现代电子技术
Modern Electronics Technique
Sep.2022Vol.45No.18
2022年9月15日第45卷第18期
发光棒0引言
据统计，截至2019年末，我国60周岁及以上的老年人已超过25000万人，占总人口的18.1%。其中，65周岁及以上老年人已超过17000万人，占总人口的12.6%。截至2020年，这一数据还在继续上升。老龄社 luciano rivarola会的到来必然会带来很多的社会问题与挑战，传统的养老方式难以满足老年人的有效需求。所以提供高效养老服务、焕然一新的养老模式，是养老事业未来的发展趋势[1]。
当前，国内已有相关人员研究出居家环境监测的系统。李昌奇等人设计的基于Android 和WiFi 的智能居 DOI ：10.16652/j.issn.1004⁃373x.2022.18.033
引用格式：张震，郭晓金，刘煌.居家智慧养老监测系统的设计[J].现代电子技术，2022，45（18）：171⁃176.
居家智慧养老监测系统的设计
张
震，郭晓金，刘
煌
（重庆邮电大学信息与通信工程学院，重庆
400065）
后挂式耳机摘要：为了提高养老服务效率，解决传统养老方式难以提供有效需求的问题，文中设计一种对老年人居家环境质量监测与行为异常检测的系统。该系统通过WiFi 技术组建网络实时采集如温湿度、可燃气体浓度、粉尘浓度与甲醛浓度等居家环境数据，并发送给STM32主控制器；然后通过NB⁃IoT 无线传输到后台上位机对数据进行分析处理。一旦数据出现异常，蜂鸣器就会发出警报使人能够及时察觉。另外，在检测是否有摔倒行为的同时对老人所处地理位置信息进行采集，若出现异常，则触发GSM 模块工作，向老人亲属或者监护人求助。在采集摔倒信息时，为减小环境对采集数据的影响，采用卡尔曼滤波算法对数据进行优化处理，以提高数据采集的精度，减少对老年人摔倒检测现象的误判。系统功能测试结果表明，所设计的居家智慧养老监测系统组网灵活，准确性与可靠性较高。
关键词：智慧养老；居家监测；系统设计；摔倒检测；远程监控；卡尔曼滤波算法中图分类号：TN931+.3⁃34
文献标识码：A
文章编号：1004⁃373X （2022）18⁃0171⁃06
Design of home intelligent elderly care monitoring system
ZHANG Zhen ，GUO Xiaojin ，LIU Huang
（School of Information and Communication Engineering ，Chongqing University of Posts and Telecommunications ，Chongqing 400065，China ）
Abstract ：A system for monitoring the quality of the home environment of the elderly and detecting abnormal behaviors is designed to improve the efficiency of elderly care services and solve the probl
em that traditional elderly care methods are difficult to provide effective demand.The system can collect home environment data （including temperature and humidity ，combustible gas concentration ，dust concentration ，formaldehyde concentration ，etc.）in real time through network constructed by WIFI technology and send it to the STM32main controller.The data is transmitted wirelessly to the background host computer through Nb⁃IoT to perform data analysis and processing.Once the data is abnormal ，the buzzer will give an alarm to make people detect it in time.The geographic location information of the elderly can be collected while detecting whether there
