根据统计,跌倒已经成为世界上仅次于交通事故的第二大意外伤害致死成因。而在这些与跌倒相关的死亡中,超过65岁的人居多,所以跌倒已经成为危害老年人的重要因素之一。面对全球日益突出的老龄化问题,开发出一套方便携带、判断精确实时的跌倒检测系统具有极其重要的经济价值和社会价值。对于跌倒过程的有效检测方法,国内外的许多高校和研究机构都在进行不断的研究与实验,并且也获得了较好的成效。目前使用最普遍跌倒检测方法为可穿戴式检测装置。针对跌倒检测阈值判断实验阶段数据采集的需要以及传统数据采集系统中有线方式传输麻烦,分析数据时实时性不强,容易产生误判断等缺点,本文设计了一种成本低廉的基于九轴MEMS惯性传感器的Wi-Fi网络的跌倒检测系统。系统主控采用STM32F407,Wi-Fi射频模块采用单芯片SOC芯片ESP8266(乐鑫公司),惯性传感器采用MEMS低功耗芯片MPU9150(InvenSense公司)。首先,传感器节点佩戴在身体各个关节处,通过MPU9150实时采集身体各部位的姿态参数,包括加速度、角速度和姿态角,采用数字滤波进行融合,实时输出精确的运动过程中身体姿态参数。然后,系统采用Wi-Fi传输的方式,将运动过程中身体各个部位的姿态数据通过ESP8266实时发送到无线数传模块。最后,设计了PC端上位机数据分析软件平台,能够对各节点数据波形进行实时显示、回放、可视化分析测量、数据存盘和读取。同时上位机软件能够通过无线的方式个性化配置传感器节点。利用上述系统,在进行人体模拟跌倒或者日常生活行为的人体躯干各部位运动姿态参数无线采集、波形实时观测分析等实验中发现,系统的无线传输可靠稳定,测量数据精度高,并且能够进行实时数据传输。PC端分析软件可以方便导出姿态数据,调用Matlab分析设计出跌倒检测算法,采用了加速度阈值算法和倾角阈值算法对本次实验的数据进行了检测分析,得到了较好的实验结果,能够有效的检测出跌倒行为。