基于加速度传感器的体质检测自适应计次

设计了一种可以测试2min原地高抬腿和30s坐站动作的可穿戴集成系统。检测方法采用改进的自适应峰值计次算法,该算法根据测试者做高抬腿和坐站动作时的周期性加速度,确定加速度阈值,再结合计次频率实现不同动作下的自适应计数。测试结果表明:该算法能够自动识别并去除不标准动作,计次准确率基本满足体质检测的要求。

基于HI-SVM的老年人跌倒风险评估

跌倒是影响老年人健康的重要潜在风险因素,准确判断老年人的跌倒风险等级对于提高老年人健康水平至关重要。该文提出了一种基于健康指数(health index,HI)和支持向量机(support vector machine,SVM)模型的新方法,用于判断老年人(60~79岁)的跌倒风险等级。首先,通过HI获得老年人跌倒风险等级的具体分类指标,用于训练HI-SVM模型并建立模型库;然后,利用建立的HI-SVM模型对测试样本进行识别,根据HI确定的风险等级值判断老年人的跌倒风险等级;最后,分别使用网格搜索(grid search,GS)、粒子群优化算法(particle swarm optimization,PSO)和灰狼算法(grey wolf optimizer,GWO)优化SVM参数后,模型的预测准确率可达97.1429%。该方法能够准确识别老年人的跌倒风险等级,为预防老年人跌倒提供了科学的依据。