基于多传感器数据融合在家庭智能防盗系统中的应用

赵娟

摘要： 基于单一传感器的家庭智能防盗系统误报率较高，本文提出在家庭智能防盗系统中采用多传感器盗窃入侵检测，通过D-S证据理论对多传感器子系统信号进行二级融合，主机做出分析判断。通过一个具体实例说明了测量信息融合过程，结果证实了该算法具有准确度高，误报率低等优点。

Abstract： The anti-theft alarm system based on single sensor has highly false alarm rate. In this paper， it proposes using multi-sensor to detect theft intrusion in the home intelligent anti-theft alarm system. Subsystem of multi-sensor signals fuses secondly by D-S fusion algorithm and the CPU makes the analysis and judgment. The results illustrate that the algorithm has the advantages of high accuracy and lower false rate.

關键词： 多传感器；D-S证据理论；防盗报警；数据融合

Key words： multi-sensor；D-S evidence theory；anti-theft alarm；data fusion

中图分类号：TN911.2 文献标识码：A 文章编号：1006-4311（2017）09-0114-03

0 引言

随着人们财产安全意识的提高，家庭智能防盗系统已经开始走进人们生活。智能防盗系统能自动检测盗情并及时报警，可以大大降低财产损失的风险。目前家庭安防报警探测器包括：门窗磁开关探测器、红外探测器、玻璃破碎探测器、微波探测器等[1]。但由于单一探测器会存在误报率高[2-3]等现象，如微波探测器对移动目标较为敏感，飘动的窗帘、闯入的小动物都可能触发报警；如被动红外对射探测器对外界的红外辐射温度较敏感，暖气、电炉可能产生误报，很难达到系统设计的精确要求。

本文采用多传感器多周期盗窃入侵检测，运用分布式D-S证据数据融合技术对测量信息进行数据融合，并从信息熵角度证实了该算法有效降低了误报的概率，提高了防盗报警的准确性和可靠性。

1 D-S证据理论

1.1 基本概念

1967年Dempstery就提出了D-S证据理论[4]，Shafer后来又加以扩充发展完善[5]，所以证据理论被称之为D-S理论。

正面给出D-S证据理论合成原理框图如图1所示。

2 多个传感器多次测量周期分布式信任分配函数的数据融合

3 仿真实验

在防盗报警实验中，在15m*10m有门无窗的实验室内安装1个摄像头，1个主机，3个传感器，包括被动红外传感器（用数字1表示），微波传感器（用数字2表示），门磁开关传感器（用数字3表示）。被动红外传感器与微波传感器安装在天花板中央，门磁开关传感器分为两部分，一部分装在门页上，另一部分装在门框上。当处于布防状态时，一旦有人推门而入，门与门框会产生位移，门磁传感器会产生电信号，该信号即刻发送给主机；同时微波传感器检测到移动的目标，被动红外传感器检测到人多红外辐射温都会产生信号；该信号即刻都会发送给主机。在布防状态，用摄像头观测整个过程，记录每个关键时间点。

实验中的识别框架为？专={A，B，U}，A表示发生盗情报警，B表示没有发生盗情不报警，U={A，B}即表示不确定（可能发生盗情报警也可能无盗情不报警）。实验人员进入房间40秒后，3个传感器连续观测2个周期（每个周期的时间为20秒），将获取得到实验人员的原始信息，经过相应技术处理后的信任函数见表1。mnj（·）表示第n个传感器在第j个周期确定的信任函数。例如m12（·）表示被动红外传感器在2个测周期的基本的信任分配函数。

利用式（6）对三个传感器在各自的两个不同的周期进行融合，融合后的结果如表2所示。

最后利用式（7）对3个传感器两个不同测量周期后融合后的信任函数，在融合中心用D-S证据进行数据融合，得到最终的结果，见表3

由上面的计算结果可知，每次融合之后的信息熵都要小于融合之前的信息熵。由此不难发现当传感器数目增加，测量的周期越多，经过融合后的信息熵会变得越来越小。由于信息熵是信息不确定的度量，信息熵大则不确定性大，反之，信息熵越小不确定性就越小。

所以，经过多传感器两级分布式融合之后信息熵变小了那么盗情报警的不确定性就减小了，可靠性得到了大幅度提高。

5 结论

本文提出在家庭智能防盗系统中采用多传感器盗窃入侵检测，运用D-S证据理论构建一个多周期多传感器的分布式融合二级模型。该算法可以有效的提高报警系统的准确性，降低其不确定性，抗干扰性强，无论在智能家居，银行还是仓库，公司等中具有广泛的应用前景。

参考文献：

[1]杭州晶控电子有限公司.教你搭建自己的智能家居系统[M].机械工业出版社，2013：163-164.

[2]张丽，黄国青.基于Arduino/Android 的智能防火防盗报警系统设计[J].天津理工大学学报，2015，31（4）：18-22.

[3]刘明琨，陈红岩.基于多传感器融合的防盗报警系统的设计[J].煤炭技术，2012，31（1）：134-135.

[4]Dempster A P. Upper and lower probabilities induced by a Multi-valued mapping [J] Annual Mach Statist， 1967， 38（4）： 325-339.

[5]Shafer G A Mathematical Theory of Evidence[M]. Princeton University. Press， Princeton， 1976： 121-138.

[6]陈科，逄玉俊.数据融合故障诊断系统模型及应用[J].辽宁石油化工大学学报，2004，24（1）：70-73.