多傳感器信息融合技術(shù)在火災(zāi)報(bào)警系統(tǒng)的應(yīng)用

摘要：針對單一普通型火災(zāi)探測器的環(huán)境適應(yīng)性和功能局限性，將多傳感器信息融合技術(shù)應(yīng)用于火災(zāi)報(bào)警系統(tǒng)，實(shí)施多個(gè)傳感器同步探測，全面提取火災(zāi)信息。同時(shí)，應(yīng)用智能算法，對提取到的信息進(jìn)行融合，實(shí)現(xiàn)信息的優(yōu)化，完整地反映環(huán)境的信息，準(zhǔn)確地預(yù)報(bào)火災(zāi)。在此采用多傳感器信息融合方法中的Bayes理論，給每類火災(zāi)探測器的探測結(jié)果分配相應(yīng)的概率，然后運(yùn)用Bayes理論，進(jìn)行信息的融合，從而獲得最終的判決結(jié)果。有效地降低了誤報(bào)率和漏報(bào)率，提高了整個(gè)火災(zāi)報(bào)警系統(tǒng)的可靠性。
關(guān)鍵詞：多傳感器信息融合；貝葉斯估計(jì)；火災(zāi)報(bào)警系統(tǒng)；同步探測

    火的出現(xiàn)和使用對人類社會(huì)的進(jìn)步起到極大的作用，沒有火也就沒有人類今天的繁榮和成就。然而隨著社會(huì)的發(fā)展和居民生活水平的提高，火，電，油，氣使用越來越普遍，火災(zāi)的危險(xiǎn)性，次數(shù)和損失也越來越大，據(jù)統(tǒng)計(jì)，2011年我國火災(zāi)已達(dá)12．54萬起，造成多達(dá)18．8億元的財(cái)產(chǎn)損失。同時(shí)隨著我國城鎮(zhèn)化步伐的加快，城市的建筑物越來越密集，人口逐漸集中，城市中易燃易爆物品源點(diǎn)多、量大、面積廣，帶了更多的火災(zāi)隱患，一旦發(fā)生火災(zāi)，就會(huì)造成重大的人員傷亡和嚴(yán)重的經(jīng)濟(jì)損失以及重大的政治損失。因此，早期預(yù)報(bào)火情，及時(shí)準(zhǔn)確報(bào)警，防火于未然就顯的極為重要。
    火災(zāi)發(fā)生的時(shí)候伴有煙霧、高溫、火光及可燃性氣體等現(xiàn)象特征，火災(zāi)探測器通過檢測和捕捉火災(zāi)中出現(xiàn)的煙霧、高溫、火光及可燃性氣體等物理現(xiàn)象和特征信號，獲知火災(zāi)的發(fā)生。但是，傳統(tǒng)的基于某一物理量檢測的火災(zāi)探測器，有一定的環(huán)境適應(yīng)性和功能局限性，不可避免地會(huì)受到周圍環(huán)境的影響，發(fā)生誤報(bào)和漏報(bào)。針對這一現(xiàn)象，本文采用多傳感器信息融合技術(shù)來提高火災(zāi)報(bào)警系統(tǒng)準(zhǔn)確率和可靠性。

1 多傳感器信息融合的內(nèi)涵
    多傳感器信息融合類似于人類和其他生物系統(tǒng)基本功能。人類通過五官(耳、鼻、口、手、眼)和其他器官，感知聲音、氣味，獲得味覺、觸覺和視覺等信息，借助先驗(yàn)知識(shí)和大腦的關(guān)聯(lián)推理，對周圍的環(huán)境和正在發(fā)生的事情做出估計(jì)。多傳感器信息融合類似上述人類處理信息的過程，它利用多個(gè)傳感器獲得多方面的信息，合理支配和使用，充分發(fā)揮多個(gè)傳感器冗余性與互補(bǔ)信息的優(yōu)勢，并依據(jù)一些優(yōu)化準(zhǔn)則進(jìn)行組合，形成對外部環(huán)境或是被測對象特征的一致性解釋和描述。
    多傳感器信息融合借助多個(gè)傳感器采集到的信息，多視角地對信息進(jìn)行處理和綜合，從而獲知信息的內(nèi)在聯(lián)系和規(guī)律，并能夠剔除錯(cuò)誤和無用的信息，保留正確和有用的信息，實(shí)現(xiàn)信息的優(yōu)化，完善、準(zhǔn)確的反映環(huán)境特征。它的最終目的是利用多個(gè)傳感器一起工作、聯(lián)合操作的優(yōu)勢，提高整個(gè)傳感器系統(tǒng)的有效性。
    目前常用的多傳感器信息融合方法，有加權(quán)平均法、卡爾曼濾波、貝葉斯估計(jì)、統(tǒng)計(jì)決策理論、產(chǎn)生式規(guī)則、模糊邏輯、D-S證據(jù)推理、神經(jīng)網(wǎng)絡(luò)等。本文采用貝葉斯估計(jì)的方法。
    假設(shè)事件H由H1，H2，H3，…，Hm，m個(gè)互斥完備的事件構(gòu)成，它們發(fā)生的先驗(yàn)概率分別為P(H1)，P(H2)，P(H3)，…，P(Hm)，Bayes定理可表述為：
   
