[发明专利]一种基于多传感器的非侵入式跌倒检测方法及系统

权利要求书

1.一种基于多传感器的非侵入式跌倒检测方法，其特征是，包括：

分别采集给定空间内的被监测对象反射的毫米波雷达信号和被监测对象辐射的热释电红外信号；

对采集到的被监测对象反射的毫米波雷达信号进行短时傅里叶变换和第二级快速傅里叶变换，生成节奏速度图，从节奏速度图中提取出物理、纹理、变换域三大类特征，生成毫米波雷达特征矩阵，进而获取毫米波雷达最优特征矩阵；

对采集到的被监测对象辐射的热释电红外信号进行快速傅里叶变换，形成频谱作为特征向量，同时进行短时傅里叶变换分解到时频域，并进行特征提取，获取热释电红外信号级联特征矩阵；

将毫米波雷达最优特征矩阵和热释电红外信号级联特征矩阵串联并通过序列前向选择算法获取最优级联特征矩阵；

以最优级联特征矩阵作为决策分类器的输入，输出被监测对象的状态信息。

2.根据权利要求1所述的基于多传感器的非侵入式跌倒检测方法，其特征是，获取毫米波雷达最优特征矩阵的方法，具体为：

将同向分量和正交分量结合得到被监测对象反射的毫米波雷达信号的复信号s(n)：

s(n)＝s_I(n)+js_Q(n) (1)

复信号s(n)的短时傅里叶变换定义为：

其中，K＝0,1,...,N_w-1；τ＝0,1,..,N_b-1；g(n)是长度为N_w的时间窗滑动函数；Δτ表示两个连续窗口间的重叠样本数，由重叠因子决定；N_b表示窗口总数量；

接着，对复信号s(n)进行第二级快速傅里叶变换处理，生成节奏速度图：

其中，m＝0,1,...,N_b-1；g(τ)是长度为N_w的时间窗滑动函数；

从生成的节奏速度图中提取出物理、纹理、变换域三大类特征，生成原始的毫米波雷达特征矩阵；通过序列前向选择算法产生评价函数最高值的毫米波雷达最优特征矩阵。

3.根据权利要求1所述的基于多传感器的非侵入式跌倒检测方法，其特征是，获取热释电红外信号级联特征矩阵的方法，具体为：

假设采集到的被监测对象辐射的热释电红外信号的序列为X(N)，假设N＝2ⁿ，n为自然数；将序列X(N)按输入的时间顺序的奇偶分为X₁(k)和X₂(k)两组子序列，长度均为N/2，则当时，

同时，通过短时傅里叶变换将采集到的被监测对象辐射的热释电红外信号的序列为X(N)分解到时频域，获取每个信号频谱能量随时间变化的趋势；短时傅里叶变换的定义如下：

其中，x(m)是输入信号，w(m)是时间窗滑动函数，N为输入信号总长度；

将上述得到的频域和时频域特征通过主成分分析法进行特征提取，得到热释电红外信号级联特征矩阵。

4.根据权利要求1所述的基于多传感器的非侵入式跌倒检测方法，其特征是，所述决策分类器的获得方法为：

基于集成学习中的AdaBoost算法，采用三个弱分类器多层感知机、K近邻和支持向量机；将最优级联特征矩阵作为三个弱分类器的输入数据，按比例划分为训练集T和验证集V，T和V中正、负样本的比例相同，其中，正样本表示跌倒，负样本表示未跌倒；针对同一个训练集T训练不同的三个弱分类器，将这三个弱分类器集合起来，得到一个表现力更好的强分类器；利用验证集V对生成的强分类器进行验证，得到最优参数后，作为决策分类器。