基于低功耗蓝牙的跌倒检测系统的设计

熊界，周晓青，刘志朋，殷涛

中国医学科学院 北京协和医学院 生物医学工程研究所，天津 300192

基于低功耗蓝牙的跌倒检测系统的设计

熊界，周晓青，刘志朋，殷涛

中国医学科学院 北京协和医学院 生物医学工程研究所，天津 300192

本文设计了一种基于低功耗蓝牙技术结合多传感器协同判断的穿戴式跌倒检测系统，系统由控制芯片、传感器以及对应的硬件与软件构成。通过实验室环境下的跌倒实验测试，表明该系统能有效区分跌倒与日常行为活动。通过系统功耗测试，结果显示跌倒检测系统在待机状态和工作状态的总功耗分别为35 μW和41 μW，采用纽扣电池CR2032供电的情况下即能满足长期使用的要求。

低功耗蓝牙；传感器；穿戴式医疗器件；跌倒检测；意外跌倒

引言

人口老龄化的加速使大多数人的寿命史无前例地有望超过60岁甚至更高，我国60岁及以上人口占13.26%，其中65岁及以上人口占8.87%[1]。老年人是伤害发生的高危人群，而老年人伤害的首要原因是跌倒。据推算，我国60岁以上老年人每年因跌倒发生的伤害人次数达到2500万[2]。跌倒是我国伤害死亡的第4位原因，而在65岁以上的老年人中则为首位[3]。能够实时、准确地检测老年人跌倒事件的发生十分重要。

跌倒是指突发、不自主、非故意的体位改变，倒在地面或更低的平面上。跌倒检测系统主要实现的功能是根据人体运动时特征参数的变化，将跌倒与日常行为活动（Activities of Daily Living，ADL）区分开。为了准确的将跌倒与ADL区别开，仅靠单一的传感器是无法实现的，本文采取三轴加速度传感器BMA250与薄膜压力传感器Flex Pressure IM-S-1-C20相结合的方式，对跌倒进行协同判断，有效地降低了系统误报的几率。

穿戴式设备不可避免的需要无线通讯功能，在穿戴式跌倒检测系统的现有研究中，多采用不同类型的微控制系统如51单片机、ARM芯片和DSP芯片配以ZigBee、Wi-Fi或经典蓝牙的方式。功耗和连接一直是制约穿戴式设备中亟待解决的两个重要问题。低功耗蓝牙（Bluetooth Low Energy，BLE）技术是近年来新发展出的一种低功耗射频通信技术，与Wi-Fi或经典蓝牙技术相比，BLE技术的功耗极低，使用纽扣电池供电的情况下即能工作数月之久，与Zigbee技术相比，BLE技术已经在当前的移动设备中广泛地应用。本文采用兼具控制与无线通讯功能的单模BLE芯片作为系统的主控芯片。实现了基于单芯片蓝牙方案，具有低功耗、小体积、低成本的跌倒检测系统。本文的数据采集与测试采用青年被试，借鉴先验文献对老年人的行为方式与跌倒方式进行模仿，并对实验跌倒类型与ADL进行分类与测试，测试结果表明，本系统能有效地将跌倒与ADL区分开来。

1 硬件设计

本系统结构由多点脚底压力采集模块与腰部加速度采集模块组成，腰部模块封装在腰带中，脚底模块封装在鞋垫中，见图1。腰部加速度采集模块作为主设备，脚底压力采集模块作为从设备。脚底的压力传感器与腰部的加速度传感器同时进行实时的数据采集，当脚底模块采集到疑似跌倒数据后，立即通过notif cation通知主机，主机将通过算法计算的加速度与从机发送的通知结合进行跌倒的协同判断。模块天线采用尺寸小、性能良好、成本低的PCB天线[4]，模块供电采用容量为240 mAh的纽扣电池CR2032。

本文采用分区供电的方式进一步降低系统功耗。使用控制芯片直接为外部电路供电，这样外部电路仅在采样的数毫秒期间导通消耗能量，其余大部分时间均处于关断状态，极低地降低了系统的能耗。

图1 系统结构图

1.1 控制芯片的选择

2013年蓝牙技术联盟（Bluetooth SIG）发布了蓝牙最新版本4.1，其最大特点在于支持设备同时支持多重角色，支持连接多部设备，即一个设备可以同时工作在主机和从机模式，保持两个连接。本文选择了支持BLE 4.1协议的CC2640芯片作为系统的控制芯片。与现有支持蓝牙4.0的设备兼容，但不向下兼容经典蓝牙[5]，既满足系统两模块间的数据传输又便于后续的功能扩展。

