可穿戴式人体跌倒监测与定位系统设计与实现

第２６卷第２期　２０１６年６月　洛阳理工学院学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｌｕｏｙａｎｇ　Ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ）　Ｖ０１．２６　Ｎｏ．２　Ｊｕｎ．２０１６　可穿戴式人体跌倒监测与定位系统设计与实现　晏　勇　（阿坝师范学院物理与电子科学系，四川汶川６２３００２）　摘要：系统以ＦＰＧＡ作为嵌入式控制器，三轴加速度传感器采集人体跌倒姿态参数，卡尔曼滤波算法抑制噪　声输出，三级阀值比较跌倒特征向量；ＧＰＳ模块检测跌倒发生位置，ＧＳＭ模块发送远程报警短信；手机ＡＰＰ实　时接收报警信号，查询人体跌倒位置及时救援。经测试，系统检测精度高、稳定可靠、报警延时小、待机时间　长，可广泛用于老年人摔倒检测。　关键词：三轴加速度传感器；卡尔曼滤波；三级阀值；ＧＰＳ模块；ＧＳＭ模块　ＤＯＩ：１０．３９６９／ｉ．ｉｓｓｎ．１６７４—５４０３．２０１６．０２．０１６　中图分类号：ＴＰ２７３　文献标识码：Ａ　文章编号：１６７４—５４０３（２０１６）０２—００７１—０５　我国逐渐步人老龄化社会，空巢老人和独居老人数量不断增加，老年人身心健康应得到广泛关注。　老年人身体衰弱、行动迟缓、平衡能力差，跌倒是老年人潜在的巨大安全隐患，跌倒后不能及时救助可　能给老年人造成重大危害，危及生命。及时救助不慎跌倒老年人，将极大提高老年人生活质量与尊严，　降低老年人因跌倒致伤、致残率，老年人跌倒监测与定位系统需求尤为迫切。　目前，采集老年人活动及监测跌倒的方法主要有：基于图像的跌倒监测、基于声学的跌倒监测；基　于图像的跌倒监测使用空间受到，容易侵犯隐私；基于声学的跌倒监测，误差较大，只能作为辅助　监测手段。本文提出一种基于ＭＥＮＳ三轴加速度传感器的可穿戴式人体跌倒监测与定位系统，随身携带、　远程实时监测。三轴加速度传感器采集人体跌倒特征向量，ＧＰＳ模块判断跌倒位置，ＧＳＭ模块报警通知　家人，避免跌倒产生严重后果，使老年人安全保障有了很大提高，减轻了社会和子女的压力。　１人体跌倒模型与算法设计　１．１人体跌倒模型　人体运动过程复杂，具有不确定性，但不同运动又具有典型特征，提取姿态特征向量区别不同运动　类型，人体运动特征向量包括速度、加速度、加速度向量幅值ＳＶＭ（Ｓｉｇｎａｌ　ｖｅｃｔｏｒ　ｍａｇｎｉｔｕｄｅ）、微分加速　度幅值绝对平均值ＭＡＤＳ（Ｍｅａｎ　ａｂｓｏｌｕｔｅ　ｖａｌｕｅ　ｏｆ　ｄｉｆｆｅｒｅｎｔｉａ１）、姿态角ｙａｗ等。