is falling behavior ，and if there is an abnormality ，the GSM module can be triggered to work ，so as to send a text message to the relatives or guardians of the elderly for help.In order to reduce the impact of the environment on the collected data in collecting the falling information ，the Kalman filter algorithm is used to optimize the data to improve the accuracy of data collection and reduce the misjudgment of falling detection in the elderly.The system function testing results show that the designed home intelligent elderly care system has the advantages of flexible networking ，high accuracy ，and reliability.Keywords ：wisdom endowment ；home monitoring ；system design ；falling detection ；remote monitoring ；Kalman filter
algorithm
收稿日期：2022⁃02⁃16
修回日期：2022⁃03⁃23
基金项目：国家自然科学基金项目资助（61671094）；重庆市科委项目（CSTC2015JCYJA40032）
171
现代电子技术
2022年第45卷
家监控系统对居家环境的数据进行了全面的采集，但采
用STM32主控制器连接了所有的传感器模块，使所采集的环境数据的准确性大大降低[2]。如果采用单一的单片机连接多种传感器，势必会影响环境数据的采集。对于摔倒检测的设计，李京慧等人设计的基于阈值分析法的人体跌倒检测系统虽然采用了支持向量机（SVM ）和姿态角联合与阈值比较，判断是否摔倒，但其忽略了传感器本身采集数据时环境噪声带来的干扰，从而使测得数据不够准确，会出
现误判的现象[3]。本文针对现有的居家智慧养老监测系统存在的不足之处，以准确监测环境数据和提高摔倒检测的准确性为切入点，研究出一套高效、实时、低成本的居家养老监测系统。
1系统整体框架设计
居家环境质量的监测可以实现对室内的温湿度、可
燃气体浓度监测，及对室外的粉尘浓度监测。摔倒检测主要是针对老年人日常活动是否有摔倒行为进行监测。本课题设计的居家养老监测系统整体框架包含以下几部分：居家环境数据采集端（布置在室内与室外）、运动状态监测端（可穿戴设备，配置在老人身上）、主控显示收发端、远程监控服务器端（上位机）。系统整体框架设计如图1
所示。电石生产工艺
图1系统整体框架设计
居家环境监测采用WiFi 组网的方式进行数据采集，一般分为两个部分：无线接入部分（Access Point ，AP ）和无线终端部分（Station ，STA ）。无线接入点负责建立无线局域网，当各个无线终端数据采集节点连接到AP 所建立的网络后，就能发送数据给AP [4⁃5]。本系统利用WiFi 的优势有针对性地采集环境数据，采集卧室和
客厅的温湿度数据、厨房的可燃气体浓度数据等，提高采集数据的准确性。AP 负责接收每个STA 发送过来的环境数据，通过串口通信传给STM32主控制器[6]，并在LCD 显示屏上显示出环境数据；STM32主控制器连接NB⁃IoT 无线远程传输模块将环境数据发送到远程监控中心。远程监控部分主要由MySQL 数据库和上位机软件两部分组成。数据库主要负责存储主控制器传输过来的数据，上位机软件可以进行数据库访问，对环境数据实时显示。
考虑到老年人日常在家行走或者外出时佩戴可穿戴设备进行监测运动状态，本设计需要另一块STM32主控器负责检测是否有摔倒行为。主控制器将采集到的运动数据和位置信息一并传输给远程监控中心，远程监控中心可以查看老年人的运动状态和调用百度地图实时显示老人的地理位置，一旦出现异常，触发GSM 模块工作，向老人亲属或者监护人求助。
2系统硬件设计
系统硬件以STM32主控制器为核心，包括数据采
集部分硬件设计和数据远程发送部分硬件设计。2.1
数据采集发送端硬件设计
数据采集主要是对环境数据、运动状态数据和位置信息的采集。环境数据采集时组建WiFi 网络，无线接入点（AP ）负责建立WiFi 网络，然后每个无线终端（STA ）分别布置在所需要采集数据的房间里面，分别采集卧室的温湿度数据、厨房的可燃气体浓度数据、室外的粉尘浓度数据（主要为PM 2.5）。当每个无线终端与无线接入点进行SSID 与密码的匹配成功后，即表示成功连接WiFi 网络。WiFi 网络的无线接入点和无线终端都
