踐中對實時性的要求。

3.3 多點姿態(tài)數(shù)據(jù)融合

卡爾曼濾波器由一組基本的數(shù)學(xué)公式描述，實現(xiàn)了一個預(yù)測—更新模式的估計器，它在一些預(yù)設(shè)的條件下能夠使估計誤差協(xié)方差最小化，因此本系統(tǒng)采用卡爾曼濾波進行姿態(tài)角、加速度計和磁力計三者數(shù)據(jù)的濾波融合，卡爾曼濾波前角速度測量曲線圖如圖7所示，卡爾曼濾波后角度輸出如圖8所示。

圖7 濾波前角速度測量曲線（靜止）

圖8 濾波后的角度輸出（靜止）

經(jīng)過卡爾曼濾波后的角度輸出線相對非常平滑，很好地濾除了大部分的微振動噪聲。

通過大量的實驗建立了姿態(tài)角與人體姿態(tài)的對應(yīng)表略——編者注。

4 實驗測試與結(jié)果分析

利用本研究所提出的姿態(tài)求解算法對實時的運動數(shù)據(jù)進行姿態(tài)求解，為了驗證系統(tǒng)姿態(tài)檢測算法的可靠性，進行了人體運動實驗。實驗中，根據(jù)老年人的日?；顒?，將慣性測量模塊固定于實驗者手腕部、腰部和腳腕部位置，對姿態(tài)信息進行數(shù)據(jù)采集，并相應(yīng)模擬了跌倒實驗，以便對各種步態(tài)下的加速度信號進行特征值的提取、分析、比較，尤其是行走和跌倒。實驗對象為學(xué)生，身體狀態(tài)健康，年齡在20～25歲，身高為152～178cm，體重為45～80kg，其中男生8 人，女生8 人。實驗場所主要集中在實驗室內(nèi)、戶外空曠地。實驗中每人每次動作重復(fù)做了4～5 次，完成了對站立、坐下、行走、彎腰、躺下以及跌倒的識別率的測試，大部分動作均可準(zhǔn)確地識別出來，對跌倒?fàn)顟B(tài)的判斷尤為準(zhǔn)確，在正常傾倒情況下（除了斜倒等非一般跌倒?fàn)顟B(tài)）均能準(zhǔn)確識別。

結(jié) 語

本系統(tǒng)研究設(shè)計了一種人體可穿戴式的跌倒監(jiān)測系統(tǒng)，能夠?qū)崿F(xiàn)對老年人人體姿態(tài)的檢測，可以很好地應(yīng)用于老年人、兒童的監(jiān)護以及運動監(jiān)測等領(lǐng)域。多點監(jiān)測讓跌倒檢測更穩(wěn)定準(zhǔn)確；GPS追蹤讓家人能夠更及時地找到老人，得到救助。整個系統(tǒng)體積小巧、功能強大，具有很好的市場應(yīng)用性。同時，系統(tǒng)還有很多希望改進的地方：①希望能將GPS的經(jīng)緯度信息轉(zhuǎn)換成地點直接推送給家人，方便一般用戶查看；②采用人體能進行供電，解決電池更換麻煩的問題；③進一步優(yōu)化融合算法，增強監(jiān)測可靠性，進一步減少誤判現(xiàn)象。

編者注：本文為期刊縮略版，全文見本刊網(wǎng)站www.mesnet.com.cn。

［1］李娜.基于人體運動狀態(tài)識別的可穿戴健康監(jiān)測系統(tǒng)研究［D］.北京：北京工業(yè)大學(xué)，2013.

［2］張愛華，王璐.基于三維加速度傳感器設(shè)計的跌倒檢測［J］.中國組織工程研究與臨床康復(fù)，2010，14（48）：9029－9032.

［3］畢盛，閔華清，李淳，等.姿態(tài)傳感器采集測試系統(tǒng)的設(shè)計與實現(xiàn)［J］.計算機測量與控制，2011，19（7）：1562－1564.

［4］Zhang H，Kang W.Design of the Data Acquisition System Based on STM32［J］.Procedia Computer Science，2013（17）：222－228.

［5］Selvabala V S N，Ganesh A B.Implementation of wireless sensor network based human fall detection system［J］.Procedia Engineering，2012（30）：767－773.

［6］葉元林.基于藍(lán)牙4.0的個人健康助理關(guān)鍵技術(shù)研究［D］.重慶：重慶大學(xué)，2014.

［7］李景輝，楊立才.基于多傳感器信息融合的人體姿態(tài)解算算法［J］.山東大學(xué)學(xué)報：工學(xué)版，2013（5）：49－54.

［8］Lin C，Hsu H C，Lay Y，et al.Wearable device for real－time monitoring of human falls［J］.Measurement，2007，40（9－10）：831－840.