人体跌倒属于短暂性剧烈活　动，过程可以分解为初始安全、失去平衡、冲击接触地面、倒地平衡静止几种状态，跌倒方向有前倾、　后仰、左侧、右侧　Ｊ。　人体由安全状态到跌倒状态加速度及加速向量幅值ＳＶＭ变化过程由零增加再减小，微分加速度幅值　绝对平均值ＭＡＤＳ变化过程由零增加再减小；垂直姿态角ｙａｗ即人体与地面夹角远大于９０。或小于９０。，　正常直立约为９０。；系统采用三级阀值判断人体跌倒状态，定义人体垂直地面方向为　轴、前后方面为　、　左右方向为Ｙ轴，具体如下　Ｊ：　ＳＶＭ＝　■　■　。　其中：　、６ｔ　、　分别为　、Ｙ、ｚ轴的加速度。　１　ｒ，　（１）　（２）　ＭＡＤＳ＝　Ｉ　ｌ　ＳＶＭ　Ｉｄｔ。　』Ｊ　０　其中：　为时间周期。　收稿日期：２０１６—０２—０ｌ　作者简介：晏勇（１９８３一）男，四川郫县人，硕士，讲师，主要从事自动控制、无线传感器网络方面的研究　７２　洛阳理工学院学报（自然科学版）　旨　Ｏ　Ｏ　０　０　Ｏ　０　第２６卷　Ⅱ　：ａｒｅｔａｎ（焘用三级阀值判断，保证判断准确率。　第二级阀值检测跌倒期间ＭＡＤＳ峰值是否超过ｏ．３６　ｇ／ｓ，　人体跌倒属于短暂剧烈运动ＭＡＤＳ较大，跌倒ＭＡＤＳ超过　如　蚰　如　加　加　∞　）。　（３）　经实验分析，人体跌倒时间一般持续１　Ｓ一３　Ｓ，跌倒期间ＳＶＭ峰值会超过１．８　ｇ，数值有所波动如图１　所示。从图中看出，第５　Ｓ～８　Ｓ为人体跌倒过程，ＳＶＭ变化均超过１．８　ｇ，跌倒ＳＶＭ变化与跑步或其他剧　烈运动峰值变化可能重复导　致判断出现误差，因此系统采　幅值曲线　２　／＼＼＼　／　＼　ｒ二　＼　Ｉ　　｝＼　０．３６　ｇ／ｓｌ５－６］；跑步持续时间较长ＭＡＤＳ小于０．３６　ｇ／ｓ，区别　跌倒与跑步或其他剧烈运动，ＭＡＤＳ变化如图２所示。　～　１　１　　ｌ　ｌ　Ｉ／　／～　　Ｉ＼　６　７　８　９　１０　第三级阀值检测人体与地面垂直姿态角ｙａｗ即ｚ平面　与ｘｙ平面夹角是否接近９０　来判断人体姿态如图３所　示，通过三级阀值检测准确判断人体是否跌倒。　跌倒ＭＡＤＳ峰值曲线　２　３　４　５　时间／ｓ　图１人体跌倒ＳＶＭ峰值变化图　ｌｒ／／一＼＼　／　、　八／　＼　／／＼＼／　＼　＼　一跌倒＾　Ｄ　峰值曲线　ｌ　２　３　４　５　６　７　８　９　１０　时间／ｓ　图２人体跌倒ＭＡＤＳ峰值变化图　图３人体与地面垂直姿态角图　１．２滤波算法　ＭＥＮＳ加速度传感器易受噪声干扰使输出产生漂移，为降低干扰对传感器输出数据进行最优处理，系　统采用卡尔曼滤波器。