基于無線傳感器網絡的智能家居安防系統設計

何云飛,王利松,陳黃立

(1.浙江大華系統工程有限公司,浙江 杭州 310057;2.杭州糧油食品有限公司,浙江 杭州 310000)

1 基于無線傳感器網絡智能家居安防系統的關鍵技術

1.1 短距離無線通信技術

智能家居安防系統具有終端節點密集分布、節點間距小的特征,常規無線通信技術的系統結構相對復雜,技術應用價值也無法充分發揮。 系統采用短距離無線通信技術,包括紅外技術、家庭無線電射頻技術、藍牙技術、ZigBee 技術、WiFi 技術等,工作頻段、傳輸速率、數據類型與最大功耗不一致,需要根據智能家居安防系統的使用需求加以選擇。 例如,從控制系統建設維護成本角度出發時,選擇采取功耗與成本較低的ZigBee 技術, 工作頻段為2.4 GHz、 傳輸速率為0.25 Mbps、最大功耗僅為1～3 mW。 對數據類型要求嚴格的情況下,本研究采用WiFi 技術或家庭無線電射頻技術,數據類型包括數據、視頻、音頻3 種。

1.2 防入侵技術

防入侵技術是由紅外入侵、聲源定位兩項子技術組成,在智能家居安防系統中配置一定數量的熱釋電紅外傳感器以及聲音傳感器,由傳感器持續采集現場監測信號,將現場信號上傳至系統后臺執行邏輯運算,從而判斷是否出現人員入侵問題,跟蹤監測入侵人員的位置、判定入侵人員數量、系統識別到特定電平信號后控制蜂鳴器發出警示音[1]。

紅外入侵技術是在門窗部位設置傳感器,當傳感器監測到周邊環境中出現溫度較高物體時,晶體溫度隨之改變,產生熱釋電反應,釋放特定波長的紅外線與輸出高電平信號。 芯片在識別到高電平信號后發送報警信號,將相關信息發送至上位機觀察者。 由于熱釋電紅外傳感器常出現誤報問題,紅外入侵技術組合應結合其他防入侵技術,系統接收到多份傳感器報警信號后再啟動系統報警流程[2]。

聲源定位技術是在房間內部四周布置若干聲音傳感器,持續收集現場監測信號,判定周邊環境聲音為人為聲源或是自然聲源,判定為人為聲源后,采取到達時間差法或雙曲線定位法,建立聲源定位幾何模型,自動計算聲源坐標值,持續鎖定聲源位置。 同時,為提高監測精度,設計人員可選擇在系統中設置多處錨節點,保持全部錨節點間的協調狀態。

1.3 火災監測技術

在智能家居安防系統中設置若干一氧化碳、二氧化碳、可燃氣體與溫濕度傳感器,同時采集現場的空氣組分含量、環境溫度、空氣濕度等參數,實時對比現場監測參數與預設指標警戒值。 如果智能家居安防系統檢測到參數超限情況,系統可以自動發送報警信號,并鎖定火勢蔓延范圍、評估煙霧濃度與空氣質量。

火災監測子系統運行面臨易受外部噪聲干擾和傳感器數據不一致的技術難題,在系統應用中要組合應用濾波技術與多傳感器數據融合技術。 其中,濾波技術是在系統中設置高斯濾波器、卡爾曼濾波器與滑動平均濾波器,負責過濾所采集現場監測信號中夾雜的高斯噪聲、消除觀測值隨機干擾量和執行滑動平均濾波操作,以消除誤差,提高火災監測精度。 多傳感器數據融合技術是在智能家居安防系統中采取加權平均、Bayes 推理、神經網絡等隨機類與人工智能類算法,對多個傳感器采集的現場監測信號進行交、并運算處理,從中提取傳感器的冗余信息和互補信息,強化系統的容錯性、實時性、互補性和擴大實際探測范圍[3]。

1.4 嵌入式技術

為提高家居安防系統的智能化程度,設計人員使家居安防系統具備模擬人類思維方式、自主感知環境情況與輸出控制指令的功能作用,要在系統中應用嵌入式技術。 在系統后臺或建筑室內環境中安裝智能網關等設備,嵌入特定對象體系中,完成現場監測信號的轉換、分類整理、邏輯運算、控制指令輸出、反饋評估等任務,這一系統可視為智能家居安防系統的“大腦”,將無線通信網絡視為智能家居安防系統的“神經”,現場傳感器與控制器視為系統的“感知器官”。

