我国人口老龄化问题日益严重,空巢和居住养老机构的老人逐渐增多。每年因跌倒受伤甚至死亡的老人,大都因耽误了最佳救治时间。因此,老人突然跌倒,若能及时检测并发出位置信息,则可以确保老人得到及时救治。但据调研,目前老人健康监测产品中鲜有配置跌倒检测功能,且绝大多数仅提供GPS室外定位功能,因此,研究一种可以准确有效检测人体跌倒状态,并可以在室内外环境中都能及时提供被监测者位置信息的方法具有重要的现实意义。本文在分析了国内外跌倒检测系统及算法的研究现状和发展趋势的基础上,设计了一种基于加速度传感器和压力传感器融合的跌倒检测方法,并配合WiFi无线室内定位技术,可以随时随地获取监测者状态及位置信息,有效的辨别跌倒行为,并提供位置服务,提高救治效率,降低风险。为进一步提高跌倒检测的准确率,本文提出了基于蝙蝠算法(Bat Algorithm,BA)优化的相关向量机(Relevance Vector Machine,RVM)和基于DS证据理论的信息融合的算法对是否跌倒进行判断。首先,由加速度传感器和压力传感器采集人体行为的三轴加速度、足底压力信息,经滤波和特征提取后,将跌倒检测问题看作一个二分类的问题,采用蝙蝠算法寻取最优核宽的办法改进的相关向量机分别对加速度信息和足底压力信息进行分类,根据分类结果和输出的概率信息建造基本概率赋值(basic probability assignment,BPA),进行基于DS证据理论的融合,最终可以准确识别跌倒状态,有效减少误判率。针对居家、养老助老机构室内应用,本文研究了基于WiFi的无线室内定位算法。鉴于WiFi定位精度较低,引入可进行深度学习的长短期记忆网络(Long Short-Term Memory,LSTM)用于训练定位样本,构建位置指纹数据到位置坐标的定位模型,在线定位时,根据采集到的待定位目标的位置指纹数据,由LSTM网络解算出位置坐标。LSTM适合处理序列数据,因此更适合实时定位问题求解。为验证所提跌倒检测算法及室内定位算法的有效性和实用性,对跌倒检测和室内定位进行了实验研究,实验结果表明本文方法可以准确有效的识别跌倒状态,并可以提供准确的定位信息,具有较好的实用性。