基于多傳感器數(shù)據(jù)融合技術(shù)智能消防報(bào)警系統(tǒng)的研究

劉亮輝 靳宗信 王一帆 李林靜

摘 要：針對(duì)目前市場(chǎng)上的火災(zāi)報(bào)警系統(tǒng)比較單一，不能保證數(shù)據(jù)的實(shí)時(shí)性、準(zhǔn)確性和可靠性，設(shè)計(jì)一種能夠彌補(bǔ)以往火災(zāi)報(bào)警系統(tǒng)缺點(diǎn)的智能消防報(bào)警系統(tǒng)。文中主要論述該系統(tǒng)的主要功能，實(shí)質(zhì)性分析多傳感器數(shù)據(jù)融合層次結(jié)構(gòu)，設(shè)計(jì)研究路線，分析常用數(shù)據(jù)融合算法在多傳感器數(shù)據(jù)融合中的應(yīng)用，畫出系統(tǒng)模型圖，最后總結(jié)多傳感器數(shù)據(jù)融合技術(shù)在智能消防報(bào)警系統(tǒng)中的優(yōu)點(diǎn)以及應(yīng)用前景。

關(guān)鍵詞：多傳感器;數(shù)據(jù)融合;智能消防;火災(zāi)報(bào)警;層次結(jié)構(gòu);火災(zāi)信號(hào)

中圖分類號(hào)：TP309文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-1302（2020）02-00-02

0 引 言

我國(guó)持續(xù)高速發(fā)展了幾十年，在這幾十年中一直高度重視先進(jìn)技術(shù)的發(fā)展。到如今，很多科技領(lǐng)域已領(lǐng)先于其他國(guó)家，如量子力學(xué)、5G技術(shù)等等，并且在數(shù)據(jù)融合新興技術(shù)方面也取得了較大的成就。多傳感器數(shù)據(jù)融合技術(shù)在當(dāng)前科技發(fā)展中占據(jù)極為重要的地位，特別是人工智能方面，需要傳感器充當(dāng)人的感覺器官，在有神經(jīng)網(wǎng)絡(luò)進(jìn)行分析判斷。這足以說明傳感器和數(shù)據(jù)融合技術(shù)的重要性。原本數(shù)據(jù)融合技術(shù)只應(yīng)用在軍事戰(zhàn)略方面，直到發(fā)展到近20年才逐漸應(yīng)用到民事領(lǐng)域?，F(xiàn)今，數(shù)據(jù)融合技術(shù)已經(jīng)成為軍事戰(zhàn)略、農(nóng)牧業(yè)、制造業(yè)等多方面關(guān)注的熱點(diǎn)。消防報(bào)警系統(tǒng)采用多傳感器數(shù)據(jù)融合技術(shù)可以極大地彌補(bǔ)以往單一報(bào)警系統(tǒng)的局限性和誤判性，并且可以根據(jù)火災(zāi)發(fā)生前產(chǎn)生的一系列信號(hào)進(jìn)行采集、分析和綜合利用，判別火災(zāi)發(fā)生的可能性。把該技術(shù)應(yīng)用在消防報(bào)警系統(tǒng)中，能夠更加全面預(yù)防火災(zāi)的發(fā)生，增加整個(gè)系統(tǒng)的可信度和安全度。

1 多傳感器數(shù)據(jù)融合智能消防報(bào)警系統(tǒng)

