一种基于数据模糊融合的智能家居监控应用情景设计方法研究

但唐仁,袁华思,杨海红

（深圳信息职业技术学院软件学院，广东 深圳 518172）

【信息经济研究】

一种基于数据模糊融合的智能家居监控应用情景设计方法研究

但唐仁,袁华思,杨海红

（深圳信息职业技术学院软件学院，广东 深圳 518172）

智能家居的应用情景设计是智能家居走入家庭重要一环，本文针对家庭失火监控应用运用多传感器数据模糊融合理论提出了一种设计方法，分析了该方法的理论原理、步骤，并使用一个案例加以应证。研究表明，该方法能减少单个传感器的误判，增加智能家居失火监控应用情景设计的可靠和稳定。

数据融合；智能家居；失火监控；应用情景

1 智能家居应用情景设计概述

智能家居是以家庭住所为平台、兼备建筑、网络通信、设备自动化、信息家电，集系统、结构、服务、管理为一体，实现高效、舒适、安全、便利、环保、节能的居住和娱乐的自动化系统。从功能上看主要包含5大子系统：即家电智能控制、家居安防监控、家庭能量管理（三表抄送）、家庭信息自动处理和家庭娱乐，其中家居安防监控子系统是家居生活的安全保障，主要是防止煤气泄漏、火灾和非法入侵等意外情况。良好的安防监控系统能随时检测家中的环境，一旦有异常就会发送报警信号给用户的手持设备或者小区的管理中心，从而减少不必要的损失。

为了更好地使用智能家居控制系统，往往需要设计出使用方便的一键式操作，对应不同的应用情景模式，如在家模式、外出模式、白天模式、夜晚模式、自动监控模式等等，这对于我国人口老龄化日趋严重的家庭更为重要。自动监控情景模式又涵盖了上述5大子系统中的家电智能控制、家居安防监控、家庭信息自动处理等子系统，子系统之间相互联动，而其中核心部分在于家居安防监控子系统的设计。

2 智能家居安防监控子系统的组成与分析

智能家居安防监控子系统包含着与生活息息相关的各种探测传感器，如烟雾、CH4、CO2、温度、湿度、光照度、红外等等探测传感器，不同的传感器组合构成了侧重点不一的监控系统，如烟雾、CH4、温度等探测传感器组成家庭失火监控系统，CO2、温度、湿度、光照度等探测传感器组成家庭室内空气舒适度监控系统，而温度、光照度、红外等探测传感器则可组成家庭防盗监控系统等等。不同的监控系统对于不同的应用情景，下面以家庭失火监控系统为内容，讨论家庭失火监控应用情景。

智能家居中每一种传感器都有不同的功能和一定的测量范围，单个传感器的数据只是从某个侧面反应家庭的环境状况，会有一定局限性和不确定性。而且家庭内多个传感器同时工作产生大量的数据，会增加这种不确定性，可能会导致系统发生误报或系统工作失灵。解决这一问题的途径之一是多传感器的数据融合技术。

3 多传感器数据融合理论

数据融合概念上讲是指为完成某个决策或估计任务而对多元信息在一定准则下进行自动分析、综合处理的过程，是将多个传感器检测到的数据共同转化成关于被测对象的某种状态知识，从而产生一个更可靠、更准确的控制或者决策信息，作为整个监测系统的最优估计量。对于多个传感器数据融合的监测系统，融合算法是整个系统的核心。

3.1 基于模糊理论数据融合算法

多传感器数据融合的算法有多种，如自适应加权数据融合算法、经典推理法、贝叶斯估计、D-S证据理论方法、模糊理论、神经网络等等，本文讨论基于模糊理论数据融合，该算法的主要特点是：利用模糊综合评判原理对家庭多个传感器的数据进行融合，这样很大程度上减少某单一传感器的局限性，提高家庭失火监测结果的可信度，其基本流程如图1。

