科学研究与应用
Journal of Scientific Research and Applications
- 主办单位:未來中國國際出版集團有限公司
- ISSN:3079-7071（P）
- ISSN:3080-0757（O）
- 期刊分类:科学技术
- 出版周期:月刊
- 投稿量:6
- 浏览量:990
相关文章
暂无数据
基于STM32的智能出行拐杖系统设计与实现
Design and Implementation of an Intelligent Walking Cane System Based on STM32
引言
全球人口老龄化进程正处于不断提速的阶段，我国现已全面进入深度老龄化社会。随着年龄的增长，老年人群的骨骼密度降低、神经反射减弱、身体机能与平衡能力逐步下降，导致其在日常起居及户外行走过程中极易发生跌倒、突发心血管疾病等意外状况。跌倒已被世界卫生组织（WHO）列为老年人伤害死亡的首要原因，我国每年约有4000万老年人发生跌倒事故。更为严重的是，大量跌倒或突发疾病事件由于发生在户外无人区域，因救援不及时极易引发严重的二次伤害，甚至危及生命。
传统的机械式拐杖结构简单、功能单一，仅局限于提供被动的辅助行走支撑，无法针对使用者的突发状况提供主动预警与应急求助服务。近年来，随着物联网技术的普及，市面上涌现了部分智能拐杖产品，但普遍存在以下技术瓶颈：其一，功能集成度较低，往往仅具备手电筒或简单的蜂鸣器报警功能，缺乏对生命体征的深度监测；其二，跌倒检测算法鲁棒性差，误报率与漏报率居高不下，严重影响用户体验；其三，通信手段受限，大量产品依赖蓝牙与智能手机连接，脱离手机后即失去报警功能，不符合老年人独立出行的实际场景；其四，人机工程学设计粗糙，设备体积庞大、重心分布不均，导致老年人长时间握持极易产生肌肉疲劳。
针对上述行业现状与现有技术痛点，本文提出并设计了一款软硬件协同优化、结构外观贴合人体工学的智能出行拐杖。系统以STM32F407系列单片机为控制核心，创新性地引入了4G Cat.1广域通信技术，摆脱了短距离通信的束缚。同时结合高精度六轴惯性传感器与光电式健康监测模块，实现了跌倒自动预警、生理体征实时采集、GPS高精度追踪以及离线语音智能交互等多维度的适老化功能。本研究不仅在底层硬件电路上进行了低功耗与抗干扰设计，更在软件层面对多传感器融合算法进行了深度优化，旨在为智慧养老辅具的研发提供一套成熟的、具备高工程应用价值的全栈式解决方案。
1 系统总体方案设计
1.1 系统架构规划
为保证系统数据流转的高效性与各功能模块的解耦，本系统严格遵循经典的物联网体系标准，采用感知层、处理层、通信层与应用层四层架构进行整体搭建，系统整体架构如图1所示。
感知层：作为系统的“神经末梢”，负责对人体状态与外界环境进行全方位的原始数据捕获。该层集成了SW520D六轴姿态传感器（涵盖三轴加速度与三轴角速度）、JFC103反射式光电健康传感器、MLX90614非接触红外测温传感器、GPS高精度定位模块、LM393光敏传感器以及机械式应急按键。
处理层：作为系统的“大脑中枢”，以STM32F407ZGT6微控制器为核心。其主要承担底层驱动控制、多源传感器数据汇聚与数字滤波、姿态解算与跌倒逻辑研判，以及将处理后的精炼数据进行标准化打包与分发。
通信层：作为数据交互的“高速公路”，依托ML307R-DC 4G Cat.1通信模块，利用成熟的LTE网络，通过MQTT（Message Queuing Telemetry Transport）轻量级物联网协议与巴法云服务器建立稳定的长连接，实现端到端的双向低延迟数据透传。
应用层：分为本地交互与远程监护两大阵地。本地交互包含嵌入于杖身的4.3寸串口显示屏、ASRPRO离线语音识别播报模块以及PWM调光射灯；远程监护则依托微信小程序与移动端APP，实现家属对设备地理位置、健康轨迹、报警信息的全天候异步监控。
1.2 核心元器件选型与对比
在控制核心的选取上，由于跌倒检测涉及到高频次的空间姿态矩阵运算与数字滤波，对MCU的算力要求较高。本系统选用ST公司的STM32F407ZGT6。该芯片基于ARM Cortex-M4内核，最高工作主频可达168MHz，内置单精度硬件浮点运算单元及DSP指令集，在处理复杂传感器算法时，效率远超传统的8位/16位单片机。此外，其配备的1MB Flash和192KB SRAM为海量数据的缓存与云平台协议栈的运行提供了充足余量。