1.2 传感器的选择与配置

腰部加速度采集采用Bosch Sensortec公司的BMA250芯片，该芯片为一款数字输出的低功耗三轴加速度传感器，测量量程为±2～±16 g，能够直接输出三轴加速度数据，无需对复杂原始资料进行运算。加速度传感器模块放置在腰部中心处，参考先验知识比较得到加速度传感器放在腰部（相比于躯干、手腕、耳朵、大腿、脚踝）是最佳选择，因为腰部靠近人身体的重心，能准确的得到反映身体运动变化的数据[6]。

脚底压力采集采用艾动薄膜压力传感器IM-S-1-C20，量程为100 kg。采取单脚两点压力测量方式，当传感器受力时电阻下降，通过以OPA2349构成的压力检测电路实现压电转换，压电转换电路的输出公式为：

其中，Vcc为输入电压，Vout为输出电压，FSR为压敏电阻，Rref为反馈电阻。

2 软件设计

系统软件的开发平台为IAR Embedded Workbench，以TI公司发布的BLE协议栈为基础，分为脚底模块软件和腰部模块软件。跌倒检测系统中腰部加速度检测模块担任主机角色，脚底压力检测模块担任从机角色。

2.1 多状态机

BLE的一个基本设计策略是将广播、发现和连接过程与连接中的数据传输分离开来，本系统状态机转换过程，见图2。图2a为主机部分在接收到扫描指令后，从就绪态转换到扫描态，将扫描到的从机地址保存到扫描列表中，在接到连接指令后向从机发起连接；图2b为从机部分上电后在就绪态与广播态之间转换，当接收到主机发送的连接请求后建立连接，建立连接后从机状态在3个状态间相互转换。只有作为从机的脚底模块接收到作为主机的腰部模块发来的报文后，才能向主机发送数据。

图2 系统状态转换示意图

2.2 检测流程

跌倒检测系统的检测流程，见图3。脚底模块以4 Hz的频率检测脚底压力。采样数据以单向链表的方式存储，算法会在每个采样周期结束后分析前10 s内40个采样点的数据，并计算压力状态比Pr，该压力状态比的定义为脚底失去压力的采样点数/一个周期内的总采样点数。将状态比的阈值Pt设定为0.8，当Pr＞Pt时，脚底模块向上给腰部模块发送通知，当Pr＜Pt时，继续检测。这样的设计在满足跌倒延时检测功能的同时降低了跌倒误报率，提高了跌倒检测的准确性。

三轴加速度传感器以图3中坐标方向放置，加速度采用时域判断方法，在人体运动时，以50 Hz的采样频率输出3个方向的加速度数据ax、ay、az，系统计算加速度的信号幅度向量（Support Vector Machine，SVM），其计算公式为：

将得到的数据与预设的加速度SVM阈值（4 g）进行比较，当aSVM＞SVM阈值时，会向脚底模块发出查询指令，查询脚底压力检测结果，结合脚底模块向上发送的notif cation对是否为真跌倒进行判定。当aSVM＜ SVM阈值时，返回继续对运动中的加速度进行实时检测。当且仅当同时满足跌倒判断的2个条件时，系统才会发出跌倒信号。

图3 系统检测流程图

3 结果

3.1 特征量的采集

通过对人体在ADL与跌倒中腰部中心位置的加速度值的采集与后处理，可以得到加速度特征量。实验包括ADL与跌倒动作的模拟，实验动作的选取参照Robinovitch SN等人的研究[7]进行选取，分别包括站立、行走、坐下、起立、躺下及侧向跌倒、撞倒、失去支撑跌倒。实验被试为体重在50☒80 kg、年龄在25岁左右的健康青年，通过观察老年人的生活状态以及采用负重的方式模仿老年人的行为模式，佩戴加速度采集腰带，在有保护措施（10 cm的体育垫与缓冲材料）的实验室环境中进行实验。

在静站状态下，x轴与z轴方向的加速度为0，受重力作用y轴方向的加速度为1 g，在后续的数据处理中均将y轴方向的加速度进行去基线处理，得到处理后的y轴方向的加速度值与x轴、z轴方向的加速度值的SVM作为做图的依据。

两种典型ADL的SVM变化情况，见图4。在跌倒判断中最容易产生误差的动作就是躺下与躺倒，因此特别对躺下动作进行特征量采集。根据两种典型的ADL数据，人的正常行为产生的加速度信号幅度向量值不会超过2.5 g。