图1 模糊理论数据融合流程图Fig.1 Flow chart of fuzzy data fusion theory

在该算法中，首先要对多个传感器的监测数据同时进行局部预处理和特征提取，然后将处理结果送到融合模块；融合模块采用基于模糊处理的信息技术，给出一个全局状态结果，并作出综合评判。

基于模糊数据融合算法是一种利用模糊集理论来对多种因素影响的事物作出综合评判的方法，基本思想是把单一集合中的绝对隶属关系灵活化，使元素对集合的隶属度从原来只能取0和1值扩充到可以取[0,1]区间中的任一数值。在进行综合决策时，除具备因素集之外，还要定义评价集和单因素判决。一般过程为先根据传感器的作用程度各不相同，确定由因素集到评判集的模糊判断矩阵（即为隶属度集合），再得到传感器对评价对象的指标权重，对权重和模糊判断矩阵进行合成运算即可得到综合判断。

3.2 智能家居的模糊数据融合模型

（1）隶属度

假设智能家居系统有m个传感器，监测结果分为n级，则传感器的集合为

监测结果的评判集

对传感器集合中的每一个传感器对评判集的指标进行评判，可以得到模糊关系矩阵

式中，rij表示由单个传感器i（i∈[1,m]）推断出评判集中j（j∈[1,n]）状态的可能性大小，即传感器对监测结果的隶属度。

目前还没有一个统一的模式能精确确定隶属度的方法，在实际应用中经常使用的有模糊统计方法、例证法、指派方法、专家经验法等等，其中指派方法是一种根据人们的实践经验确定模糊集隶属函数的方法，常用的隶属函数有正态型分布、Γ型分布、梯形分布、k次抛物型分布及柯西型分布等。在智能家居失火监测中，由于模糊性较强，不同状态之间的界限并不是很明显，通常采用柯西型模糊分布来实现，其隶属函数又根据模糊程度的不同有三种形式，分别如下：

（2）权重

设智能家居融合系统中的每个传感器的评价权重子集为：

权重表示出了某一传感器对要评价的对象贡献度的大小，方法有模糊聚类分析法、德尔菲法及层次分析法等，其中层次分析法是将要决策的问题分解为不同的层次结构，然后运用求解判断矩阵特征向量的办法得到每一层次的不同元素对上一层次某个元素的优先权重，最后求出各个备投方案对于总目标的最终的权重，最终的权重最大者就是最优的方案。层次分析法是一种解决多目标、多准则的复杂决策问题的一种简便的、可行的决策方法，本系统就是采用该方法。

（3）模糊综合评判

将评级权重子集W与模糊关系矩阵R进行合成运算，得到模糊综合评判，记为B，即

在模糊综合评判时，常用的方法是最大隶属度法、面积重心法等确定最终的判决结果。本系统采用最大隶属度法，其规则为：判决结果应有最大的隶属度；判决结果的隶属度必须大于某一阈值参数（一般取0.5）；判决结果的隶属度与其他判决的隶属度值之差必须大于某一阈值（一般取0.1）。

4 智能家居失火监控情景数据融合实例分析

本文设计中，在家庭失火监测上使用了温度、CH4和烟雾探测器传感器，基于上文模糊推理的数据融合的一般方法，对失火监控情景应用讨论如下：

即综合评判B的失火的隶属度为0.615（大于0.5），无火的隶属度为0.385（失火与无火的隶属度差大于0.1），根据最大隶属度法，该时刻经各传感器数据融合后判断发生失火的可能性大于无火的可能性，需要自动启动家庭失火报警模式。

在使用柯西型模糊分布函数计算各传感器对应失火、无火的隶属度时，需要根据专家经验确定各传感器对应某一监测等级的状态值，例如对温度传感器而言，正常无火的温度状态值为20℃，危险失火的温度状态值为26℃，CH4传感器在正常无火的浓度状态值为0.1%以下，危险失火的浓度状态值为1%，烟雾传感器在正常和失火状态下的值分别为0.65%FT以下和15.5%FT以上；在利用层次分析法取得各传感器权重时，仍需要专家经验比较每两个传感器相对失火而言的重要性，通常取9个层次之间的差异，如两个同等重要、一个比另一个稍微重要、重要一点、很重要等等，再进行归一化处理。下面给出3组不同时刻各传感器对失火、无火的隶属度值及融合后的隶属度值。

