基于STM32单片机的智能养老系统的设计

李万凯，邱海涛，邱桂田，王靖源

（东南大学成贤学院，江苏南京，210000）

中国的人口老龄化已经进入了快速发展的时期。截止到2014年的年底，我国的60周岁及以上的老年人的总数已经远远地超过了2.12亿，占总人口比重达到了15.5%。预计2053年，这个比例将会高达35%,预计未来我国的一个基本国情将是“三分之一的人口将会是老年人”。

本智能养老系统主要以STM32F103C8T6单片机为主控芯片，采用MAX30102心率血氧传感器完成对人体心率血氧初始数据的采集，采用MPU6050角度加速度传感器对人体姿态和跌倒状态进行数据采样判断。

1 项目的主要任务及目标

以STM32F103C8T6单片机作为主控芯片，采用MXL3061 GY-906-BAA作为红外探头，测量人体温度，红外探头连接到开发板上，收集体温数据，在显示屏上显示温度数据。采用MAX30102连接传感器，当LED光射向皮肤时，透过皮肤表面组织反射回的光会被光敏传感器接收到，并处理转换成电信号，然后再经过AD转换成数字信号，过程大概简化为：光信号→电信号→数字信号[1]。使用MPU6050加速度传感器检测人体姿态是否异常。采用定位双模中科ATGM336H信号输出到GPS，采用ESP8266芯片，一款串口转无线模芯片，传输实时数据到家属手机APP。

2 整体方案设计

2.1 硬件方案

接入电源，经过系统供电稳压输出3.2V或5V的电压给主控芯片和各个模块进行供电，其中，心率血氧检测模块，体温监测模块，加速度倾角检测模块以及GPS定位模块采集数据输出到STM32主控芯片进行处理，处理后的数据值进行比较，输出到OLED屏上，若数值异常扬声器播报，WIFI模块实现与手机的交互。总体设计框图如图1所示。

图1 硬件总体设计框图

2.2 软件处理方案

软件设计以硬件设计图为基础，进行各个模块数据处理程序设计。软件总体设计框图如图 2所示。

图2 软件基础方案图

3 主要硬件模块

本系统采用STM32为主控芯片，借助电源模块给外部接入的电源进行升压或降压并进行稳压，给各个模块供电，各模块之间输入输出端连接STM32最小系统板进行采样处理输出数据，输出的数据也可由WiFi模块传输到手机端。

3.1 电源模块

本系统在电源的处理上采用了稳压芯片 LM2596。我们采用 LM2596 系列三端稳压电路为系统提供5V和3.3V的电压。该电路中还有调节管的过流电路、过热电路和保护电路，使用时十分可靠、方便并且安全。稳压电路原理图如图3所示。

图3 电源模块原理图

3.2 心率血氧模块

系统采用MAX30102芯片作为心率血氧的采样，我们采用的MAX30102是一个包含了脉搏血氧测量仪和心率监测的生物传感器模块。它含有可以发射光的一个660nm红光LED、880nm红外光LED以及其他一些光电检测器、光器件，它的芯片中带有可以抑制环境光的低噪声电子电路，可以降低环境光带来的设备影响[2-3]。可通过软件关断模块，待机电流为零，实现电源始终维持供电状态,可运用于低功耗产品中。MAX30102内部集成了一整套完整信号采集电路，包括光信号发射及接收、AD转换、环境光干扰消除及数字滤波部分，只将数字接口留给用户。用户只需通过单片机的IIC接口，对MAX30102内部的寄存器进行读写操作，就可以得到处理转换后的光强度的数值。最后需要通过相应的处理算法计算出心率值和血氧饱和度。其原理图如图4所示。

图4 心率血氧模块原理图

3.3 MPU6050倾角加速度检测模块

我们采用的MPU6050芯片内自带了一个数据处理子模块DMP，DMP中已经内置了相应的滤波算法。MPU6050芯片采样后给出的数据中夹杂着比较严重的噪音，在芯片处理静止状态时数据的摆动还很大可能会超过2%。除了有较大的噪音，其他各项采样数据也会存在偏移的现象，所以要首先对采集的数据的偏移进行校准，再通过相应的滤波算法来消除大量噪音。处理完的数据与设定值比较来判断人体状态，若姿态异常则触发蜂鸣器警报。其原理图如图5所示。

图5 MPU6050加速度陀螺仪原理图

3.4 ESP8266 WiFi模块

采用的ESP8266芯片是一款串口转无线WiFi模块芯片，内部有一些自带固件，用户操作起来比较简单，比如：无需编写时序信号等。本次实验我用的是ESP8266-01s系列。这款芯片使用的是3.3V的直流电源，模块体积较小，功耗低，并且支持透传，数据传输丢包现象不严重，相对来说价格低。我们通过blinker平台连接ESP8266WiFi模块，通过Arduino编写程序与手机实现信息的传输与接受[4]。