卡尔曼滤波器利用线性系统状态方程，通过输入输出观测数据，用反馈控制估算　某一时刻状态，对系统状态进行最优估算；卡尔曼滤波物理意义直观，时域状态空问数据存储量小，算　法简单，适用于平稳或非平稳的随机过程　Ｊ。　滤波器分为两部分：时间更新方程负责向前推算当前状态向量和误差协方差，为下一状态构成先验　估计；测量更新方程负责将先验估计和最新测量构成后验估计。具体算法如下，给定Ｋ时刻状态观测向　＾　量　，求　时刻状态向量最优估计值戤，使Ｐ　最小　。　＾　＾　根据　一　计算　时刻先验估计氍：　＾　＾　戤＝Ａ　＾　＾　＋Ｂｕ　（４）　其中：曰ｕ　为Ｋ时刻系统控制量，Ａ、Ｂ为系统参数。　Ｐ　＝Ａ　ＰＫＡ　＂４－Ｑ　＾　＾　（５）　其中：　为戤对应协方差，　是Ａ的转置矩阵，Ｑ为系统噪声。　＾　＝＾　ＨＸＫ　（６）　＾　其中：ｚ　为第Ｋ时刻测量值，目测量系统参数。　＾　＾　＾　ＸＫ＝　ｉ－４－ＫＫ（ＺＫ一　）　（７）　其中：ＫＫ为卡尔曼滤波器增益，Ｚ　一日戈五为系统残差　“　。　第２期　晏勇：可穿戴式人体跌倒监测与定位系统设计与实现　７３　２系统架构与硬件设计　２．１系统架构　可穿戴式人体跌倒监测与定位系统分为嵌入式控制器、数字三轴加速度传感器、ＧＳＭ模块、ＧＰＳ模　块、直流电源管理模块５部分。嵌入式控制器协调处理其他模块数据，是系统控制核心；数字三轴加速度　传感器感知采集人体姿态信号，是系统感知模块；ＧＳＭ模块发送人体跌倒报警信号，远程实时掌控人体　姿态；ＧＰＳ模块采集人体位置信息，掌握老人具体位置；直流电源管理模块提高直流电源效率，增加系统　待机时间，系统架构如图４所示。　图４系统架构　２．２硬件设计　嵌入式控制器采用Ａｌｔｅｒａ公司Ｃｙｃｌｏｎｅ　Ｖ低功耗ＦＰＧＡ嵌入式处理器，引脚３．３　Ｖ供电，内核１．２　Ｖ　供电，锁相环２．５　Ｖ供电，引脚最大驱动电流４０　ｍＡ，ＰＬＣＣ封装；器件支持４００　ＭＨｚ　ＤＤＲ３　ＳＤＲＡＭ增强　存储器控制器，内嵌６００　Ｍｂｐｓ～３．１２５　Ｇｂｐｓ数据收发器，ｌ８位嵌入式乘法器，精度可调ＤＳＰ模块，适用　于复杂环境下便携式设备数字信号处理¨引。　人体跌倒感知传感器选择飞思卡尔ＭＭＡ８６５２ＦＣ　１２位数字三轴加速度传感器，１．９５　Ｖ～３．６　Ｖ电压供　电，±２　ｇ、±４　ｇ、．４－８　ｇ　３种重力加速度检测量程，两个可配置中断引脚，Ｉ　Ｃ格式输出数据，输出数据　频率１．５６　Ｈｚ～８００　Ｈｚ可配置，１０脚ＤＦＮ封装，广泛用于姿态检测　。　ＧＳＭ模块选用ＳＩＥＭＥＮＳ公司ＴＣ３５，支持标准ＡＴ指令与扩展ＡＴ指令，工作在９００　ＭＨｚ与１　８００　ＭＨｚ　双频段，兼容ＲＳ２３２接口，完成远程数据传输　１４１。