CN104244821B - 离床监测装置 - Google Patents

离床监测装置 Download PDF

Info

Publication number
CN104244821B
CN104244821B CN201280042058.1A CN201280042058A CN104244821B CN 104244821 B CN104244821 B CN 104244821B CN 201280042058 A CN201280042058 A CN 201280042058A CN 104244821 B CN104244821 B CN 104244821B
Authority
CN
China
Prior art keywords
acceleration
user
bed
posture
measurement result
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201280042058.1A
Other languages
English (en)
Other versions
CN104244821A (zh
Inventor
W·R·T·坦卡特
H·杜里克
T·范登赫费尔
J·埃斯皮纳佩雷斯
A·宾德苏斯
H·格赖纳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN104244821A publication Critical patent/CN104244821A/zh
Application granted granted Critical
Publication of CN104244821B publication Critical patent/CN104244821B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1113—Local tracking of patients, e.g. in a hospital or private home
    • A61B5/1115—Monitoring leaving of a patient support, e.g. a bed or a wheelchair
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1116—Determining posture transitions
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/08—Elderly
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0223—Operational features of calibration, e.g. protocols for calibrating sensors
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2560/00—Constructional details of operational features of apparatus; Accessories for medical measuring apparatus
    • A61B2560/02—Operational features
    • A61B2560/0242—Operational features adapted to measure environmental factors, e.g. temperature, pollution
    • A61B2560/0247—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value
    • A61B2560/0257—Operational features adapted to measure environmental factors, e.g. temperature, pollution for compensation or correction of the measured physiological value using atmospheric pressure
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
    • A61B2562/02—Details of sensors specially adapted for in-vivo measurements
    • A61B2562/0219—Inertial sensors, e.g. accelerometers, gyroscopes, tilt switches
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/04—Alarms for ensuring the safety of persons responsive to non-activity, e.g. of elderly persons
    • G08B21/0438—Sensor means for detecting
    • G08B21/0446—Sensor means for detecting worn on the body to detect changes of posture, e.g. a fall, inclination, acceleration, gait
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/22—Status alarms responsive to presence or absence of persons

Abstract

提供一种用于监测用户并且确定用户何时已经离床的离床监测装置，所述装置包括处理器，所述处理器被配置为接收作用于被附接至用户的设备上的三维加速度的测量结果；并且处理所述测量结果，以确定用户是否已经离床。