    式中：P(Hi|Ak)為在給定證據(jù)Ak的條件下，假設(shè)事件Hi發(fā)生的概率；P(Ak|Hi)為在假設(shè)事件Hi發(fā)生的情況下，證據(jù)Ak出現(xiàn)的概率；P(Hi)為假設(shè)事件Hi發(fā)生的先驗(yàn)概率。

2 多傳感器信息融合技術(shù)在
    火災(zāi)報(bào)警系統(tǒng)中的應(yīng)用傳統(tǒng)的火災(zāi)報(bào)警系統(tǒng)中由于單一傳感器的環(huán)境適應(yīng)性和功能局限性，會(huì)發(fā)生誤報(bào)和漏報(bào)的現(xiàn)象。例如，對于感光型的火災(zāi)探測器，燈光、電焊、高溫體等會(huì)對其產(chǎn)生影響，發(fā)生誤報(bào)；對于感溫型的探測器，不宜發(fā)現(xiàn)陰燃火，容易發(fā)生漏報(bào)；對于感煙型的火災(zāi)探測器，廚房油煙、水蒸氣可能會(huì)使其發(fā)生誤報(bào)，而對酒精火又沒有響應(yīng)容易漏報(bào)。我們采用多個(gè)傳感器，主要使用3類火災(zāi)探測器：感煙探測器、感溫探測器、火焰探測器。給每類火災(zāi)探測器的探測結(jié)果分配相應(yīng)的概率，然后運(yùn)用Baves理論，進(jìn)行信息的融合，從而獲得最終的判決結(jié)果。
    考慮系統(tǒng)的2種判決結(jié)果H0：發(fā)生火災(zāi)；H1：沒有發(fā)生火災(zāi)。假設(shè)感煙探測器測得事件H0和H1的概率為：P(H0)=0．6，P(H1)=0．4；感溫探測器(A1)測得事件H0和H1的后驗(yàn)概率分別為：P(A1|H0)=0．65，P(A1|H1)=0．35；火焰探測器(A2)測得事件H0和H1的后驗(yàn)概率分別為：P(A2|H0)=0．7，P(A2|H1)=0．3。運(yùn)用Bayes理論，融合感煙探測器、感溫探測器和火焰探測器的信息，即代入式(1)，可得P(H0|A1，A2)=0．867，P(H0|A1，A2)=0．133，可以判定發(fā)生火災(zāi)，系統(tǒng)發(fā)出報(bào)警。表1中給出了更多的數(shù)據(jù)。
    觀察表一中的第1，2組數(shù)據(jù)，不難發(fā)現(xiàn)采用多傳感器信息融合技術(shù)，能夠檢測到更多的信息，有效地彌補(bǔ)了單一傳感器功能的局限性，利用智能的融合算法，可以使判決結(jié)果更加明確，有效地提高了對環(huán)境的確認(rèn)度。同時(shí)，多個(gè)傳感器一起工作，當(dāng)某一個(gè)傳感器受環(huán)境的影響發(fā)生誤報(bào)時(shí)，利用多傳感器信息融合技術(shù)可以有效地剔除錯(cuò)誤信息，保留正確的信息。如表1中的第3組數(shù)據(jù)，當(dāng)感溫探測器發(fā)生誤報(bào)時(shí)，通過融合感煙探測器、感溫探測器和火焰探測器，最終的判決結(jié)果是沒有發(fā)生火災(zāi)，正確地反映了環(huán)境信息，有效地克服了單一傳感器的環(huán)境適應(yīng)性。

    當(dāng)某個(gè)傳感器失效時(shí)，例如表一中的第4組數(shù)據(jù)，發(fā)生火災(zāi)時(shí)，感溫探測器失效沒能正確地檢測出火災(zāi)，但是運(yùn)用多傳感器信息融合技術(shù)，最終準(zhǔn)確的判定出發(fā)生火災(zāi)，有效的防止了漏報(bào)，充分發(fā)揮了多傳感器信息互補(bǔ)性的優(yōu)勢。

3 結(jié)語
    運(yùn)用多傳感器信息融合技術(shù)，合理支配和使用多個(gè)傳感器的信息，將傳感器信息進(jìn)行優(yōu)化融合，克服單一傳感器的環(huán)境適應(yīng)性和功能局限性，可以降低誤報(bào)率和漏報(bào)率，提高系統(tǒng)的正確決策能力，有效節(jié)約了社會(huì)資源，對火災(zāi)探測報(bào)警具有重要的意義。但是，采用貝葉斯估計(jì)的方法，概率的獲取具有一定的難度，還有待進(jìn)一步的探究和完善。