近些年来，随着人口老龄化进程的不断加剧，特别是我国独生子女家庭比例逐年增大引起的“空巢老人”现象，导致我国社会已经面临十分严峻的人口老龄化局面，体位突变对老年人健康的威胁随之日趋严重。以人体跌倒为例，老年人经历跌倒，严重威胁着老年人体健康乃至生命，每年因跌倒而造成的老年人健康问题，给社会造成沉重的负担。因此通过对人体体位突变进行准确识别和及时预警，及时救助老年人从而大大降低伤残率和死亡率，最大程度的提高老年人的健康水平，节省社会医疗保险开销，具有重要意义。本文基于MMA7260QT加速度传感器，获取的人体加速度信号，建立了人体跌倒检测数据库，以人体运动加速度信号作为研究对象，实时检测跌倒。在介绍了课题背景意义及相关领域的研究现状后，主体研究内容如下：加速度信号获取部分，这一部分包括人体空间坐标系的建立和人体跌倒检测系统的参数设置。首先，获取的人体加速度信号，看作是一个三维矢量，用空间直角坐标系X、Y、Z三个轴来表示其方向。考虑到与监护心电导联一起使用，跌倒检测系统的佩带位置为人体前胸左侧心脏部位，令X轴表示人体竖直方向，Y轴表示前后方向，Z轴表示左右方向。其次本系统三轴加速度信号的采样频率为200HZ，三轴加速度传感器MMA7260QT量程选择4g。加速度信号预处理部分，包括加速度信号的去噪和人体运动加速度信号的获取。首先，明确了三轴加速度传感器的输出信号的组成，其次选择合适的去噪方法，输出信号中掺杂了大量脉冲噪声，采用非线性信号处理技术的中值滤波器予以滤除，最后人体加速度信号，包含重力加速度和运动加速度信号两部分，分离出人体运动加速度信号，作为跌倒检测的基础信号。采用人体加速度向量幅值(SVM)和人体加速度向量区域值(SMA)描述了老年人的运动状态，检测人体跌倒，具有良好的准确性和实时性。由于佩戴位置较高，加速度信号中包含相对多的相对位移噪声，造成SVM含有较多的脉冲噪声，对检测跌倒产生干扰。采用小波变换，有效去除脉冲噪声，人体发生跌倒时，SVM值超过0.9g的持续时间一般在60ms左右。本系统设定采样频率为200HZ，将连续12个采样点的SVM值都大于等于0.9g，通过第一级检测，有效降低了误判率和漏判率。在SVM基础上，检测各个跌倒的SMA，SMA表征人体运动状态变化的剧烈程度，其值越大表明人体运动状态越剧烈。滤除疑似跌倒，进一步提高检测人体跌倒发生的准确率。当SVM和SMA同时检测到跌倒发生时，系统立即报警。仿真结果的统计分析部分，经过大量的仿真测试，对检测数据进行分析，可以认为SVM和SMA具有极低的误判率和漏判率。最后，对检测方法进行总结和展望，虽然可以证明SVM和SMA算法不仅直观而且可以提供有效量化指标，但是这方面的研究还很少，下一步的研究工作可以进行更多的数据补充，检测方法的改进以及新特征量的发掘等等。