3种典型跌倒动作的SVM变化情况，见图5。通过对图5数据的分析，当受到外界冲击与突然失去支撑的情况下发生跌倒的SVM峰值很高，通常会超过6 g，而由于自身重心偏移导致的跌倒由于身体会有自发的保护反应，SVM峰值会在4～6 g的范围内，因此将aSVM的阈值选为4 g。

3.2 工作能耗

将模块直接与稳压直流电源相连，并串接数字万用表测量模块平均电流消耗。采用上述方法测量得到腰部模块与脚底模块的平均电流分别为0.0062 mA与0.0056 mA，腰部模块与脚底模块连接状态的电流分别为0.0078 mA与0.0061 mA。在额定容量为240 mAh的CR2032供电条件下，两模块的持续工作时间至少达6个月。

图4 日常生活行为实验采集的SVM实验结果

图5 实验室环境下模拟老年人跌倒实验采集的SVM实验结果

参照TI公司提供的技术资料[8]，采用外接10 Ω电阻和示波器测量的方式测量系统连接事件的电流消耗。系统在待机状态的电流消耗约为6 μA，系统在被唤醒时电流消耗高达8 mA，系统在接发信息时的电流消耗也在6 mA左右，好在系统的一个工作状态的持续时间非常短，仅持续2 ms左右（图6），虽然瞬时功耗很大但不会影响系统的整体功耗。

图6 系统连接事件电流消耗

4 结论与讨论

本文设计了基于BLE技术的穿戴式跌倒检测系统，该系统满足设计初期对低功耗的要求，单芯片方案的设计降低了系统的成本。跌倒检测算法上，采取腰部加速度检测与脚底两点压力检测协同判断的方法，简化了加速度信号处理的算法，同时满足对跌倒延时检测的要求，有效降低了系统的误报率，能够有效的将ADL与跌倒行为区分开来。

基于BLE技术的开发具有很强的灵活性，本系统仍具有很大的提升空间。本文中腰部检测模块在跌倒检测系统中仅担任主机的角色，未发挥出蓝牙4.1版本允许主从一体工作的优势。未来可以设计相应的移动端应用与腰部模块连接，实现跌倒检测系统参数初始化、跌倒定位、跌倒报警等功能。

[1]中国国家统计局.第六次人口普查[R].2010.

[2]张小燕.老年患者的跌倒风险与预防[A].中华医学会第十八次全国神经病学学术会议论文汇编（上）[C].成都:中华医学会神经病学分会,2015:203-204.

[3]老年人跌倒干预技术指南[S].北京:中国卫生部,2011.

[4]Andersen A.为低功耗无线应用选择天线[OL].2008.http://www.ti.com.

[5]Heydon R.低功耗蓝牙开发权威指南[M].陈灿峰,刘嘉,译.北京:机械工业出版社,2015.

[6]Kangas M,Konttila A,Lindgren P,et al.Comparison of lowcomplexity fall detection algorithms for body attached accelerometers[J].Gait Posture,2008,28:285-291.

[7]Robinovitch SN,Feldman F,Yang Y,et al.Video capture of the circumstances of falls in elderly people residing in long-term care: an observational study[J].Lancet,2013,381(9860):47-54.

[8]Sandeep K,Lindh J.Measuring Bluetooth® Low Energy Power Consumption.Texas Instruments Application Note AN092[EB/OL].2012.http://www.ti.com.cn/cn/lit/an/swra347a/swra347a.pdf.

Design of Fall Detection System Based on Bluetooth Low Energy

A wearable fall detection system with multi-sensor cooperation which based on the bluetooth low energy is designed. This system consists of control chip, sensor and corresponding hardware and software. Through fall experimental tests in laboratory environment, it’s shown that the fall detection system can distinguish between falls and activities of daily living effectively. The power consumption measurement of the system indicates that the total power consumption of the ready mode and operative mode are 35 μW and 41 μW respectively. And it can realize long-term use with the button battery CR2032 power supply.

bluetooth low energy; sensor; wearable medical device; fall detection; accidental falls

XIONG Jie, ZHOU Xiao-qing, LIU Zhi-peng, YIN Tao
Institute of Biomedical Engineering, Chinese Academy of Medical Sciences & Peking Union Medical College, Tianjin 300192, China

R318.6；TP277

A

10.3969/j.issn.1674-1633.2016.12.005

1674-1633(2016)12-0023-03

2016-09-05

2016-11-28

国家自然科学基金（81127003）。

殷涛，教授。主要研究方向：神经调控与医疗仪器。

通讯作者邮箱：bme500@163.com