1.基于WIFI的老人居家远程监测系统，其特征在于：包括WIFI网络、主控终端模块和远程监控中心；

其中所述WIFI网络包括一个无线接入点和若干个终端节点，无线接入点和终端节点之间采用LWIP协议组网，当有终端节点连接时，无线接入点对其进行SSID和密码的匹配，匹配成功后建立TCP连接；所述终端节点分别布置在室内不同的房间和室外，用于采集室内外所需要的环境数据，并将数据通过WIFI网络传给无线接入点；

所述主控终端模块用于接收并采用数据滤波算法优化无线接入点所收到的环境数据和对老人是否有摔倒行为进行检测，并将这些数据发送到远程监控中心；

所述数据滤波算法通过滑动均值滤波算法对卡尔曼滤波算法进行改进，滑动均值滤波原理为：式中p为均值滤波后的输出值，n为采集测量次数，M为滑动均值滤波窗口的大小，q为测量值；

卡尔曼滤波算法包括：

(1)提前预测系统状态

系统在k时刻根据k‑1时刻的X(k‑1|k‑1)最优估计值，算出k时刻的估计X(k|k‑1)；

X(k|k‑1)＝AX(k‑1|k‑1)    (1)X(k|k‑1)表示k时刻的估计值，X(k‑1|k‑1)表示k‑1时刻的最优估计值，A为给定的系统参数；

(2)提前预测误差协方差

由X(k‑1|k‑1)的协方差P(k‑1|k‑1)可以得出X(k|k‑1)的协方差P(k|k‑1)；

T

P(k|k‑1)＝AP(k‑1|k‑1)A+Q    (2)T

式中，Q是系统过程噪声的协方差，A为矩阵A的转置矩阵；

(3)计算卡尔曼增益

根据(2)式中得到的P(k|k‑1)，可以得出卡尔曼增益Kg(k)；

T

式中，R为测量过程的噪声协方差，H为H的转置矩阵，其中H为系统的测量参数；

(4)用测量值Z(k)修正估计值

利用k时刻的测量值Z(k)可以修正估计值X(k|k‑1)，从而得到k时刻的最优估计值X(k|k)；

X(k|k)＝X(k|k‑1)+Kg(k)[z(k)‑HX(k|k‑1)]    (4)(5)更新误差协方差

得出k时刻X(k|k)的协方差P(k|k)

P(k|k)＝[I‑Kg(k)H]P(k|k‑1)    (5)式中，I为单位矩阵；

所述对老人是否有摔倒行为进行检测采用卡尔曼滤波算法之后再用双阈值联合判别的方法；

所述远程监控中心将接收到的数据存储到本地数据库中，并对数据进行处理和显示；

所述主控终端模块包括环境数据主控终端模块和摔倒与定位主控终端模块，所述环境数据主控终端模块接收无线接入点发送的环境数据，采用滑动滤波和卡尔曼滤波算法处理数据后将数据发送给远程监控中心，所述摔倒与定位主控终端模块根据接收的数据判定老人是否摔倒，并向外发送信息；

所述环境数据主控终端模块包括处理器以及分别与处理器连接的串口、GPRS模块、电源模块、LCD显示器和蜂鸣器，处理器和WIFI网络的无线接入点进行串口通信，GPRS模块将无线接入点传输过来的数据打包并远程发送到远程监控中心；

所述摔倒与定位主控终端模块包括处理器和分别与处理器连接的串口、GPRS模块、MPU6050加速度传感器模块、GPS模块、GSM模块和电源模块，MPU6050加速度传感器采用IIC通信的方式与处理器通信，直接测出老人运动时x,y,z轴三个方向的加速度和三个姿态角，将所采集的数据经过卡尔曼滤波算法进行数据优化，处理器判断加速度超出阈值并且姿态角超出45°时，判定为摔倒，GSM模块立即发出求助短信。

2.根据权利要求1所述基于WIFI的老人居家远程监测系统，其特征在于：所述无线接入点包括主芯片、串口模块、LED指示灯、OLED屏幕、看门狗模块、电源模块，所述串口模块、LED指示灯、OLED屏幕、看门狗模块、电源模块分别与主芯片连接，串口模块用于连接主控终端模块进行数据传输，LED指示灯用于指示工作状态，OLED屏幕用于显示当前WIFI网络连接状态，看门狗模块用于复位重新组网，电源模块用于给无线接入点供电。

3.根据权利要求1所述基于WIFI的老人居家远程监测系统，其特征在于：所述终端节点包括主芯片、电源模块、传感器、串口和LED指示灯，所述电源模块、传感器、串口和LED指示灯分别与主芯片连接。

4.根据权利要求3所述基于WIFI的老人居家远程监测系统，其特征在于：所述传感器包括温湿度传感器、可燃气体浓度传感器和粉尘浓度传感器。