采用的是乐鑫信息科技推出的ESP32芯片，该芯片是2.4GHz WiFi 加蓝牙双模芯片，采用TSMC 低功耗40nm 技术，有完整的TCP/IP 协议栈。本系统的无线终端采集环境数据的硬件设计如图2
所示。
图2无线终端数据采集节点硬件设计
采用SHT30数字温湿度传感器来测量卧室的温湿度数据。该传感器是一款温湿度复合传感器，采集温度范围是-40~125℃，分辨率为0.015℃，精度误差为±0.3℃；湿度分辨率为0.01%RH ，精度误差为±3%RH 。ESP32模块连接SHT30，通过I 2C 的通信方式实现对温湿度数据的采集。
MQ⁃2烟雾传感器用于检测日常生活中厨房的可燃
气体浓度，该传感器可以对液化气、天然气、丙烷、烟雾
172
第18期
等气体进行检测，是一款适合多种应用的低成本传感
器。ESP32模块连接MQ⁃2传感器之后，将输出的电压信号进行转换就可以得到可燃气体浓度。
PMS5003S 是一款可测量环境中PM 1.0、PM 2.5、PM 10、
甲醛浓度的传感器，有效量程为0~1mg/m 3，分辨率为0.001mg/m 3，具有高精度、高稳定性的特点。ESP32模
块与PSM5003S 连接后通过串口通信的方式直接输出。依据传感器测得的PM 2.5浓度数据来判断老年人是否适宜外出活动。
OLED 屏幕用于显示所采集的环境数据，通过串口
下载程序驱动ESP32模块工作，电源模块使用5V 电池组供电。2.2
环境数据远程发送端硬件设计
环境数据远程发送部分以STM32主控制器为核
心，布置在家庭中。主控制器采用STM32F103型单片机，以Cortex⁃M3为内核，成本低且性能好[7]。远程发送端硬件设计如图3
所示。
图3环境数据远程发送端硬件设计
无线接入点将环境数据通过串口通信的方式传给STM32主控制器，主控制器连接NB⁃IoT 模块，将环境数据发送给远程监控端；LCD 屏幕用来显示环境数据；出现异常数据时蜂鸣器会发出警报。2.3
运动状态监测端硬件设计
本系统对于老年人运动状态监测，需要使用另一块STM32主控制器佩戴在老人身上。监测硬件设计如图4
所示。
膨胀反应图4运动状态监测硬件设计
MPU6050是InvenSense 公司推出的6轴运动处理
组件，免除了组合陀螺仪与加速器时之轴间差的问题，并利用自带的数字运动处理器（DMP ）硬件加速引擎，非常方便地实现姿态解算，降低了运动处理运算对操作系统的负荷，也大大降低了开发难度。STM32芯片连接MPU6050传感器，通过I 2C 的通信方式获取老年人的运动数据，以此判断老人是否有运动异常的状况出现[8]。
若老人外出活动时，监测其运动状态还要知道其所在位置，这样才能做到出现意外时第一时间赶到现场采取处理措施。本系统的定位模块采用GPS/BDS 模块[9]，该模块支持GPS 、北斗、GPS+北斗三种定位模式，定位性能更加优良。GSM 模块采用SIM900A 模块[10]，该模块内部集成GSM 模块，可以低功耗实现SMS （短信、彩信）的传输。当老年人出现运动状态异常时，SIM900A 模块就会进行求助。
3运动数据分析
本系统采用支持向量机（SVM ）联合姿态角的双阈
值判别法来判别老人是否摔倒。MPU6050传感器可以直接测量出运动时x ，y ，z 轴三个方向的加速
度和3个姿态角，分别是a x 、a y 、a z 、俯仰角、偏航角、翻滚角，如图5所示。双阈值判别法相较于单一阈值判别法确实可以提高判别结果的准确性，减少误判现象的出现。但是考虑到环境噪声对传感器造成的影响，可能会导致测量的数据误差增大进而发生误判，本系统运用卡尔曼滤波算法
对所测数据进行优化处理，
从而减小误判的可能性。
图5运动状态加速度与姿态角示意图
卡尔曼滤波是一个递归的过程[11]，该过程可以用卡尔曼滤波的5个核心公式来概括。每一次的递归都需要执行预测和修正，核心公式的前2个为预测过程，后3个为修正过程。
1）预测系统状态
系统根据k -1时刻的X ()k -1|k -1最优估计值，算出k 时刻的估计X ()k |k -1：
X ()k |k -1=A X ()
k -1|k -1（1）
张震，等：居家智慧养老监测系统的设计173
现代电子技术2022年第45卷式中：X()
k|k-1表示k时刻估计值；X()
k-1|k-1表
示k-1时刻的最优估计值；A为给定的系统参数，由于本
系统是单测量系统，所以A=1。螺钉加工
2）预测误差协方差
由X()
k-1|k-1的协方差P()
k-1|k-1可以得
出X()
k|k-1的协方差P()
k|k-1：
P()
k|k-1=A P()
k-1|k-1A T+Q（2）
式中：Q是系统过程噪声的协方差；A T为矩阵A的转置
矩阵。
3）计算卡尔曼增益
根据式（2）中得到的P()
k|k-1，可以得出卡尔曼
增益K g()k：
K g()k=P(k |k-1)H T
