伴随着社会逐渐进入老龄化,老年人或伤病者等弱势群体极易发生摔倒等意外情况,如果无法及时联系到其他人或相关救助单位,可能会加重受伤状况,甚至导致死亡,因此人体姿态的实时检测和报警具有重要的研究价值和意义,传统的可穿戴式的人体姿态检测设备通常使用加速度传感器进行数据采集,该过程极易受到环境、快速位移等因素干扰,导致设备误判或失灵,进而引起一系列不可控后果。基于以上问题,本课题针对MPU6050检测优化展开研究,完成了以下工作。首先,对传感器采集的人体运动姿态数据包括:平躺、静止站立、静坐、匀速步行、跑动状态的输出数据进行预处理、算法仿真、解算优化。人体跌倒检测过程融合巴特沃斯低通滤波与扩展卡尔曼滤波处理,使得加速度计在静态下X轴方差减小了8.687e-07;Y轴方差减小了8.677e-07;Z轴方差减小了2.309e-06。陀螺仪在静态下X轴方差减小了5.588e-04;Y轴方差减小了5.341e-04;Z轴减小了8.956e-04。加速度计与陀螺仪在动态下能够滤除输出信号中的毛刺信号,削弱尖峰信号。使输出数据更贴合理想状态下低噪声的检测信号。通过扩展卡尔曼滤波（Extended Kalman Filter,EKF）解算方法进行人体偏转角度解算。系统在静态运动状态时解算的Pitch角逐渐稳定在-0.00253°;Roll角逐渐稳定在0.01756°。在系统处于动态运动状态时,可以进行姿态追踪,能够提前0.2秒进行跌倒估计,判定人体姿态角大于阈值,达到预警效果。其次,针对检测优化算法设计了一套性能稳定的可穿戴式的人体跌倒检测系统。系统改变了常规的设计结构,采用分体结构的设计方式。系统分为腰间佩带的人体跌倒检测终端及随身携带的多功能数据处理平台。人体跌倒检测终端设计精小,其目的为减轻腰部的重量,并且紧贴腰部使得检测到的人体偏转角度更加精准,实现高精准度检测。多功能数据处理平台的设计采用语音识别控制方案与有机发光二极管液晶屏（Organic Light-Emitting Diode,OLED）配合可对相关数据进行人机交互设置并实现掉电存储,通过语音指令主动呼叫设定的联系人,该功能完善了语音误检处理,使设备在非工作状态下不会进行误识别。平台添加了定时上传定位数据功能,通过双模定位技术实时获取定位数据上传到物联网平台,手机应用程序（Application,APP）可随时访问定位数据。当人体偏转角发生异常时,人体跌倒检测终端通过ZigBee通信自动发送特定指令给多功能数据处理平台,平台通过拨号逻辑循环拨打系统设定的两位紧急联系人直至通话成功,并优化语音通话的硬件电路改善通话效果。设备采用的走时优化方案使设备在信号较差的地方也能精准的获取时间且误差小于0.1秒。此外,系统平均功耗约为2.72W,可以满足日常生活中的正常使用。