本文版权为《邮电设计技术》所有,如需转载请联系《邮电设计技术》编辑部
摘要:跌倒造成的危害被认为是老年人生活中主要的健康威胁之一,由于Wi-Fi信号分布范围广且Wi-Fi设备造价低,因此利用Wi-Fi信号进行跌倒检测的方法成为研究的热点。首先将从Wi-Fi设备中提取的信道状态信息(CSI)的幅值进行预处理,消除环境噪声干扰以及频率选择性衰落的影响,其次利用局部离群因子(LOF)检测算法判定是否有行为发生,然后建立室内跌倒过程中无线信号传播模型,并利用主成分分析(PCA)算法提取特征值,最后利用支持向量机(SVM)对这些行为进行识别,并使用随机森林(RF)分类算法提高识别的精度。
关键词:智慧医疗;行为识别;信道状态信息;跌到检测
doi:10.12045/j.issn.1007-3043.2022.08.011
概述
根据疾病控制和预防中心的统计数据,65岁以上的老年人中每年有1/3由于跌倒造成伤害,跌倒检测技术作为智慧医疗的关键技术之一也变得越来越重要。现有的跌倒检测(FD)系统可以分为4类:环境设备、相机、可穿戴传感器和智能手机。由于环境设备需要事先植入特定的设备;相机的FD系统价格比较昂贵,且容易侵犯隐私;可穿戴式传感器和智能手机的FD系统都使用传感器来检测3个坐标轴上加速度或速度的变化,对使用者而言相对较重,携带不方便。因此,研究一个高精度、低成本、使用方便的跌倒检测系统非常必要。
无线技术的飞速发展使得对老年人在室内环境下进行基于无线局域网(WLAN)的跌倒检测成为可能,WLAN基础设施可以通过简单的部署来支持高精度、低成本的跌倒检测,基于此,本文研究利用CSI的幅值特性来判断当前时刻是否有行为发生,然后建立基于室内跌倒状态的信号传播模型,分析不同反射径信号的传播特性,对比站立、坐下、行走这些行为和跌倒行为发生时对信号产生干扰的区别,通过PCA算法对这些特征进行提取,最后结合SVM算法和RF算法对这些行为进行识别,从而检测出是否有跌倒行为的发生。