英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料
评估基于阈值的三轴加速度计的检测算法
A.K. Bourkea,*, J.V. Orsquo;Brien b, G.M. Lyonsa
生物医学电子学实验室，电子和计算机工程系，利默里克，利默里克，体育和运动科学系爱尔兰，利默里克大学，利默里克，爱尔兰大学
摘要：使用跌倒模拟的监控的条件和日常生活行为活动（ADL）下进行的老年受试者进行，区分跌倒状态和日常的生活行为活动的区别采用三轴加速度传感器来进行辨析，将三轴加速度传感器安装在躯干和大腿。数据分析是采用MATLAB来确定在八种不同类型的跌倒状态下进行记录峰值加速度。这些包括了向前倾的跌倒，向后侧跌倒，向左侧和右侧的跌倒，通过演示人员的双腿伸直，弯曲来模拟。跌倒检测算法设计使用阈值技术。跌倒可以从日常生活行为活动中区别开来，这些模拟数据根据480种运动状态总数据中选取。这是通过使用一个单一的阈值确定的跌倒事件数据集，适用于从一个位于躯干的三轴加速度传感器的所得的幅度加速度信号。
关键词：中老年人跌倒；跌倒侦测；加速度计；日常生活行为；合成量信号
1. 引言
跌倒影响着世界上超过三分之一的老年人。他们是导致老年人这个人群伤害死亡和受伤住院的主要原因。受伤跌倒可以导致包括骨头破碎或断裂的，浅表伤口和擦伤以及软组织损伤。持续摔伤的严重后果，也就是被认为是“久卧”，这被定义为不由自主地在跌倒在地面上持续一个小时以上的时间。经历过“久卧”的老人占那些由于跌倒而住院的老年人数超过20%。即使跌倒没有直接的伤害，半数以上经历过“久卧“的老人在六个月中去世。
跌倒的检测，通过自动跌倒检测或通过个人急救反应系统（PERS）可能会降低“久卧”的发生，减少跌倒和医疗救助之间的时间。现在最常见的现有个人急救反应系统，比如按钮吊坠，并不总是令人满意，因为在意识丧失或意识微弱的情况下吊坠可能不会被激活。此外，一些老年人即使他们有能力启动但是他们不会启动他们的个人应急反应系统。
最近几年已经出现了许多各种不同的跌倒自动检测的方法，一些是身体与地面的碰撞或接近水平方向的冲击检测。大多数跌倒检测系统检测到受影响身体收到的冲击加速度计。例如，迪亚兹等，开发了一个初级的跌倒检测系统，包括一个小胶贴片传感器可以连接到骶骨，其跌倒检测准确率为100％（100％的敏感性），只有7.5％的日常生活行为（ADL）的活动被误检测为跌倒状态。又比如Hwang等人，使用三轴加速度计和陀螺仪，将传感器都放置在胸部，进行跌倒和日常生活行活动为之间成功区分。该系统的敏感性为95.5%，特征性为100%。然而，这种系统对于生活行为的测试仅仅局限于三个年轻人进行坐着和日常生活行为活动的采样。
迄今为止跌倒检测系统只是使用年轻的学科来测试日常生活行为活动的这种漏检程度。老年人通常与年轻人有不同的运动方式，因为他们通常会控制身体运动的速度，他们的肌肉力量与年轻人的肌肉力量相比减弱了许多。这样的结果是老年人坐下来的时候会“跌倒”在一把椅子上，而不是在能够自己控制坐下来的方式，因此当执行某些日常生活行为活动的时候会产生更高的峰值加速度。因此，本文的作者认为，日常生活能力的测量应该利用老年人来增加测试方法以提高研究的健壮性，进行适当的考虑。
本文介绍了阈值测试算法能够自动判别跌倒事件和日常生活行为活动之间关系的研究与发展，研究采用三轴加速度计测量。从模拟健康青年受试者的跌倒状态和日常生活的行为活动，对老年人的测试在他们自己的家中进行的加速度计的信号采集。当一个人跌倒并接触地面的时候，身体的力量会超过正常的日常活动中所经历的。我们预测，躯干和大腿的三轴加速度计信号将在跌倒的时候会有峰值，这将不同于正常的日常生活行为活动表现所产生的信号。
2. 材料与方法
躯干和大腿的纵向，前/后和中间 - 横向加速度计读数在模拟摔倒和日常生活行为活动的任务记录。由于这是不适当的老人跌倒模拟，首先研究涉及年轻的学科进行模拟跌倒现象，在安全可控的环境，在有物理教育专业人员的监督下。第二项研究涉及在自己家日常生活行为活动的老年受试者。这两项研究都与人穿着同样的三轴加速度计，三轴加速度计位于躯干和大腿部位。
2.1. 模拟跌倒研究