Description

离床监测装置
技术领域
本发明涉及一种用于监测用户以确定他们是否将要或正在离床的装置。
背景技术
患者跌倒是医院报道中的最常发生的事件之一，也是65岁或以上人群死亡的主要原因。在跌倒的患者中，多达一半会遭受减少移动性和独立性并且增加过早死亡的风险的中度至重度损伤。约50％的因髋部骨折住院的老年人无法恢复其先前的功能水平。老年人中大约10％的致命跌倒发生在医院。
因此，目的是减少由跌倒导致患者伤害的风险。现有的跌倒预防策略依赖于识别跌倒风险增加的患者，以及使用集成到其床上的设备或系统，以监测患者并且在患者正离床的时候，向护理人员提供警报。会要求这个监测的特定类型的患者包括老年人、幼儿和具体条件或环境下（诸如术后）的患者。
应当意识到，这些监测系统也能够应用于除被认为具有跌倒风险之外的其他患者，例如，他们能够用于警告护理人员，需要辅助移动小车保持点滴和附接至患者的其他医疗器材的患者正在离开其床。
当前在医院中使用的离床检测技术，常常依赖于集成到患者床的压敏垫或测压元件。其他常见类型的传感器基于在平行于床的侧轨安装的红外射束检测器。备选地，能够使用基于超声的床存在检测器。尽管这些技术可能有效地检测患者实际上已经离开了床，但由这些技术提供的警报常常来的太晚，并且无法为护理人员提供足够的时间来反应并抵达患者，以预防跌倒。这些技术的另一常见问题是他们具有相对高的误警率。在每种情况下，要求专用器械安装在床上或周围，其能够仅仅用于检测用户是否已经离床。
因此，需要一种备选离床监测系统，其能够检测患者或用户何时已经离床（并且其能够潜在地检测患者或用户将要离床），从而尽早向护理人员提供警报，同时使误警的发生最小化。
发明内容
根据本发明的第一方面，提供一种离床监测装置，其用于监测用户并确定用户已经离床，所述装置包括处理器，所述处理器被配置为接收作用于被附接至用户的设备上的三维加速度的测量结果；并且处理所述测量结果，以确定用户是否已经离床。
在一个实施例中，所述处理器被配置为处理所述测量结果，以估计用户的随时间变化的姿势，并且如果估计的姿势从卧姿或坐姿变为直立的姿势，确定所述用户已经离床。
在另一实施例中，所述处理器被配置为处理所述测量结果，以从加速度的测量结果中估计设备的随时间变化的高度变化，并且如果设备高度变化超过阈值，确定用户已经离床。
在优选实施例中，所述处理器被配置为处理所述测量结果，以通过从加速度的测量结果中确定设备的随时间变化的高度变化；估计用户的随时间变化的姿势；并且如果高度变化大于阈值，这发生在估计的卧姿或坐姿和估计的直立的姿势之间，确定用户已经离床。
在本发明的备选实施例中，所述处理器还被配置为接收设备处的气压的测量结果；并且其中，所述处理器被配置为通过处理气压测量结果来确定用户是否已经离床，以确定设备的随时间变化的高度变化；处理加速度的测量结果，以估计用户的随时间变化的姿势；以及，如果高度变化大于阈值，这发生在估计的卧姿或坐姿与估计的直立姿势之间，确定用户已经离床。
在上述实施例中，所述处理器还能够被配置为接收设备的取向的测量结果；并且使用所述设备的取向的测量结果与加速度的测量结果来估计用户的随时间变化的姿势。
在一些实施例中，所述处理器被配置为处理加速度的测量结果，以通过确定从加速度的测量结果中得到的加速度矢量和对应于用户的参考系的轴的一个或多个参考矢量的方向上的对应的测量结果，估计用户的随时间变化的姿势，在加速度矢量和每个参考矢量的方向上对应的测量结果的绝对值或量值指示加速度的测量结果与用户的特定姿势的对应。
参考矢量能够分别对应于：在后前方向上的用户的参考系的z-轴、从底部到顶部垂直的用户参考系的y-轴以及在内外方向上的用户的参考系的x-轴；加速度矢量和针对用户的参考系的z-轴的参考矢量的在方向上的对应的量度能够指示加速度的测量结果与用户的俯卧或仰卧姿势的对应；加速度矢量和针对用户参考系的y-轴的参考矢量的在方向上的对应的量度能够指示加速度的测量结果与用户的直立姿势的对应；以及，加速度矢量和针对用户参考系的x-轴的参考矢量的在方向上的对应的量度能够指示加速度测量与用户正在侧卧的姿势的对应。
在一些实施例中，所述处理器被配置为确定加速度矢量和对应于用户的参考系的轴的多个参考矢量的在方向上的对应的量度；并且基于在具有最大绝对值或量值的方向上的对应的量度来估计针对加速度矢量的用户的姿势。
在一些实施例中，所述处理器还被配置为在确定用户是否已经离床之前执行校准程序，在所述校准程序中，确定对应于用户的参考系的轴的参考矢量，所述校准程序包括搜索加速度矢量的集合，所述该组加速度矢量来源于针对用户处于第一姿势的第一时间周期和用户处于第二不同姿势的第二时间周期的加速度的测量结果；对在第一时间周期和第二时间周期中的每个中的加速度矢量取平均值，以针对第一时间周期和第二时间周期中的每个给出相应的第一平均矢量和第二平均矢量，第一矢量和第二矢量被认为分别是针对用户参考系的第一轴和第二轴的参考矢量；以及，将用作针对用户的参考系的第三轴的参考矢量的第三矢量确定为正交于第一矢量和第二矢量的矢量。
在一些实施例中，所述处理器被配置为在加速度的特定成分超过阈值的时间周期内搜索加速度矢量的集合。
在一些实施例中，所述处理器还被配置为将所述阈值设置为在先前识别的时间周期内的特定成分的平均值，在所述先前识别的时间周期内，加速度的特定成分超过阈值。
根据本发明的第二方面，提供一种被配置为由用户佩戴的设备，所述设备包括加速度计，其测量在三个维度上作用于所述设备的加速度；以及如以上描述的装置。
根据本发明的第三方面，提供一种离床监测系统，所述系统包括被配置为由用户佩戴的设备，所述设备包括加速度计，其测量在三个维度上作用于所述设备的加速度；以及基本单元，其被配置为与所述设备通信，并且其包括如以上描述的装置。
根据本发明的第四方面，提供一种监测用户并且确定用户何时已经离床的方法，所述方法包括测量作用于被附接至用户的设备上的三维加速度；以及处理测量结果，以确定用户是否已经离床。
在一个实施例中，处理所述测量结果的步骤包括，处理所述测量结果，以估计用户的随时间变化的姿势，以及如果估计的姿势从卧姿或坐姿变为直立的姿势，则确定用户已经离床。
在另一实施例中，处理所述测量结果的步骤包括，处理所述测量结果，以从加速度的测量结果估计设备的随时间变化的高度变化，以及如果设备高度变化超过阈值，则确定用户已经离床。
在优选实施例中，处理所述测量结果以确定用户是否已经离床的步骤包括：从加速度的测量结果中确定设备的随时间变化的高度变化；估计用户的随时间变化的姿势；以及，如果高度变化大于阈值，这发生在估计的卧姿或坐姿姿势和估计的直立姿势之间，则确定用户已经离床。
在本发明的备选实施例中，所述方法还包括接收所述设备处的气压的测量结果的步骤；并且其中，处理所述测量结果以确定用户是否已经离床的步骤包括：处理气压测量结果，以确定所述设备的随时间变化的高度变化；处理加速度的测量结果，以估计用户的随时间变化的姿势；以及，如果高度变化大于阈值，这发生在估计的卧姿或坐姿姿势和估计的直立姿势之间，则确定用户已经离床。
在上述实施例中，所述方法还能够包括接收所述设备的取向的测量结果的步骤；并且其中，处理所述测量结果的步骤包括使用所述设备的取向的测量结果与加速度的测量结果来估计用户的随时间变化的姿势。
在一些实施例中，处理加速度的测量结果以估计用户的随时间变化的姿势的步骤包括确定从加速度的测量结果中得到的加速度矢量和对应于用户的参考系的轴的一个或多个参考矢量的在方向上的对应的量度，加速度矢量和每个参考矢量的在方向上的对应的量度的绝对值或量值指示加速度的测量结果与用户的特定姿势的对应。
参考矢量能够分别对应于：处于后前方向上的用户的参考系的z-轴、从底部到顶部垂直的用户的参考系的y-轴以及处于内外方向上的用户的参考系的x-轴；加速度矢量和针对用户的参考系的z-轴的参考矢量的在方向上的对应的量度能够指示加速度的测量结果与用户的俯卧或仰卧姿势的对应；加速度矢量和针对用户的参考系的y-轴的参考矢量的在方向上的对应的量度能够指示加速度的测量结果与用户的直立姿势的对应；以及，加速度矢量和针对用户的参考系的x-轴的参考矢量的在方向上的对应的量度能够指示加速度测量与用户正在侧卧的姿势的对应。
在一些实施例中，处理所述测量结果的步骤包括确定加速度矢量和对应于用户的参考系的轴的多个参考矢量的在方向上的对应的量度；以及，基于在具有最大绝对值或量值的方向上的对应的量度，估计针对加速度矢量的用户的姿势。
在一些实施例中，所述方法还包括在处理所述测量结果的步骤之前执行校准过程的步骤，在所述校准过程中，确定对应于用户的参考系的轴的参考矢量，所述校准过程包括搜索从针对用户处于第一姿势的第一时间周期和用户处于第二不同姿势的第二时间周期的加速度的测量结果中得到的加速度矢量的集合；对第一时间周期和第二时间周期的每个中的加速度矢量取平均值，以给出针对第一时间周期和第二时间周期中的每个的相应的第一平均矢量和第二平均矢量，第一矢量和第二矢量分别被认为是针对用户的参考系的第一轴和第二轴的参考矢量；以及，将用作针对用户的参考系的第三轴的参考矢量的第三矢量确定作为正交于第一矢量和第二矢量的矢量。
在一些实施例中，搜索的步骤包括搜索针对加速度的特定分量超过阈值的时间周期的加速度矢量的集合。
在一些实施例中，所述校准过程还包括将所述阈值设置为在加速度的特定分量超过阈值的先前识别的时间周期内的特定分量的平均值的步骤。
根据本发明的第五方面，提供一种计算机程序产品，所述计算机程序产品包括具有其中包含计算机程序代码的计算机可读介质，计算机程序代码被配置为使得当由计算机或处理器执行计算机程序代码时，所述计算机或处理器执行如以上描述的方法。
附图说明
现在将仅通过范例的方式，参考以下附图描述本发明的实施例，在附图中：
图1是根据本发明的实施例的离床监测系统的方框图；
图2（a）是图示了在用户离床期间由加速度计获得的信号的曲线图，并且图2（b）是图示了在离床期间用户的倾斜的曲线图；
图3是图示了在离床期间在全局坐标系中的用户的位置变化的曲线图；
图4是图示了从气压变化的测量结果中得到的离床期间的海拔或高度变化的曲线图；
图5是图示了处理系统的用户移动的测量结果以便确定用户是否正在或将要离床的方法的流程图；
图6是图示了根据本发明的实施例的校准所述设备的方法的流程图；
图7是图示了从加速度计测量结果中估计用户的姿势的方法的流程图；
图8是图示了来自加速度计的测量结果和从加速度计测量结果中估计的姿势的一对曲线图；
图9是用于确定检测到的高度变化和估计的姿势是否对应于离床的方法的流程图；
图10是用于确定检测到的高度变化和估计的姿势是否对应于离床的备选方法的流程图；
图11是图示了处理加速度计信号以确定高度变化的方框图；
图12是图示了处理加速度计信号以确定高度变化的方法的流程图；
图13是示出了在处理以确定高度变化的不同阶段处的信号的一系列曲线图；
图14是示出了从加速度测量结果的范例性集合中估计的高度和高度变化的曲线图的集合；
图15是子中值滤波器的方框图；
图16是图示了子中值滤波器的操作的基本原理的曲线图；
图17是图示了子中值滤波器的操作的另一曲线图；
图18是图示了操作子中值滤波器的范例性方法的流程图；
图19是图示了将子中值滤波器应用于包括一组正弦信号和高斯噪声的信号中的结果的曲线图；
图20是图示了由自适应中值滤波器使用的中值滤波器子窗的曲线图；以及
图21是范例性自适应中值滤波器的方框图。
具体实施方式
在图1中示出了根据本发明的以离床监测系统2的形式的离床监测装置的实施例。所述系统2包括由用户佩戴的设备4。能够以具有脖绳的坠饰的形式提供所述设备4，以设置在用户颈部周围，但是备选地，所述设备4能够被配置为被佩戴在用户身体的不同部位处或上，诸如手腕、腰部、躯干、胸部、骨盆或胸骨，并且将包括用于将设备4附接至身体的该部位的适当布置（例如皮带或带子）。
所述设备4包括传感器6，所述传感器用于测量作用于设备4的加速度，假设设备4由用户正确佩戴，所述加速度对应于由用户经历的加速度。该传感器6，例如加速度计，将加速度测量结果（信号）输出至在设备4中的处理器8。在一些实施例中，加速度计6是微机电系统（MEMS）加速度计。尽管应当注意，能够使用很多其他的采样频率（例如50和125Hz），以30Hz的速率可以对由加速度计6经历的加速度进行采样。
使用具有被附接至用户的加速度计6的设备4的优点是能够处理加速度计信号，以便识别用户是否正在执行与用户正在离床一致的移动，以及所述系统2能够使用加速度计测量结果来测量用户的生命体征，诸如呼吸和/或脉搏率。另外，在设备4中存在加速度计6，连同适当的处理，允许设备4确定用户的状况或当前状态（即，站起、行走、跌倒等）。这与常规系统形成对比，所述常规系统利用仅仅能够检测用户离床的压敏垫或红外射束检测器（即，它们不提供任何其他监测或检测功能）。而且，一旦用户已经离床，这些常规系统不能够提供对用护的状态或状况的任何指示。最后，为了达到离床检测的目的，它们需要由医院人员进行安装，导致额外的负担。
设备4中的处理器8分析或处理来自加速度计6的测量结果，以确定用户是否正在或即将离床。
所述设备4还包括警报单元10（其可以包括扬声器），如果检测到离床，能够由处理器8触发所述警报单元，以便为用户寻求帮助。然而，应当注意，设备4中的警报单元10的存在是任选的。
所述设备4还包括存储器模块12，其被连接到处理器8，并且其能够存储在由处理器8处理测量结果之前、期间或之后的来自加速度计6的测量结果。存储器模块12也能够存储由处理器8执行的处理结果。另外，存储器模块12可以存储涉及由处理器8执行的处理步骤的计算机代码或程序指令，以便确定是否发生或将要发生离床，这能够根据需要由处理器8检索和执行。
所述设备4还包括发射机（TX）或收发机（TRX）电路16和相关天线18，其能够用于将加速度计测量结果或处理的结果（其能够包括警报信号）发射至基本单元18。例如，所述基本单元18可以位于靠近用户的床，或例如，其可以是在护士站的计算机终端。在其他实施例中，可以存在位于靠近用户的床的基本单元18，其接收来自设备4的测量结果或处理的结果，并且将所述信息发射至另一单元，诸如位于护士站的计算机终端。
所述基本单元18包括相应的接收器（RX）或收发机（TRX）电路20和天线20，其用于接收来自设备4的发射（诸如加速度计测量结果、处理结果和/或警报信号），并且处理器24用于控制基本单元18的操作。所述基本单元18可以使用TRX电路20来向设备4发射设置或配置信息。尽管未图示，基本单元18也可以包括显示器，其用于图示处理的结果（例如，呼吸和/或脉搏率）。
基本单元18也任选地包括存储器模块26，其用于存储从设备4接收的信息，以及涉及由处理器24执行的处理步骤的计算机代码或程序指令，以便控制基本单元18的操作。
所述基本单元28也包括警报单元（其可以包括扬声器），如果检测到离床，能够由处理器24触发所述警报单元。
尽管在本文中描述的本发明的实施例中，所述处理器8执行加速度计测量结果的处理，以确定用户是否正在或即将离床，应当注意，在本发明的备选实施例中，设备4中的处理器8能够经由收发机电路14简单地将加速度计测量结果发射至基本单元18，并且基本单元18的处理器24能够执行加速度计测量结果的处理，以确定用户是否正在或即将离床。
