跌倒监测系统的目标是将跌倒行为(Fall)与日常活动中的正常动作(ADL:Activities of Daily Life)区别开,从而方便采取措施防止跌倒,或者通过报警等方式缩短等待救助的时间,减小跌倒带来的危害。跌倒监测系统包括跌倒检测与跌倒预警。在人口老龄化的背景下,开展老年人跌倒监测研究工作,具有重要的社会意义。本文研究了基于MEMS (Micro-electro-mechanical System)惯性传感器的跌倒检测与预警系统,主要包括三个部分。第一,将人体活动模式分为ADL和跌倒并进行细分；在此基础上设定跌倒实验的活动模式,并组织实验；通过9个佩戴在身体不同部位的惯性传感器节点记录下实验对象的运动和姿态数据。第二,重点研究基于运动的跌倒监测算法。研究发现,在跌倒冲击相位中,将加速度阈值设置在21-28m/s2内可以得到100%的跌倒检测灵敏度和特异度,是目前最佳的跌倒检测算法；在跌倒冲击前相中,当加速度阈值为4.5m/s2时,跌倒预警算法可以做到98.61%的灵敏度和98.61%的特异度,算法预警前置时间平均为300ms；以速度为特征信号的跌倒检测算法,速度阈值为-1m/s时性能最佳,在没有误报的前提下检测灵敏度达到了98.61%。实验证明,在人的身体部位中,腰部和胸口最适合放置跌倒传感器,且监测性能相差不大,都远优于腿部的节点,实际应用中可根据需要灵活选择。第三,对跌倒理论进行了深入研究,在将跌倒事件划分为跌倒前相、关键相位、跌倒后相、恢复相位的基础上,根据人体受到的冲击,将关键相位细分为冲击前相、冲击相位、冲击后相。跌倒前置时间是跌倒理论的重要部分,本文对跌倒前置时间进行了理论上的定义,研究发现前置时间的理论值约为500±300ms。综上所述,本文系统研究了老年人跌倒检测与预警方法,并着重进行基于运动的跌倒监测算法研究。本论文设计实验,并进行数据分析与处理,获得了理想的实验结果。在此基础上,本文又继续深入研究并完善了老年人跌倒相关理论。