陈曦

（美智光电科技股份有限公司 广东省佛山市 528311）

现代人财产安全意识不断提升，家庭智能安防系统广泛应用在家庭环境及防盗监测中，保护了人们财产安全，降低损失。由于单一的传感器家庭智能安防系统容易出现误报情况，因此，提出多传感器数据融合技术，实现对盗窃入侵行为的检测，旨在提高家庭安防系统实用性，降低误报率。为此，有必要深入探究多传感器数据融合技术在家庭安防系统中的应用情况。

1 研究（问题）背景

基于物联网技术快速发展，智能设备的智能化和自动化程度不断提升，智能家居理念也应运而生，在信息化技术推动下，智能化家居生活成为必然发展趋势。借助智能终端，可实现对家居设备的控制，大大改变了人们的生活。人们享受智能家居体验智能家居同时，安防意识也不断提升。近年来，频繁发生家庭煤气爆炸、家庭火灾安全事故，说明家庭中存在诸多的安全隐患，因此，设计一套智能化家庭安防系统，具有重要的现实意义，家庭安防系统增设视频监控、火灾检测、煤气检测等功能，切实保障家庭财产与生命安全。

基于现代化科学技术快速发展，在家庭智能安防系统建设中，引入了多传感器数据融合技术、物联网技术、云计算技术等新一代信息技术。在环境监测和防盗预警方面，需要应用到多种传感器，为此，引入多传感器数据融合技术显得尤为重要。在多传感器数据融合技术支持下，促使家庭安防系统设计与实现，并借助云平台制定网络通信控制方案，结合用户不同需求，增设系统功能，开发出个性化的家庭安防系统方案[1]。由于家庭安防研究仍停留在实验阶段，有关家庭安防的案例也较少，基于此，有必要开发一套可反映家庭环境和意外情况的智能家庭安防系统，进而及时有效的处理家中突发问题，保障用户家庭安全。为此，研究本课题具有重要的理论意义。

2 技术原理和特点

2.1 多传感器数据融合技术

多传感器数据融合技术概念提出较早，最早应用在C31系统中，证实了此项技术可提升系统性能，保证传感数据准确性；能够精准获取到被检测对象的相关信息，较比单一传感器处理优势更显著。就多传感器数据融合技术原理看，主要是运用分布式D-S 证据数据融合技术对监测数据进行分析和融合的，进而获取到被监测对象当前状态情况；同时，基于信息熵视角，证实了D-S 证据理论算法的有效性，保证信息准确、真实，有效降低了家庭安防系统的误报率，提高了安防系统报警准确性和可靠性，对家庭安防异常进行预警。系统在智能家居应用中，不易受到干扰，减少了不确定性，应用前景是广阔的[2]。因此，将多传感器数据融合技术应用在家庭智能安防系统中，有利于提高系统运行稳定性，传感器数据更完整和准确。

数据融合的信息源经过信息检测、信息评估及优化组合过程，在家庭安防系统设计中，应用多种传感器，实现对不同来源信息的融合，并在多传感器数据融合技术原理支持下，对传感器采集到的信息进行支配，充分利用检测信息，最终保证系统决策准确。其融合算法主要是根据人工智能，对决策信息进行感知的，最终实现系统决策。

2.2 无线传输技术

2.2.1 ZigBee 技术

家庭安防系统开发过程中，主要依托无线传感网作为实现载体，将无线传输技术应用在系统开发中，减少了开发工程量，简化了线路布局，降低了经济成本和功耗。本文研究的家庭安防系统，主要应用的是ZigBee、Wi-Fi 无线通信方传输方式，利用ZigBee 技术搭建了传感器监测网络，在ZigBee 组网内，实现各个ZigBee 模块之间的数据交互，其通信频率在2.4GHz，传输距离达到了10～75m，传输速度在10～250kbit/s，传输安全性程度高。就ZigBee 技术特点看，技术成本低廉、功耗低、网络自组织、延时小，可简化安装过程，解决了智能家庭安防系统布线问题，满足智能家居应用场景。

2.2.2 Wi-Fi 技术

Wi-Fi 技术覆盖范围广，数据传输时效快，就Wi-Fi 技术特点看，简单易操作、网络自动配置、兼容性好、拓展性好、安全程度高等。通过Wi-Fi，将传感器监测网络接入到广域网中，充分展现了Wi-Fi 技术优势；将Wi-Fi 通讯传输技术应用在家庭安防系统中，提高了网络摄像头视频数据传输效率，解决了数据传输慢、传输安全低等问题。

实践研究发现，应用ZigBee+Wi-Fi 无线通信模式，可实现技术优势互补，利用ZigBee 进行进行终端节点间的信息交流，利用Wi-Fi 实现网关和云平台、设备云APP 的通信，进一步加快数据传输速度，提升数据传输稳定性和安全性，实现低能耗数据传输目的[3]。因此，ZigBee+Wi-Fi 结合通信模式下，开发出了可供用户操作的可视化网关界面，即“嵌入式网关”；为家庭安防系统设计与实现提供了保障，实现远程监测家庭环境参数，监测家庭防盗情况的目标。