ＴＣ３５电源电压３．３　Ｖ～４．２　Ｖ，休眠模式电流２．５　ｍＡ，　空闲模式电流３．５　ｍＡ，ＧＳＭ　９００收发功率为２　Ｗ，ＧＳＭ１８００收发功率为１　Ｗ。　ＧＰＳ模块采用上海万硅电子有限公司ＷＧＬ２０，基于嵌入式处理芯片ＳＩＲＦｓｔａｒ，支持４８个ＰＲＮ频道，　３．３　Ｖ电压供电，定位电流５７　ｍＡ、追踪电流４７　ｍＡ，热启动时间小于１　ｓ，定位精度大于２．５　ｍ，最大移　动速度５１５　ｍ／ｓ，接口电平兼容为ＲＳ２３２或１＿ｒＬ，用于各类导航与人员搜救定位。ＷＧＬ２０有３种工作模　式：定位模式、追踪模式、休眠模式，工作过程如下：　（１）上电后系统进入定位模式搜索、追踪卫星，确定卫星数量、载波频率，接收卫星信号；　（２）定位模式结束后，进入追踪模式，分析接收卫星数据，对数据进行解调，并保持追踪；　（３）完成数据接收解调，模块转入休眠模式。　电源管理模块采用ＭＣ３４６７３电池充放电管理器，为单级锂电池提供１．２　Ａ充电电流，兼容ＤＣ与ＵＳＢ充　电，最大输入电压２８　Ｖ，具有恒流充电、涓流充电、过压保护等功能，能满足复杂环境下电池管理¨　。　３软件设计　首先系统上电初始化各模块，设置工作模式。ＭＭＡ８６５２ＦＣ具有３种工作模式：①ＯＦＦ模式：ＶＤＤ＜　１．８　Ｖ，传感器所有功能被禁止器件处于掉电状态，数字时钟与模拟时钟停振，Ｉ　Ｃ总线停止工作；　②ＳＴＡＮＤＢＹ模式：模拟部分停止工作，数字时钟和ｉｚＣ总线正常工作；③ＡＣＴＩＶＥ模式：器件正常工作　状态。设置地址为０ＸＯＥ系统功能寄存器ＸＹＺ—ＤＡＴＡ—ＣＦＧ［１：０］＝０Ｘ００传感器采样精度±２ｇ；设置　７４　洛阳理工学院学报（自然科学版）　第２６卷　地址为０Ｘ２７系统功能寄存器ＰＵＬＳＥ—ＬＴＣＹ［７：０］＝０Ｘ０１传感器Ｉ　ｃ接口输出数据频率为４００　Ｈｚ；设置　地址为０Ｘ００系统功能寄存器Ｄａｔａ　Ｓｔａｔｕｓ［７：０］＝０Ｘ１０传感器数据寄存器数据随时更新；设置地址为　０ＸＯＢ系统功能寄存器ＳＹＳＭＯＤ［１：０］＝０Ｘ００进入ＡＣＴＩＶＥ正常工作模式，分别从ＯＵＴ—Ｘ、ＯＵＴ—Ｙ、　ＯＵＴ＿Ｚ加速度数据寄存器地址为０Ｘ０１—０Ｘ０６中读出　、】，、ｚ三轴的加速度数据信号。　加速度采用三级阀值检测人体跌倒信号，确保对人体姿态检测精度，分别检测加速向量幅值ＳＶＭ、　微分加速度幅值绝对平均值ＭＡＤＳ、垂直姿态角ｙａｗ。当ＳＶＭ＞１．８　ｇ、ＭＡＤＳ＞０．３６　ｇ／ｓ、ｙａｗ＜８Ｏ。或　ｙａｗ＞１００。即判定人体跌倒　。ＧＰＳ测量跌倒状态经度与维度，ＧＳＭ模块及时发送跌倒报警信号至手机，　通过手机ＡＰＰ接口查询人体跌倒位置及时救援，软件流程如图５所示。　