4 软件设计

4.1 软件开发平台

我们采用AD绘制的pcb电路板并打印；利用Keil5版本软件和Arduino，使用C语言编写和修改程序，通过烧录工具以J-Link的烧录方式将设计好的程序下载到STM32单片机中调式运行。Keil STM32是STM32系列兼容单片机 C 语言的软件开发系统，为编程设计提供了一个很好的环境，他能高效的编译C语言写出的代码，在我们调试研究中提供很大帮助。另外我们还采用的blinker（点灯科技）平台，我们简单设计了app的数据界面，blinker平台可以高效地连接核心板上的ESP8266 WiFi模块获取STM32发送的数据也可以简单地修改各项数据的报警阈值，完成手机和设备的交互。

我们采用的blinker 平台是一个物联网接入方案，旨在让用户可以畅快 DIY 自己物联网设备。IOS、Android都支持，本地、远程可以都支持，蓝牙、WiFi也都支持，可自己拖拽布局设备控制界面，轻松打造物联网设备。

图6 软件设计流程图

4.2 软件设计流程图

首先对系统进行初始化，进行时钟分频后进行数据采样，从模块化芯片中获取各项数据进行算法分析，分析后的数据经过处理后在OLED屏幕上显示，经过算法判定数据的异常值，手机APP端也会做出相应的报警处理。

我们将跌倒检测列为我们的项目重点，跌倒是一个比较复杂的过程。我们对其运动过程做了分析得出两个重要参数，加速度和角度变化值。跌倒检测的硬件主要包括陀螺仪 MPU6050和主控 STM32F103C8T6，其中 MPU6050是一款9轴运动传感器。它集成了 3 轴( X，Y，Z) MEMS 陀螺仪，3轴加速度计，以及一个可扩展的数字运动处理器 DMP( Digital Motion Processor) ，可用 I2C接口连接一个第三方传感器，比如磁力计。扩展之后就可以通过它的 I2C 接口输出一个 9 轴的信号［3］。在本项目系统中我们只用了其中 6 轴，即角度测量和加速度测量。设aax表示人体左右方向上的加速度，aay表示人体前后方向上的加速度，aaz表示人体上下方向上的加速度，SVM表示人体的合加速度，是区分人体运动的重要参数，计算公式如下（单位：m/s2）:

经过观察和分析可得到，首先老人跌倒发生的时候，人体的重力加速度会有一个猛然下降的趋势和过程，之后人体会在与地面接触的时候与地面产生一个很大的冲击，即加速度的骤减，接下来人体的角度也会发生变化。整理分析每次测得的数据可得到，人每次的摔倒都会产生一个 SVM ＜ 2 的过程，所以我们将 SVM ＜ 2 作为跌倒的第一个判断依据。当人体向前摔倒时航向角y 轴角度大于 70o，当人体向后摔倒时 y 轴角度小于 - 70o，人体向左摔倒翻滚角 x 轴角度大于 70o，人体向右摔倒时 x 轴角度小于 - 70o。所以我们想要判断老人是否跌倒，还需要判断X，Y 两轴角度的绝对值是否超过 70o即可。 图 7 为跌倒检测算法的流程图，人体的合加速度 SVM 一直会进行更新和判断。一旦满足 SVM ＜ 2 后，会延时2s再判断 X，Y 两轴的角度是否满足跌倒条件。如果当前两项数据都满足条件后，设备就会发出跌倒警报，做最后一项判断。若老人在跌倒后，能自主站起 5s 后系统解除警报，若没有站起，系统会马上对老人进行定位，并通过WiFi模块将位置发给用户，手机APP也会随即报警。

图7 跌倒报警算法流程图

5 结语

本文介绍了我们智能养老辅助系统的项目组在指导老师和成员的积极配合和努力下，项目的研究内容和研究方案，本项目通过这次的研究和实验发现，我们对老人身体的体温，心率及血氧，以及身体姿态进行了检测，与当前市面上的一些已存在的产品所测量的数据进行了数据的对比后进行了分析，虽然各项数据均存在着细微的偏差，但是并不影响数据的正确性和可靠性，人体的跌倒过程是一个相当复杂的过程化的运动，我们对跌倒的过程进行了分析和做了简易的过程归纳，大致分为加速度和倾斜角度的检测来记录和分析数据，再经过一定相关的算法处理后，最终判别是否符合报警条件来触发警报，并寻求帮助。

在未来的几年里，随着经济和时代的发展，中国的老龄化将继续严重，未来的中国三分之一的人口为老人将成为中国的基本国情之一，智能辅助养老系统的设计的初衷是为了能够让外出务工子女能够更方便地了解到家中老人的身体状况，来判断老人是否需要帮助或者就医，本设备实用性高，相比市场上功能单一的可穿戴设备有较大优势。