林水生，卫伯言，杨海芬*，熊 勇，朱磊基，于 良

（1. 电子科技大学信息与通信工程学院 成都 611731；2. 中国科学院上海微系统与信息技术研究所 上海 长宁区 201899）

随着社会发展，城市人口愈发密集，火灾发生数量逐年增加。火灾造成财产损失和人员伤亡，给社会带来不可估量的伤害，因此如何及时准确地探测火灾至关重要。

传统检测火灾的传感器，使用了烟雾探测器。烟雾探测器根据探测原理可分为两类：基于电离的探测器和基于光电的探测器。基于光电的烟雾探测器利用烟雾粒子影响光的散射来探测烟雾；基于电离的烟雾探测器则利用烟雾颗粒的存在会导致电极之间的电流下降来检测烟雾。但是单一信号判别火灾易受到环境影响，产生虚警，准确率不高。为了提升火灾探测准确率，需要使用多传感器探测火灾，因此选取合适的探测数据源、合理融合多传感器信息成为了探测火灾的关键。

目前用于判别火灾的数据源多来自CO 浓度、CO2浓度、烟雾浓度、温湿度和光照强度。而融合多传感器信息方法则多种多样。如文献[1-2]使用模糊逻辑融合温度、火焰强度、烟雾浓度信息；文献[3]使用模糊逻辑融合烟雾、温度、湿度、CO浓度信息；文献[4]先使用卡尔曼滤波对温度、湿度和烟雾信息进行预处理，再通过模糊逻辑判别室外火灾。模糊逻辑虽然可以模拟人的思考判断方式，但是模糊规则多由人为经验确定，不具有客观性。文献[5-6]使用反向传播（back propagation, BP）神经网络训练CO、温度和烟雾来提升火灾探测准确率；……