模拟跌倒研究涉及10年轻健康年轻的学科进行模拟，快速的落到垫子上面。他们在物理教育专业人士的监督下从专门建造的平台模拟跌倒。三轴加速度计的信号记录着从每个模拟坠落事件期间的躯干和大腿的数据。每个受试者进行八个不同跌倒类型和各个跌落测试重复三次。因此，每一个年轻的成年人一共进行24次跌倒。这些研究的测试对象的年龄从21到29岁（平均年龄23.72.2年），体重从67.6到85.3公斤（平均体重75.95.1千克）和身高从1.68米至1.85米（平均身高1.780.06米）。所有人员签署知情同意书和利默里克研究伦理委员会的大学（MREC）批准了协议。
在测试过程中使用的是目前研究的跌倒类型，以模拟老人常见的跌倒类型。Lord等人的一项研究发现，发生跌倒的情况中的82％，人是在直立的姿态。跌倒的最常见的原因是旅行，滑动和失去平衡。老人们还经常向前倒。ONeill等人观察到，在老年人摔倒的情况中的60％是在向前的方向。侧向跌倒将构成重大威胁以来，横向定向跌落将产生很大问题，有可能每次发生大转子骨折，因此，从所有方向站立高度一级验证跌倒检测设备时，应检查跌倒。还应该尝试着模仿现实生活正的真实的跌倒（即，膝关节屈曲），如已经在以前的研究中已经被报告过。因此，进行模拟跌倒为：正向跌倒，向后跌倒，侧跌倒左边和右边的跌倒，都用双下肢伸直，并与膝关节屈曲进行。
2.2.日常生活行为研究
第二项研究涉及执行日常生活行为老年患者，在自己家里，而装上相同的传感器配置。社区是为老年人，三名女性和七名男性，进行了监测。他们的年龄从70岁到83岁（平均年龄为77.24.3岁）。所有受试者签署知情同意书和ULC批准的测量协议。
每个日常生活行为是由每老年人进行三次。 日常生活行为是在一个人的运动的突然变化能产生影响，并导致基于阈值的跌倒检测算法错误的触发任务。 他们是：
- 从扶手椅站坐下来，起来;
- 从厨房的椅子坐下来，站起来;
- 从马桶座坐下来站起来;
- 从矮凳坐下来站起;
- 从汽车座椅的进去坐下来起来;
- 从床上，坐下来，站起来；
- 从床上，躺下来，站起来；
- 步行十米
2.3．数据采集装置
一种便携式电池供电的数据记录器（生物医学196 A.K.伯克等a/Gait amp; Posture 26 （2007）194-199监测BM42）用于数据采集。传感器信号被记录在频率为1千赫和12位分辨率。
三轴加速度计使用两种构造，双轴模拟器件ADXL210，装成相互正交从而实现三轴加速度传感器。在XFILT和 YFILT的输出，ADXL210的产生代表模拟加速电压。在躯干和大腿的传感器的位置被选择作为一个单向轴向版本的传感器布置（躯干和大腿的垂直加速度计）已被证明提供主题的流动性数据（量的时间花了坐，站立，说谎和行走）[ 23 ]。因此，它的设想，这种传感器的安排将测量流动性和检测跌倒。在XFILT和 YFILTo输出.产生代表的ADXL210模拟加速电压。在躯干和大腿的传感器的放置被选为该传感器装置（在躯干和大腿垂直加速度计）的单轴版本已经显示提供受试者移动性数据（时间量花费坐，站，躺，步行）。因此，可以设想，该传感器布置将同时测量流动和检测跌倒。
2.4.传感器的位置
20位参与者都配有三轴加速度传感器，传感器都位于身体躯干前部，胸骨以及大腿前股骨中点。传感器被隐藏在刚性塑料壳子中，对参与受试者的身体部分采用由弹性陷阱和尼龙搭扣带进行牢固。
图1
以上图1：一种用于上下阈值的跌倒检测算法的操作实例，使用一个人工的例子信号（a）。树干得到的矢量信号（b）的a典型的下降（K），产生的最小幅度UPV跌倒（L），产生的最小幅度的LPV跌倒（M），一个典型的坐在一把扶手椅活动（氮），一个进出一个汽车座椅活动（O）和步行（P）。
2.5. 信号调理
每个信号是利用一个二阶低通巴特沃斯双通数字滤波器，以250赫兹的截止频率的低通滤波器。
2.6．跌倒检测算法
来自两个三轴加速度传感器，传感器在躯干和大腿上的所得到的信号来，三个信号从每个三轴加速度计记录的平方和的平方根。当固定的时候，从三轴加速度计的平方信号的根和是一个常数 1g。
躯干和大腿的上部和下部的下降阈值得到如下：
（i）上下阈值：用于记录信号的每个记录的活动正峰被称为信号的最高峰值（进行）。上下阈值（UFT）每个的躯干和大腿信号设定在最小幅度的上限下降峰值水平（UFP）记录的躯干和大腿合矢量信号单独。这些上下阈值的水平会导致240次跌倒的100%分记录每个检测的合成矢量信号阈值分别。上下阈值是冲击力峰值所经历的身体部分的下跌影响和跌落阶段相关。
（ii）低降门槛：每个记录的活动所产生的负峰被称为信号的低峰值（LPV）。较低的跌倒阈值（LFT）的躯干和大腿信号设定在最小幅度较低峰值水平下降（LFP）记录的躯干和大腿合矢量信号。这些级别的跌倒低阈值也因此导致240 次跌倒100%检测跌倒记录每一个最终的矢量信号阈值的分别。较低的跌倒阈值是躯干的加速度相关的前侧身体与地面表面阶段的初始接触。