在又一备选方案中，在向基本单元18发射结果之前，设备4中的处理器8可以执行对加速度计测量结果的初始处理步骤中的一些，例如，所述基本单元18完成处理并且确定用户是否正在离床。
简言之，处理来自加速度计6的测量结果，以便确定用户是否正在离床。如下文更详细地描述的，该处理目的在于识别与用户正在离床一致的移动和/或姿势。例如，通常的离床将涉及用户翻身至其一侧，使得他们面对床的边缘（假设他们开始处于俯卧或仰卧位置），坐起，并且然后站起直立。由此，能够处理加速度计测量结果，以识别与用户正在离床一致的移动、移动模式、身体姿势变化、取向变化和/或高度变化中的任何一个或多个。尽管有可能处理测量结果来识别仅仅一个姿势或仅仅高度变化，以确定用户是否正在离床，应当注意，通过识别多个姿势连同来自测量结果的高度变化能够减少生成误警的风险。而且，通过确定是否以离床的正确时间顺序发生姿势和高度变化，能够进一步减少误警的风险。
图2（a）和图2（b）示出了当人离床时来自加速度计6的信号的典型范例。在图2（a）中，用户初始平躺处于仰卧位置。线32、34和36分别表示沿着加速度计6的z-、y-和x-轴的加速度的测量结果。通常设备4和加速度计6被取向，使得大体垂直于用户的身体对齐z-轴（即，其垂直于在朝向用户前面的用户背部皮肤的平面，使得当用户躺仰卧或俯卧时，通过该轴测量重力），大体垂直沿着用户身体从地面向上对齐y-轴，并且x-轴正交于y-轴和z-轴。在生物力学角度，z-轴处于后前方向上，y轴是从底部到顶部垂直的，并且x-轴处于内外方向上（其中x-、y-和z-轴正交，右旋）。线38表示加速度信号的范数，当不存在其他加速度时其等于重力的尺寸。在该图中，设备4的取向使得沿着x-、y-和z-轴中的每个找到对应于重力的加速度分量。
然后，用户翻转到其一侧，面对床的边缘，并且起身站立。图2（b）示出了以角度测量的倾斜，当用户朝床的边缘弯曲时，所述倾斜上升，并且在用户站起之前，甚至假设向前弯曲姿势。倾斜信号的端部对应于直立姿势。理想地，（即如果将加速度计6正确地取向在用户上），根据在z-轴方向上观察的重力，当用户正在站起时倾斜将是90度。
从卧姿到坐姿直立（或向前倾斜的坐姿）的姿势次序是能够由离床监测系统2检测到的特征。在另一实施例中，能够分析发生在姿势转换中的中间姿势步骤，以增加检测的可靠性。例如，如果同时地检测到在向前和侧向方向上的躯干移动（可能另外检测到躯干的高度变化），这意味着对象通过对象在仰卧位置上将其自己拉向床的边缘并且然后将他们的腿悬在床外以获得地板接触，从而试图离床。
通过使用滤波器以估计加速度的垂直分量（例如，通过计算加速度信号的范数）并且移除对应于来自加速度计信号的重力的加速度，通过对（经滤波的）加速度计信号进行二次积分，能够测量躯干的上升（即，离床之后从卧姿或坐姿位置到站起直立）。这个上升提供能够在检测离床中使用的另一特征。在图3中示出了在图2（a）中示出的从加速度信号中计算的高度上升。
在一些实施例中，所述设备4能够包括一个或多个额外的传感器30、32和/或34，所述传感器30、32和/或34能够提供除加速度计测量结果以外的测量结果，所述测量结果能够用于补充对加速度计测量结果的处理，并且从而允许检测其他移动或姿势，并且由此增加离床检测的可靠性。
例如，所述设备4还可以包括提供气压测量结果的气压传感器30，能够处理所述气压测量结果，以确定设备4的高度或海拔。图4示出了表示从气压传感器信号中得到的海波或高度的信号，在离床期间从气压传感器30获得所述气压感应信号。
图4图示了对气压传感器信号与加速度计测量结果的分析的组合的愿望。尤其，这个组合可能从由高度导致的物理变化中区分气压的环境变化。在另一方面，当使用加速度计信号以确定高度差时，气压传感器信号的使用允许由设备4的运动导致的明显高度变化区分于实际高度变化。例如，如果不再恰当地校准加速度计6，设备4的旋转可以导致测量到的重力的量值的变化，其能够被解释为由移动导致的加速度并且由此将导致明显的高度变化。
另外，由于难以使用加速度计6来围绕垂直线测量旋转，所述设备4也可以或备选地包括磁力计32或回转仪34，其提供用于确定设备4在水平面上的取向的测量结果（即，确定用户围绕垂直重力场的旋转或前进）。由于在床缘的边缘处坐起也通常涉及用户侧转，（即，用户执行围绕垂直轴的旋转），增加磁力计32或回转仪34能够改善离床检测。
除了检测用户是否将要离床之外，应当注意，有可能处理传感器测量结果，以确定用户是否已经实际离床。例如，能够处理测量结果，以确定用户是否已经站起或已经正在站立或行走。根据检测到给出的高度增加和/或特征性移动模式（例如，仅仅在高度增加之前躯干后前摆动），能够确定站起。根据检测到直立躯干姿势和轻微摇动（其区分于坐姿直立），可以确定站起。根据同时检测到直立躯干姿势和增加移动水平（例如，在加速度计信号中的能量或变型方面），可以确定行走。
图5是图示了根据本发明的实施例的方法中的一些范例性步骤的流程图。在步骤101（其为任选的）中，在将以上描述的设备4附接至用户期间或之后，校准设备4。该校准涉及校准设备4，使得来自加速度计6的测量结果能够被转换为用户的参考系，从而允许使用测量结果来更准确地确定用户的姿势。应当注意，可以在使用设备4期间周期性地执行校准步骤，并且可以与方法中的后续步骤平行执行所述校准步骤。
在步骤103中，从加速度计6获得作用于设备4上的加速度的测量结果。
在方法的以下步骤中，如参考步骤105至111图示的，处理加速度计测量结果，以便确定用户是否即将或正在离床。应当注意，能够以与以下图示和描述的不同顺序执行步骤105至111，和/或如果前述步骤的结果与已经发生离床一致，可以仅仅执行步骤中的一些。
尤其，在步骤105中，从加速度计测量结果中估计设备4的随时间变化的高度或高度变化。
在设备4不包括除加速度计6之外的任何额外的传感器的情况下，从加速度计测量结果中能够唯一地确定设备4的高度或高度变化，例如，如在欧洲专利申请号61/524813（U.S.专利申请）标题为“Estimating velocity in a horizontal or verticaldirection from acceleration measurements”中描述的，其以皇家飞利浦电子的名义在61/524813（U.S.专利申请）中申请，在此通过引用将其全文并入。在该说明书的结尾处的附录中列举并且在图11至图21中图示在所述专利申请中描述的用于估计速度和高度或高度变化的技术。
备选地，在所述设备4包括高度传感器（诸如气压传感器30）的情况下，例如通过使用传感器融合技术，气压传感器能够用于确定高度或高度变化，替代或连同加速度计测量结果。在所述设备4包括又一传感器（诸如磁力计32或回转仪34）的情况下，来自这些传感器的测量结果能够连同来自加速度计6的测量结果用于识别加速度的垂直分量，并且由此辅助确定设备4的高度或高度变化。
之后，将估计的高度或高度变化与阈值（步骤107）进行比较，以确定高度或高度变化是否与用户离床一致。能够基于多种因素设置阈值，包括设备4在用户上的位置、用户的高度、床的高度等。在一些实施方式中，阈值可以被设置为成比例地对应于当用户躺下和用户站起直立时的腰部的高度差。由此，在床相当高和/或在用户相对矮的情况下，阈值将被设置为相对低值。例如，在所述设备4被附接至用户的腰部的情况下，高度变化的适当阈值能够是4厘米（0.04米）。
如果估计的高度或高度变化超过阈值，所述方法转到步骤111。如果估计的高度或高度变化不超过阈值，所述方法回到步骤103（即，针对当前测量结果不执行后续步骤）并且重复加速度测量结果的新的集合。
除了在步骤105中估计高度变化之外，处理器8估计在许多时间瞬间的用户的姿势（步骤109）。
正如上述高度变化估计，以下更详细地描述仅仅使用来自加速度计6的测量结果能够完成姿势估计。备选地，从加速度计测量结果连同来自又一传感器（诸如磁力计32或回转仪34）的测量能够估计姿势。来自磁力计32或回转仪34的测量结果允许提高对设备4的取向的估计。
在步骤111中，在该实施例中，在高于阈值的高度或高度变化的肯定的确定之后发生步骤111，确定估计的高度变化和估计的姿势是否与离床一致。以下更详细地描述该步骤。在一个实施例中，确定高度超过阈值的时刻发生在用户处于卧姿（仰卧、俯卧或侧卧）位置和处于直立位置之间。如果不是，则确定测量到的高度变化和移动不对应于用户离床，并且所述方法返回步骤103。
如果高度超过阈值的时刻或在高度变化超过阈值期间的时间周期发生在从卧姿位置至直立位置的过渡期间，确定已经发生离床或试图离床（步骤113）。在这种情况下，能够触发警报（步骤115）。
现在将更详细地描述在图5中示出的方法的步骤中执行的处理。在下文中，假设所述设备4被附接至用户的腰部。
校准
如上所述，由于设备4的精确取向以及由此加速度计6关于用户的参考系是未知的，因此期望执行涉及校准设备4的校准步骤，使得来自加速度计6的测量结果能够被转换为用户的参考系，从而允许使用测量结果，以更准确地确定设备4的高度变化和/或用户的姿势。
如上所述，设备4的形式因素/形状（尤其外壳）能够被设计使得例如当附接至用户的腰部区域时，大体垂直于用户的身体对齐加速度计6的z-轴（即，其垂直于在用户背部的皮肤的平面），大体穿过用户身体垂直向下朝向地面对齐y-轴（即，当设备4被附接至腰部时，其指向用户的腿），并且x-轴正交于y-轴和z-轴（即，其指向侧向方向）。设备4可以在设备4的外壳具有标记，当其被附接至用户时，所述标记指示优选取向，或其可以是针对用户身体的特定部位的人体工程学形状，使得当被附接至用户时，设备4假设大体正确的取向。
当设备4与用户参考系大体对齐时，由于重力将作用于y-方向，当用户处于站起直立时，在该方向上感应的加速度应当具有加速度的最大分量（假设不存在过多移动，否则“DC”分量将沿着y-方向上是最大的）。y-轴向下对齐，当用户站起直立时，对应于重力的加速度将具有正号。类似地，当用户仰卧（即，背部朝下卧倒），对应于重力的加速度将导致沿着z-轴上最大的信号（也具有正号）。当用户侧卧时，沿着x-轴的信号将是最大的（记号取决于用户躺在右侧或左侧）。
有可能，以加速度计6的测量轴足够紧密地对齐用户的参考系的方式将设备4附接至用户，能够省略校准步骤。
在范例性实施例中，使用在图6中以方框形式图示的算法，能够执行校准步骤。这个算法试图提高对在用户在床上、离床期间和/或离床时发生的主要姿势中的两个或三个的检测的可靠性。本领域技术人员应当意识到，以下描述的备选技术可以用于实现校准设备的步骤。
校准过程操作如下。首先，在方框52中，由低通滤波器对3D加速度信号的三个分量（即，x-轴、y-轴和z-轴信号）进行平滑。在该方框52中能够使用的低计算复杂性过滤器是移动平均（MA）过滤器，其通过对该采样及其附近采样（即，紧邻当前采样之前和之后的采样）的平均值取代三个测量信号中的每个的每个采样。尽管应当意识到能够使用其他的窗口尺寸，MA过滤器的典型半窗尺寸是1.6秒。
随后，在标准化方框54中，对低通滤波信号进行标准化。尤其，每个3D采样（即，在特定时间瞬间的x、y和z值）被认为是3维矢量，并且被标准化为单位长度。执行该标准化，以启动下述阈值步骤。然而，本领域技术人员应当意识到，在不具有首先标准化信号的情况下，能够备选地实现下述阈值步骤。
在方框56中，针对用户处于第一姿势的第一时间周期（第一组采样）和用户处于第二（不同）姿势的至少第二时间周期搜索标准化信号。例如，方框56能够搜索针对用户处于仰卧的周期的标准化信号，并且尤其，针对z-分量超过阈值的连续时间周期搜索标准化信号。连续时间周期能够短至1秒，但是被认为“连续”的经识别的时间周期的典型初始最小持续时间是15秒。要求被识别的最小持续时间越长，算法的可靠性越好。
标准化信号具有在范围[1，-1]的值，并且当用户正躺下时，z-分量应当最大。阈值的典型初始值（当信号被标准化时以及能够如以下描述修改阈值时）是0.6。如果不使用下述阈值修改，阈值的典型值会是0.8。如果识别连续时间周期，该周期被认为是当用户正躺仰卧时的时间周期。
优选地，所述算法还包括阈值修改方框58，其被配置为如果搜索方框56找到连续时间跨度的末端（即，如果搜索中的先前采样在阈值以上，以及当前采样在阈值以下），并且当前时间跨度的长度超过最后使用的时间跨度的长度（最后使用时间跨度是z-分量超过阈值的最后连续时间周期），则修改阈值。在一个实施例中，方框58被配置为将阈值设置为在最后使用的时间跨度中的（标准化信号的）z分量的均值。另外，更新参数“最后使的用时间跨度的长度”，以反映刚刚结束的连续时间跨度的长度。
显然，能够以若干种方式精化以上算法。例如，在使用10分钟之后，或已经更新一定数量的次数（例如仅仅一次）之后，例如可以停止（冻结）信号搜索和阈值修改。
应当意识到，通过针对（优选标准化信号的）y-分量在阈值以上的连续周期进行搜索，信号搜索方框56能够识别用户何时处于坐姿或站起直立。初始阈值能够是如上述针对仰卧姿势指示的阈值（即，0.6），但是针对连续期的初始最小持续时间将更短，通常为2-5秒。
同样地，通过针对（优选标准化信号的）x-分量的量值在阈值以上的连续周期进行搜索，信号搜索方框56能够识别用户何时处于侧卧。对于确定用户躺在左侧或右侧，阈值将不同。
为了将加速度计6的测量轴与用户的参考系对齐，对于两个识别姿势（例如，在图6中经识别的“仰卧”姿势和经识别的“直立”姿势），在经识别的时间周期中的每个上计算全部三维标准化信号的三维均值。通过图6中的矢量平均方框60执行该过程。应当意识到，对于每个测量轴（例如，对经识别的时间周期中的加速度信号的x-分量取平均值，以给出针对三维均值的x-分量的值），通过对经识别的时间周期中信号值取平均值来计算三维均值（其是矢量）。
然后在标准化方框62中对这些均值进行标准化。“仰卧”时间周期的标准化均值产生（现在校准）“离体”（“z”）方向iz。“直立”时间周期的标准化均值产生（现在校准）“自下而上”（“y”）方向iy。
考虑到这两个校准方向，“侧向”（“x”）方向被定义为垂直于这两个：ix=cross（iy，iz），其由矢量乘法方框64计算。还对侧向方向进行标准化（但是如果iy和iz已经得到标准化，则是所述情况）。应当注意，在所述校准之后，iz和iy可以不正交的。
在伪（MatLab）代码中，使用如下代码能够实现方框60和62：
-for d=1:3,iz(d)=mean(accNormalized(kSup0:kSup1,d));end
-accSz=norm(iz,2);
-iz=iz/accSz;
其中，accNormalized是（3D）加速度计信号，所述加速度计信号中的每个采样已经被标准化，kSup0:kSup1指示采样范围（通过方框56的（最后）时间周期），d是维度（x，y，z），iz是得到的三维均值（三个分量的矢量）。除以accSz使该iz标准化。以相同的方式计算iy（但是由iy取代iz并且由kUpr0:kUpr1取代kSup0:kSup1（对于从找到直立期的采样）。ix由矢量叉积iyxiz产生（方框64）。
得到的ix、iy、和iz用于后续处理中，以确定高度变化，并且估计用户的（一个或多个）姿势。如果省略该校准步骤，代替使用ix=（1，0，0），iy=（0，1，0），和iz=（0，0，1）。