2.3 嵌入式网关技术

基于智能化技术推动下，嵌入式网关技术快速发展，技术特点主要是功能强、可靠性强、成本低、体积小等，将嵌入式网关技术应用在家庭安防系统中，具有应用可行性，为智能网关模块硬软件设备提供了技术保障。智能网关软件设计图如图1 所示。

图1：智能网关软件设计图

3 应用研究

就基于多传感器数据融合的智能家居安防系统功能需求看，系统功能设计上要满足火灾检测、煤气检测、防盗检测及视频监控需要。火灾检测，主要是将检测装置安装在厨房、电路老化等位置，当家庭中有火灾发生时，安防系统可第一时间向用户手机端发送预警信息。煤气检测，是系统装置放置在燃气易泄漏位置，当泄漏的气体达到一定的浓度值时，系统可及时将预警信息发送给用户；防盗检测，主要是利用人体红外线传感器感知入侵到家中的可疑人员，摄像头将抓拍到的入侵者的图片，上传到云端，并将预警信息同时发送给用户。视频监控则满足用户实时查看家中人员情况需要。如图2 所示。

图2：安防系统功能图

就家庭安防系统整体设计目标看，在无线通信技术应用支持下，将采集到的传感器数据信息传输到智能网关中，并在数据融合数据技术支持下，进行数据融合分析，将家中异常信息上传到云端并传输给用户。以下就家庭安防系统应用设计进行具体分析：

3.1 硬件设计

基于多传感器数据融合的家庭安防系统硬件结构设计，包含了网关设计、ZigBee 节点及外周电路硬件设计等。具体设计如下：

3.1.1 网关模块设计

网关硬件设计主要是由STM32F103RCT6 构成，集成在主板上，并在终端板块中将ZigBee 重点节点、多种传感器、电路模块集成在一块。STM32F103RCT6 外周有GPIO 设备接口，各个接口输入和输出模式不同，具体根据场景需要进行调试；考虑到工作电压和供电方式，使用的是USB 供电接口。

3.1.2 ZigBee 节点设计

采用CC2530 无线射频芯片构建ZigBee 协调器，负责接收多传感器数据，经由串口通信，将采集到信息数据上传到显示屏中，实现对数据信息的分析和阈值比较，根据数据对比结果，实现对ZigBee 节点及外周电路的控制。CC2530芯片中的退耦电路可有效避免设备电路的干扰，保证设备电路电路稳定[4]。

3.2 软件设计

通过搭建基于多传感器数据融合的家庭安防监测平台，实现对家中火灾、煤气、环境的远程检测，并将检测到的数据信息传输至数据融合中心，并通过嵌入式网关，将异常信息反馈到用户手机端，供用户查看。在家庭安防软件设计中，涉及到串口配置、板号配置及多种融合数据显示界面，包括数据显示界面、用户控制界面等界面模块设计。在家庭安防系统软件设计上，搭建了IAR Embedded Work-bench IDE 的安防系统开发环境，采用C 语言进行程序编写。在系统主控板中，将各个显示数据界面进行设计和调试，保证各个程序有效调用，系统整体的开发难度小。为保证家庭安防系统稳定运行，系统中运用了多传感器芯片，包括温度芯片、时钟芯片等，为保证系统准确记录预警时间，优化了时钟系统设计，使用的是DS1302 时钟芯片，保证时钟系统工作稳定。系统软件设计具体分析如下：

3.2.1 串口配置设计

串口配置设计主要通过串口通信协议，建立与嵌入式网关及ZigBee 协调器之间的通信路径，对每个传感器节点板的板号进行配置，确保板号和串口通信协议正确，并通过嵌入式网关采集和控制多传感器信息，进而达到交互操作目的，更全面地采集和记录家庭中的环境数据和传感器当前的工作状态情况。

3.2.2 用户操作界面设计

在设计用户端操作和显示界面方面，建立了基于嵌入式网关的嵌入式微型数据库SQLite，用于存储用户信息；并实时统计多传感器数据信息，将符合数据级融合条件的传感器数据进行数据信息融合，为用户提供信息参考，最后将融合后的数据信息上传到数据库中，并在决策依据下，正确判断出传感器的状态。