1.1 分析火災(zāi)信號(hào)特征

火災(zāi)發(fā)生的原因多種多樣，具有監(jiān)測(cè)火災(zāi)功能的傳感器也不盡相同。目前，監(jiān)測(cè)火災(zāi)的主要傳感器有：火焰?zhèn)鞲衅?、光敏傳感器、溫度傳感器、CO傳感器、煙霧傳感器和紫外線傳感器等。可以結(jié)合多種傳感器去探測(cè)同一時(shí)間同一片區(qū)域是否有火災(zāi)發(fā)生，這樣可以極大提高消防報(bào)警系統(tǒng)的可靠性。在結(jié)合多種傳感器時(shí)，還需要考慮在某一片區(qū)域上可能會(huì)發(fā)生哪種火災(zāi)。例如：在森林中可能有人工放火、雷電、溫度過高導(dǎo)致火災(zāi)等情況。在發(fā)生火災(zāi)時(shí)，常常伴隨著溫度過高、CO2急劇上升等情況，可以結(jié)合煙霧傳感器、火焰?zhèn)鞲衅?、CO2傳感器和溫度傳感器去監(jiān)測(cè)森林火災(zāi)。這樣可以探測(cè)出因人為放火前產(chǎn)生大量煙霧，因溫度過高引發(fā)火災(zāi)突然發(fā)生的情況產(chǎn)生。

多傳感器數(shù)據(jù)融合智能消防報(bào)警系統(tǒng)結(jié)合了現(xiàn)代微型傳感器技術(shù)、光電技術(shù)、無線傳感器技術(shù)、無線通信技術(shù)、集成芯片技術(shù)等多種高科技技術(shù)的產(chǎn)品。它不僅能夠彌補(bǔ)以往單一傳感器火災(zāi)探測(cè)技術(shù)，還能夠在火災(zāi)監(jiān)控上，將不同傳感器分布在相同或者不同的區(qū)域上去監(jiān)測(cè)火災(zāi)情況，根據(jù)每一個(gè)傳感器傳輸?shù)臄?shù)據(jù)進(jìn)行處理，同和結(jié)合多個(gè)傳感器的數(shù)據(jù)進(jìn)行對(duì)比、綜合，以降低決策的風(fēng)險(xiǎn)程度。

1.2 分層采集火災(zāi)信號(hào)

由于火災(zāi)發(fā)生具有爆發(fā)性、可不預(yù)測(cè)性、數(shù)據(jù)多樣性，將多傳感器數(shù)據(jù)融合技術(shù)應(yīng)用在消防報(bào)警系統(tǒng)中，僅僅在一個(gè)層次上進(jìn)行數(shù)據(jù)處理存在極大危害的，不但不能夠及時(shí)報(bào)警，還可能面臨系統(tǒng)魯棒性差的問題。所以，在研究多傳感器數(shù)據(jù)融合智能消防報(bào)警系統(tǒng)的過程中，將該系統(tǒng)的數(shù)據(jù)融合層技術(shù)分為三個(gè)層次：對(duì)原始數(shù)據(jù)進(jìn)行處理的數(shù)據(jù)層、能夠進(jìn)行特征提取數(shù)據(jù)的特征層和對(duì)采集數(shù)據(jù)進(jìn)行綜合分析判斷得出結(jié)論的決策層。

1.2.1 數(shù)據(jù)層

數(shù)據(jù)層處理傳感器讀取的最初的數(shù)據(jù)。它根據(jù)不同傳感器讀取到的原始數(shù)據(jù)未經(jīng)過預(yù)處理過程就直接對(duì)數(shù)據(jù)進(jìn)行綜合、分析、處理的過程，這樣可以很好的避免原始數(shù)據(jù)丟失現(xiàn)象，保證后續(xù)數(shù)據(jù)判斷的準(zhǔn)確性。但是，這樣面臨著數(shù)據(jù)量過大，對(duì)于帶寬要求高，數(shù)據(jù)傳輸慢的問題，如：在一片森林中，部署上千萬(wàn)個(gè)傳感器節(jié)點(diǎn)。研究表明，在沒有火災(zāi)觸發(fā)報(bào)警系統(tǒng)的情況下，最長(zhǎng)時(shí)間需要每一分鐘采集一次數(shù)據(jù)，才能保證系統(tǒng)的有效性，這種數(shù)據(jù)量可想而知，所以為了安全起見，還需要一個(gè)不同層的功能進(jìn)行數(shù)據(jù)的處理。