本领域技术人员应当意识到，经过对矢量平均方框60和矢量乘法方框64的操作的适当的更改，能够省略或更改上述标准化操作中的一个或两个。备选地，或额外地，应当意识到，矢量平均方框60不必计算三维（标准化）加速度矢量的均值，但是能够确定在经识别的时间周期中的每个的三维加速度矢量的平均值的备选量度。
姿势估计
在优选实施例中，如图7中的方框形式图示的，使用算法执行估计姿势步骤109。所述算法目的在于确定发生在加速度计信号中的离床期间的三个主要姿势的存在，即，仰卧、侧卧的离床和站起直立。
算法的第一部分对应于上述校准算法。尤其，在方框82中，由低通滤波器对3D加速度信号的三个分量（即x-，y-和z-轴信号，记作A）进行平滑（经滤波的信号被记作Alpf）。能够在该方框82中使用的低计算复杂性的滤波器是移动平均（MA）滤波器。尽管应当意识到能够使用其他窗口尺寸，MA过滤器的典型半窗尺寸是1.6秒。标准化方框84对低通滤波信号进行标准化。标准化低通滤波信号被记作应当意识到，该算法可以利用如图6中所示的相同的低通滤波方框和标准化方框。
在对低通滤波信号进行标准化之后，从低通滤波信号和针对姿势：躺仰卧、侧卧和站起直立中的每个的（经校准的）轴矢量ix、iy和iz中计算信号。
具体地，提供矢量点乘方框86，其接收标准化低通滤波信号和（经校准的）轴矢量，并且针对每个采样k计算点乘如下：
Posture _ supine [ k ] = dot ( i z , A ^ lpf [ k ] ) - - - ( 1 )
Posture _ upright [ k ] = dot ( i y , A ^ lpf [ k ] ) - - - ( 2 )
Posture _ side [ k ] = dot ( i x , A ^ lpf [ k ] ) - - - ( 3 )
应当意识到，低通滤波信号和（经校准的）轴矢量具有1的量值（因为两个矢量均已得到标准化），因此，矢量点乘得到等于两个矢量之间的角度的余弦的值。因此，矢量点乘方框86有效地确定标准化低通滤波信号和（经校准的）轴矢量的在方向上的对应的量度。在方向上的对应性越大（即，矢量越靠近平行线），则针对该姿势由方框86输出的值更高。
之后，姿势估计方框88确定针对每个采样k的姿势。尤其，在采样k处的姿势对应于具有最大“存在”的姿势信号。例如，针对比较的每个姿势信号和绝对值，能够确定绝对值或量值。
如果|Posture_supine[k]|大于|Posture_upright[k]|和|Posture_side[k]|，则确定采样k处当前姿势是仰卧。如果|Posture_upright[k]|大于|Posture_supine[k]|和|Posture_side[k]|，则确定采样k处当前姿势是直立。如果|Posture_side[k]|大于|Posture_upright[k]|和|Posture_supine[k]|，则确定采样k处当前姿势是侧卧。
假如通过姿势估计方框88仅仅考虑两个姿势，通过矢量点乘方框86，Posture_supine[k]和Posture_side[k]能够被组合成单一度量标准，Posture_lying[k]，并且然后Posture_lying[k]通过姿势估计方框88能够与Posture_supine[k]比较。如果|Posture_upright[k]|大于|Posture_lying[k]|，则能够确定采样k处姿势是直立，并且如果|Posture_upright[k]|小于|Posture_lying[k]|，则确定姿势为卧姿。
应当意识到，确定的姿势涉及设备4被附接到的用户上身的取向。不必确定腿的取向（例如，在床上是水平的），以便确定用户是否将要离床。
图8示出了范例性估计的姿势信号曲线图（上方曲线图）和来自加速度计6用于导出姿势信号的信号（下方曲线图）。姿势曲线图中的虚线描绘了校准之前估计的姿势信号（Posture_supine、Posture_upright和Posture_side），其中使用ix=（1，0，0）、iy=（0，1，0），和iz=（0，0，1），并且实线描绘了校准之后的估计的姿势信号（Posture_supine、Posture_upright和Posture_side）。圆圈90指示用于校准过程的选定区域，即，采样在以上识别的在kSup0:kSup1和kUpr0:kUpr1范围之间。
在800秒，由于该校准，能够看到直立姿势的变化。这将具有在该时刻上述姿势估计算法的输出将是直立姿势而不是仰卧姿势的效应。事实上，在800秒，用户是坐着直立，并且床的头端正在降低。
正如上述校准过程，本领域技术人员应当意识到，经过对矢量点乘（矢量乘法）方框86的操作的适当的更改，能够省略或更改上述标准化操作（由方框84执行）。
高度估计
如上所述，从在附录1中描述的加速度计信号中能够估计设备4的高度。也如上所述，使用来自气压传感器30的测量结果也能够计算高度变化。
如上所述，图3是图示了从加速度计测量结果中估计的高度的曲线图，并且图4是示出了在离床期间获得的范例性气压传感器信号的曲线图。
在该范例中，设备4被附接至用户的腰部，并且在时间t=135秒时仰卧在床上。在大约145秒时，能够看到有高度增加，其对应于用户翻身到其一侧，并且在一个移动中向左侧抬升，使得他们在床边站起结束。在图4中，能够看到在138秒时有明显高度变化，但是与从加速度计测量结果中估计的高度变化的比较示出了该变化是由于环境气压波动。在145秒时，实际高度上升是可见的。
考虑到来自加速度计和/或气压传感器测量的估计的高度，计算高度差为在当前采样k和更早采样之间的估计的高度的差。优选地，从在当前采样之前大约10秒发生的采样中选择更早采样。
如上所述参考图5中的步骤107，估计的高度变化与阈值进行比较，其中针对阈值的范例值为4厘米。如果离床已经发生，高度变化将超过该阈值。
时间顺序
在图5的步骤111中，确定估计的高度变化是否与在离床期间期望发生的姿势一致。在图9中示出了执行步骤111的范例性方法。
当在图5的流程中的步骤107指示针对采样k的高度变化超过阈值时，所述方法开始。在第一步骤，步骤151中，确定在当前采样k之后的时间窗之内是否存在仰卧/俯卧或侧姿姿势。尽管应当意识到能够使用其他长度的窗口，例如，该时间窗能够是采样k之后的下一个10秒。如果在那个窗口中存在仰卧/俯卧或侧卧姿势，不论那个姿势的持续时间，则确定高度变化不对应于离床，并且所述方法转到步骤153，以等待高度变化超过阈值的下一个采样。
如果在当前采样k之后的时间窗口中不存在仰卧/俯卧或侧姿姿势，则在步骤155中确定在当前采样k之前的时间窗口中是否存在仰卧/俯卧姿势的周期（或仰卧/俯卧或侧卧的周期）。尽管应当意识到能够使用其他长度的窗口，例如，该时间窗口能够是在当前采样k之前20秒。在时间窗口内的仰卧或俯卧姿势的所需周期能够是2.5秒的顺序。
为了获得步骤155的正输出，对于整个所需周期（即，对于在20秒时间窗口内的2.5秒的完整周期）有必要连续地确定姿势是仰卧或俯卧。备选地，对于至少预定量的所需周期姿势，仅仅有必要确定姿势是仰卧或俯卧。尽管应当意识到可以使用其他值，预定量可以是80%。
如果在满足以上要求的当前采样k之前的时间窗口内没有仰卧，俯卧或侧姿姿势周期，算法移到上述步骤153。
如果在当前采样k之前的时间窗口中存在仰卧、俯卧或侧姿姿势周期，则所述方法移到步骤157，在步骤157中，确定在当前采样k之后的时间窗口中是否存在直立姿势的周期。尽管应当意识到能够使用其他长度的窗口，例如，时间窗口能够是在当前采样k之后10秒。在时间窗口内的直立姿势的所需周期能够是2.5秒的顺序。
如上，对于整个所需周期（即，对于在10秒时间窗口内的2.5秒的完整周期）姿势有必要连续地是直立。备选地，对于至少预定量的所需周期，姿势仅仅有必要是直立。尽管应当注意可以使用其他值，预定量可以是80%。
应当意识到，在上述姿势估计中，用户的姿势将总是被归类为仰卧/俯卧、侧姿或直立中的一个，并且由于通过在步骤151中的否定响应已经确定这个结果，因此能够省略步骤157。然而，当采用备选姿势估计算法时（即，在能够识别多于三个姿势的情况下），能够使用这个步骤。如果在当前采样之后的时间窗口中不存在直立姿势的周期，所述方法返回步骤153。
如果在当前采样之后的时间窗口中存在直立姿势的周期，已经识别离床。
已经发现，该实施例导致对离床的可靠检测，同时使误警的发生最小化。例如，已经发现，当用户行走时（由于上身正在以4厘米的量上下移动），能够检测4厘米的高度变化，但是在围绕这些高度变化的小时间窗口之内将不存在仰卧/俯卧或侧姿姿势的周期。也已经发现，当停留在床上时，也发生卧姿随后直立的次序，但是在这种情况下，将不存在足够超过阈值的高度变化。已经发现或多或少中心围绕高度变化的跟随直立姿势的仰卧/俯卧或侧卧的时间顺序对于离床来说是唯一的。
然而，也已经发现，有可能对于直立端坐一段时间并且然后离床的人来说将不确定离床。在这种情况下，步骤155将导致负输出，并且将不检测离床。
克服这个问题的一个方式是设备4能够检测用户何时围绕垂直线转身约90度时（即，检测用户何时从面对床端部的坐姿位置移动到面对床边的坐姿位置）。可能从加速度计测量结果唯一地确定该方式，但是优选存在又一传感器，诸如磁力计32或回转仪34。
对在离床之前延长时间周期的用户坐姿问题的备选解决方案如下。引入布尔术语“在床”，并且原则是此后不增加高度的情况下，这个布尔记录仰卧/俯卧或侧卧姿势是否已经发生。如图10示出的执行该方法，并且取代图5中的步骤107和步骤111。
在方法初始时，在步骤171中，布尔“在床”被设置为假。
在步骤173中，确定针对当前采样k的姿势是否是仰卧或侧卧（或如果单一量度取代仰卧和侧卧信号，则仅卧姿）。该步骤对应于图7中的姿势估计方框88的操作。如果否，方法移到步骤175，在所述步骤175中检索下一个采样，并且针对那个采样重复步骤173。
如果针对当前采样的姿势是仰卧或侧卧，则“在床”被设置为真（步骤177）。
在步骤179中，确定在当前采样k的高度变化是否大于阈值（尽管应当意识到，如果在图5的步骤107中已经执行了这个步骤，其能够省略该步骤）。
如果高度变化不大于阈值，则所述方法移至步骤181，在所述步骤181中检索下一个采样。之后，针对下一个采样重复步骤179。
如果高度变化大于阈值，则所述方法移至步骤183，在所述步骤183中确定在当前采样k之后的时间窗口中是否存在仰卧或侧姿姿势周期。尽管应当意识到能够使用其他长度的窗口，例如，时间窗口能够是在当前采样k之后10秒的周期。
如果在那个时间窗口中用户处于仰卧或侧姿姿势，所述方法转到步骤175（由于“在床”将保持设置为真，或步骤185）。
如果在那个时间窗口中用户不在仰卧或侧姿姿势，则确定在当前采样k之后的时间窗口中是否存在直立姿势周期（步骤185）。尽管应当意识到能够使用其他长度的窗，例如，时间窗口能够是在当前采样k之后10秒的周期。
如果在当前采样之后的时间窗口中不存在直立姿势的周期，所述方法转到步骤175（由于“在床”将保持设置为真，或步骤181）。
如果在当前采样之后的时间窗口中存在直立姿势的周期，已经识别离床，并且布尔“在床”现在被设置为假（步骤187）。
应当意识到，在上述姿势估计中，用户的姿势将总是被归类为仰卧/俯卧、侧姿或直立中的一个，并且由于通过在步骤183中的否定响应已经确定该结果，因此能够省略步骤185。然而，当采用备选姿势估计算法时（即，能够识别多于三个姿势的情况下），能够使用该步骤。
也应当意识到，图10中的步骤187能够拆分为两个单独的步骤，步骤185的输出通向“在床”被设置为假并且之后回到步骤175的步骤以及保健提供者触发离床警告和/或向用户反馈的步骤。
也应当意识到，图10所示的方法的变型是可能的。例如，能够省略步骤181，并且到步骤181的输入直接提供到步骤175。然后，核对“在床”是否为真的步骤能够在步骤173之前，并且如果是，所述方法转到步骤179。否则，方法执行步骤173，并且之后根据结果执行步骤175或177。
也应当意识到，可能使用上述两个算法的组合，以确定高度变化和姿势的时间顺序，以及对于本领域技术人员来说显而易见的其他算法。例如，当使用“在床”参数时，在持续“卧姿”姿势和高度变化之间的时间周期能够用作可能性参数，以决定离床是否已经发生。
也应当意识到，基于每个采样操作以上算法，其具有相对计算密集性。更改是可能的，在所述更改中，仅仅采样的子集经受算法，从而减少计算负担。
因此，提供了一种离床监测系统，其能够检测患者或用户何时将要离床（除检测患者或用户已经离床之外），从而尽早向护理人员提供警报，同时使误警的发生最小化。
尽管在附图和上述描述中详细图示并描述了本发明，这样的图示和描述被认为是图示性或范例性的，并非限制性的；本发明不限于公开的实施例。
本领域技术人员通过研究附图、公开内容和权利要求书，在实践所主张的本发明的过程中，能够理解和实现公开实施例的变型。在权利要求中，“包括”一词不排除其他要素或步骤，并且不定冠词“一”或“一个”不排除复数。单个处理器或其他单元可以实现在权利要求中列举的若干项的功能。在互不相同的从属权利要求中列举的某些措施的事实不表明不能够使用这些措施的组合来获益。计算机程序可以存储/分布在恰当的介质上，诸如与其他硬件一起提供或作为其他硬件的一部分的光学存储介质或固态介质，但也可以以其他形式分布，诸如经由互联网或其他有线或无线通信系统。在权利要求中的任何参考标记不应被解释为限制范围。
附录-从来自加速度计测量估计高度或高度变化
如上所述，在设备4不包括除加速度计6以外的任何传感器的情况下，从加速度计测量结果能够唯一地确定设备4的高度或高度变化，如在欧洲专利申请号61/524813（美国专利申请）标题为“Estimating velocity in a horizontal or vertical directionfrom acceleration measurements”描述的，其以皇家飞利浦电子的名义申请在61/524813（美国专利申请）。下面列举了在该专利申请中描述的用于估计速度和高度或高度变化的技术，并且在附图的图11至图21中示出。本领域技术人员应当意识到，尽管在测量在用户跌倒期间可以发生的高度或高度变化方面主要地呈现所述技术，其同样可应用于确定当用户离床时发生的高度变化。
简言之，根据本发明的图示性实施例确定设备在垂直方向上的速度的估计的方法包括，使用加速度计6来获得在垂直方向上作用于设备4的加速度的测量结果；使用第一滤波器来从获得的测量结果中移除由重力导致的加速度，以给出对由设备4的运动导致的在垂直方向上作用的加速度的估计；对由设备的运动导致的作用在垂直方向上的加速度的估计进行积分，以给出对垂直速度的估计；以及，使用第二滤波器以从垂直速度中移除偏移和/或漂移，以给出经滤波的垂直速度。第一滤波器和第二滤波器中的一个或两个是非线性滤波器。
图11示出了估计垂直速度以及之后估计高度变化所需的处理的方框图。本领域技术人员应当意识到，在设备4的处理器8内或作为单独的电子元件能够实现这些处理方框。在图12（步骤1101-1113）与估计来自垂直速度的高度的又一步骤（步骤1115）中示出了图示估计垂直速度对应方法的流程图。图13（a）-（f）是图示了在图11示出的处理不同阶段处的信号的曲线图。