現階段,常用的系統嵌入設備為智能網關,智能網關作為一種網絡設備,有支持虛擬網絡接入、有線寬帶接入、局域網內設備信息采集、信息輸出、遠程控制與聯動控制等使用功能。 例如:智能網關具備故障自診、主動上報功能,通過獲取并分析本地各測量點的最新數據。 當檢測到異常數據時,智能網關根據異常狀況前后一段時間的變化情況來判斷故障類型、分析問題成因,并以發送故障碼、發送報警信號、控制廣播通信系統播報等方式主動上傳,這也是實現智能家居安防系統自控目標的關鍵[4]。

2 基于無線傳感器的智能家居安防系統實現路徑

2.1 確定系統總體架構

從智能家居安防系統的用途角度來看,該系統主要以人員入侵、火災監測作為系統防范對象,需就此設計系統總體架構。 該系統可選擇應用ZigBee 技術來建立樹形拓撲系統架構。 系統結構由遠程客戶端、用戶手機端、家庭網關裝置、協調器與路由器節點、傳感器節點、終端執行機構等部分組成。 這類系統有優異的結構部署能力與規模伸縮能力,將系統結構劃分為3個層級,從上至下分別為協調器層、節點層與執行機構層。 協調器層負責執行數據交互操作與網絡管理任務,節點層負責持續采集并上傳現場監測信號以及向終端執行機構傳達控制指令,執行機構層負責執行協調器層向下傳達的控制指令,如啟動排風扇。

2.2 服務器端軟件設計

在服務器端軟件設計環節,根據系統使用需求,設計人員可選擇設計PC 端或Android 端,分別使用C#語言和Java 語言開展軟件編程工作。 其中,PC 端軟件有使用靈活、數據采集流程簡單的特征,由傳感器持續采集現場檢測信號,通過ZigBee 協議將現場信號上傳至協調器,再由協調器通過RS232 芯片將數據處理結果上傳至PC 端加以顯示。 用戶可以直接在數據采集流程中使用串口控件來讀取實時信息。 PC 端軟件有著需要準確設置BaudRate 等屬性參數、易出現串口堵塞與數據包讀取不全問題的局限性。 在軟件設計環節,設計人員可采取增設ZedGraph 圖表控件、設置線程休眠觸發程序等措施來解決這類問題。 Android 端軟件有著可直接運行Android 生態環境中已開發應用程序、服務器端自身具備通信供暖與安卓設備數據傳輸功能的優勢,但服務器端的限制條件較多,包括在緩沖區數據過多時易造成數據包不完整和部分數據丟失、必須設置路由器網關、套接字創建流程煩瑣、自身不具備圖表控件等,要采取相應設計措施彌補服務器端短板,如手動下載AcharyEngine 開源圖標庫,使服務器端支持各類圖表的數據顯示。

此外,還要在方案中建立系統客戶端、服務端間的通信機制,應用WiFi 通信技術,用戶預先在服務器端輸入端口號以及IP 地址等信息,使客戶端接入服務器網絡服務體系中,服務端、客戶端保持連接狀態,服務器端持續將加工處理后的數據信息以圖表形式顯示在客戶端顯示屏上,確保用戶可以遠程了解家居環境的實時狀況。

2.3 系統程序設計

首先,為滿足不同場景下的智能家居安防系統使用需求,設計人員應在系統程序中設計布防、撤防、實時監控3 種系統工作狀態,采取用戶手動調整或系統自動感知的方式來切換系統工作狀態。 系統處于布防狀態時,自動進入警戒模式,由單片機通過現場裝置探測周邊環境情況,監測到未知身份人員侵入、明火、空氣中煙霧濃度超標等異常情況時,由單片機直接向上級監控中心與手機端App 發送報警信號。 系統處于撤防狀態時,切換至不警戒工作狀態,即使監測到異常情況,也不會直接發送報警信號,而是由單片機根據現場監測信號判斷問題類型與嚴重程度。 當系統處于實時監控狀態時,控制布防區域內現場裝置持續監測環境情況,處于全天候警戒狀態。