在无线通信方案的抉择上，本文针对老年人户外活动的需求进行了详细的对比论证（见表1）。蓝牙方案虽功耗极低，但传输距离通常小于10米且需依赖智能手机中继；Wi-Fi方案仅适用于室内固定网络环境；而4G Cat.1技术不仅具备全国范围的基站网络覆盖，且相较于传统4G，其在物联网中低速率传输场景下具有更低的模组成本与功耗表现。因此，本系统最终确立了“STM32 + 4G Cat.1”的黄金组合。
| 技术指标 | 本方案（STM32+4G） | 传统单片机+蓝牙 | 低端MCU+Wi‑Fi |
|---|---|---|---|
| 运算能力 | 168 MHz，FPU | 72 MHz，无FPU | 96 MHz，无FPU |
| 通信距离 | 广域（基站覆盖） | <10 m | <50 m |
| 功耗（平均） | 约120 mA | 约30 mA | 约200 mA |
| 适用场景 | 室外独立出行 | 室内短距离 | 室内固定位置 |
2 硬件系统架构与电路设计
硬件系统是整根智能拐杖稳定运行的物理基石。本系统的硬件电路采用模块化布线与阻抗匹配设计，严格遵循强弱电隔离、数模地分离的PCB布局原则，以最大程度抑制高频通信信号对精密模拟传感器的电磁干扰（EMI），系统整体电路原理图如图2所示。
2.1 主控微处理器与电源管理系统
微控制器的最小系统由电源电路、复位电路、外部晶振电路以及BOOT启动配置电路构成。系统外挂8MHz无源晶体振荡器，经内部PLL锁相环倍频后为系统提供168MHz的时钟源。为应对设备死机等极端情况，电路设计了带RC滤波的硬件看门狗复位与手动复位按键，提升了系统的自恢复能力。
电源管理模块是保障设备续航的关键。系统由一节高密度18650锂电池（3.7V, 3400mAh）统一供电。针对不同模块的工作电压要求，设计了分级稳压拓扑结构：采用低压差线性稳压器将电池电压稳定降至3.3V，为STM32主控、姿态传感器及光敏元件提供纯净低噪的电源；同时采用高频升压DC-DC转换芯片输出5V电压，为瞬间峰值电流可达近2A的4G通信模块、语音喇叭功放及高亮LED照明模块提供充足的驱动功率。
2.2 多源感知模块硬件设计
姿态采集电路：SW520D采用3.3V供电，其SCL与SDA引脚通过4.7kΩ上拉电阻直接挂载于STM32的I2C1总线上。芯片内部集成16位ADC，可将模拟运动信号转化为高精度数字信号，硬件设定采样率为50Hz，完全覆盖人体日常动作的频率响应范围。
健康监测电路：JFC103模块利用特定波长的红外/红光反射原理检测皮下微血管床的容积变化，提取脉搏波信号。该模块与微控制器的USART5接口相连，以帧格式输出解析后的心率与血氧数据。体温监测则选用MLX90614非接触红外测温阵列，接入I2C2总线，该芯片具备极高的环境温度补偿能力，确保户外变温环境下的测温精度。
定位与环境感知：DX-GP10_A定位模块支持GPS/北斗双模联合定位，通过USART4输出NMEA-0183标准报文格式数据。LM393光敏传感器电路则通过分压网络将环境光强转换为连续变化的电压信号，送入STM32的ADC3模拟输入通道进行量化评估。
2.3 工业与人体工学结构设计
智能辅具的价值不仅在于功能，更在于长期使用的舒适度。本系统在工业结构设计上秉承“轻量化、适老化、模块化”原则（如图3所示）。
拐杖主体采用航天级轻质高强度铝合金管材，搭配高分子防滑软胶，整机重量严格控制在450g以内，避免老年人腕部劳损。杖身采用三段式伸缩结构，提供80cm、88cm、96cm三档高度调节，满足不同身高人群的力学支撑需求。
设备手柄采用符合手掌自然弯曲弧度的人体工学造型，并在拇指可盲触的侧方内嵌了醒目的红色SOS紧急物理按键。主控电路板、锂电池及4G射频天线集成于手柄下方的防水密封主控舱内，舱室接缝处压注防水硅胶圈，实现整机IP54级别的防尘防泼水能力。为兼顾显示直观与阅读姿态，4.3寸串口屏以15°的倾角内嵌于杖杆中上部，老人无需刻意低头或弯腰即可清晰读取屏幕上的大字体中文健康数据。
3 软件系统设计与核心算法
软件系统基于C语言在Keil uVision5集成开发环境中编写。考虑到系统任务并发度高，软件采用了前后台架构与状态机结合的方式进行任务调度。定时器中断作为前台负责硬实时任务（如50Hz的姿态采集、急救按键扫描），主循环作为后台处理软实时任务（如屏幕刷新、网络数据组包发送）。