图５系统软件流程图　４实验结果分析　系统测试包括３个部分：检测人体跌倒准确率、ＧＰＳ定位误差、ＧＳＭ模块远程发送报警信号实时性。　根据人体日常行为及姿态，将可穿戴式人体跌倒监测与定位系统系于腰间，模拟跑步、步行、坐下、蹲　下、上下楼、弯腰、跌倒等大概率行为，测试系统检测准确率与稳定性，判断人体跌倒后ＧＰＳ测试地点　与实际跌倒地点误差；记录人体跌倒事件发生时间与手机接收报警信号时间，测试系统实时性，测试结　果如表１所示。经测试，系统检测人体跌倒行为稳定可靠、精度高，跌倒检测误差率≤１％，ＧＰＳ定位距　离误差小于２　ｍ、实时陛高，可广泛用于人体跌倒检测【１７｝。　表１系统测试结果　第２期　晏勇：可穿戴式人体跌倒监测与定位系统设计与实现　７５　５结语　本文采用ＦＰＧＡ作为控制核心，三轴加速度传感器采集人体跌倒参数，ＧＰＳ测量人体跌倒位置，ＧＳＭ　模块远程报警，实现了人体跌倒检测系统软硬件设计。经测试，系统精度高、实时强、体积小、待机时　间长、使用灵活方便，可用于人体跌倒定位与检测。　参考文献：　［１］梁力．基于老年人摔倒行为识别模型的计算机视觉监控系统［Ｊ］．科技通报，２０１３，２３（１０）：２２４—２２９．　［２］许继平，李景涛，彭森，等．基于三轴加速度传感器的老年人摔倒检测系统［Ｊ］．计算机仿真，２０１４，３１（１２）：４３４—４３７．　［３］Ｂｏｇｄａｎ　Ｋｗｏｌｅｋ，Ｍｉｃｈａｌ　Ｋｅｐｓｋｉ．Ｉｍｐｒｏｖｉｎｇ　ｆａｌｌ　ｄｅｔｅｃｔｉｏｎ　ｂｙ　ｔｈｅ　ｕｓｅ　ｏｆ　ｄｅｐｔｈ　ｓｅｎｓｏｒ　ａｎｄ　ａｃｃｅｌｅｒｏｍｅｔｅｒ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２０１４，　１６８（９）：６３４—６４５．　［４］　Ｒｅｎ—Ｊｙｅ　Ｄｚｅｎｇ，Ｙｉ—Ｃｈｏ　Ｆａｎｇ，Ｉ－Ｃｈｕｎｇ　Ｃｈｅｎ．Ａ　ｆｅａｓｉｂｉｌｉｔｙ　ｓｔｕｄｙ　ｏｆ　ｕｓｉｎｇ　ｓｍａ￣ｐｈｏｎｅ　ｂｕｉｌｔ—ｉｎ　ａｃｃｅｌｅｒｏｍｅｔｅｒｓ　ｔｏ　ｄｅｔｅｃｔ　ｆａｌｌ　ｐｏｒｔｅｎｔｓ　［Ｊ］．Ａｕｔｏｍａｔｉｏｎ　ｉｎ　Ｃｏｎｓｔｒｕｃｔｉｏｎ，２０１４，３８（４）：７４—８６．　［５］　Ｍ—Ｐｒａｎｅｓｈ　Ａｎａｎｄ，Ｒａｋｈｅｊａ　Ｓｕｂｈａｓｈ，Ｄｅｍｏｎｔ　Ｒｉｃｈａｒｄ．Ｉｎｆｌｕｅｎｃｅ　ｏｆ　ｓｕｐｐｏｒｔ　ｃｏｎｄｉｔｉｏｎｓ　ｏｎ　ｖｅｒｔｉｃａｌ　ｗｈｏｌｅ—ｂｏｄｙ　ｖｉｂｒａｔｉｏｎ　ｏｆ　ｔｈｅ　ｓｅａｔｅｄ　ｈｕｍａｎ　ｂｏｄｙ［Ｊ］．