随着老龄化社会问题的加剧,中老年人的健康问题日益引起人们的关注。因此对中老年人日常运动姿态和心率等生理信号进行实时监测,评估中老年人的身体健康状况,具有重要的社会意义。可穿戴设备具有体积小、携带方便等优点,可以实现在低生理和心理压力下进行人体生理信号的动态获取,对中老年人的日常健康监护、病人康复治疗等方面有着重大的实用价值。可穿戴设备与医疗、健康领域的结合,将成为新医疗模式下的重要健康监护设备,毫无疑问,移动医疗必然是未来的趋势。可穿戴设备迅猛发展,若干关键技术问题亟待解决。本文的主要研究内容概述如下：一、心率检测算法的改进研究。目前能够进行心率检测的设备很多,但往往体积较大、价格昂贵,有些甚至需要进行专业操作,无法进行实时心率监测。智能手表体积小、携带方便、集成多种传感器,可以对心率等多种生理信号和运动状态进行监测。当心率值超过设定的阈值时,能够主动发出报警,因此心率检测的准确性就显得尤为重要。但是通过研究发现,目前智能手表的心率检测核心算法仅掌握在少数心率检测传感器供应商手中,如飞利浦公司、Analog Deivces公司(简称ADI)等,他们对核心代码的垄断,导致其他可穿戴设备公司研发具有心率检测功能的智能手表的成本提高。本文在研究智能手表进行心率检测原理的基础上,通过对脉搏血氧仪中的心率检测算法进行研究和改进,尝试寻找一套准确率高、可移植性好的心率检测算法,实现其在智能手表上的应用,从而降低面向中老年人危急救助智能手表的研发成本。本文提出一种基于PPG信号的心率检测算法,在波谷检测时,借鉴K-means聚类方法,提高了波谷检测的准确率,从而保证了心率检测算法的准确率。通过对比实验,验证该算法的有较高的准确率和稳定性。二、跌倒检测算法的改进研究。通过研究发现目前大多数跌倒检测是基于加速度传感器,在腰部进行检测。之所以选择腰部,是由于腰部动作特征不明显,而手部动作丰富,复杂度高,进行腕部跌倒检测的研究较少,即便目前市场上出现具有跌倒检测功能的智能手表,其准确率不高,漏报、误报率较高。本文在研究跌倒检测技术和总结前人经验的基础上,结合腕部运动特点,利用加速度计、陀螺仪和高度计进行跌倒检测。采用加速度特征值SMVA、角速度特征值SMVW和高度值融合的阈值判断跌倒检测算法,对跌倒检测算法进行改进,以提高跌倒检测的准确率,降低误报率,同时通过判断动作发生后,人体所处的状态,来进一步保证算法的准确率。三、用户分组分类方法研究。智能手表不仅可以采集心率信息,也可以采集用户的运动信息、行为轨迹、高度信息等,这些信息蕴含着巨大的商业价值。通过对智能手表采集的信息进行分析处理,可以从用户的历史数据中挖掘用户的特征与“兴趣”偏好,对用户进行分组分类,从而为用户提供个性化的服务。本文主要对用户分组分类方法进行初步研究,找出适合对智能手表采集到的信息进行分类的方法,为实现用户分组分类,提供个性化服务提供理论依据。