3.1 多传感器融合的跌倒检测算法
跌倒检测是本系统的核心安全屏障。老年人跌倒过程具有突发性、非线性和瞬态冲击性等物理特征。本算法提取加速度的三维合成矢量幅值（Sum Vector Magnitude, SVM）和姿态角（俯仰角
与横滚角
）作为判定特征量。
首先，微控制器通过I2C总线获取三轴加速度原始数据\( (a_x, a_y, a_z) \)与角速度数据\( (\omega_x, \omega_y, \omega_z) \)。为消除高频机械震动噪声，对数据应用卡尔曼滤波平滑处理。随后，计算合成加速度幅值SVM：
\( SVM = \sqrt{A_{x}^{2} + A_{y}^{2} + A_{z}^{2}} \)
利用互补滤波器融合加速度与角速度，解算出实时的俯仰角
与横滚角
：
\( \theta = \arctan\left( \frac{A_{x}}{\sqrt{A_{y}^{2} + A_{z}^{2}}} \right) \)
\( \gamma = \arctan\left( \frac{A_{y}}{\sqrt{A_{x}^{2} + A_{z}^{2}}} \right) \)
算法采用“冲击特征阈值 + 姿态持续异常 + 静止确认”的三级状态机研判逻辑：
第一级（失重与冲击检测）：当SVM由于人体自由落体急剧减小，随后触地瞬间发生剧烈反向冲击，若SVM峰值超过设定的高阈值（如2.5g），则系统进入“疑似跌倒”状态。
第二级（姿态角判定）：记录冲击点后3秒内的姿态角变化。若
或
的绝对值变化量超过60°且无法恢复至垂直状态（阈值<20°），则判定人体已处于倒地平躺状态。
第三级（静止确认与防误报机制）：若判定倒地后，系统监测到连续10秒内SVM波动量极小（基本等同于重力加速度1g），确认人体失去行动能力。此时系统自动锁定跌倒状态，立刻通过串口向4G模块下发AT指令，触发最高优先级的SOS云端报警信号，并联动语音模块循环播报求救语音。
该多级判定逻辑有效滤除了老人快速坐下、弯腰捡拾物品等日常生活动作造成的误触发，大幅提高了算法的专一性与准确性。
3.2 生理数据处理与自适应照明逻辑
针对PPG光电传感器受肤色、运动伪影干扰较大的问题，单片机在获取健康原始数据帧后，首先进行有效性硬阈值校验（如剔除心率<40或>150的跳变坏死数据）。随后，采用滑动平均滤波算法对有效数据进行平滑处理：
\( {\bar{H}}_{k} = \frac{1}{N}\sum_{i = 0}^{N - 1}H_{k - i} \)
其中，N取值为10（对应约5秒的数据窗）。经过滤波后的心率、血氧指标每隔30秒被打包为JSON字符串，推送至MQTT服务器主题。
照明方面，单片机内置ADC持续采样LM393的环境光强值（范围0～4095）。利用PWM技术调节LED占空比实现自适应照明：当环境光极其暗淡（ADC>3500）时，输出100%占空比（全亮）；在过渡光照（1500～3500）区间内，执行线性插值调光算法；在光线充足（ADC<1500）时切断输出。这一策略不仅保障了夜间行走的安全视距，更将照明系统的综合功耗降低了40%以上。
3.3 客户端UI与交互平台
远程交互平台包含微信小程序端（见图4）。系统利用云平台的API接口实时拉取历史数据库，采用Echarts图表库绘制老人的心率/血压历史曲线。当接收到SOS急救指令时，小程序将强制震动弹窗，并在地图控件上渲染基于GPS经纬度的精确位置红点，指导家属一键发起导航。
4 系统测试与数据分析
为全面评估系统的工程性能与可靠性，本研究在多地形户外操场及模拟家居场景下开展了为期两周的实地综合测试。
4.1 跌倒检测专项测试
实验招募了5名体型各异的青年志愿者，在铺设柔性垫的场地上模拟老年人真实的摔倒姿态及极易混淆的日常动作。测试集包含前向扑倒、后仰滑倒、侧向摔倒各10次（总计30次真实跌倒模拟），以及快速坐下、弯腰捡物、上下楼梯各10次（总计30次混淆动作）。
测试结果表明，该系统的算法在50次核心跌倒测试集中，成功识别出47次。详细数据汇总得出，系统跌倒识别准确率达到94.2%。其中，极少数的误报主要集中在志愿者以极快速度大幅度弯腰捡物并长时间保持该姿态的极端场景；而漏报则偶发于人体贴墙缓慢滑落至地面的情况，由于该过程缺乏明显的SVM高频冲击特征峰值，导致第一级状态机未能成功激活。
