[发明专利]摔倒检测定位系统及方法

权利要求书

1.一种摔倒检测定位系统，其特征是，它包括摔倒检测定位装置，所述摔倒检测定位装置包括惯性导航模块、GPS模块、主控制器和Sim-300模块，所述惯性导航模块由三轴陀螺仪、三轴磁力计和三轴加速度计组成，所述GPS模块、惯性导航模块分别与主控制器连接，主控制器和Sim-300模块连接，所述摔倒检测定位装置通过GSM/GPRS与绑定被测人员的亲属手机、监护站连接。

2.利用权利要求1所述摔倒检测定位系统的工作过程为：

步骤一：对摔倒检测定位装置进行系统初始化，配置各个传感器的寄存器，然后根据人体摔倒的特征建立神经网络模型，通过输入教师信号对网络进行训练，此处设定误差要求为0.01%；当网络输出满足误差要求时，认为网络已经训练完成；

步骤二：惯性导航模块采集三轴MEMS陀螺仪的信号，采用四元数姿态表达式，积分求得陀螺仪姿态角，同时采集三轴MEMS加速度计和三轴磁力计的信号,利用重力场和大地磁场在地理坐标系和机体坐标系之间的方向余弦转换进行绝对角度解算,得到绝对姿态角，然后根据信号的变化频率实时改变滤波参数，对两次得到的姿态角进行基于扩展式卡尔曼滤波的数据融合，最终输出准确稳定的姿态角度和融合加速度，其中，加速度计与陀螺仪的融合原理主要是静态的时候用加速度计修正陀螺仪的值，动态的时候利用陀螺仪的值修正加速度计的值,根据运动体上的三轴加速度计输出的三轴加速度（Ax,Ay,Az）,分别求取俯仰角pitch=tan^-1(-Ay,-Az),倾斜角roll=tan^-1融合加速度磁力计与加速度计的融合原理主要是利用加速度计进行磁力计的倾斜补偿,读取磁力计输出的三轴磁场强度求取倾斜补偿后的磁力计输出

Mxn=Mxbcos(roll)+Mybsin(pitch)cos(roll)-Mzbcos(pitch)sin(roll)]]>

Myn=Mybcos(pitch)+Mzbsin(pitch)]]>根据计算出的倾斜补偿后的磁力计输出，求取偏航角

Yaw=tan-1(Myn/Mxn);]]>

步骤三：主控制器接收GPS模块和惯性导航模块的数据，将姿态角度和融合加速度输入训练好的神经网络进行摔倒判断，采用滑动窗口的方法对采样数据进行处理，根据神经网络的输出结果进行判断，如果没有摔倒，主控制器通过GSM通信方式将状态和位置信息上传到监护站的服务器，如果摔倒，主控制器除了将信息上传监护站外，还通过GSM通信方式以短信形将信息告知绑定的亲属手机进行提醒；

步骤四：判断此组姿态角度和加速度数据是否满足机器学习的要求，如果满足，则返回网络重新训练，更新网路参数，如果不满足，则进行下一组数据的处理，加速度和姿态角度变化较慢，采用机器学习的方法，将本次的输入值作为训练样本对网络再次进行训练，对调整后的网络再次进行测试，网络输出值为0.98，提高神经网络的识别率，网络在使用过程中不断学习，积累经验，神经网络将变得越来越智能；

步骤五：监护站的服务器初始化，接收所监测的装置上传的信息，对上述信息处理后按照ID号、接收时间、纬度值、经度值、人体状态的格式存入数据库，然后数据库进行自检，判断信息是否超量，如果否，则继续接收信息，如果是，则清除过期记录，然后再接收信息；

步骤六：监护站的客户端根据权限登录账号，通过以太网查询数据库，根据数据库提供的经纬度信息，程序调用卫星地图将被测对象的位置标定在地图上，同时根据被测对象的状态信息，判断其是否摔倒，如果否，则进行页面刷新，监测下一组信息，如果是，则会启动报警程序，然后再监测下一组信息。

3.如权利要求2所述的摔倒检测定位系统的工作过程，其特征是，所述步骤一的具体过程为：（1）初始化，假设没有先验知识可用，以一个一致分布来随机地挑选突触权值，这个分布选择为均值等于0的均匀分布，它的方差的选择应该使得神经元的诱导局部域的标准偏差位于sigmoid激活函数的线性部分与饱和部分的过渡处；（2）采集样本，将AHRS模块佩戴在实验人员的腰部，实验人员通过做出多种摔倒动作和正常的日常行为动作，记录这N组实验数据作为训练样本(X(N)，d(N))，逐次将每个样本(X(i)，d(i))呈现出来；（3）前向计算，假设本次计算的训练样本是(X(n)，d(n))，即X(n)={sum_a(n)，pitch(n)，roll(n)}，期望输出为d(n)，激活函数选取sigmoid非线性函数，计算实际输出o(n)，则误差信号e(n)=d(n)-o(n)，对每一组训练样本经过前向计算得到的误差信号如果满足要求，误差阈值是0.01％，则认为反向传播算法已经收敛，本组样本训练结束，进行下一组样本的训练，否则将进行反向计算，继续调整各层神经网络的权值；（4）迭代，调整好各层权值后，返回前向计算，直到误差信号满足规定的收敛准则，然后，进行下一组样本的训练，直到所有的N组试验样本全部训练完成。