作为初始步骤（步骤1101），收集作用于加速度计6上（并且因此设备4）的加速度的一系列测量结果。如以上指示的，加速度计6测量三维加速度，并且针对测量轴中的每个，输出相应的信号。
向第一处理方框1022提供加速度计测量结果，所述第一处理方框1022处理所述测量结果，以识别作用于垂直方向上的加速度的分量。在图12中，由步骤1103表示该处理，并且能够以多种不同方式执行。
为了做出对垂直加速度的准确估计，想要获得对加速度计6（并且因此设备4）的取向的准确估计，使得坐标变换（旋转）能够应用到加速度计测量结果。
当设备4包括又一传感器（诸如回转仪和/或磁力计）时，能够获得该取向估计，并且来自这些传感器的输出可能连同来自加速度计6的输出用于确定坐标变换（旋转），以应用到加速度计测量结果。坐标变换之后，能够容易地识别加速度的垂直分量。
备选地，由重力导致的加速度（其定义作用于垂直方向上）能够被估计作为加速度计测量结果的低通分量（确保低通分量的量值是常量），并且该分量作用的方向能够用于确定加速度计6的（垂直）取向。低通滤波加速度方向上的加速度将对应于垂直方向上的加速度。作为又一备选，当使用以下描述的非线性滤波器时，类似于由处理方框1024执行的处理的输出能够用于获得对重力和从而其方向的估计（现在在其三维加速度计信号分量中的每个上操作的意义上是类似的）。
估计加速度的垂直分量的一种更简单的方式是计算3D加速度测量结果的范数。针对三个测量轴中的每个，信号输出包括重力，其指向垂直方向，并且能够假设相对于由运动导致的加速度具有相对大的量值。由运动导致和由重力导致的加速度组合为矢量和。由于水平分量正交于重力分量，并且与该重力分量相比量值小，当计算该矢量和的范数时，水平分类的贡献相对较小。在垂直方向上的加速度将出现在具有不变量值的范数，如果当其在向下方向时，其不超过重力（否则在向上加速度（诸如单独由重力）被定义为正的情况下，范数将净负分量转向正一）。因此，范数是垂直加速度（包括重力）的具有成本效益的估计器。然而，如上所述，显著的水平加速度和大的向下加速度（即，超过重力）将在估计的垂直加速度中引入失真。
例如，如果以围绕佩戴在用户颈部的坠饰实现设备4，所述设备4将通常在一个特定取向上，并且该取向的知识能够用于识别来自加速度计测量结果的加速度的垂直分量。然而，应当意识到，如果设备4没有被恰当地佩戴或如果在正常使用期间或跌倒期间其取向改变，这个途径潜在经受大的错误。
在WO2010/035191中描述了另一途径，WO2010/035191描述了一种用于从具有任意取向的3D加速度计信号中估计加速度的垂直分量的技术。根据该技术，通过（i）检查来自加速度计的信号，以识别具有加速度的最高分量的加速度计的轴，（ii）通过确定在作用于加速度计的加速度（假设这个加速度一般由重力导致）与具有加速度的最高分量的轴之间的角度来确定加速度计的取向，以及（iii）使用估计的加速度计的取向来从加速度计测量结果中确定垂直方向上的加速度，从而估计加速度的垂直分量。
在图11中，由第一处理方框1022输出的加速度的垂直分量被记作accz，并且在图13（a）中示出了范例性垂直分量信号。该信号覆盖了发生高度增加的时间周期（大约时间1368秒）；其中，所述设备已经从在桌上的固定位置被举起并且被握在手中，其引起一些振动。向第二处理方框1024和加法/减法方框1026提供加速度的垂直分量。
处理方框1024使用第一滤波器来估计在加速度的垂直分量中由重力导致的加速度（对应于图12中的步骤1105）。
在简单实施例中，处理方框1024使用重力常量值。该值可以是9.81ms-2，但是根据加速度计6的特定特点或校准，其可以是不同值。例如，加速度计6输出值偏离实际值0.2ms-2或更多的加速度的值是不常见的，并且这能够被分解为使用的常量值。在图13（a）中能够看到这一情况，其中，常量值大于10ms-2。在该简单实施例中，处理方框1024能够将估计器应用于输出重力常量值（例如9.81ms-2）的加速度的垂直分量。已知，除常量输出之外，估计器能够被理解为滤波器。
在备选实施例中，处理方框1024能够将线性滤波器应用于加速度的垂直分量，以提供对重力的估计。线性滤波器能够是具有合适截止频率的低通滤波器。例如，滤波器能够是移动平均滤波器。
已知，通过其脉冲响应曲线表征线性滤波器。在其输入的脉冲导致及时传播的信号。因此，发生在跌倒期间的加速度的突然变化能够被看作连续感测的重力信号上重叠的脉冲。因此，当使用线性滤波器估计重力分量时，将存在由脉冲传播导致的过高和过低估计。过高和过低估计的严重度取决于滤波器的带宽（或脉冲响应的长度）。在后续积分步骤中，这些过高和过低估计被处理作为由运动导致的垂直加速度的一部分，并且从而将导致错误的速度估计，并且也由此导致错误的位置估计。
而且，当加速度计6的取向变化时，沿着加速度计6的测量轴中的每个的重力分量变化。这个变化表现为在估计重力中的瞬时误差。瞬时误差类似于脉冲响应，并且具有相同的传播（更确切地，其是步骤响应）。在积分步骤之后，这个传播也导致在速度和位置估计中的误差。由于范数对取向不敏感，假设不存在校准误差，在使用范数的实施例中不呈现这类误差。
在估计加速度的垂直分量（如在上述处理中）的情况下，考虑该取向变化，并且效应减少到在由方框1022（和在步骤1103中）估计的取向中的误差水平。在来自加速度计6的测量结果包括偏移（例如，上述0.2ms-2）的事件中，取向的变化将引起感应到的由所述偏移导致的重力分量的量值的变化。另一效应是能够引起瞬时误差，如果没有得到恰当滤波，其可以再次表现为在位置估计中的误差。
因此，考虑到这些问题，处理方框1024将非线性滤波器应用于加速度的垂直分量，以提供对重力的估计。这是因为非线性滤波器更能够“忽略”发生在跌倒期间的加速度的突然变化，或发生在取向变化的瞬间之后的加速度的突然变化。
在一个优选实施方式中，非线性滤波器能够是中值滤波器。已知，中值滤波器依次处理输入信号中的每个采样，利用许多相邻采样的中值取代每个采样。通过滤波器的窗口尺寸确定在每个阶段处考虑的采样的数量。典型半窗尺寸能够是1.6秒（因此，窗口包含在当前采样前的1.6秒采样价值和当前采样后的1.6秒采样价值）。
已知中值滤波器用于抑制在视频图像中的椒盐噪声，即，抑制短期的（黑白）信号尖峰。在跌倒期间经历的加速度能够被认为是在（相对）短期的加速度信号中的尖峰，并且因此使用中值滤波器来移除该尖峰将因此产生更好的重力估计，并且不受到与线性滤波器关联的响应传播问题。
在另一特定优选实施方式中，非线性滤波器能够是递归中值滤波器。这种类型的滤波器具有其倾向于坚持其（对重力的）先前估计的性质。以这种方式，在变化仍然伴随的同时，例如，由取向变化和加速度计6的欠佳校准导致的步骤，加速度的波动不直接表现为在对重力分量的估计中的串扰。
已知，除了在计算特定采样的中值时，递归中值滤波器使用在采样窗口中已经计算的中值，而不是使用信号中的原始采样值，递归中值滤波器类似于中值滤波器。
递归中值滤波器能够是向前或向后递归中值滤波器，其确定对垂直加速度信号进行滤波的方向。
向前递归中值滤波器将尝试保持过去的值（即，保持其为常量），而向后递归中值滤波器将尝试保持将来的值。根据信号的本质，这些类型的递归中值滤波器中的每个的输出能够是不同的。例如，在脉冲之前的信号具有比脉冲之后的信号的较低值的情况下，向前递归中值滤波器将倾向于使用较低值，而向后递归中值滤波器将倾向于使用较高值，并且将存在两个输出之间的差。由此，可能将两个滤波器单独应用于垂直加速度信号，并且对结果取平均值，以获得重力分量。备选地，在两个滤波器输出偏离的情况下，能够使用点之间的线性插值。本领域技术人员应当意识到，可能使用组合两个结果的其他形式。
在备选实施方式中，非线性滤波器是加权中值滤波器，其中，相应权重被应用于在滤波器窗口中的每个采样。
在又一备选实施方式中，非线性滤波器是模式滤波器。该滤波器取当前窗中的大多数采样值最靠近的采样值。
在另一实施方式中，混合版用于对垂直加速度进行滤波。该过滤器估计重力，并且运行决策处理，以决策使用什么值。该决策能够是通过不同过滤器使用估计的组合或例如，当运动水平超过阈值时，冻结估计的重力。
在另一实施方式（尽管比使用标准中值滤波器或递归中值滤波器更复杂）中，更改的中值滤波器（本文中被称为子中值滤波器）用于对垂直加速度进行滤波。以下更详细地描述子中值滤波器。
图13（b）示出了，当线性低通（移动平均）滤波器被应用于垂直加速度信号时以及当非线性中值滤波器被应用于垂直加速度信号（由线1060表示）时，由处理方框1024输出的对由重力导致的加速度的估计。
尽管在图11中未图示，可能将又一滤波器应用于对重力加速度的估计，以平滑信号。
在设备4也被配置为处理加速度计测量结果，以确定用户是否在检测到的跌倒之后起身，可能将估计的因重力导致的加速度时移一或二秒。当用户躺在地板上时，针对重力分量的信号相对平滑（即，常量）。因此，通过时移重力估计，在用户可能起身的周期期间内能够使用常量值。
将由处理方框1024输出的对由重力导致的加速度的估计提供至加法/减法方框1026，其中，从由第一处理方框1022输出的加速度的垂直分量中减去，以剩下由设备4运动导致的垂直方向上的加速度（步骤1107）。在图13（c）中示出了由方框1026输出的估计的由运动导致的垂直加速度（在减去使用非线性中值滤波器获得的重力估计之后-标记为1061，和减去使用移动平均滤波器获得的重力估计之后-标记为1051）。
应当意识到，处理方框1024的输出可以关于直接提供到加法/减法方框1026的垂直加速度的估计被延迟由处理方框1024处理所需的时间。因此，能够同步对方框1026的输入（例如，通过将延迟引入垂直加速度估计，accz）。
也应当意识到，应用于垂直加速度信号和后续加法/减法方框1026的非线性中值滤波器1024能够由单一滤波器取代，在本文中被称为“互补”中值滤波器，其以相反方式作用于中值滤波器，即，其通过由中值滤波器限制的部分信号，并且其限制由中值滤波器通过的部分信号。由此，“互补”中值滤波器通过表示由设备4的运动导致的垂直加速度的短期脉冲，并且移除在垂直加速度信号中的重力加速度。参考图12，该互补滤波器将对应于步骤1105和步骤1107的组合。
表示由设备4的运动导致的垂直加速度的信号之后通过处理方框1028关于时间上被积分，以给出对垂直方向上的速度的估计（步骤1109）。输入到积分方框1028的初始速度值v（t0）是未知的，但是通常假设为零。在任何情况下，下一个滤波阶段（下文进一步描述）移除垂直速度信号中的偏移和漂移，并且因此将基本上移除初始速度分量（如果非零）。
已经发现，失重加速度信号（在图13（c）中示出）不是由设备4的物理移动导致的加速度的完全表示。信号被失真，有效地引起积分方框1028的输出中额外的速度分量。假设失真是由处理方框1022执行的取向估计处理引起的。失真不是常量，但涉及移动信号，并且因此不能作为重力估计的一部分通过处理方框1024进行滤波。然而，通过方框1028积分之后，失真主要引起单调性分量。例如，在图13（d）的标记为1062的线中能够看出，其中，积分在速度上向左偏移约2.5ms-1。如果在重力估计阶段使用线性滤波器，在估计的重力中由滤波器响应传播导致的误差引起显著的速度分量（在图13（d）中标记为1052的线中示出）。
因此，表示垂直速度的信号被提供到第四处理方框1030，其将滤波器应用于垂直速度信号，以估计在该信号中存在的偏移和任何漂移分量（步骤1111）。该滤波的结果是表示单调性（即，偏移和漂移）分量的波动的信号。
用于获得DC（常量）或缓慢变化（偏移和漂移）分量的传统线性滤波器包括低通滤波器和移动平均滤波器（其也展现低通性能）。然而，这些滤波器通过对应于所述滤波器的时间响应影响相邻采样。因此，当可以移除偏移时，在采样的校正拉伸前后，将出现补偿“鬼影偏移”。这些“鬼影偏移”能够显著地遮掩对采样的校正拉伸进行积分的结果，以获得高度变化。
因此，通过处理方框1030优选地将非线性滤波器应用于垂直速度信号以移除在信号中存在的偏移和漂移来克服这个问题（步骤1111）。
在优的实施方式中，处理方框1030将中值滤波器应用于垂直速度信号。如上所述，当通过常量和边缘（即，偏移和漂移）时，中值滤波器有效地限制信号中的脉冲和振荡。对于该滤波器的典型半窗尺寸能够是0.8秒（因此，窗口包含在当前采样前的0.8秒采样价值和当前采样后的0.8秒采样价值）。在备选的优选实施方式中，处理方框1030能够将加权中值滤波器或模式滤波器应用于垂直速度信号。
在特定优选实施方式中，处理方框1030将中值滤波器应用于在本文中被称为“自适应中值”滤波器的中值滤波器。以下将更详细地描述自适应中值滤波器。
应当意识到，在由处理方框1024应用的滤波器是非线性滤波器的情况下，根据使用得到的速度估计的应用，第四处理方框1030能够将线性滤波器应用于垂直速度信号，以估计偏移和漂移。如在图13（d）中看到的，在处理方框1024中应用非线性滤波器已经限制获得的速度中的传播。但是，在该应用的背景下，应用线性滤波器以移除偏移和漂移将引起可接受的限制程度的一些传播。
在图13（d）中用点划线1063示出表示垂直速度信号中的偏移和漂移的信号，使用非线性中值滤波器获得所述信号，并且其是处理方框1030的输出。在图13（d）中用点划线1053示出表示垂直速度信号中的偏移和漂移的信号，使用线性移除平均滤波器获得所述信号并且其包括上述“鬼影偏移”。
这个信号连同来自积分方框1028的垂直速度信号被输入到加法/减法方框1032，其中，从垂直速度信号减去，以给出无偏移和漂移的垂直速度信号（步骤1113）。在图13（e）中通过线1064示出该信号。由此，在更早处理阶段期间应用的非线性滤波器导致对设备4的实际垂直速度的更准确的估计。在图13（e）中通过线1054示出了通过将线性移动平均滤波器应用于对垂直速度的估计获得的等效垂直速度，并且能够看到，已经移除了速度中的部分传播，但是显著反向分量仍靠近尖峰。
正如加法/减法方框1026，向加法/减法方框1032的输入可以需要是同步的，以补偿由处理方框1030引入的延迟。
应当意识到，应用于垂直速度信号和后续加法/减法方框1032的非线性中值滤波器1030能够由单一滤波器取代，在本文中被称为“互补”中值滤波器，其以相反方式作用于中值滤波器，即，其通过由中值滤波器限制的部分信号，并且限制由中值滤波器通过的部分信号。由此，“互补”中值滤波器通过表示设备4的实际速度的短期脉冲，并且移除垂直速度信号中存在的偏移和漂移。
无偏移和漂移的垂直速度信号之后通过处理方框1034关于时间被积分，以给出设备4的高度或高度变化（步骤1115）。输入到积分方框1034的初始位置值p（t0）通常将是未知的，但是在积分的结果用于确定高度变化的情况下，不必要知道初始位置。如果想要计算实际高度，将要求一些校准或初始化，以便设置p（t0）。
如上所述，设备4处理加速度计测量结果，以便确定何时已经存在设备4对应于设备4的用户跌倒的量值的高度变化。另外，应当意识到，在指示跌倒的获得的高度估计中观察的高度变化应当是“持续”的，指示与之前相比，事件之后的设备4处于不同高度。换言之，应当存在从跌倒之前的第一高度到跌倒之后的第二高度（其少于第一高度）的高度变化。在图13（f）中的线1065示出在处理期间使用非线性滤波器时获得的位置估计，并且指示“持续”高度变化已经发生（尽管应当注意，该图指示高度增加而不是下降）。图13（f）中的线1055示出了当在处理期间使用线性滤波器时获得的位置估计，并且指示由滤波响应传播导致的误差速度分量完全补偿上升，有效地剩下无（持续）高度变化。
