【技术实现步骤摘要】
本专利技术属于属于电子信息，涉及一种基于多源信息融合的无线跌倒检测方法。
技术介绍
1、在快速老龄化的社会，老年人的健康问题日益凸显。而跌倒在全世界范围内成为影响老年人健康的主要原因，其会导致老年人在生理与心理上产生不同程度的损伤，甚至会导致死亡。为保障老人健康，针对老人，尤其是独居老人，作跌倒安全防护成为迫切需求。
2、目前应用比较广泛的有基于视频图像、基于可穿戴传感器和基于环境传感器的跌倒检测。其中基于视频图像的检测方法不仅计算复杂、成本高，而且容易侵犯用户的个人隐私。基于可穿戴式传感器的跌倒检测可以直接获取人体的运动姿态信息，但只能获取到身体部位的局部运动信息，感知到人体的运动信息并不能全面、准确地表达人体的真实的运动状态，并且对噪声敏感，鲁棒性较差；使用多部位的穿戴式传感器可以等改善上述问题，但实际使用时会影响用户的日常活动。基于环境式传感器的跌倒检测将装置固定在室内，不仅安装方便，也不会侵犯个人隐私，相较于可穿戴式的跌倒检测能得到人体整体的运动概貌。
3、考虑到wi-fi csi可以提供更为全面的人体运动信息，并且其具有成本低、设备部署简单等优点。在穿戴式跌倒检测系统检测到使用者摔倒之前，csi信息可能已经检测到不寻常的人体跌倒特征。如果能将两者互补信息同时提取，并使用数据融合的方法提取特征，能够提高跌倒识别准确率，尤其是降低类跌倒活动的误报率。
技术实现思路
1、有鉴于此，本专利技术的目的在于提供一种融合可穿戴传感器和基于环境传感器的跌倒检测方法
2、为达到上述目的，本专利技术提供如下技术方案：
3、一种基于多源信息融合的无线跌倒检测方法，包括以下步骤：
4、s1：通过融合惯性传感器获取人体运动状态信息，包括加速度、角速度；使用平滑滤波器过滤噪声传感器本身的噪声、降低数据抖动；基于扩展卡尔曼滤波(ekf)的融合滤波算法消除陀螺仪的累计误差，再对加速度、角速度进行数据融合和姿态角解算，接着对得到的三轴角度和三轴加速度进行融合特征提取；
5、s2：获取人体动作和周围环境信息，包括wifi无线信道的幅度、相位；提取wifi信息中的csi数据，设置巴特沃斯低通滤波器去除背景杂波，使用主成分分析法对csi信号进行降维处理；最后使用居中投影的方法进行消除相位偏移并计算生成微分csi特征；
6、s3：提出基于微分csi的自适应活动分割算法，通过估计行为的持续时间或者手动标记判断每一个动作的开始和结束；然后分别对两种数据进行特征提取，对于惯性传感器原始数据处理后得到的加速度、角度以及融合特征进行时域提取，特征值包括均值、标准差、平均绝对偏差、最大值、不同轴之间的相互系数，并将特征数据按照活动种类进行归类处理；对wifi csi提取幅值和微分csi特征，包括数据时间序列的各种统计矩阵；
7、s4：提供多信息融合的特征选择方法对提取到运动特征和csi信号特征进行融合，以捕获从两种特征之间的复杂关联；
8、s5：建立基于支持向量机的跌倒检测模型svm，包括训练和测试阶段；训练阶段通过已知的跌倒和非跌倒数据训练模型参数；测试阶段通过步骤s4得到的融合特征向量预测跌倒动作。
9、进一步，所述步骤s1具体包括以下步骤：
10、s11：采集跌倒动作和三种可能跟跌倒混淆的动作的数据，包括坐下、站起、下蹲，其中融合惯性传感器收集到的数据为角速度，加速度和磁偏量信息；
11、s12：通过低通滤波过滤高频噪声成分，再通过进行平滑过滤处理；
12、s13：使用ekf方程组进行迭代计算，得到当前时刻的姿态角的四元数表示法，以此类推，得到一组线性的四元数形式姿态角；采用陀螺仪进行状态预测，再利用加速度计对预测状态进行更新，用来消除陀螺仪零漂产生的累计误差；
13、扩展卡尔曼滤波器模型为：
14、
15、最终将四元数解算出的四元数姿态数据转换为欧拉角，转换公式如下：
16、
17、其中，x为偏航角，y为俯仰角，z为横滚角；
18、s14：通过合加速度smva、合角速度smvω、合姿态角smvg来表征姿态的综合变化，表示为：
19、
20、进一步，所述步骤s2具体包括以下步骤：
21、s21：对原始csi数据使用低通巴特沃斯滤波器和相位消除法进行数据处理，对数据中存在的噪声和异常值进行过滤，具体步骤如下：
