目前，跌倒檢測方法最常見的是視頻圖像分析法和穿戴式裝置檢測法。前者使用視頻攝像頭，不能保證用戶隱私安全;后者是傳感器裝置，需要基站來服務，外出時易忘記佩戴。使用智能手機進行跌倒檢測是一個可行的且有很大發展潛力的技術，智能手機同時結合了跌倒檢測系統的兩個重要組件：跌倒檢測和救助通信，不僅可以降低系統成本，實時監測人體活動，還可以結合GPS確定用戶的跌倒位置。現在，國內外已有利用手機進行跌倒檢測的相關理論研究，都是使用移動手機內置的加速度傳感器和基于人體運動加速度特征的不同算法來檢測跌倒的。然而一些較高強度日常活動如慢跑、快速坐下等也會產生一個類似跌倒的大加速度值特征。因此，單獨使用加速度傳感器進行跌倒檢測，采集的數據比較單一，不足以完全反應人體姿態變化，會給跌倒檢測帶來許多假警報。針對以上問題，本文提出了基于信號向量模和特征量W相結合的跌倒檢測算法。該檢測算法同時利用加速度傳感器和陀螺儀監測人體姿態變化，有效減少了跌倒檢測結果的假陽性和假陰性。
　　1跌倒檢測方法設計
　　加速度傳感器和陀螺儀分別能夠測量三軸方向運動加速度和角速度大小信息，本文利用智能手機內置的這兩種傳感器來采集反映人體主要運動姿態變化的信號數據。通過使用信號向量模（magnitudeofsignalvector，SVM）閾值法來識別區分低強度日常生活活動（activitiesofdailyliving，ADL）與跌倒，對于閾值法不能識別的較高強度ADL，則通過對角速度信號向量模數據進一步處理得到的新特征量來判別。
　　1.1信號數據
　　人體活動主要分為以下幾種：躺下、步行、坐下—起立、上樓梯、下樓梯、慢跑、蹲下—起立以及跌倒等。人體攜帶的智能手機，其內置的加速度傳感器和陀螺儀輸出的信號數據可以反映出人體日常運動姿態變化。圖1為智能手機在x、y和z三軸的加速度方向及角速度方向。
　　
　　圖1三軸方向上加速度測量和角速度測量
　　傳感器輸出信號中摻雜了大量的脈沖噪聲，中值濾波是傳統的消除脈沖噪聲的方法。中值濾波器是一個非線性信號處理技術，它使用一個給定長度的窗依次滑過原始信號序列，然后將窗內居中的樣本值用該窗所包含信號序列的中值替代，這里濾波器窗口大小n設為3。