表1 多传感器融合判断表Tab.1 Judgment table of multi sensor fusion

从表1中看出，当传感器单独识别时，某些传感器的结论为不确定，无法判断，或者结论相反，造成自相矛盾，但经过数据融合后能得出最终结果，这样有效地提高了监测的准确率，增加了智能家居环境监测系统的可信度，大大减少了系统的不确定因素。

5 结论

将多传感器数据模糊融合方法应用到智能家居失火监控应用情景设计，与单一的传感器相比，具有更高的准确性和可信度。运行结果表明，这种方法对提高失火监测的可靠性是实用和有效的，可降低失火报警的误报率。在家庭环境中，根据不同的具体条件，还需要更多的专家经验值确定每一个传感器对判决的隶属度值和各传感器对判决的权重，目前还没有形成统一的理论。

[1]钟铭.基于模糊数据融合的煤矿瓦斯预警研究[D].西安科技大学,2009 Zhong Ming Research on Early-warning of Gas in Coal Mine Based on Fuzzy Data Fusion[D].Xi'an University of Science And Technology，2009.(in Chinese)

[2]王志军.基于物联网技术的智能家居系统的实现研究[D].安徽理工大学,2012 WangZhijun.The intelligent home system Implementation Research Based on the Internet of Things technology[D].AnHui University of Science and Technology,2012.(in Chinese)

[3]刘凯.多源传感器分层数据融合在煤矿瓦斯预警系统的应用与研究[D].太原理工大学Liu Kai,Multi sensor data hierarchical fusion application in coal mine gas warning system[D].Taiyuan University of Technology.(in Chinese)

[4]刘学会等.基于物联网的智能家居安防监控系统设计与实现[J].制造业自动化,2012,34(17):8-40,56 Liu Xuehui etc.Design and implementation of smart home security monitoring system based on Internet of things[J].Manufacturing automation2012,34(17):8-40,56.(in Chinese)

[5]肖丽等.智能家居中老人跌倒远程监护系统的设计[J].电视技术,2012,36(13):131-134 Xiao Li etc.Design of remote monitoring system for old people fall in smart home TV Technology.(in Chinese)

[6]Damien Brulin,Yannick Benezeth,and Estelle Courtial.Posture Recognition Based on Fuzzy Logic for Home Monitoring of the Elderly[J].IEEE Transactions on Information Technology in Biomedicine,2012,pp.974-982..(in Chinese)

[7]柳小军等.基于ARM9多传感器数据融合火灾报警系统[J].工业控制计算机,2009,22(3):52-53 Liu Xiajun etc.Fire Alarm System Based on Multi-sensor Data Fusion of ARM9 Controller[J].Industrial control computer 2009,22(3):52-53.(in Chinese)

Abstrat:Smart home application scenario design is an important part of smart home into the family.In this paper,a design method is proposed for the application of multi-sensor data fusion theory for the application of multi-sensor data fusion,the theory and procedure of the method are analyzed,and a case is used to prove it.The research shows that this method can reduce the false positives of a single sensor,and increase the reliability and stability of the smart home fire monitoring application.

Method for smart home monitoring application based on data fusion

DAN Tangren,YUAN Huasi,YANG Haihong
（Shenzhen Institute of Information Technology,Guangdong Shenzhen 518172,P.R.China）

data fusion;smart home;fire monitoring;application scenarios

TP273.5

A

1672-6332（2015）03-0053-04

【责任编辑：高潮】

2015-09-30

《基于计算机视觉的空间机器人粒子群轨迹规划算法研究》深圳市科技规划项目（项目编号：JCXJ20120615101640639）

但唐仁（1970-），男（汉），江西九江人，副教授，研究方向为嵌入式技术与应用。E-mail:dantr@sziit.com.cn