1.远程跌倒监护智能拐杖，包括拐杖的支撑体和顶部的手柄（1），其特征是：在拐杖手柄（1）上设置电源总开关、功能按键（2）、显示屏（3）和指示灯（4），在拐杖支撑体上部内置无线通信模块和蜂鸣器，无线通信模块所连接的天线（7）位于拐杖支撑体表面，在容纳无线通信模块的位置设有通风口（6），在拐杖支撑体下部内置加速度传感器（13）、GPS模块、微处理器（14）和电池（16）；所述电源总开关、功能按键（2）、显示屏（3）、指示灯（4）、无线通信模块、蜂鸣器、加速度传感器（13）、GPS模块均通过信号线与微处理器（14）相连；加速度传感器（13）负责采集拐杖运动加速度，再由微处理器（14）进行处理判断跌倒信息，GPS模块用于实时跟踪拐杖的位置信息，当检测到跌倒或者通过功能按键（2）主动报警时，微处理器（14）发送拐杖的位置信息和报警信号。

2.如权利要求1所述远程跌倒监护智能拐杖，其特征是，当所述微处理器分析出加速2

度超过5m/s 时，发出跌倒报警信号。

3.如权利要求1所述远程跌倒监护智能拐杖，其特征是，所述微处理器采用多新息卡尔曼滤波算法得出进行跌倒检测的加速度数据信息，多新息方法是将标量单新息加以推广，变为新息向量，建立多新息算法；对于多新息卡尔曼滤波算法，考虑以下随机系统状态空间模型，即为方程(1)，(2)：x(t+1)=Ax(t)+Bu(t)+w(t) (1)

z(t)=Cx(t)+v(t) (2)

x(t)是t时刻的系统状态，u(t)是t时刻系统的控制量，A和B是系统参数，z(t)是t时刻的测量值，C是测量系统参数；w(t)和v(t)分别表示过程和测量的高斯白噪声，其均值为零，协方差为Q,R；

针对该系统，多新息卡尔曼滤波器是最优的信息处理器；以下五个公式为原始卡尔曼滤波算法原理描述基本公式，式(3)(4)完成卡尔曼滤波器实现对系统的预测，其中式(3)利用系统的上一次状态预测现在的状态，得到系统更新后的预测结果，式(4)完成对应于x(t|t-1)的协方差的更新；然后，结合已经得到的预测值和收集到的测量值，由式(5)得到现在t状态的最优化估计值x(t|t)；K(t)是卡尔曼增益，其计算公式如(6)；最后，根据式(7)更新t状态下x(t|t)的协方差，得到P(t|t)；当系统进入t+1状态时，P(t|t)就等同于式(4)中的P(t-1|t-1)，以此卡尔曼滤波算法自回归运算，直到系统过程结束；

x(t|t-1)=Ax(t-1|t-1)+Bu(t) (3)P(t|t-1)=AP(t-1|t-1)A'+Q (4)x(t|t)=x(t|t-1)+K(t)(z(t)-Cx(t|t-1)) (5)K(t)=P(t|t-1)C'/(CP(t|t-1)C'+R) (6)P(t|t)=(I-K(t)C)P(t|t-1) (7)(5)式中z(t)-Cx(t|t-1)为单新息量，将其表示为e(t)=z(t)-Cx(t|t-1)，将e(t)扩展为新息矩阵为：其中，正整数p为新息长度；

于是得到多新息卡尔曼滤波算法，其最优状态估计方程转变为：

x(t|t)=x(t|t-1)+[K1(t) K2(t)...Kp(t)]E(p,t) (9)转换即得到如下方程：

其中，增益矩阵取Ki(t)=K(t-i+1)；

利用多新息卡尔曼滤波算法得到拐杖倒下时最优的加速度信号值x(t)，根据此加速度信号值判断拐杖是正常放倒还是跌倒。

4.如权利要求1所述远程跌倒监护智能拐杖，其特征是，所述无线通信模块为WiFi模块。

5.如权利要求1所述远程跌倒监护智能拐杖，其特征是，所述微处理器为飞思卡尔公司的K60单片机。

6.如权利要求1所述远程跌倒监护智能拐杖，其特征是，所述拐杖底部设有减震垫（17）。

7.如权利要求6所述远程跌倒监护智能拐杖，其特征是，在所述减震垫（17）下设有防滑垫（15）。