中国已经进入老龄化社会,老年人容易发生跌倒事件。跌倒不仅危害老年人身体的健康,而且使老年人对活动产生恐惧,从而使他们的生理状况每况愈下。跌倒检测设备能够及时地发现老年人跌倒,从而将跌倒信息发送给老年人的医疗小组,最大程度地降低跌倒对老年人的持续伤害。因此,跌倒检测技术对老年人的健康具有重要的意义。本文利用可穿戴传感技术检测跌倒,并致力于提高跌倒检测的准确率和降低跌倒检测的误报率。主要研究老年人的运动信号和压力信号,通过实验寻找提高跌倒检测准确率和降低跌倒检测误报率的方法。研究成果期望帮助老年人的生活更加安全,并在一定程度上改善老年人的日常生活。本文具体的研究内容如下:（1）可穿戴传感技术的研究:本文采用常见的传感器采集跌倒信息,加速度计、陀螺仪和气压计等传感器放置于腰部,采集老年人躯干的运动信号;压力传感器放置于鞋中,采集老年人足部的压力信号。本文采用卡尔曼滤波的方法处理运动信号,减少噪声对传感器输出信号的影响。完成对运动和压力信号的特征提取,使用随机森林算法选择对跌倒检测贡献大的特征。（2）多源信息融合的跌倒检测算法:本文证实单一状态的传感器不能良好识别坐下、蹲下和躺下等类似跌倒动作。因此,提出一种融合多源信息的跌倒检测系统,将姿态角信号和压力信号进行融合,使用多状态阈值法滤除日常动作,即同时满足加速度矢量和与足跟区域压力均值的跌倒阈值才会被判定为类似跌倒动作。提取均值、和矢量幅值、水平方向矢量和与均方根等21个特征送入随机森林算法中进行特征重要性评分,选择评分大于0.1的特征作为极端随机树的输入特征,利用极端随机树作进一步的跌倒检测。实验结果证明该系统能够在类似跌倒动作中良好地识别跌倒,准确率在98.3%以上。（3）基于机器学习的跌倒检测软件设计:在上位机中编写了跌倒检测的软件,包括了数据采集,数据可视化,跌倒检测等功能。软件集成了六种机器学习算法,分别为KNN、SVM、决策树、随机森林、深度森林和极端随机树。通过实验比较了六种算法在跌倒检测方面的准确率和所需时间,结果表明采用极端随机树进行跌倒检测识别准确度更高和所需时间较少。