积分方框1034的输出提供高度估计。如用于检测跌倒或起立（站起）的高度变化起因于计算在两个时间瞬间（例如在当前时间瞬间和在两秒（例如2）之前）的估计的高度之间的差。存在能够在决策逻辑中使用高度变化以检测跌倒的多种方式。例如，能够确定计算的高度变化是否超过（下）阈值。更复杂的范例将在概率测度中使用变化本身的尺寸。
绕过积分器1034，通过使用在时间瞬间之间进行积分（求和）的“移动积分器”或求和器，在所述时间瞬间之间计算高度变化，能够直接从由加法/减法方框1032输出的速度估计中计算高度变化。除了省略除以（平均）移动平均滤波器的窗口长度，移动求和器类似于移动平均滤波器。如此，基本上，对窗口中的速度采样进行求和，并且作为输出返回，其中，窗口是在两个时间瞬间之间的区域。优选途径（首先积分并且计算差或计算移动和）降低至计算负荷的考虑。通过其他因素能够影响选择，诸如，例如，窗口尺寸的数量，在所述窗尺寸上计算高度差。使用对于MA滤波器实施方式已知的类似技术能够优化移动求和器的实施方式。
图14示出了对跌倒期间获得的加速度计测量结果使用作为第一滤波器1024的子中值滤波器和作为第二滤波器1030的中值滤波器执行的根据本发明的处理的结果。由此，曲线图示出了从下方曲线图中所示加速度计测量结果中得出的海拔下降（即高度变化）和高度（涉及近似零的初始高度）。在上方曲线图中的高度差被计算作为当前高度估计和预定时间周期前的高度估计之间的差（在这个范例中，时间周期是2秒）。因此，在曲线图中高度下降发生在跌倒开始并且在2秒内保持可见，直到“预定时间周期之前”通过所述开始（即，在这个范例中2秒以后）。
因此，在图14中，在存在指示跌倒发生大约t=509处的高度变化（见顶曲线图），并且该高度变化导致设备4的高度的持续差（例如，见中间曲线图-在高度变化之前的时间窗口中观察的设备4的高度高于在高度变化之后时间窗口中观察的设备4的高度）。
如上所述，参考图11和图12，从三维加速度计测量结果（例如通过取加速度计测量结果的范数）中估计作用于垂直方向上的加速度，并且之后，滤波器被应用于一维垂直加速度估计，以便估计由重力导致的加速度。然而，在备选实施方式中，在估计加速度的垂直分量之前，第一滤波器能够被应用于来自加速度计6的测量轴中的每个的信号，以便在三个维度上估计由重力导致的加速度。该三维重力估计之后能够用于估计三维加速度计测量结果中的加速度的垂直分量，随后，从估计的垂直分量中减去重力估计（或使用与第一滤波器相同或不同类型的另一滤波器获得的另一重力估计），以给出由设备的运动导致的估计的垂直加速度。另外，使用这个途径，能够以类似方式估计和处理（由运动导致的）水平加速度，以估计水平速度和位移。
子中值滤波器
如上所述，在本发明的优选实施例中，本文中被称为“子中值”滤波器的滤波器被应用于由处理方框1022输出的对垂直加速度的估计，以便估计该信号中的重力分量。备选地，子中值滤波器能够用于估计在从加速度计6接收的三维信号中的由重力导致的三维加速度。
也如上文指示的，在加速度信号中的重力分量是更多或更少的常量（即，DC），当旋转加速度计6和设备4时，在加速度计的参考系中其变化方向，并且当加速度计6未得到完全校准时，三维加速度计测量结果的范数变化。
因此，被应用于加速度计测量结果（或对垂直加速度的估计）的滤波器被要求输出在信号中的DC分量，并且瞬时地跟随（例如，由旋转导致的）变化（即，没有传播应当被引入作为应用滤波器的结果）。
低通滤波器能够返回DC分量，但是引入传播，并且当加速度计6的取向变化时不能迅速跟随变化。尽管通常提供可接受的输出，当输入信号较复杂时，中值滤波器会漂移（例如，加速度计6在短高度差上温和而连续上下移动，随后大高度变化和短上下移动连续，可以披露表示估计的重力分量的输出中的漂移）。
因此，已经设计了将低通滤波器和非线性滤波器进行组合的子中值滤波器。优选地，该滤波器是中值滤波器或基于中值的变型。在图15中示出了范例性子中值滤波器1070。
由此，信号被输入到低通滤波器1072，并且经低通滤波的信号被输入到中值滤波器1074。低通滤波器1072能够具有比独自使用时更大的带宽，其允许移除输入信号中的一些高频分量，但仍然允许跟随快速移动。
中值滤波器1074能够备选地是中值变型，诸如，递归中值滤波器或加权中值滤波器。
由于输入信号是经低通滤波的，根据尼奎斯特–香农采样定理，经低通滤波的信号能够下采样到对应于低通滤波器的带宽的尼奎斯特速率，而不具有混叠效应。采样到尼奎斯特速率允许中值滤波器1074的操作在两种方式下更有效。一方面，因为较少采样在滤波器的窗口中，其提供计算增益。另一方面，可实现在移除不想要的分量（尖峰）中滤波器应当是更有效的。参考图16，下面将对此进一步解释。
由此，子中值滤波器1070还包括在低通滤波器1072和中值滤波器1074之间的下采样方框1076，其将经低通滤波的信号下采样到尼奎斯特速率（即，两倍于低通滤波器1072的截止频率）。在本文中被称为“子采样比率”或“子比率（subRatio）”的参数确定经低通滤波的信号的采样比率减少的量。子比率的典型值是20。低通滤波器1072的截止频率通常被设置为小于子采样速率处的信号的带宽（带宽是采样速率的一半）。例如，能够将子采样速率处的信号的带宽乘以0.8，以设置低通滤波器1072的截止频率；选择0.8的值用于防止下采样时的混叠效应。由此，对于具有50Hz采样速率的信号，低通滤波器1072的截止频率通常将是1Hz，为0.8乘以下采样之后的采样速率的一半（其是1.25Hz）。
提供上采样方框1078，以将中值滤波器1074的输出上采样回到输入到子中值滤波器1070的信号的采样速率。如在本领域中已知的，由插值滤波器跟随上采样，图中未示出，其通常是与在方框1072中使用的相同带宽的低通滤波器。应当缩放所述滤波器，以保持处于同等水平的信号强度。如在本领域已知的，能够以若干方式执行上采样。例如，一个方式是插入零值的额外采样。另一范例是使用采样和保持，即，插入相同值的采样作为最后可用采样。
将中值滤波器1074应用于下采样低通滤波信号使得在移除信号中的尖峰中（即，由加速度计6运动导致的加速度）中值滤波器1074更有效。
图16是图示了子中值滤波器1070操作的基本原理的曲线图。图16中的线1080是对应于低通滤波器1072的带宽的正弦信号。线1081是相同的正弦信号，但是在尼奎斯特速率处（即，在方框1076的输出处）进行采样。能够看到，子采样正好在正弦信号1081的零交叉处，并且因此，脉冲导致信号。
虚线1082和1083分别示出了信号1080和1081的中值滤波值。由此，能够看到，将中值滤波器1074应用于子采样低通滤波信号导致更好的结果（真DC值）。
然而，应当意识到，当对经低通滤波的信号进行子采样或下采样时，第一采样的选择是任意的。图16示出了理想情况，在理想情况下，子采样正好在正弦信号1080的零交叉处。然而，图17图示了这样的情景，其中，子采样导致在正弦信号的零交叉之间的中间采样（其是最坏的情况）。线1084对应于子采样信号，并且虚线1085示出了中值滤波信号。
因此，子中值滤波器1070能够适于在子采样低通滤波信号中的该相位效应。尤其，下采样方框1076能够被配置为在所有相位处进行子采样，而中值滤波器1074应用于每个子采样信号。中值滤波器1074的最终输出能够是在子采样信号中的每个上进行滤波的中值的结果的组合。
图18是图示了范例性子中值滤波器70的操作的流程图。在步骤1131中，设置子采样比率，即，子比率，当加速度计信号在50Hz处进行采样时，其通常能够是20。
在步骤1133中，低通滤波器1072的截止频率被设置在Fs/2/子比率的0.8（其中，Fs/2是信号的全带宽，在低通滤波器1072的输入处被标记为“acc”）。
在步骤1135中，低通滤波器1072应用到输入加速度计信号，acc，以给出acc_LPF。
在步骤1137中，根据子采样比率，经低通滤波的加速度计信号，acc_LPF，被下采样为多相信号acc_poly。能够对acc_LPF进行子采样的方式的数量等于子采样比率。从而，对于范围从0到子比率-1的每个相位p，在指数k的采样acc_poly的结果是
acc_poly[p,k]=acc_LPF[p+子比率*k] (A1)
在步骤1139中，中值滤波器1074应用于每个相位p的下采样信号。这给出指代acc_poly_filt[p,k]的一组信号。尽管应当意识到能够使用其他值，在该范例中，中值滤波器1074的半窗尺寸是1.6秒。
备选地，如上文指示的，能够使用其他形式的中值滤波器，诸如递归中值滤波器，或可能迭代（中值）滤波处理（即，通过在前轮结果上重复若干次中值滤波）。
之后，在步骤1141中，获得的经滤波的相位信号中的每个被组合成单一信号。通过对子比率数量相位上的每个采样k取均值或中值能够影响信号的组合，但是对于本领域技术人员来说，其他方式（例如基于其他决策准则）将是显而易见的。
之后能够将组合信号上采样回到原始采样速率（步骤1143）。
在步骤1141和步骤1143的备选途径中，能够将步骤1139中获得的经滤波的相位信号acc_poly_filt[p,k]中的每个进行上采样回到原始采样速率，以首先给出acc_poly_filt_up[p,t]（步骤1145），并且之后能够对上采样信号进行组合（步骤1147）。这个途径的益处是信号acc_poly_filt_up[p,t]能够包括相位，并且其组合对相位所占比例，即整数t，使得t=p+子比率*k，acc_poly_filt_up[p,t]被设置为acc_poly_filt[p,k]。使用插值滤波器找到剩下的采样（与在下采样步骤前应用的低通滤波器相同；优选地，剩下的采样被设置为邻近的被分配具有“整数t”的采样，即，使用采样和保持方案）。
步骤1143或步骤1149之后，另一中值滤波器能够应用于组合上采样信号，以便移除由插值滤波器引入的任何“振铃”效应。该中值滤波器能够具有与在步骤1139中应用的中值滤波器相同的几秒窗口尺寸。
应当意识到，不是所有的步骤都是强制的。子中值滤波器的核心是在下采样速率处应用非线性滤波器。反混叠滤波器和不同相位所占比例是取决于手边应用的能够应用的精化。
图19是图示了将子中值滤波器应用于包括具有不同频率、相位和幅度以及高斯噪声的一组四个正弦信号的信号1086的结果的曲线图。而且，在时间t=3000处信号中存在步骤。线1087示出了如上所述将子中值滤波器1070应用于信号1086的结果，并且能够看到，输出提供DC分量的良好估计，并且充分地追踪所述步骤。
自适应中值滤波器
如上所述，在优选实施方式中，在本文中被称为“自适应中值”滤波器的滤波器被应用于由积分方框1028输出的对垂直速度的估计，以便估计该信号中的偏移和漂移。
滤波器的目的是提取对应于从偏离漂移DC（即，偏移和漂移）分量得出的脉冲形式的速度估计中的速度分量。偏移可以变化，并且也可以存在一些漂移。
在这样的变化期间，由于已经发现，跟随偏移的变化倾向于跟随实际速度信号，并且因此导致对实际速度中的低估，因此想要保持针对偏移的当前值。
因此，在自适应中值滤波器中，根据窗口内的子窗口中的中值的排列顺序修改用于确定特定采样的中值的窗口尺寸。在中值之间的排列顺序指示在偏移中是否存在增加或减少，并且后续修改（也就是窗口尺寸的选择）的目的在于补偿或防止对偏移的值的低估。
图20示出了包括16个采样和中心处于当前采样i半窗尺寸为7的中值滤波窗口1090的部分信号。在自适应中值滤波器中，中值滤波器窗口1090被分为三个子窗口1091a、1091b和1091c（在该范例中半窗尺寸为2）。一个子窗口（图20中的1091a）中心处于当前采样i，另一子窗口（图20中的1091b）中心处于采样i-5（即，当前采样减去全子窗口宽度），并且第三子窗口（图20中的1091c）中心处于采样i+5（即，当前采样加上全子窗口宽度）。
如上所述，对三个子窗口中的每个计算中值，并且排列三个中值。排列顺序用于确定窗口的选择，以在产生自适应中值滤波器的输出中使用。
根据一个范例性实施方式，用于确定用于计算输出的窗口选择的规则设置如下：
-如果中心子窗口1091a的中值是三个中值中的最大值，自适应中值滤波器的输出是具有大于（例如两倍）子窗口1091a的半窗尺寸并且中心处于采样i的半窗尺寸的子窗中的中值；
-如果中心子窗口1091a的中值在其他子窗口1091b和1091c的值之间，自适应中值滤波器的输出是在对应于中心子窗1091a子窗和生成最高中值的子窗口1091b或1091c的中值；以及
-如果中心子窗口1091a的中值是三个中值中的最小值，自适应中值滤波器的输出是使用中心子窗口1091a获得的中值。
根据另一优选实施例，用于确定用于计算输出的窗口选择的规则设置如下：
-如果中心子窗口1091a的中值是三个中值中的最大值或最小值，自适应中值滤波器的输出是具有大于子窗口1091a的半窗尺寸并且中心处于采样i的半窗尺寸的子窗中的中值；
-否则，自适应中值滤波器的输出是用于先前采样（即，i-1）的值。
在一个实施方式中，其中，中心子窗口1091a的中值是三个中值中的最大值或最小值，两倍于子窗口1091a的半窗尺寸的半窗尺寸用于生成输出值。然而，应当意识到，可以使用大于子窗口1091a的其他尺寸的窗口。
在中心子窗口1091a的中值不是三个中值中的最大值或最小值的情况下，对于使用先前采样值的备选操作能够包括使用来自当前中心子窗口1091a的值，或将递归中值滤波器应用于当前中心子窗口1091a或整个窗口。
以这种方式，当中心子窗口提供最大或最小中值时，使用更大窗口减少中值滤波器跟随在速度信号中存在的短期上升/下降趋势的效应。当中心子窗口不提供最大或最小中值时，使用先前值提供上述常量。
图21是范例性自适应中值滤波器1092的方框图。
输入信号被提供到三个滤波器，被标记1093、1094和1095，其应用上文讨论的三个子窗1091a、1091b和1091c中的相应的一个。在该实施例中，滤波器是中值滤波器，但是应当意识到，滤波器能够是常规中值滤波器的变型。这些中值滤波器中的每个的输出被提供到决策逻辑1096，所述决策逻辑1096实现上文讨论的规则设置中的一个，并且确定用于生成自适应中值滤波器1092的输出的窗尺寸。
通过决策逻辑1096将指示所需窗口尺寸的控制信号输出到中值滤波器1097。中值滤波器1097也接收输入信号（具有适当延迟以允许由中值滤波器1093、1094和1095和决策逻辑1096引入的处理延迟）并且使用所需的窗口尺寸在输入信号上进行操作。中值滤波器1097的输出是自适应中值滤波器的输出。
本领域技术人员应当意识到，使用组件的备选布置能够将自适应中值滤波器1092实现为图21中所示。例如，由于规则设置可以规定中心子窗口1091a的中值能够用作输出，因此，决策逻辑1096可以简单地输出该值，而不要求中值滤波器1097重新计算中值。同样可以清楚看出，重复使用先前计算的输出值不要求由中值滤波器1097全部重新计算。
另外，应当意识到，可能根据要求窗口被分为多于三个的子窗口，并且也可能子窗口具有不同尺寸。

