1.一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，使用姿态传感器及与其进行蓝牙通信的上位机，蓝牙姿态传感器由被检测者携带；所述跌倒检测方法包括以下步骤：
步骤一、上位机读取姿态传感器获得的信号：记一个滑动数据窗中的动作对应的姿态传感器信号为一组信号，其中，跌倒动作对应的信号为跌倒信号，adl对应的信号为adl信号；每组信号包含三轴加速度信号ax、ay、az，三轴角速度信号ωx、ωy、ωz，三轴角度信号anglex、angley、anglez；并将读取的上述数据分为训练集和测试集；
步骤二、对所述步骤一读取的信号进行预处理与特征值提取：分别计算合加速度a及合角速度ω，并对合加速度、合角速度进行低通滤波；提取特征值，包括最大合加速度amax、最大合角速度ωmax、最大倾角anglemax、最大非z轴角速度ωxymax；
步骤三、分别对步骤二提取的最大合加速度、最大合角速度、最大倾角进行归一化处理；
步骤四、对步骤三得到的归一化值进行加权平均：对最大合角速度归一化值和最大合加速度归一化值进行加权平均，并对最大合角速度归一化值和最大倾角归一化值进行加权平均；
步骤五、分别对通过步骤四得到的两个加权平均值和步骤二提取的最大合角速度amax、最大倾角anglemax、最大非z轴角速度ωxymax三个特征值设定阈值，并将上述加权平均值和特征值分别与各自的阈值进行比较，根据各个比较结果判定是否跌倒。
2.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤二的具体过程为：
利用长度为5l、步长为l的滑动数据窗，数据传输速率为f0，数据窗对应时间为
计算合加速度为
在滑动数据窗中完成数据预处理后，提取以下4种特征值：
(1)最大合加速度：amax＝max{a1,a2,…,an}
(2)最大合角速度：ωmax＝max{ω1,ω2,…,ωn}
(3)最大倾角：
anglemax＝max{|anglex1|,|anglex2|,…,|anglexn|,|angley1|,|angley2|,…,|angleyn|}
(4)最大非z轴角速度：ωxymax＝max{|ωx1|,|ωx2|,…,|ωxn|,|ωy1|,|ωy2|,…,|ωyn|}
其中，a1、a2、…、an为长度为n的数据窗的n个合加速度，amax为其中最大值；ω1、ω2、…、ωn为长度为n的数据窗的n个合角速度，ωmax为其中最大值；anglex1、anglex2、…、anglexn为长度为n的数据窗的n个x轴角度，angley1、angley2、…、angleyn为长度为n的数据窗的n个y轴角度，anglemax为数据窗中的n个x轴角度的绝对值并n个y轴角度的绝对值的最大值；ωx1、ωx2、…、ωxn为长度为n的数据窗的n个x轴角速度，ωy1、ωy2、…、ωyn为长度为n的数据窗的n个y轴角速度，ωxymax为n个x轴角速度的绝对值并n个y轴角速度的绝对值的最大值。
3.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤三的具体过程为：
(1)最大合加速度归一化：
(2)最大合角速度归一化：
(3)最大倾角归一化：
其中，lowera为训练集中经过步骤二得到的n个最大合加速度的最小值，n为训练集的样本数；uppera为训练集中经过步骤二得到的n个最大合加速度的最大值；ya为当前数据窗的最大合加速度归一化后的值；lowerω为训练集n个最大合角速度的最小值，upperω对训练集n个最大合角速度的最大值，yω为当前数据窗的最大合角速度归一化后的值；lowerangle为训练集n个最大倾角的最小值，upperangle为训练集n个最大倾角的最大值，yangle为当前数据窗的最大倾角归一化后的值。
4.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤四的具体过程为：
对最大合角速度归一化值yω和最大合加速度归一化值ya进行加权平均：
yc1＝w1yω+w2ya
其中，yc1为该加权平均得到的加权平均值，w1为yω的权重，w2为ya的权重。
对最大合角速度归一化值yω和最大倾角归一化值yangle进行加权平均：
yc2＝w3yω+w4yangle
其中，yc2为该加权平均得到的加权平均值，w3为yω的权重，w4为yangle的权重。
5.如权利要求4所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述权重符合以下要求：w1＝0.65～0.75，w2＝0.25～0.35，且w1+w2＝1；w3＝0.65～0.75，w4＝0.25～0.35，且w3+w4＝1。
6.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤五的具体过程为：
每隔
将yc1与设定的阈值t1进行比较，将yc2与设定的阈值t2进行比较：如果yc1>t1且yc2>t2，则进入下一级判断，否则判定此时未发生跌倒；
将最大合加速度amax与设定的阈值t3进行比较，将最大倾角anglemax与设定的阈值t4进行比较：如果amax>t3且anglemax>t4，则进入下一级判断，否则判定此时未发生跌倒；
将最大非z轴角速度ωxymax与设定的阈值t5进行比较：如果ωxymax>t5，则判定发生跌倒，否则判定此时未发生跌倒。
7.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤五中各阈值的设定，是通过将训练集经过数据处理后得到的跌倒及adl的同一类别特征值进行比较，在观察并分析后，设定一个能够将训练集中跌倒对应的该特征值集合与adl对应的该特征值集合尽可能进行区分的值作为阈值。
8.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，所述步骤一中，跌倒动作包括向前跌倒、向后跌倒、向左跌倒、向右跌倒；所述adl包括跑步、步行、上楼、下楼、坐下、跳跃、下蹲起立、弯腰、转身、躺下。
9.如权利要求1所述的一种基于特征值加权平均和阈值法相结合的老人跌倒检测方法，其特征在于，反复循环执行所述步骤一至步骤五，反复执行步骤一不断得到姿态传感器输出的数据，步骤一接收数据的频率由姿态传感器的数据传输速率决定；步骤二至步骤五利用滑动数据窗循环执行。