3.2.3 界面设计

家庭安防系统智能化程度较高，为用户提供了智能化设备和嵌入式网关等设备，系统设计的针对性较强，对用户登录身份信息进行验证，有效阻止了非法用户登录系统。

4 仿真实验

多传感器数据融合，衍生了神经网络法和模糊逻辑法等诸多的算法，在多种算法联合应用下，提高了检测算法精准性，为提高家庭安防系统检测准确性，采用的是BP 神经网络和模糊逻辑推理法进行检测。BP 神经网络算法自适应能力强，具有自组学习、并行计算、容错能力强等特点。模糊逻辑算法由模糊化、模糊推理及反模糊化三要点组成，主要依赖的是专家经验及多领域的专业知识，算法容易实现，思维模式类似于人脑思维，可用自然语言进行描述，省略了数学建模过程。两种算法各具优劣势，因此，将两种算法进行融合，实现了算法优势互补，进一步完善了家庭安防系统功能，保证系统性能使用。实践研究发现，在家庭安防系统中选择并联的BP 神经网络和模糊逻辑推理法结构是可行的，满足系统多传感采集数据的融合处理需求，在BP 神经网络算法下，进行准确判断，利用模糊逻辑推理算法进行辅助判断，保证数据准确性[5]。

4.1 BP神经网络仿真检测

仿真检测主要是基于神经网络模型训练基础上开展的，主要是针对家庭中有无明火、阴燃火、火灾等情况的数据进行仿真检测的。如表1 所示。

表1：BP 神经网络测试数据

4.2 模糊逻辑推理仿真测试

主要是借助MATLB 工具实现模糊逻辑推理模型的建立和仿真，主要应用到MATLB 工具中的模糊逻辑推理编辑器；可编辑火灾检测中的温度值、烟雾浓度值及一氧化碳浓度值，并通过编辑器的界面实时显示火灾概率，并在模糊逻辑推理编辑器相关规则下，生成模糊逻辑规则图，最终可得出精准的数值。如表2 所示。

表2：模糊逻辑推理仿真测试数据

基于BP 神经网络仿真检测和模糊逻辑推理仿真测试结果均会出现不同程度的偏差，因此，在家庭安防系统检测中，有必要结合两种算法进行联合检测，进而保证家庭安防系统检测数据的准确性，及时为用户提供家庭环境监测情况和安防监测情况，最大程度上降低误报率。

4.3 仿真实验

（1）例如，对家庭安防火灾进行检测时，可利用BP神经网络对数据信息进行融合处理，并对明火（P1）、阴燃火（P2）、无火（P3）、火灾概率（P4）进行明确的标识。依据BP 神经网络进行决策，借助模糊逻辑推理算法辅助判断，按照融合规则得出：

当P1 ≤0.4 且P4 ≤0.4 时，视为无火灾发生；

当P1 ≤0.4 而0.4＜P4 ≤0.8 时，需要再次借助模糊逻辑推理算法判断是否为阴燃火；

当0.4＜P1 ≤0.8 时且P4 ≤0.4 时，需要再次借助模糊逻辑推理算法判断是否为阴燃火；当0.4＜P1 ≤0.8 时且0.4＜P4 ≤0.8 时，视为发生阴燃火；当0.4＜P1 ≤0.8 而P4＞0.8 时，需要再次借助模糊逻辑推理算法判断是否为阴燃火；

当P1＞0.8 时，而0.4＜P4 ≤0.8 时，需要再次借助模糊逻辑推理算法判断是否为明火；

当P1＞0.8 时，而P4＞0.8 时，视为有明火发生。

基于此，在BP 神经网络和模糊逻辑推理法联合判断和分析下，可保证家庭安防系统检测更精准，提高决策结果准确性。

（2）例如，在防盗报警实验中，在实验室中安装摄像头、主机、多种传感器、门磁开关传感器等。将红外线传感器和微波传感器安装在天花板中，将门磁开关传感器一部分安装在门页上，将门磁传感器另一部分安装在门框上。布设完成后，当有人侵入到室内时，门和门框会出现位移现象，此时，门磁传感器会发出电信号，并第一时间将电信号传输给主机；与此同时，微波传感器也会检测到正在移动的目标对象，由红外线传感器将目标对象信号传输给主机，主机实时接收信号信息。在整个安防状态下，摄像头对整个入侵过程中进行监控和记录，详细记录了关键点信息。借助D-S 证据理论，实现监测数据融合，在多传感器数据融合支持下，获得了准确的检测数据，并通过多传感器分布式布局进行数据融合，避免盗情报警的不确定性，提高了安防系统预警准确性，值得广泛的应用在智能家居生活中。

5 结论

综上上述，现代人对安全、舒适、智能化家具生活需求强烈，在无线通信技术、物联网技术、多传感器数据融合技术等技术支持下，实现家庭安防系统的设计与实现，精准检测到家中有无异常情况，满足了智能家居生活需求。将多传感器技术融合在家庭安防系统中，实时检测家庭中的异常情况，提供的检测信息准确，对异常判断结果真实，用户通过手机端可随时查看家庭安全情况，充分发挥了多传感数据融合技术优势，发挥了家庭安防系统的检测作用，使安全、舒适的智能家居成为可能。