Ｉｎｄｕｓｔｉｒａｌ　Ｈｅａｌｔｈ，２０１０，４８（５）：６２８—６９７．　［６］　Ｂｏｇｄａｎ　Ｋｗｏｌｅｋ，Ｍｉｃｈａｌ　Ｋｅｐｓｋｉ．Ｈｕｍａｎ　ｆａｌｌ　ｄｅｔｅｃｔｉｏｎ　ｏｎ　ｅｍｂｅｄｄｅｄ　ｐｌａｔｆｏｒｍ　ｕｓｉｎｇ　ｄｅｐｔｈ　ｍａｐｓ　ａｎｄ　ｗｉｒｅｌｅｓｓ　ａｃｃｅｌｅｒｏｍｅｔｅｒ［Ｊ］．　Ｃｏｍｐｕｔｅｒ　Ｍｅｔｈｏｄｓ　ａｎｄ　Ｐｒｏｇｒａｍｓ　ｉｎ　Ｂｉｏｍｅｄｉｃｉｎｅ，２０１４，１　１７（３）：４８９—５０１．　７］　刘鹏，卢潭城，吕愿愿，等．基于ＭＥＭＳ三轴加速度传感器的摔倒检测［Ｊ］．传感技术学报，２０１４，２７（４）：５７０—５７５．　８］　刘勇．基于模式识别的跌倒检测仪研究［Ｄ］．重庆：重庆大学，２０１４：２６—４９．　９］　周树道，金永奇，卫克晶等．采用卡尔曼滤波算法的ＭＥＭＳ器件姿态测量［Ｊ］．实验室研究与探索，２２（２）：Ｉ１６—１２０．　１０　金纯，尹远阳．一种基于统计学判别分析的老人摔倒检测算法的研究［Ｊ］．计算机应用研究，２０１４，３１（１）：１０７一ｌ１１．　１１　张军建．基于三轴加速度传感器的体位突变检测研究［Ｄ］．济南：山东师范大学，２０１４：２５—４７．　１２　崔英辉，詹林．基于三轴加速度传感器的老人摔倒检测［Ｊ］．现代电子技术，２０１３，２３（３）：１１５—１２０．　１３　Ｆｒｅｅｓｃａｌｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ　Ｄｏｃｕｍｅｎｔ　Ｎｕｍｂｅｒ：ＭＭＡ８６５２ＦＣ　ｄａｔａ　Ｓｈｅｅｔ［ＥＢ／ＯＬ］．ｈｔｔｐ：／／ｗｗｗ．ｆｒｅｅｓｃａｌｅ．ｃｏｍ／ｚｈ－Ｈａｎｓ／ｐｒｏｄｕｃｔｓ／　ｓｅｎｓｏｒｓ／ａｃｃｅｌｅｒｏｍｅｔｅｒｓ／３一ａｘｉｓ—ａｃｃｅｌｅｒｏｍｅｔｅｒｓ／２ｇ－４ｇ－８ｇ—ｌｏｗ—ｇ一１２一ｂｉｔ－ｄｉｇｉｔａｌ—ａｃｃｅｌｅｒｏｍｅｔｅｒ：ＭＭＡ８６５２ＦＣ．２０１３：５—４５．　［１４］　陈天华，张小驰，许继平．基于三轴加速度传感器和电子罗盘的人体摔倒监测系统［Ｊ］．测控技术，２０１５，３５（２）：　２３２—２３５．　［１５］　周堂兴，范红．一种智能可穿戴的跌倒检测系统［Ｊ］．微型机与应用，２０１５，３１（２）：３１５—３２０．　［１６］　吴志强，曹蕾，王凯，等．基于智能手机的人体跌倒检测系统设计［Ｊ］．计算机工程与设计，２０１４，３１（４）：１３６—１４０．　［１７］　杜勇，路建功，李元洲．数字滤波器的ＭＡＴＬＡＢ与ＦＰＧＡ实现［Ｍ］．北京：电子工业出版社，２０１３：２５—２７７．　