基于ZigBee的定位和人体跌倒检测系统

陈 均，王忆文

（电子科技大学 微电子与固体电子学院，四川 成都 610054）

老年人由于身体虚弱、平衡能力差以及自我保护能力低等因素，很容易发生意外跌倒。如果跌倒后没有得到及时的救助和处理，将会导致严重的后果，甚至危及到生命安全。因此，开发一个集跌倒监测、跌倒定位和远程报警为一体的监控系统具有很重要的意义。

近年来，MEMS(Micro-Electro-Mechanical Systems)加速度传感器的发展为基于三轴加速度传感器的跌倒监测创造了可能。在参考文献[1]中，采用通过加速度传感器监测人体姿态的方法来监测跌倒；在参考文献[2-3]中，采用基于加速度向量幅值SVM(Signal Vector Magnitude)和微分加速度幅值的绝对平均值MAVD(Mean Absolute Value of Differential)作为跌倒判断标准的检测方法。本文提出一种基于人体跌倒过程中加速度变化趋势的检测算法，该算法实现简单并且具有很高的精度。

人体跌倒时，提供精确的跌倒位置为及时救助提供了方便。常见的基于ZigBee的定位方法有：基于接收信号强度值RSSI的测距算法[4]、基于到达时间 TOA的测距算法、基于到达角度AOA的测距算法以及基于质心算法和DV-HOP算法的估计距离定位算法。但这些算法不是精度低，就是算法复杂，或者成本偏高。本文提出一种基于RSSI查找表和方差分析的定位算法，并采用硬件加速的方法予以实现，不但满足了实时定位的要求，并且具有很高的定位精度。跌倒报警采用移动手机作为监控终端，ZigBee网络将跌倒信息传到本地监控中心，监控中心完成定位算法后将跌倒坐标通过GSM无线网络发送到医护人员的移动手机上，方便医护人员第一时间为跌倒者提供救助。

1 系统构架设计

系统主要由三大部分组成：可穿戴检测终端、ZigBee传感器网络和监控中心，如图1所示。可穿戴检测终端由ZigBee无线模块、ARM处理器和三轴加速度传感器构成，三轴加速度传感器监测人体跌倒过程中的加速度值并产生与跌倒相关的中断，ARM通过I2C总线对三轴加速度传感器进行配置并接收中断进而实现跌倒检测算法，ZigBee无线模块负责数据传输。ZigBee传感器网络由携带在人体上的移动盲节点、固定在环境中的参考节点和协调器节点组成，负责传递跌倒信息和生成用于定位的原始数据；监控中心利用ZigBee网络生成的定位原始数据实现高精度定位并将跌倒信息和跌倒坐标利用GSM无线模块发送至医护人员的移动手机上。

2 算法与实现

2.1 ZigBee无线传感器网络

无线传感器网络采用的网络类型为网状网，网络中有协调器、路由器和终端三种设备。在该系统中，除了协调器节点外，移动盲节点和固定在环境中的参考节点都是路由器。在网络组建成功之后，协调器将查询移动盲节点，接着盲节点将以单跳方式广播8次blast信息，参考节点接收到8次盲节点的接收信号强度值RSSI（Received Signal Strength Indication）并求平均值之后发送给协调器节点，协调器节点将这些信号强度值发给监控中心作为定位的原始数据。另外，在监测到人体跌倒之后，盲节点将通过传感器网络把跌倒信息发送到监控中心。

2.2 实时室内定位

室内定位问题一直是个难点。由于室内环境的复杂性很高，信号在传播过程中，反射、多径传播、非视距、天线增益等问题都会对信号强度的损耗造成影响。所以，对RSSI进行数学建模需要加入大量的修正因子，由此也加大了算法实现难度或者不能保证实时定位的要求。另外，大量文献中采用的基于RSSI测距再通过三边测量的定位法精度都很难保证。基于这个原因，本文提出了一种根据实际环境构造RSSI查找表、利用方差分析的定位算法。

如图2所示，将参考节点范围内的区域划分成大小相同的若干小正方形区域。构建好传感器网络之后，将移动盲节点放置到每个小正方形区域的中心，测量各个参考节点接收到的移动盲节点的RSSI值；通过多次测量求平均值得到该小正方形区域的RSSI值，同时记录该区域的中心坐标，这样便构建了一个带坐标值的RSSI查找表。这种方法不仅避免了对复杂环境进行RSSI信号建模，同时提高了测量精度。在定位过程中，将移动盲节点的RSSI值与带坐标值的RSSI查找表进行遍历方差计算，找到最小方差值的那个RSSI值对应的坐标即可得到移动盲节点的位置坐标。在实验中，将一个8 m×8 m的房间划分成64个小正方形区域，通过实测构建RSSI查找表，查找表中包括了坐标值和对应该坐标的每个参考节点的RSSI值。基于C语言的定位算法描述如下：