22、首先采用巴特沃斯滤波器对数据进行处理，巴特沃斯低通滤波器用如下振幅的平方对频率的公式表示：
23、
24、其中f为截止频率，n为滤波器的阶数，p表示通频带边缘频率；处理后获得csi数据流，由人体运动引起的射频信号的变化与不同的csi流相关；
25、采用主成分分析法pca移除相关性较大的csi数据流，得到y中的成分按照最大可能方差降序排列，其中第一个主成分具有最大可能方差，包含最大人体运动信息且受噪声的影响最小，最后一个主成分具有最小可能方差，受噪声的影响最大；
26、s22：计算微分csi：
27、(1)消除相位偏移
28、假设csi(n)是频域中w个时间步长的n个子载波中第n个子载波的csi，csi离散傅立叶变换dft表示为：
29、
30、将式(5)进行离散傅立叶逆变换idft：
31、
32、其中csik和xk分别为任意特定子载波的csi矩阵和空间映射矩阵smm和循环延迟分集cdd的乘积，hk为跨相应子载波的信道系数，ε为归一化频率偏移量；ci为第i个时间步长信道中存在的噪声，任意子载波n的csi现在包含所需的csi(sn)和频率偏移μn部分，即式(6)中的第一项和第二项，考虑任意特征的时间步长为i，子载波数为n，得到一个阶数为i×n的特征矩阵，数据集的每个特征都表示为：
33、csir＝s+μt+c (7)
34、其中，s(i×n)是一个不含偏移和噪声的sn(i×1)向量矩阵，μ是一个包含常数偏移项μn的n×1向量，n＝{1,2,…,n}，表示每个时间步长i，c表示通过去噪滤波器去除的噪声，偏移通过投影步骤中的居中方法来消除，跨列居中会产生微分csi：
35、
36、其中，csidiff(i×n)包含微分csi，i为标识矩阵，p(i×1)为正交投影矩阵；列平均是csir各列在矢量1方向上的正交投影；p⊥是对的无效空间的投影矩阵；根据式(7)和式(8)，将原始数据矩阵csir投影到的无效空间，可得：
37、csidiff＝p⊥s+p⊥c (9)。
38、进一步，所述步骤s3具体包括以下步骤：
39、s31：构建基于微分csi的自适应活动分割算法，利用信号方差特征中活动和静止部分的差值，微分方差的方法增强活动数据的特征，减弱非活动特征；
40、s32：惯性传感本文档来自技高网...
【技术保护点】
1.一种基于多源信息融合的无线跌倒检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤S1具体包括以下步骤：
3.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤S2具体包括以下步骤：
4.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤S3具体包括以下步骤：
5.根据权利要求4所述的基于多源信息融合的无线跌倒检测方法，其特征在于：步骤S31所述基于微分CSI的自适应活动分割算法具体包括以下步骤：
6.根据权利要求4所述的基于多源信息融合的无线跌倒检测方法，其特征在于：步骤S32具体包括以下步骤：
7.根据权利要求4所述的基于多源信息融合的无线跌倒检测方法，其特征在于：步骤S33具体包括：
8.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤S4具体包括以下步骤：
9.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所
...【技术特征摘要】
1.一种基于多源信息融合的无线跌倒检测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤s1具体包括以下步骤：
3.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤s2具体包括以下步骤：
4.根据权利要求1所述的基于多源信息融合的无线跌倒检测方法，其特征在于：所述步骤s3具体包括以下步骤：
5.根据权利要求4所述的基于多源信息融合的无线跌倒检测方法，其特征在于：步骤s3...
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。