跌倒已成为老年人致死及非致死性伤害的首要原因。现有的解决方案主要依赖可穿戴式跌倒报警传感器，但医学研究显示，这类设备效果不佳，主要原因在于老年人往往不愿佩戴。这一发现促使研究人员开发出新型被动式传感器，通过分析居家环境中的射频（RF）信号来推断跌倒行为。老年人无需佩戴任何设备，即可照常生活。尽管被动监测技术已取得显著进展，但当前方法仍难以应对现实场景中的复杂情况：多数系统在训练和测试时均使用相同人群和相同环境，因而无法推广至新人群或新环境；此外，它们难以区分不同个体的运动行为，在存在其他活动干扰时，极易遗漏跌倒事件。为克服上述局限，本文提出Aryokee——一种基于射频信号的跌倒检测系统，该系统采用由状态机控制的卷积神经网络。Aryokee能够适应训练数据中未见的新人群和新环境，并有效分离不同运动源，显著提升系统鲁棒性。在超过140名参与者于57种不同环境中执行40类日常活动的测试中，Aryokee在跌倒检测任务中实现了94%的召回率（recall）和92%的精确率（precision），表现出优异的性能。