Ｄｅｓｉｇｎ　ａｎｄ　Ｉｍｐｌｅｍｅｎｔａｔｉｏｎ　ｏｆ　Ｗｅａｒａｂｌｅ　Ｆａｌｌ　Ｄｅｔｅｃｔｉｏｎ　ａｎｄ　Ｌｏｃａｔｉｏｎ　Ｓｙｓｔｅｍ　ＹＡＮ　Ｙｏｎｇ　（Ａｂａ　Ｔｅａｃｈｅｒｓ　Ｕｎｉｖｅｒｓｉｔｙ，Ｗｅｎｃｈｕａｎ　６２３００２，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｉｎ　ｏｒｄｅｒ　ｔｏ　ｔｒａｃｋ　ｔｈｅ　ｆａｌｌｅｎ　ｐｅｒｓｏｎ　ａｎｄ　ｃａｒｒｙ　ｏｕｔ　ａｎ　ｅｍｅｒｇｅｎｃｙ　ｒｅｓｃｕｅ，ｔｈｅ　ａｕｔｈｏｒ　ｐｒｅｓｅｎｔｓ　ａ　ｓｙｓｔｅｍ　ｗｉｔｈ　ａ　ＦＰＧＡ　ｅｍｂｅｄｄｅｄ　ｃｏｎｔｒｏｌｌｅｒ，ｕｓｉｎｇ　ｔｈｒｅｅ—ａｘｉｓ　ａｃｃｅｌｅｒａｔｉｏｎ　ｓｅｎｓｏｒ　ｔｏ　ｃｏｌｌｅｃｔ　ｈｕｍａｎ　ｆａｌｌ　ａｔｔｉｔｕｄｅ　ｐａｒａｍｅｔｅｒｓ，Ｋａｌｍａｎ　ｆｉｌｔｅｒ　ａｌｇｏｒｉｔｈｍ　ｔｏ　ｓｕｐｐｒｅｓｓ　ｎｏｉｓｅ　ｏｕｔ—　ｐｕｔ　ａｎｄ　ｔｈｒｅｅ　ｔｈｒｅｓｈｏｌｄ　ｔｏ　ｃｏｍｐａｒｅ　ｆａｌｌｓ　ｆｅａｔｕｒｅ　ｖｅｃｔｏｒ．Ｉｎ　ａｄｄｉｔｉｏｎ，ｔｈｅ　ｃｕｒｒｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｏｆ　ｆａｌｌ　ｐｏｓｉｔｉｏｎｓ　ｉｓ　ｃａｐｔｕｒｅｄ　ｔｈｒｏｕｇｈ　ＧＰＳ　ｍｏｄｕｌｅ　ａｎｄ　ｒｅｍｏｔｅ　ａｌａｒｍ　ｍｅｓｓａｇｅｓ　ａｒｅ　ｓｅｎｔ　ｔｈｒｏｕｇｈ　ＧＳＭ　ｎｅｔｗｏｒｋ　ｔｏ　ｓｍａｒｔ　ｐｈｏｎｅｓ，ｉｎ　ｗｈｉｃｈ　ａｎ　ＡＰＰ　ｉｓ　ｉｎｓｔａｌｌｅｄ　ｆｏｒ　ｒｅｃｅｉｖｉｎｇ　ｒｅａｌ－ｔｉｍｅ　ｌａａｒｍ　ｓｉｇｎａｌｓ．Ｔｈｅ　ｔｅｓｔ　ｒｅｓｕｈｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｓｙｓｔｅｍ　ｈａｓ　ａｄｖａｎｔａｇｅｓ　ｏｆ　ｈｉｇｈ　ｐｒｅｃｉｓｉｏｎ，ｒｅｌｉａｂｉｌｉｔｙ，ｌｅｓｓ　ａｌａｒｍ　ｄｅｌａｙ，ｌｏｎｇｅｒ　ｓｔａｎｄｂｙ　ｔｉｍｅ　ａｎｄ　ｉｔ　ｃａｎ　ｂｅ　ｗｉｄｅｌｙ　ｕｓｅｄ　ｉｎ　ｆａｌｌ　ｄｅｔｅｃｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｅｌｄｅｒｌｙ．　Ｋｅｙ　ｗｏｒｄｓ：ｔｈｒｅｅ—ａｘｉｓ　ａｃｃｅｌｅｒａｔｉｏｎ　ｓｅｎｓｏｒ；Ｋａｌｍａｎ　ｆｉｌｔｅｒｉｎｇ；ｔｈｒｅｅ　ｌｅｖｅｌ　ｔｈｒｅｓｈｏｌｄ；ＧＰＳ　ｍｏｄｕｌｅ；ＧＳＭ　ｍｏｄｕｌｅ