【技术实现步骤摘要】
基于无线信号识别的摔倒监测方法和系统
本专利技术涉及信息与通信工程
，涉及无线设备在目标识别及监护领域内的应用，更具体的说，特别涉及基于无线信号识别的摔倒监测方法和系统。
技术介绍
现有的养老监护系统大多采用视频监测和贴合式传感器方式进行人员健康状态监测监护。视频系统能够识别多种人体行为、判定老人的异常行为准确度相对较高、便于事后的查阅和责任的认定，一般用于监测老人异常状况，如摔倒等异常行为，但是在实际部署使用时，由于很多异常行为发生在视频系统无法部署的私密场景，如洗手间、卧室等场景，导致视频系统仅用于室外或公共场合监测，存在部署盲区和禁区，难以做到无缝无死角监测覆盖；需要重点监护的夜间视野效果差；处理数据量大对带宽要求高，云端成本高等。贴合传感器在养老领域也广泛使用，典型的如手环、床垫等。手环虽然可以做到健康指标监测，但是其本身并非无感的监测方案，手环佩戴使用，需要改变使用者的生活习惯，在老人部分场景（洗澡、上厕所等）不方便携带设备的时候无法做到全天候的监控；充电管理对于老龄人群本身存在较多麻烦，无法...
【技术保护点】
1.基于无线信号识别的摔倒监测方法，在wifi信号源周围设置wifi采集模块及微波采集模块，其特征在于，包括如下步骤：/n步骤A，wifi采集模块采集Wifi信号数据，微波采集模块采集微波信号数据，数据训练系统对采集的微波信号数据、Wifi信号数据进行分析，分别形成训练模型；/n步骤B,实时判断系统通过所述训练模型，结合微波数据得到的人体高度、距离和速度信息，经过数据融合判断结果得到摔倒监测的判断结果。/n
【技术特征摘要】
1.基于无线信号识别的摔倒监测方法，在wifi信号源周围设置wifi采集模块及微波采集模块，其特征在于，包括如下步骤：
步骤A，wifi采集模块采集Wifi信号数据，微波采集模块采集微波信号数据，数据训练系统对采集的微波信号数据、Wifi信号数据进行分析，分别形成训练模型；
步骤B,实时判断系统通过所述训练模型，结合微波数据得到的人体高度、距离和速度信息，经过数据融合判断结果得到摔倒监测的判断结果。
2.根据权利要求1所述基于无线信号识别的摔倒监测方法，其特征在于，所述步骤A包括以下步骤，
步骤a1,特征获取模块分别对微波采集模块采集的微波信号数据、wifi采集模块采集的wifi信号数据中多普勒特征进行提取；
步骤a2,模型形成模块分别将微波信号数据、wifi信号数据提取的多普勒特征放入训练器，分别形成训练模型：微波训练模型、wifi训练模型；
步骤a3,存储模块将采集的微波信号数据、wifi信号数据、特征获取模块提取的多普勒特征、模型形成模块形成的训练模型分别进行存储。
3.根据权利要求2所述基于无线信号识别的摔倒监测方法，其特征在于，所述步骤a1还包括滤波模块、降噪模块将wifi采集模块采集的wifi信号数据中的尖峰干扰信号进行特征匹配和干扰消除；
滤波模块、降噪模块将所述微波采集模块采集的微波信号数据进行过滤、降噪。
4.根据权利要求1所述基于无线信号识别的摔倒监测方法，其特征在于，所述步骤B包括以下步骤，
步骤b1,分析模块从存储模块调取实时wifi信号数据的CSI特征数据、实时雷达信号数据的多普勒特征以及人体高度信息、距离信息、速度信息；
步骤b2,分析模块将实时wifi信号数据的CSI特征数据通过wifi训练模型获得人员状态信息，实时雷达信号数据的多普勒特征通过微波训练模型获得摔倒特征，根据人体高度信息判断目标状态；
步骤b3,分析模块融合人员状态信息、摔倒特征、目标状态获得当前目标摔倒概率；
步骤b4,计时模块等待设置时长，当前目标摔倒概率持续时长大于等待时长时，进行步骤b5，当前目标摔倒概率持续时长小于等于等待时长时，进行步骤b1；
步骤b5,计时模块给出摔倒的判断结果。
5.根据权利要求1所述基于无线信号识别的摔倒监测方法，其特征在于，还包括步骤C，显示模块对微波信号数据、wifi信号数据、特征获取模块提取的多普勒特征、训练模型进行显示、查询；报警模块发出报警，提示目标摔倒。
6.基于无线信号识别的摔倒监测系统，其特征在于，包括数据训练系统和实时判断系统，所述数据训练系统分别对摔倒时的微波信号数据和Wifi信号数据进行采集分析，分别形成训练模型，所述实时判断系统通过所述训练模...
【专利技术属性】
技术研发人员：苏瀚，
申请(专利权)人：苏州苗米智能技术有限公司，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。