目前,我国人口结构已经进入老龄化阶段,老年人的占比也而来越高。老年人跌倒成为困扰家庭和社会的严重问题,老年人发生跌倒后伤害大,后遗症多,对生理和心理都会造成严重的损害,导致严重的家庭负担。减少老人跌倒的伤害除了预防还需要在跌倒时得到及时的救治。通过科学方法研究老人跌倒的运动学过程并检测及预测跌倒已经成为全球范围内一个热门的课题。针对上述问题,本文提出了一种基于MEMS惯性传感器的可穿戴式跌倒检测系统,在人体发生跌倒前发出预警,并且将跌倒信息发送至监护平台。本文的主要工作如下:(1)说明了老人跌倒伤害的发展趋势,对现有的跌倒检测系统和跌倒检测算法进行研究并分析其优劣势,确定采用九轴加速度传感器作为人体运动学数据的采集核心。(2)对人体行为进行分类,依照行为种类分为正常行为和跌倒行为,依照运动学数据的变化分为普通行为和剧烈行为。建立笛卡尔坐标系,利用四元数结合互补滤波进行姿态解析。(3)设计了系统的软硬件,硬件部分包括微控制器、MEMS惯性传感器、GPS/GPRS模块、蓝牙模块,电源模块和报警模块。同时绘制了电路图和PCB板并制作出实物样品。编写和测试了采集运动学数据、跌倒检测和报警程序。(4)对不同行为的运动学数据进行分析,提取合加速度角、合角速度与合姿态角作为分类特征,提出多级阈值检测法和支持向量机检测法。通过支持向量机确定了合加速度角、合角速度与合姿态角的阈值。设计使用分裂法来优化支持向量机法中的特征向量。(5)对系统进行了测试。对多级阈值检测法和支持向量机检测法进行了实验。多级阈值检测法值灵敏度、特异度、准确度分别为91%、93.33%、92.27%;支持向量机检测法的灵敏度、特异度、准确度分别为99%、96.67%、97.73%。得到结果:支持向量机检测法检测效果要优于多级阈值法。。