跌倒检测不再需要整份IMU数据：把不平衡记录压成几十个合成窗口，轻量网络仍保住九成以上准确率
可穿戴跌倒检测的训练数据被压缩成极小的类别均衡合成集。此前要么用人工特征配浅层分类器，要么在完整不平衡数据上训练并重采样，代价是数据量与算力。FallNest在时域与频域同时对齐合成样本与真实样本的梯度方向和嵌入分布，用类别均衡K-Means初始化，并加入多视角傅里叶增强。在SisFall、KFall、MobiFall上按受试者划分、保留自然不平衡测试集，仅用32到146个合成窗口训练10.2万参数TinyCNN，五种子平均准确率93.5%到95.8%，PR-AUC为0.89到0.98。