1.2.2 特征層

特征層在數(shù)據(jù)層和決策層之間進(jìn)行的數(shù)據(jù)融合。在這一層次中，先根據(jù)傳感器讀取的信息根據(jù)人們意向進(jìn)行特征提取，在提取數(shù)據(jù)的基礎(chǔ)上進(jìn)行分析、處理，還可以對(duì)有用的數(shù)據(jù)進(jìn)行無損壓縮，這樣有利于實(shí)時(shí)處理數(shù)據(jù)，并且能夠很好的在特征層中處理數(shù)據(jù)，進(jìn)行特征提取。

1.2.3 決策層

決策層處理最高層次的數(shù)據(jù)。決策層不同與數(shù)據(jù)層，它能夠較好的填補(bǔ)數(shù)據(jù)層的局限性。根據(jù)每種傳感器不同的特征采集同一目標(biāo)的信息進(jìn)行特征變換，以建立對(duì)傳感器采集目標(biāo)的初步判定。在通過一定的相關(guān)算法處理進(jìn)行數(shù)據(jù)融合，獲得最優(yōu)的處理結(jié)果。并且決策層融合有很高的魯棒性和可靠性。對(duì)于硬件依賴非常小，不受外界環(huán)境因素的影響，帶寬要求低。

1.3 研究路線

在研制多傳感器數(shù)據(jù)融合技術(shù)的智能消防探頭，需要一個(gè)完整的技術(shù)路線，才能夠有效分析出在智能消防系統(tǒng)中需要解決哪些方面的問題所在。技術(shù)路線如圖1所示。

1.4 常用算法分析

數(shù)據(jù)融合技術(shù)發(fā)展到目前為止，各個(gè)領(lǐng)域中已經(jīng)提出了比較成熟的融合算法。常用算法有：加權(quán)平均法、神經(jīng)網(wǎng)絡(luò)法、Kalman濾波算法、貝葉斯估計(jì)算法和多貝葉斯估計(jì)算法等。結(jié)合其它論文與個(gè)人實(shí)踐，本文主要介紹卡爾曼濾波算法和貝葉斯估計(jì)算法對(duì)提取的數(shù)據(jù)進(jìn)行融合和特征提取。

卡爾曼濾波算法主要應(yīng)用在數(shù)據(jù)層。在火災(zāi)監(jiān)控中，時(shí)時(shí)刻刻受到外界噪聲的干擾，如在監(jiān)測(cè)家庭煤氣泄漏時(shí)，如何去除因做飯而產(chǎn)生的煤氣氣體。利用卡爾曼濾波除燥[14]，可以實(shí)現(xiàn)數(shù)據(jù)的分解除燥和最優(yōu)估計(jì)。

貝葉斯估計(jì)算法在數(shù)據(jù)融合技術(shù)中，主要應(yīng)用在所部署的各個(gè)傳感器上。在規(guī)定的某一片區(qū)域上，獲取每一個(gè)傳感器讀取到的數(shù)據(jù)，結(jié)合不同傳感器的關(guān)聯(lián)概率分布得出一個(gè)總體概率分布函數(shù)，除去差異較大的數(shù)據(jù)，得到一個(gè)最終的融合值。可以根據(jù)卡爾曼濾波算法和貝葉斯估計(jì)算法排除失效數(shù)據(jù)和出現(xiàn)故障的傳感器，提高系統(tǒng)的可靠性。

1.5 系統(tǒng)模型

多傳感器數(shù)據(jù)融合的智能消防報(bào)警系統(tǒng)主要通過各種傳感器獲取某一片區(qū)域的信息，在通過處理器進(jìn)行特征融合，得到一個(gè)較為可靠的數(shù)據(jù)。最后在決策層進(jìn)行數(shù)據(jù)融合，得到最終結(jié)果決策輸出。智能消防報(bào)警系統(tǒng)還可以通過無線或者有線方式將數(shù)據(jù)傳輸?shù)綌?shù)據(jù)庫(kù)，經(jīng)過相關(guān)部門嚴(yán)格計(jì)算，健全火災(zāi)監(jiān)測(cè)的基礎(chǔ)設(shè)施。模型圖如圖2所示。

2 基于多傳感器數(shù)據(jù)融合技術(shù)智能消防報(bào)警系統(tǒng)的優(yōu)點(diǎn)及應(yīng)用前景

智能消防報(bào)警系統(tǒng)通過不同傳感器采集數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合，決策輸出，可降低消防報(bào)警系統(tǒng)的誤報(bào)率，提高準(zhǔn)確性。通過采集到的數(shù)據(jù)，分析火災(zāi)發(fā)生的綜合因素，能夠讓有關(guān)部門制定更好的防火制度。智能消防不僅有傳統(tǒng)消防報(bào)警系統(tǒng)的功能，還彌補(bǔ)了傳統(tǒng)消防報(bào)警系統(tǒng)的優(yōu)點(diǎn)，在以后的發(fā)展過程中，會(huì)有越來越多的人去發(fā)展智能消防報(bào)警系統(tǒng)。

3 結(jié) 語(yǔ)

多傳感器數(shù)據(jù)融合技術(shù)作為當(dāng)前廣泛應(yīng)用新興領(lǐng)域，有著其他技術(shù)不可替代的優(yōu)點(diǎn)，通過與傳統(tǒng)技術(shù)和當(dāng)前科技相結(jié)合，多傳感器數(shù)據(jù)融合技術(shù)在智能消防中的應(yīng)用能夠極大提高消防監(jiān)測(cè)力度，能夠很好避免一些不必要火災(zāi)的發(fā)生，給廣大人民群眾一個(gè)安心的生活環(huán)境。

參 考 文 獻(xiàn)

[1]羅小權(quán)，潘善亮.多傳感器數(shù)據(jù)融合在火災(zāi)檢測(cè)中的應(yīng)用研究[J].無線通信技術(shù)，2019，28（3）：57-62.

[2]趙紅亮.建筑火災(zāi)監(jiān)測(cè)系統(tǒng)技術(shù)淺談[J].電腦知識(shí)與技術(shù)，2019，15（16）：225.

[3]王晨.高層建筑火災(zāi)救生艙監(jiān)測(cè)系統(tǒng)研究[D].天津：天津理工大學(xué)，2019.

[4]錢蕾.基于WSN的多傳感器數(shù)據(jù)融合的火災(zāi)監(jiān)控系統(tǒng)設(shè)計(jì)[J].安徽電子信息職業(yè)技術(shù)學(xué)院學(xué)報(bào)，2018，17（6）：1-7.

[5]賈峰.基于多傳感器信息融合的無人機(jī)火災(zāi)監(jiān)測(cè)技術(shù)研究[D].南京：南京航空航天大學(xué)，2019.

[6]向彬彬.基于極限學(xué)習(xí)機(jī)的林區(qū)火災(zāi)多感監(jiān)測(cè)研究[D].合肥：安徽理工大學(xué)，2018.

[7]梅思?jí)? 面向森林防火的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)研究[D].重慶：重慶郵電大學(xué)，2018.

[8]杜磊.基于多傳感器數(shù)據(jù)融合的智能家居安防研究與設(shè)計(jì)[D].成都：電子科技大學(xué)，2018.

[9]張華. 多數(shù)據(jù)融合在火災(zāi)預(yù)警中的應(yīng)用[D].哈爾濱：哈爾濱工程大學(xué)，2018.

[10]王順.基于本體的多源異構(gòu)數(shù)據(jù)融合方法的研究與應(yīng)用[D].南京：南京航空航天大學(xué)，2018.

[11]鄒平輝.無線傳感器網(wǎng)絡(luò)安全及數(shù)據(jù)融合技術(shù)研究[D].北京：北京交通大學(xué)，2018.

[12]夏輝.多傳感器協(xié)議融合技術(shù)研究[D].沈陽(yáng)：沈陽(yáng)理工大學(xué)，2018.

[13]喬杰.基于多傳感器融合的汽車火災(zāi)報(bào)警系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].北京：中國(guó)礦業(yè)大學(xué)，2017.

[14]劉兆惠，李倩，王超，等.基于小波卡爾曼濾波的高速公路交通數(shù)據(jù)融合去噪算法研究[J].公路工程，2018，43（6）：71-75.