智能家居中数据融合方法研究

蔡碧丽

摘要：智能家居中，单传感器监测有一定的局限性，甚至误判。该文提出了，先基于递推估计方法对单类传感器的数据进行一致性检验，提高终端数据的可靠性，并结合模糊逻辑综合评判多传感器的信息，得到准确有效的预警结果，克服了单传感器的局限性，提高了监测的可信度。

关键词：智能家居；数据融合；递推估计；模糊逻辑

中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2017）18-0189-02

1概述

物联网最终目的是实现信息的共享，传感信息的获取和传输与互联网联系在一起，传感信息的获取是数据融合的前提，传感器的多样化和监测对象的多样化决定了采用统一的标准可以减少信息使得数据的发布和共享的难度降低。21世纪是信息化的世纪，随着通信技术和物联网的发展，智能家居慢慢称为未来家居生活的方向。与传统家居相比，智能家居给用户提供这么多便利，最重要的一点安全不容忽视。家居如果发现险情，用户和110可以第一时间知道，并及时采取行动以免危险发生，现在家居中的报警系统主要是防盗报警和煤气检测报警。一旦发现这些有害气体的浓度超标时，能及时检测出来，并及时通知主人，很多灾难是可以避免的，更不会导致家庭的破裂，保证家人和财产安全。在智能家居控制系统中，要把安全系统作为重中之重，没有安全一切都免谈。

因此，对于智能家居环境监测是十分有必要的。然而，一方面，家居环境较为复杂，影响被测量对象的因素较多，对传感器的精确、可靠测量提出了更高的要求；另一方面，传统的检测中，传感器都相对独立工作，仅能监测各自的范围，单个传感器只能从某个侧面反映家庭的环境状况，会有一定的局限性和不确定性。针对这些问题，本文提出了，先基于递推估计方法对单类传感器的数据进行一致性检验，提高终端数据的可靠性，并结合模糊逻辑综合评判多传感器的信息，得到准确有效的预警结果，克服了单传感器的局限性，这样的可以从不同程度反映监测目标的各个方面，降低检测对象的不确定性，提高监测的准确度可信度。

2递推估计融合方法

智能家居中，多傳感器组部署在多方位，实现智能监测。那么，传感器的精确、实时、可靠测量，对于智能家居中预（报）警状态的准确性、真实性和可靠性具有重要意义，是智能家居系统控制的关键基础。而家居环境较为复杂，影响被测量对象的因素较多，对传感器的精确、可靠测量提出了更高的要求。下面，先介绍在测量批量数据中，剔除疏失误差，从而获得一致性被测数据的递推估计算法。

2.1算法的基本思想

一般地，等精度的传感器的测量数据，服从正态分布。递推估计的原理：

在递推估计中，每一次的新测量值，可以对原有的估计值进行一次修正，得到新的估计值，依次进行递推计算，直至所有测量数据均参与了整个估计过程。其算法较为简单，计算量不大，实时性强，可用于提高测量准确度，在工程实际中应用较广。

3模糊理论与多传感器数据融合

单类传感器的精确实时，是实现智能家居正确预警的重要基础。然而，其也存在着一定的局限性和不确定性。且多传感器的部署必然是智能家居的常态。如何高效、有效的利用多传感器的大量信息，也是值得研究的问题。本文采用具有描述不确定性的模糊理论，对多传感器信息进行融合。通过模糊综合评判，对多传感器信息进行融合，提高监测结果的可信度。进行模糊综合评判关键在于模糊控制器的设计。

1）隶属函数的设计

本文假设智能家居中部署了温度和CO传感器组与多方位进行监测，并将它们作为模糊控制器的输入。同时，设定环境监测结果分为3个等级。具体设计如下所示：

2）If-then规则库规则库如表1所示。

3）解模糊

解模糊最经常使用的方法是质心法，其代数表示式如下所示。

4仿真结果与分析

本文对双传感器组部署于多方位的监测区域进行模拟仿真。仿真数据和结果如表2所示。

从表2中可以看出，实际的预警结果与预期的预警结果一直，正确率达到100%。从中，我们可以发现，如果依据单类传感器做出预警状态的结果，很可能就出现判断失误，延误时机，如第12组和第14组数据。经过本文提出的数据融合算法，综合评判多类传感器数据，有效的提高了监测的准确率，提高了监测的可信度。

5结论

智能家居的安全性问题，一直是其工程部署的重要关键问题。精确、实时的对数据进行有效、高校监测显得尤为重要。本文提出的，先基于递推估计方法对单类传感器的数据进行一致性检验，提高终端数据的可靠性，并结合模糊逻辑综合评判多传感器的信息，得到准确有效的预警结果，克服了单传感器的局限性，提高了监测的可信度。然而，我们依然看到有部分情况我们无法做出更细致的预警，特别时处于无火-阴燃，阴燃-明火临界状态，这也是接下来我们值得继续研究改进的地方。endprint