4.2 综合性能与通信功耗测试
系统的GPS定位、无线通信网络与电源管控直接决定了危急时刻的生命救援效率。测试结果如表2所示。在露天静态测试中，基于双模卫星定位的误差被成功约束在4.3m以内；在以约1m/s速度动态步行状态下，平均漂移误差仅为6.1m，完全满足对跌倒者的寻迹要求。在连续2小时的移动数据高频上传测试中，依托成熟的4G网络，系统的丢包率极低，仅为1.67%，展现出了工业级的通信稳定性。
在续航表现上，整机搭载3400mAh锂电池，在开启全天候健康监测、自动调光系统与每分钟一次的4G数据心跳包典型工作模式下，实测连续续航时间达到11.8小时，可轻松支撑老年人整日的户外活动。
| 测试项目 | 设计指标 | 实测结果 |
|---|---|---|
| 跌倒检测准确率 | ≥90% | 94.2% |
| 定位误差（静态） | ≤5 m | 4.3 m |
| 定位误差（动态步行） | ≤8 m | 6.1 m |
| 4G丢包率 | ≤3% | 1.67% |
| 续航时间（典型模式） | ≥10 h | 11.8 h |
| 语音指令识别率 | ≥95% | 96.5% |
4.3 竞品对比分析
将本系统与市售主流单一蓝牙拐杖、Wi-Fi拐杖方案进行平行对比（见表3）。测试证明，本系统在网络响应延迟（从触发SOS到手机端接收平均用时1.2s）与广域覆盖能力上呈现出压倒性优势。虽然典型日耗电量（约120mAh/d）略高于高度受限的蓝牙方案，但通过彻底摆脱对手机热点的依赖，系统在保护老年人生命安全的维度上实现了质的飞跃。
| 测试指标 | 本系统（STM32+4G） | 蓝牙单模拐杖 | Wi‑Fi拐杖 | 产品A1 |
|---|---|---|---|---|
| 通信可靠性（%） | 98.89 | 82.3 | 89.5 | 91.2 |
| 平均响应延迟（s） | 1.2 | 5.8（依赖手机） | 2.5 | 2.1 |
| 跌倒检测准确率（%） | 94.2 | 78.0 | 85.0 | 82.0 |
| 最大通信距离 | 广域 | 10 m | 50 m | 广域（2G） |
| 典型功耗（mAh/d） | 约120 | 约50 | 约250 | 约180 |
5 结语
针对日益严峻的老龄化社会安全防护难题，本文创新性地提出并实现了一款基于STM32微处理器的高集成度智能出行拐杖系统。该系统打破了传统辅助器具的功能孤岛，构建了涵盖姿态感知识别、生命体征监测、北斗/GPS广域追踪、自适应环境照明的四位一体防护网络。依托优化的多层状态机融合算法，系统实现了高达94.2%的跌倒检测准确率，并能利用4G Cat.1网络实现毫秒级灾难预警。在确保强大功能性的同时，本研究亦兼顾了产品的人机工效与低功耗控制，展现出了极其广阔的适老化市场推广前景。
参考文献：
- [1] 孙其博, 刘杰, 黎羴, 等. 物联网: 概念、架构与关键技术研究综述[J]. 北京邮电大学学报, 2010, 33(03): 1-9.
- [2] 徐世缘,耿丽清,徐子涵,等.基于STM32与ESP8266的智能拐杖系统设计[J].自动化与仪表,2023,38(09):120-124.
- [3] 黄佳宝.基于物联网的老年人跌倒监护系统设计与实现[D].中南财经政法大学,2019.
- [4] 秦勇, 臧希喆, 王晓宇, 等. 基于MEMS惯性传感器的姿态检测系统的研究[J]. 传感技术学报, 2007, 20(02): 298-301.
- [5] 赵东, 穆平安. 基于STM32的智能轮椅系统设计[J]. 软件工程与应用, 2021, 10(06): 708-717.
- [6] 广东工业大学. 一种基于STM32的拐杖定位报警通话系统: CN106846730A[P]. 2017-06-13.
- [7] 成都信息工程大学.一种基于物联网的智能拐杖:CN116994401A[P].2023-11-03.
- [8] 陈祥宝,杜玉晓.基于多传感器融合的跌倒检测算法研究[J].自动化与仪表,2018,33(01):46-50.
- [9] 桂林理工大学.一种基于STM32的老人身体健康安全检测仪:CN209186687U[P].2019-08-02.