表1 A.K. Bourke et al./Gait amp; Posture 26 (2007) 194–199
因此，得出四个条件：UFTTRUNK,LFTTRUNK, UFTTHIGH 和LFTTHIGH。超过任何个人限额会显示一个下降的发生。这些阈值也适用于日常生活，每四个阈值分别测试记录的数据，以确定漏检的日常生活行为的程度下降。
一个跌倒的代表信号显示在图1（a）和记录的跌倒和ADL的信号显示在图1（b）。
对于躯干和大腿的上部和下部的下跌信号阈值门限值和相应的特异性、个体特异性为每个日常行为活动每个阈值和最大震级upvand 低峰值每个日常生活行为、特异性百分比显示的百分比的日常生活行为正确认定为非跌倒状态，并显示每个阈值和每个日常行为活动。
图2
上面的图2在跌倒和个人日常行为活动上高峰值这个箱子。在1g的水平轴交叉，这是从所得到的三轴加速度计信号的值，当个人是静态的。F：向前，向后，B：横向，LS：双腿伸直，KF：膝关节屈曲。
3. 结果
表1总结了UFT和LFT的躯干和大腿从240跌落的加速度信号分析得到。也适用于确定阈值的日常生活行为活动的任务正确认定为非落数的躯干和大腿的测试。结果表明，67–100% 日常行为活动任务在表1进行正确分类。每个信号的UFT给比LFT值较高的特异性。UFT大腿提供的特异性为83.3%，这比左主干（67.1%）高。对日常行为活动的左主干91.25%正确识别非落。对日常行为活动的左主干91.25%正确识别非落。箱子的箱线图合成上瀑布和个人日常活动的高峰值绘制在图2中。这表明跌倒与最小的树干UPV外侧直接落向右膝盖弯曲,产生3.52 g的值。这个值因此选为UFT树干,因为它提供了100% 跌倒检测n准确性。
这100% UFTTRUNK跌倒检测精度提供。树干跌倒数据有大量的传播进行，范围从3.52g到12g的日常行为活动上峰值数据显示峰值浓度的1g和2.5g之间，很少超过2.5g，日常生活行为活动峰峰值接近超过3.52g的门槛。最高的日常生活行为活动值记录为3.16g，但这仍然留下了一个0.36g的保证金为日常生活行为/跌倒的区别。
图2还表明，随着膝关节屈曲进行生产跌倒比那里的腿是直的跌倒UPVs低。 在厨房坐在椅子上，得到进出汽车座椅的和“坐在凳子上”产生了一些最高日常生活行为活动 UPVC，虽然连这些都没有超过UFTTRUNK值。
4. 讨论和结论
我们已经调查从放置在躯干和大腿三轴加速度计，信号，以确定是否它们的峰值可以用于日常生活行为活动之间进行区分和下降。使用干线上下跌阈值（UFTTRUNK），所有日常生活行为活动任务是正确检测非跌倒。最近的这个信号阈值来通过对240 个日常生活行为活动任务之一被超越“，”坐在厨房的椅子，即使这个任务0.36g（14.3％）有合理的误差范围是可用的。
根据我们的结果，躯干似乎是最佳的坠落传感器的位置。与此对应的Doughty， Hwang以及Noury等人的发现。所提出的下跌检测方法是安静简单，这是适当的，其中有限的计算能力将是由人佩戴的便携式电子设备提供。本研究的局限性之一是，UFT是确定年轻人落下约束条件。临床上适用于社区的设备必须检测跌倒在无约束条件下的老人。年轻人极速下降到垫子上是被指示不要打断他们的下降，相反，大多数老年人自然会全力的去试图让自己从跌倒状态转变到正常状态从而阻止跌倒，从而降低上下阈值，现实生活的记录的可能是比我们的研究得到的更低。还因该被注意到的是，模拟跌倒被模拟演示到快速的掉到垫子上，而不是现实生活中的坚硬的平面上面。因而从模拟的上下阈值应该远远的低于现实中出现的情况。即使有些情况下一个人会打断他的跌倒状态，被采用的UFT等级可能显著的超过该水平，从而提供一个比目前0.36g的有效值更大的边界条件。需要进一步研究以建立从UPVC落到崩溃垫和使用上碰撞测试假人技术国内典型的表面区别的。这涉及到三轴加速度传感器的人体测量准确的模拟和大量的跌倒在不同的现实生活中的地面以及在撞击垫的演示数据用于本研究确定的峰值加速度值有差异。
最后，一个跌倒检测程序已经使用位于躯干的一个三轴加速度计对跌倒和日常生活行为进行了验证。这种类型的传感
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[30048]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
