买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中织健康产业(山东)有限公司申请的专利一种基于多传感器的智能护膝运动跌倒检测方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120783458B 。

龙图腾网通过国家知识产权局官网在2025-12-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511289662.X，技术领域涉及：G08B21/04；该发明授权一种基于多传感器的智能护膝运动跌倒检测方法及装置是由刘水源;刘洪源;张建新;田会亮;闫会娟;李素芳;范伟龙;罗道伟;王娟娟;陈艳艳;马钰宸设计研发完成，并于2025-09-10向国家知识产权局提交的专利申请。

本一种基于多传感器的智能护膝运动跌倒检测方法及装置在说明书摘要公布了：本发明涉及智能穿戴设备在运动安全监测技术领域，公开了一种基于多传感器的智能护膝运动跌倒检测方法及装置，所述方法包括获取心率信号与加速度数据。基于心率信号计算时域特征，经傅里叶变换提取频域特征，融合时域、频域特征及加速度数据，形成综合特征向量即融合特征集。对融合特征集分类检测，超异常阈值则得潜在跌倒前兆信号。结合该信号与加速度数据，分析心率与运动状态相关性并计算匹配度，得出跌倒风险概率。若概率超预设动态阈值，对融合特征集平滑处理得优化特征集，输入预设跌倒风险分类模型。判断存在跌倒风险时生成预警信号，输出实时跌倒预警结果。本方法能够避免因个体差异导致的跌倒前兆识别误判问题，提高检测可靠性。

本发明授权一种基于多传感器的智能护膝运动跌倒检测方法及装置在权利要求书中公布了：1.一种基于多传感器的智能护膝运动跌倒检测方法，其特征在于，由计算机执行，包括： 获取心率信号和加速度数据； 根据所述心率信号，计算其在固定时间窗口内的时域特征，得到初步时域特征集合； 对所述初步时域特征集合，进行傅里叶变换提取其频域特征，得到频域特征集合； 根据所述初步时域特征集合，所述频域特征集合和所述加速度数据，进行多源特征融合，构建综合特征向量，得到融合特征集； 对所述融合特征集，进行分类检测，若分类后的所述融合特征集中至少一项特征超出预设的异常阈值，则得到潜在跌倒前兆信号； 根据所述潜在跌倒前兆信号结合所述加速度数据，分析所述心率信号与运动状态的相关性，并计算所述心率信号与运动状态的匹配度，得到跌倒风险概率； 若所述跌倒风险概率超过预设的动态阈值，则对所述融合特征集进行平滑处理，得到优化特征集； 将所述优化特征集输入到预设的跌倒风险分类模型，判断是否存在跌倒风险，若判断存在跌倒风险，生成预警信号，得到实时跌倒预警结果; 其中，所述根据所述潜在跌倒前兆信号结合所述加速度数据，分析所述心率信号与运动状态的相关性，并计算所述心率信号与运动状态的匹配度，得到跌倒风险概率，包括： 根据所述心率信号和加速度数据，进行去噪处理，得到第一加速度数据和第一心率信号数据； 根据所述第一加速度数据，生成运动强度值序列，并结合所述第一心率信号数据，提取心率峰值间隔序列，得到第一特征序列； 对所述第一特征序列，计算心率峰值间隔序列与运动强度值序列的时间对齐距离，并生成时间熵值，得到第二特征向量； 根据所述第二特征向量，若第二特征向量中的时间熵值或匹配误差超出预设的异常判定阈值，则通过加权融合计算心率波动与运动状态的匹配度，得到跌倒风险概率； 其中，基于第一特征序列计算相关参数，得到第二特征向量，包括：通过动态时间规整算法计算心率峰值间隔序列与运动强度值序列的时间对齐距离，分别计算两个序列的样本熵，这三个指标共同构成第二特征向量； 其中，依据第二特征向量计算跌倒风险概率，包括：先预设的异常判定阈值，若第二特征向量中的时间熵值或其包含的实时心率监测时间序列与正常状态基准序列之间的匹配误差超出该阈值，则通过基于DTW距离加权融合计算心率波动与运动状态的总匹配度，再利用sigmoid函数将总匹配度转换为跌倒风险概率，概率达到一定值时触发预警。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中织健康产业(山东)有限公司，其通讯地址为：261200 山东省潍坊市坊子区凤凰街道崇文街与正泰路路口南50米路西；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。