该算法中有大量的加/减法和乘/除法计算，如果采用嵌入式软件方法进行实现，将会花费大量的计算时间，不能满足实时定位的要求。为此，针对该算法设计了一个基于FPGA的硬件加速器，该加速器采用并行计算和流水线的方式实现，其硬件框图如图3所示。

基于硬件加速的定位算法实现流程：将RSSI查找表平均分成8组并行计算；每一组通过减法、乘累加和移位操作计算方差值，并通过比较器找出组内最小方差值和对应标号；8组并行计算得出的最小方差值再通过比较器找到相对于整个RSSI查找表的最小方差和对应的标号，通过标号就可以在RSSI查找表中得到移动盲节点此时的位置坐标。整个流程由控制器控制。

2.3 跌倒监测

ADXL345三轴加速度传感器内置有运动检测功能和中断系统。ARM处理器通过I2C总线接口对传感器的内部寄存器进行配置来设定产生各种中端的加速度和时间阈值；ARM处理器同时接收加速度传感器的中断并通过I2C总线读取跌倒过程中的运动状态来实现跌到检测。

跌倒检测算法主要是研究人体跌倒过程中加速度的变化特性[5]。人体跌倒过程中的加速度变化曲线如图4所示。通过与人体正常活动（上下楼、起立、坐下、跳起、下蹲）过程中的加速度的变化特性相比较，可以得到人体跌倒过程中的4种关键特性（失重、撞击、静止和跌倒后）与初始状态的差异性。对这4种关键特性的检测可以作为检测到人体跌倒的标准。该算法可以很精确地监测到人体跌倒，同时不会将人体正常起居活动误判为跌倒。

人体跌倒过程分析：正常情况下，加速度传感器的矢量和一般大于1 g；失重现象会发生在跌倒之初，此时加速度的矢量和降低至0 g的水平；发生失重后，人体将于地面相撞击，在加速度曲线中表现为剧烈冲击；一般地，跌倒并撞击地面后，人体无法立即站起来，人体会在短时间内保持静止；在跌倒之后，加速度传感器3个轴的值与初始状态相比有很大不同。上述4种情况共同构成了整个跌倒算法。图5所示为在ARM处理器上实现的算法流程。

图5 人体跌倒算法流程图

2.4 报警系统

检测到人体跌倒之后，监控中心实时地计算出跌倒位置坐标并通过向GSM无线模块发送AT命令来发送报警短信。跌倒位置坐标转化成Unicode代码后以PDU格式发送中文短信。接收报警短信的号码可随意设置，比如发送给不同的医护人员、救护中心以及家属，以便最大程度地监控老人跌倒和提供及时救助。

3 系统测试

为了验证本方案的可靠性，进行了充分的实验。在参考节点覆盖的区域内随意移动盲节点，本系统测试得到的位置坐标和实际位置坐标的误差在1 m以内；在人体向前、向后、向左和向右4个方向跌倒时，均可以100%检测到人体跌倒；每次发生跌倒之后，监控手机均能在5 s之内接收到跌倒报警和跌倒位置信息。同时，还测试了本系统对伪跌倒的区分度，人体在正常行走、跑步、起跳、坐下、下蹲和上下楼梯时均不会出现检测到伪跌倒的状况。

本文提出并实现了一个具有定位和远程报警功能的无线人体跌倒监测系统。定位功能以ZigBee无线传感器网络中参考节点接收到的盲节点的RSSI值为基础，建立RSSI查找表和方差分析的定位算法，并用硬件加速器实现。系统定位实时性高，精度达到1 m。通过研究人体跌倒过程中加速度变化特性，采用三轴加速度传感器和ARM处理器实现了高精度的人体跌倒监测功能。远程报警终端采用常见的移动手机，在被监控者发生意外跌倒时，将发送跌倒报警和跌倒位置信息。

[1]MOSTRAC P，ROMAN M，JURCEVIC M，et al.System for monitoring and fall detection if patients using mobile 3-axis accelerometer sensors[C].2011 IEEE International Workshop on MemeA，Bari，2011：456-459.

[2]CHEN T C.Fall detection and location using ZigBee sensor network[C].Cross Strait Quad-Regional Radio Science and Wireless Technology Conference，Harbin，2011，2：937-941.

[3]Gao Yang，Gao Jingmin，Wang Jiuhe.Research of humen fall detection algorithm based on tri-axis accelerometer[J].International Conference on Remote Sensing，2012，500：623-628.

[4]Zhang Tong，Wang Jue，Liu Ping，et al.Fall detection by wearable sensor and one-class SVM algorithm[J].Lecture Notes in Control and Information Sciences，2006，345：858-863.

[5]Ning Jia.Fall detection application by using 3-axis accelerometer ADXL345[Z].Analog Devices，Application Note：AN-1023，2009.