Claims (15)

1.一种用于监测用户并且确定所述用户何时已经离床的离床监测装置，所述装置包括：
处理器，其被配置为：
接收作用于被附接至所述用户的设备上的三维加速度的测量结果；以及
通过以下操作处理所述测量结果，以确定所述用户是否已经离床：
从加速度的所述测量结果或从所述设备处的气压的测量结果中确定所述设备的随时间变化的高度变化；
估计所述用户的随时间变化的姿势；以及
如果高度变化大于发生在估计的卧姿或坐姿姿势和估计的直立姿势之间的阈值，则确定所述用户已经离床。
2.根据权利要求1所述的离床监测装置，其中，所述处理器还被配置为：
接收所述设备的取向的测量结果；以及
使用所述设备的所述取向的所述测量结果与加速度的所述测量结果，以估计所述用户的随时间变化的所述姿势。
3.根据任何一项前述权利要求所述的离床监测装置，其中，所述处理器被配置为处理加速度的所述测量结果，以通过如下操作来估计所述用户的随时间变化的所述姿势：
确定从加速度的所述测量结果中得到的加速度矢量和对应于所述用户的参考系的轴的一个或多个参考矢量的在方向上的对应的量度，所述加速度矢量和每个参考矢量的在方向上的所述对应的所述量度的绝对值或量值指示加速度的所述测量结果与所述用户的特定姿势的所述对应。
4.根据权利要求3所述的离床监测装置，其中，
所述参考矢量分别对应于：处于后前方向上的所述用户的所述参考系的z-轴、从底部到顶部垂直的所述用户的所述参考系的y-轴以及处于内外方向上的所述用户的所述参考系的x-轴；
所述加速度矢量和针对所述用户的所述参考系的所述z-轴的所述参考矢量的在方向上的所述对应的所述量度指示加速度的所述测量结果与所述用户的俯卧或仰卧姿势的所述对应；
所述加速度矢量和针对所述用户的所述参考系的所述y-轴的所述参考矢量的在方向上的所述对应的所述量度指示加速度的所述测量结果与所述用户的直立姿势的所述对应；以及
所述加速度矢量和针对所述用户的所述参考系的所述x-轴的所述参考矢量的在方向上的所述对应的所述量度指示加速度的所述测量结果与所述用户正在侧卧的姿势的所述对应。
5.根据权利要求3所述的离床监测装置，其中，所述处理器还被配置为在确定所述用户是否已经离床之前执行校准过程，在所述校准过程中，确定对应于所述用户的所述参考系的所述轴的参考矢量，所述校准过程包括：
搜索从所述用户处于第一姿势的第一时间周期和所述用户处于第二不同姿势的第二时间周期内的加速度的所述测量结果中得到的加速度矢量的集合；
对所述第一时间周期和第二时间周期的每个中的所述加速度矢量取平均值，以给出针对所述第一时间周期和第二时间周期的每个的相应的第一平均矢量和第二平均矢量，所述第一平均矢量和所述第二平均矢量分别被认为是针对所述用户的所述参考系的第一轴和第二轴的参考矢量；以及
将用作针对所述用户的所述参考系的第三轴的参考矢量的第三矢量确定为正交于所述第一平均矢量和所述第二平均矢量的矢量。
6.根据权利要求4所述的离床监测装置，其中，所述处理器还被配置为在确定所述用户是否已经离床之前执行校准过程，在所述校准过程中，确定对应于所述用户的所述参考系的所述轴的参考矢量，所述校准过程包括：
搜索从所述用户处于第一姿势的第一时间周期和所述用户处于第二不同姿势的第二时间周期内的加速度的所述测量结果中得到的加速度矢量的集合；
对所述第一时间周期和第二时间周期的每个中的所述加速度矢量取平均值，以给出针对所述第一时间周期和第二时间周期的每个的相应的第一平均矢量和第二平均矢量，所述第一平均矢量和所述第二平均矢量分别被认为是针对所述用户的所述参考系的第一轴和第二轴的参考矢量；以及
将用作针对所述用户的所述参考系的第三轴的参考矢量的第三矢量确定为正交于所述第一平均矢量和所述第二平均矢量的矢量。
7.根据权利要求5或6所述的离床监测装置，其中，所述处理器被配置为搜索在加速度的特定分量超过阈值的时间周期内的加速度矢量的所述集合。
8.根据权利要求7所述的离床监测装置，其中，所述处理器还被配置为将所述阈值的值设置为在加速度的所述特定分量超过所述阈值的先前识别时间周期中的所述特定分量的平均值。
9.一种被配置为由用户佩戴的设备，所述设备包括：
加速度计，其测量在三个维度上作用于所述设备的加速度；以及
根据权利要求1至8中的任一项所述的装置。
10.一种离床监测系统，所述系统包括：
设备，其被配置为由用户佩戴，所述设备包括加速度计，所述加速度计测量在三个维度上作用于所述设备的加速度；以及
基本单元，其被配置为与所述设备通信，并且其包括根据权利要求1至8中的任一项所述的装置。
11.一种监测用户并且确定所述用户何时已经离床的方法，所述方法包括：
测量作用于被附接至所述用户的设备的三维加速度；以及
通过以下操作处理测量结果，以确定所述用户是否已经离床：
从加速度的所述测量结果或从所述设备处的气压的测量结果中确定所述设备的随时间变化的高度变化；
估计所述用户的随时间变化的姿势；以及
如果高度变化大于发生在估计的卧姿或坐姿姿势和估计的直立姿势之间的阈值，则确定所述用户已经离床。
12.根据权利要求11所述的方法，其中，估计所述用户的随时间变化的所述姿势包括：
确定从加速度的所述测量结果中得到的加速度矢量和对应于所述用户的参考系的轴的一个或多个参考矢量的在方向上的对应的量度，所述加速度矢量和每个参考矢量的在方向上的所述对应的所述量度的绝对值或量值指示加速度的所述测量结果与所述用户的特定姿势的对应。
13.根据权利要求12所述的方法，还包括：在处理所述测量结果之前，执行校准过程，在执行所述校准过程中，确定对应于所述用户的所述参考系的所述轴的参考矢量，所述校准过程包括：
搜索从所述用户处于第一姿势的第一时间周期和所述用户处于第二不同姿势的第二时间周期内的加速度的所述测量结果中得到的加速度矢量的集合；
对所述第一时间周期和第二时间周期的每个中的所述加速度矢量取平均值，以给出针对所述第一时间周期和第二时间周期的每个的相应的第一平均矢量和第二平均矢量，所述第一平均矢量和所述第二平均矢量分别被认为是针对所述用户的所述参考系的第一轴和第二轴的参考矢量；以及
将用作针对所述用户的所述参考系的第三轴的参考矢量的第三矢量确定为正交于所述第一平均矢量和所述第二平均矢量的矢量。
14.根据权利要求13所述的方法，其中，所述搜索包括搜索在加速度的特定分量超过阈值的时间周期内的加速度矢量的所述集合。
15.根据权利要求14所述的方法，其中，所述校准过程还包括将所述阈值的值设置为在加速度的所述特定分量超过所述阈值的先前识别时间周期中的所述特定分量的平均值的步骤。
CN201280042058.1A 2011-09-02 2012-08-14 离床监测装置 Active CN104244821B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201161530549P 2011-09-02 2011-09-02
US61/530,549 2011-09-02
US201161550957P 2011-10-25 2011-10-25
US61/550,957 2011-10-25
PCT/IB2012/054121 WO2013030703A1 (en) 2011-09-02 2012-08-14 Bed exit monitoring apparatus.