其次,在系統中明確設定不同運行模式的工作流程,以實時監控狀態為例,系統對基站節點和傳感器節點執行初始化操作,調整至對應的節點工作狀態,隨后,基站對各類狀態的數據實施差異性處理。

最后,單片機完成控制命令后切換至返回狀態,等待后續命令處理。

2.4 節點設計

在開發智能家居安防系統時,設計人員務必做好協調器節點與終端節點的設計工作。 在協調器節點設計中,設計人員將網絡射頻頻段劃分為若干數量獨立信道,在各處設備中設置配套的默認信道集。 協調器運行期間,系統依次執行掃描噪聲最小信道、建立全新網絡、啟動終端設備、控制設備接入網絡、向終端設備分配對應網絡地址、保持終端設備與協調器的雙向通信狀態等操作,實現大量終端設備的集成管理目標,并將終端設備信息發送到上位機加以解析處理。 在終端節點設計環節,可選擇在系統中安裝具備AD 轉換器的CC2530 型號芯片,配置模擬多路轉換器裝置來實現模擬數字轉換功能,并采取定時讀取傳感器的方式來完成現場信號采集任務。

2.5 基于多傳感器數據融合的智能家居安防算法模型設計

在現代智能建筑工程中,多傳感器檢測方式逐漸取代了傳統的單傳感器檢測方式。 智能家居安防系統在運行期間持續采集環境溫度、空氣濕度、聲音分貝與聲源等多項參數,以此來強化系統的環境感知能力。在系統設計環節,多傳感器檢測方式解決了各類傳感器數據的融合計算問題,避免了感知節點數據沖突、檢測精度下降等問題。 為保證檢測結果真實準確,切實滿足多傳感器數據融合計算需求,需要在系統設計方案中建立多傳感器數據融合算法模型[5]。

以神經網絡及模糊邏輯推理算法模型為例,充分結合神經網絡算法的并行計算、自適應與自學習能力強、容錯能力強的優點以及模糊邏輯推理算法的易實現、充分利用經驗知識、貼近人體思維模式的優點。 在設計方案中,該模型采取并聯算法模型結構。 獨立并聯是獨立控制兩種算法的參數,輔助并聯由模糊邏輯控制向神經網絡提供輔助修正量來減小誤差,模糊邏輯控制與神經網絡分別負責處理語義信息和難以用規則表示的信息,如圖1 所示。 隨后,該模型將算法模型拆解為數據感知層、數據融合層、決策層3 部分進行設計。 感知數據層負責收集傳感器的現場監測信號,由感知節點端微處理器對接入傳感器的上傳數據加以預處理、本地決策處理,并執行信號放大、濾波去噪、A/D轉換等操作。 如果決策結果超過預先設定的界限值時,表明出現異常狀況,微處理器將相關信息發送至智能網關設備。 為解決不同輸入數據的單位量級差異性問題,設計人員應采取歸一化方法,按比例將輸入數據縮放后,映射值在[0,1]區間內。 數據融合層由神經網絡融合、模糊邏輯推理融合兩部分組成,在神經網絡融合方案中采取3 層BP 網絡結構,由底部輸入層接收感知數據層發送的數據信息,由輸入層將數據整理后發送至隱藏層節點進行計算,如根據環境溫度、CO 濃度、煙霧濃度等數據來計算明火事故、火災事故和陰燃火事故的出現概率,輸出層得到具體火災概率值。 模糊邏輯推理融合方案設計系統模糊化處理、模糊邏輯推理和去模糊化功能,最終獲取火災概率值。 決策層負責根據神經網絡與模糊邏輯推理算法的輸出結構進行決策分析,仍以火災概率計算為例,決策層對比兩種算法的輸出值與界限值,如在BP 神經網絡和模糊邏輯推理算法均判定明火概率值超過0.7 時,判定已發生明火事故,由系統對終端設備下達相應控制指令和播報警情。

圖1 算法模型并聯結構

3 結語

在無線傳感網絡智能家居安防系統的開發與應用過程中,工作人員必須深入了解系統關鍵技術手段,圍繞防范對象和系統用途,以清晰的系統開發思維制定科學的系統總體設計方案。 設計人員要重點控制系統架構、服務器端軟件與節點設計質量,增強系統的應用效果,保證系統安全、穩定運行。