H P()
k|k-1H T+R（3）式中：R为测量过程的噪声协方差；H T为H的转置矩阵。其中H为系统的测量参数，本系统中测量参数设定H=1。4）用测量值Z()k修正估计值
利用k时刻的测量值Z()k可以修正估计值X()
k|k-1，从而得到k时刻的最优估计值X()
k|k：X()
k|k=X()
k|k-1+
K g()k[Z()k-H X(k|k-1)]
（4）5）更新误差协方差
得出k时刻X()
k|k的协方差P()
k|k：
P()
k|k=[I-K g(k)H]P(k|k-1)（5）式中I为单位矩阵。
预测和修正过程中，能够通过上一时刻状态的最优估计值和当前状态的测量值，得出所需要的当前状态最优估计值，然后自回归运行。
判断摔倒的步骤如下：
1）老人在正常行走时的身体加速度在1g上下波动（g为重力加速度），当检测到的运动合加速度SVM= a2x+a2y+a2z超出2g且姿态角（俯仰角和翻滚角任一个）超出45°时，即判定为摔倒。式中a表示老人在运动时身体的加速度数据（相对于重力加速度g），本系统测量时以老人正常站立时重心向下的方向作为z轴，垂直于身体的正前方向作为x轴，垂直于身体的正右边方向作为y轴。
2）从传感器中采集三个方向的加速度与姿态角数据，分别经过卡尔曼滤波算法来减小环境干扰，处理后的运动状态数据均超出阈值即判定为摔倒。4系统软件设计
4.1无线终端节点软件设计
ESP32芯片的WiFi功能是基于Light Weight IP协议（LWIP协议）进行开发的，在保持TCP协议功能的基础上减少了对内存（RAM）的使用，非常适合在较低端的嵌入式系统中使用。
ESP32模块选择AP模式启动创建WiFi网络，成功之后其他ESP32模块选择STA模式扫描出范围内可用的WiFi网络。STA要连接AP，首先要进行SSID和密码的匹配，匹配成功后建立TCP连接，连接完成后就可以进行数据的传输。
考虑到终端采集节点是对环境数据的采集，每个终端节点布置在不同位置，一般采用电池供电，不必要全天候的采集数据，所以设置无线终端的定时采集模式，工作时间内唤醒采集节点，工作时间外设置休眠状态，降低了无线终端节点的功耗，延长了电池寿命。工作时间段设置在7：00—9：00，11：00—13：00，18：00—20：00，主要集中在老年人每天吃饭及饭后活动和休息时间。工作期间设定节点的采集周期为5min。数据采集终端软件流程设计如图6
所示。
图6数据采集终端软件流程设计
4.2环境数据远程发送端软件设计
数据远程发送部分要对环境数据进行存储并发送给远程监控端。环境数据远程发送软件流程设计如图7所示。
4.3运动状态监测端软件设计
在监测老年人运动状态时除了采集运动数据，还要采集地理位置信息。运动状态监测软件流程设计如图8所示。
174
第18
期
图7
环境数据远程发送软件流程设计
图8运动状态监测软件流程设计
4.4
远程监控服务端软件设计
远程监控部分是基于C/S （Client/Server ）模式设计
的服务端软件，由用户操作的监测软件和数据库两部分组成。数据库用来存储和处理采集的环境数据信息以及运动状态和地理位置信息，而用户操作的监测软件则是负责通过访问数据库查看系统所采集的数据信息。本设计采用Qt 界面开发工具进行监测软件的开发工作[12]，数据库使用MySQL 数据库管理系统。服务端软件设计框图如图9所示。
用户操作的监测软件主要有三个模块：用户信息管理、环境数据管理、地理位置信息。用户通过人机交互界面可以直接操作存储在数据库中的环境数据和地理位置信息。在实现地图定位功能中，百度地图提供了丰富的API 接口，本设计选择使用百度地图嵌入Qt 中。其过程为：
1）获取地图文件BDMap.html 和百度地图的APIKey ；
2）Qt 中加载百度地图要用到网络浏览器，所以需
要加入浏览器类QWebEngine （该步骤需要上位机联网）；
3）创建Qt 与html 的连接通道QWebChannel 类，通
过该通道可以实现主程序与网页之间的通信，从而实现
定位功能。
图9服务端软件设计
5系统功能测试
在某家庭进行环境监测的测试，本系统分别采集卧
室温度和湿度数据、厨房可燃气体浓度数据和室外的粉尘浓度，一个无线接入点负责组建WiFi 网络和接收环境数据。而摔倒监测与定位功能的应用则让某学生负责完成测试。
使用Qt 开发的上位机软件通过访问数据库显示出环境数据，如图10所示。使用GPS 定位功能所获得经
纬度信息通过上位机软件应用百度地图实现定位，如图11所示，
黑标点即是当前所在位置。
图10
环境数据显示软件测试图
6结论
本文设计并实现了居家智慧养老监测系统，采用WiFi 组网的方式对居家环境数据进行监测，并对老年人日常运动进行监测与定位。经过功能测试，该系统可
张震，等：居家智慧养老监测系统的设计175
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议