Publications (2)

Publication Number Publication Date
CN104244821A CN104244821A (zh) 2014-12-24
CN104244821B true CN104244821B (zh) 2016-10-26

Family

ID=47146453

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280042058.1A Active CN104244821B (zh) 2011-09-02 2012-08-14 离床监测装置

Country Status (6)

Country Link
US (1) US20140313030A1 (zh)
EP (1) EP2741669B1 (zh)
JP (1) JP6059229B2 (zh)
CN (1) CN104244821B (zh)
MX (1) MX347549B (zh)
WO (1) WO2013030703A1 (zh)

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9937090B2 (en) 2005-03-29 2018-04-10 Stryker Corporation Patient support apparatus communication systems
US11278237B2 (en) 2010-04-22 2022-03-22 Leaf Healthcare, Inc. Devices, systems, and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions
US10758162B2 (en) 2010-04-22 2020-09-01 Leaf Healthcare, Inc. Systems, devices and methods for analyzing a person status based at least on a detected orientation of the person
US11051751B2 (en) * 2010-04-22 2021-07-06 Leaf Healthcare, Inc. Calibrated systems, devices and methods for preventing, detecting, and treating pressure-induced ischemia, pressure ulcers, and other conditions
US11369309B2 (en) 2010-04-22 2022-06-28 Leaf Healthcare, Inc. Systems and methods for managing a position management protocol based on detected inclination angle of a person
US11272860B2 (en) 2010-04-22 2022-03-15 Leaf Healthcare, Inc. Sensor device with a selectively activatable display
JP6192032B2 (ja) 2010-04-22 2017-09-06 リーフ ヘルスケア インコーポレイテッド 患者の生理学的状況をモニタリングするシステム
US9632981B2 (en) * 2012-07-12 2017-04-25 Vital Connect, Inc. Calibration of a chest-mounted wireless sensor device for posture and activity detection
US9999376B2 (en) * 2012-11-02 2018-06-19 Vital Connect, Inc. Determining body postures and activities
CN105101869B (zh) * 2012-11-30 2018-06-12 皇家飞利浦有限公司 用于识别坐姿与站姿之间的转变的方法和装置
US9713559B2 (en) 2013-03-15 2017-07-25 Stryker Corporation Medical support apparatus
US10376214B2 (en) * 2013-03-15 2019-08-13 Stryker Corporation Patient support apparatus with patient information sensors
CN106999100A (zh) * 2014-03-27 2017-08-01 智能人动力公司 用于追踪腹部取向和活动的系统、装置和方法
US11819334B2 (en) 2014-03-27 2023-11-21 Smart Human Dynamics, Inc. Systems, devices, and methods for tracking abdominal orientation and activity for prevention of poor respiratory disease outcomes
US10610160B1 (en) * 2014-04-17 2020-04-07 Cerner Innovation, Inc. Stream-based alarm filtering
EP3206654B1 (en) * 2014-10-17 2020-11-25 Stryker Corporation Person support apparatuses with motion monitoring
US10786408B2 (en) 2014-10-17 2020-09-29 Stryker Corporation Person support apparatuses with exit detection systems
CA2963997A1 (en) 2014-11-06 2016-05-12 Stryker Corporation Exit detection system with compensation
US9468399B2 (en) * 2014-12-09 2016-10-18 SensaRx, LLC Detection of changes from a seated or lying body position by sensing body angle
US10373448B2 (en) * 2014-12-30 2019-08-06 Myseat Sas Apparatus and system for detecting equipment occupancy
JP6557995B2 (ja) * 2015-03-02 2019-08-14 富士通株式会社 計測プログラム、計測装置及び計測方法
CN104825008A (zh) * 2015-04-10 2015-08-12 深圳市世瓴科技有限公司 垫体上物体为人体的判断方法和装置
US10260933B2 (en) 2015-06-30 2019-04-16 Stryker Corporation Person support apparatuses with load cell error detection
TWM512741U (zh) * 2015-07-29 2015-11-21 United Integrated Services Co Ltd 無線位移偵測裝置及其系統
US10330522B2 (en) * 2015-12-17 2019-06-25 Stryker Corporation Person support apparatus with exit detection system and/or scale system
WO2017214033A1 (en) 2016-06-07 2017-12-14 Stryker Corporation Thermal control system
CN106562763A (zh) * 2016-10-13 2017-04-19 深圳市魔样科技有限公司 基于手环的睡眠检测方法和系统
JP6692933B2 (ja) * 2017-01-30 2020-05-13 日本電信電話株式会社 活動状態解析装置および方法
CN107067649B (zh) * 2017-05-23 2019-08-13 重庆邮电大学 一种基于无线可穿戴式感知平台的典型行为实时识别方法
US11116680B2 (en) 2017-09-19 2021-09-14 Stryker Corporation Patient support apparatus for controlling patient ingress and egress
US11052005B2 (en) 2017-09-19 2021-07-06 Stryker Corporation Patient support apparatus with handles for patient ambulation
US11160705B2 (en) 2017-10-20 2021-11-02 Stryker Corporation Adjustable patient support apparatus for assisted egress and ingress
CN108814614B (zh) * 2018-03-30 2021-04-06 东软熙康健康科技有限公司 一种用于监测用户动作的方法、装置及系统
CN110638134A (zh) * 2019-09-27 2020-01-03 常州市第一人民医院 一种防起床跌倒装置
SE1951107A1 (en) * 2019-09-30 2021-03-31 Pink Nectarine Health Ab System and method for monitoring an individual
US11684299B2 (en) 2019-12-17 2023-06-27 Mahana Therapeutics, Inc. Method and system for remotely monitoring the psychological state of an application user using machine learning-based models
EP4076175A1 (en) 2019-12-18 2022-10-26 Koninklijke Philips N.V. System and method for detecting respiratory information using contact sensor
US20210375423A1 (en) * 2020-05-29 2021-12-02 Mahana Therapeutics, Inc. Method and system for remotely identifying and monitoring anomalies in the physical and/or psychological state of an application user using baseline physical activity data associated with the user
US11610663B2 (en) 2020-05-29 2023-03-21 Mahana Therapeutics, Inc. Method and system for remotely identifying and monitoring anomalies in the physical and/or psychological state of an application user using average physical activity data associated with a set of people other than the user
US11967432B2 (en) 2020-05-29 2024-04-23 Mahana Therapeutics, Inc. Method and system for remotely monitoring the physical and psychological state of an application user using altitude and/or motion data and one or more machine learning models
CN113229808B (zh) * 2021-05-19 2022-04-15 珠海格力电器股份有限公司 一种在离床判断的方法、装置、存储介质及电子设备

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6044297A (en) * 1998-09-25 2000-03-28 Medtronic, Inc. Posture and device orientation and calibration for implantable medical devices
US6160478A (en) * 1998-10-27 2000-12-12 Sarcos Lc Wireless health monitoring system
US7145461B2 (en) * 2001-01-31 2006-12-05 Ilife Solutions, Inc. System and method for analyzing activity of a body
JP2001327482A (ja) * 2000-05-25 2001-11-27 Matsushita Electric Ind Co Ltd 在床状態検知装置
EP1195139A1 (en) * 2000-10-05 2002-04-10 Ecole Polytechnique Féderale de Lausanne (EPFL) Body movement monitoring system and method
FI114246B (fi) * 2003-06-25 2004-09-15 Ist Oy Laite kaatumisen ilmaisua varten
CN1776435A (zh) * 2004-09-23 2006-05-24 伊纳拉伯斯技术公司 具有实时校准的加速度计
JP4531656B2 (ja) * 2005-08-16 2010-08-25 日本電信電話株式会社 離床前動作検出装置、離床前動作検出システム、離床前動作検出プログラム、記録媒体及び離床前動作検出方法
US7471290B2 (en) * 2005-11-18 2008-12-30 Cardiac Pacemakers, Inc. Posture detection system
US8055469B2 (en) * 2006-03-03 2011-11-08 Garmin Switzerland Gmbh Method and apparatus for determining the attachment position of a motion sensing apparatus
CN101711401B (zh) * 2007-04-19 2014-03-12 皇家飞利浦电子股份有限公司 跌倒检测系统
US8165840B2 (en) * 2008-06-12 2012-04-24 Cardiac Pacemakers, Inc. Posture sensor automatic calibration
US20110172951A1 (en) 2008-09-23 2011-07-14 Koninklijke Philips Electronics N.V. Methods for processing measurements from an accelerometer
BRPI0914089A2 (pt) * 2008-10-16 2015-10-27 Konink Philps Electronics Nv sistema de detecção de queda, método de operação de um sistema de detecção de queda e produto de programa de computador
WO2010105045A2 (en) * 2009-03-11 2010-09-16 Corventis, Inc. Method and apparatus for fall prevention and monitoring
DE102009001565A1 (de) * 2009-03-16 2010-09-23 Robert Bosch Gmbh Zustandserfassungseinrichtung zur Befestigung an einem Lebewesen
DE102009019767B4 (de) * 2009-04-28 2017-07-20 Universität Rostock Vorrichtung und Verfahren zur Sturzerkennung
ES2626909T3 (es) * 2009-05-20 2017-07-26 Koninklijke Philips N.V. Dispositivo de detección para detectar una posición de uso
JP2011172885A (ja) * 2010-02-26 2011-09-08 Carecom Co Ltd ナースコールシステム

Also Published As

Publication number Publication date
US20140313030A1 (en) 2014-10-23
JP2014525305A (ja) 2014-09-29
CN104244821A (zh) 2014-12-24
MX347549B (es) 2017-05-02
JP6059229B2 (ja) 2017-01-11
MX2014002200A (es) 2014-05-30
EP2741669B1 (en) 2018-04-18
EP2741669A1 (en) 2014-06-18
WO2013030703A1 (en) 2013-03-07

Similar Documents

Publication Publication Date Title
CN104244821B (zh) 离床监测装置
EP2745120B1 (en) Estimating velocity in a horizontal or vertical direction from acceleration measurements
EP2925213B1 (en) Method and apparatus for identifying transitions between sitting and standing postures
Luštrek et al. Fall detection and activity recognition with machine learning
EP2925226B1 (en) Method and apparatus for estimating the fall risk of a user
CN102667882B (zh) 用于检测用户跌倒的方法和装置
EP2320796B1 (en) Fall detection algorithm utilizing a three-axis accelerometer
EP2914173B1 (en) Method and device for determining body postures and activities
US20150317890A1 (en) Detecting changes in position of a device in a horizontal or vertical direction
JP5874130B2 (ja) 人の歩行を検出するためのシステムおよび方法
US10126108B2 (en) Apparatus and method for classifying orientation of a body of a mammal
JP7386151B2 (ja) 呼吸数を連続的にモニタリングする着用可能な装置
De Cillis et al. Indoor positioning system using walking pattern classification
Gjoreski et al. Context-based fall detection using inertial and location sensors
Nukala et al. A real-time robust fall detection system using a wireless gait analysis sensor and an artificial neural network
Ghayvat et al. Proposal and preliminary fall-related activities recognition in indoor environment
CN109692004B (zh) 一种检测人体站姿的方法和装置
EP3442403B1 (en) Processing apparatus and method for determining an ambulation motion of a subject
AU2015271905B2 (en) Apparatus and method for classifying orientation of a body of a mammal
Gjoreski et al. Human activity recognition: From controlled lab experiments to competitive live evaluation
Weenk Click-on-and-play human motion capture using wearable sensors
Młyńczak et al. Body position classification for cardiorespiratory measurement
Dobosz et al. Fall detection of the elderly using a smartphone

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant