基于多傳感器數據融合技術智能消防報警系統的研究

劉亮輝 靳宗信 王一帆 李林靜

摘 要：針對目前市場上的火災報警系統比較單一，不能保證數據的實時性、準確性和可靠性，設計一種能夠彌補以往火災報警系統缺點的智能消防報警系統。文中主要論述該系統的主要功能，實質性分析多傳感器數據融合層次結構，設計研究路線，分析常用數據融合算法在多傳感器數據融合中的應用，畫出系統模型圖，最后總結多傳感器數據融合技術在智能消防報警系統中的優點以及應用前景。

關鍵詞：多傳感器;數據融合;智能消防;火災報警;層次結構;火災信號

中圖分類號：TP309文獻標識碼：A文章編號：2095-1302（2020）02-00-02

0 引 言

我國持續高速發展了幾十年，在這幾十年中一直高度重視先進技術的發展。到如今，很多科技領域已領先于其他國家，如量子力學、5G技術等等，并且在數據融合新興技術方面也取得了較大的成就。多傳感器數據融合技術在當前科技發展中占據極為重要的地位，特別是人工智能方面，需要傳感器充當人的感覺器官，在有神經網絡進行分析判斷。這足以說明傳感器和數據融合技術的重要性。原本數據融合技術只應用在軍事戰略方面，直到發展到近20年才逐漸應用到民事領域。現今，數據融合技術已經成為軍事戰略、農牧業、制造業等多方面關注的熱點。消防報警系統采用多傳感器數據融合技術可以極大地彌補以往單一報警系統的局限性和誤判性，并且可以根據火災發生前產生的一系列信號進行采集、分析和綜合利用，判別火災發生的可能性。把該技術應用在消防報警系統中，能夠更加全面預防火災的發生，增加整個系統的可信度和安全度。

1 多傳感器數據融合智能消防報警系統

1.1 分析火災信號特征

火災發生的原因多種多樣，具有監測火災功能的傳感器也不盡相同。目前，監測火災的主要傳感器有：火焰傳感器、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。可以結合多種傳感器去探測同一時間同一片區域是否有火災發生，這樣可以極大提高消防報警系統的可靠性。在結合多種傳感器時，還需要考慮在某一片區域上可能會發生哪種火災。例如：在森林中可能有人工放火、雷電、溫度過高導致火災等情況。在發生火災時，常常伴隨著溫度過高、CO2急劇上升等情況，可以結合煙霧傳感器、火焰傳感器、CO2傳感器和溫度傳感器去監測森林火災。這樣可以探測出因人為放火前產生大量煙霧，因溫度過高引發火災突然發生的情況產生。

多傳感器數據融合智能消防報警系統結合了現代微型傳感器技術、光電技術、無線傳感器技術、無線通信技術、集成芯片技術等多種高科技技術的產品。它不僅能夠彌補以往單一傳感器火災探測技術，還能夠在火災監控上，將不同傳感器分布在相同或者不同的區域上去監測火災情況，根據每一個傳感器傳輸的數據進行處理，同和結合多個傳感器的數據進行對比、綜合，以降低決策的風險程度。

1.2 分層采集火災信號

由于火災發生具有爆發性、可不預測性、數據多樣性，將多傳感器數據融合技術應用在消防報警系統中，僅僅在一個層次上進行數據處理存在極大危害的，不但不能夠及時報警，還可能面臨系統魯棒性差的問題。所以，在研究多傳感器數據融合智能消防報警系統的過程中，將該系統的數據融合層技術分為三個層次：對原始數據進行處理的數據層、能夠進行特征提取數據的特征層和對采集數據進行綜合分析判斷得出結論的決策層。

1.2.1 數據層

數據層處理傳感器讀取的最初的數據。它根據不同傳感器讀取到的原始數據未經過預處理過程就直接對數據進行綜合、分析、處理的過程，這樣可以很好的避免原始數據丟失現象，保證后續數據判斷的準確性。但是，這樣面臨著數據量過大，對于帶寬要求高，數據傳輸慢的問題，如：在一片森林中，部署上千萬個傳感器節點。研究表明，在沒有火災觸發報警系統的情況下，最長時間需要每一分鐘采集一次數據，才能保證系統的有效性，這種數據量可想而知，所以為了安全起見，還需要一個不同層的功能進行數據的處理。

1.2.2 特征層

特征層在數據層和決策層之間進行的數據融合。在這一層次中，先根據傳感器讀取的信息根據人們意向進行特征提取，在提取數據的基礎上進行分析、處理，還可以對有用的數據進行無損壓縮，這樣有利于實時處理數據，并且能夠很好的在特征層中處理數據，進行特征提取。

1.2.3 決策層

決策層處理最高層次的數據。決策層不同與數據層，它能夠較好的填補數據層的局限性。根據每種傳感器不同的特征采集同一目標的信息進行特征變換，以建立對傳感器采集目標的初步判定。在通過一定的相關算法處理進行數據融合，獲得最優的處理結果。并且決策層融合有很高的魯棒性和可靠性。對于硬件依賴非常小，不受外界環境因素的影響，帶寬要求低。

1.3 研究路線

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

1.4 常用算法分析

數據融合技術發展到目前為止，各個領域中已經提出了比較成熟的融合算法。常用算法有：加權平均法、神經網絡法、Kalman濾波算法、貝葉斯估計算法和多貝葉斯估計算法等。結合其它論文與個人實踐，本文主要介紹卡爾曼濾波算法和貝葉斯估計算法對提取的數據進行融合和特征提取。

卡爾曼濾波算法主要應用在數據層。在火災監控中，時時刻刻受到外界噪聲的干擾，如在監測家庭煤氣泄漏時，如何去除因做飯而產生的煤氣氣體。利用卡爾曼濾波除燥[14]，可以實現數據的分解除燥和最優估計。

貝葉斯估計算法在數據融合技術中，主要應用在所部署的各個傳感器上。在規定的某一片區域上，獲取每一個傳感器讀取到的數據，結合不同傳感器的關聯概率分布得出一個總體概率分布函數，除去差異較大的數據，得到一個最終的融合值。可以根據卡爾曼濾波算法和貝葉斯估計算法排除失效數據和出現故障的傳感器，提高系統的可靠性。

1.5 系統模型

多傳感器數據融合的智能消防報警系統主要通過各種傳感器獲取某一片區域的信息，在通過處理器進行特征融合，得到一個較為可靠的數據。最后在決策層進行數據融合，得到最終結果決策輸出。智能消防報警系統還可以通過無線或者有線方式將數據傳輸到數據庫，經過相關部門嚴格計算，健全火災監測的基礎設施。模型圖如圖2所示。

2 基于多傳感器數據融合技術智能消防報警系統的優點及應用前景

智能消防報警系統通過不同傳感器采集數據，進行數據融合，決策輸出，可降低消防報警系統的誤報率，提高準確性。通過采集到的數據，分析火災發生的綜合因素，能夠讓有關部門制定更好的防火制度。智能消防不僅有傳統消防報警系統的功能，還彌補了傳統消防報警系統的優點，在以后的發展過程中，會有越來越多的人去發展智能消防報警系統。

3 結 語

多傳感器數據融合技術作為當前廣泛應用新興領域，有著其他技術不可替代的優點，通過與傳統技術和當前科技相結合，多傳感器數據融合技術在智能消防中的應用能夠極大提高消防監測力度，能夠很好避免一些不必要火災的發生，給廣大人民群眾一個安心的生活環境。

參 考 文 獻

[1]羅小權，潘善亮.多傳感器數據融合在火災檢測中的應用研究[J].無線通信技術，2019，28（3）：57-62.

[2]趙紅亮.建筑火災監測系統技術淺談[J].電腦知識與技術，2019，15（16）：225.

[3]王晨.高層建筑火災救生艙監測系統研究[D].天津：天津理工大學，2019.

[4]錢蕾.基于WSN的多傳感器數據融合的火災監控系統設計[J].安徽電子信息職業技術學院學報，2018，17（6）：1-7.

[5]賈峰.基于多傳感器信息融合的無人機火災監測技術研究[D].南京：南京航空航天大學，2019.

[6]向彬彬.基于極限學習機的林區火災多感監測研究[D].合肥：安徽理工大學，2018.

[7]梅思夢. 面向森林防火的無線傳感器網絡數據融合技術研究[D].重慶：重慶郵電大學，2018.

[8]杜磊.基于多傳感器數據融合的智能家居安防研究與設計[D].成都：電子科技大學，2018.

[9]張華. 多數據融合在火災預警中的應用[D].哈爾濱：哈爾濱工程大學，2018.

[10]王順.基于本體的多源異構數據融合方法的研究與應用[D].南京：南京航空航天大學，2018.

[11]鄒平輝.無線傳感器網絡安全及數據融合技術研究[D].北京：北京交通大學，2018.

[12]夏輝.多傳感器協議融合技術研究[D].沈陽：沈陽理工大學，2018.

[13]喬杰.基于多傳感器融合的汽車火災報警系統設計與實現[D].北京：中國礦業大學，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據融合去噪算法研究[J].公路工程，2018，43（6）：71-75.