多传感器信息融合技术在火灾报警系统的应用 人员伤亡, 报警系统, 传感器, 建筑物, 危险性

火的出现和使用对人类社会的进步起到极大的作用，没有火也就没有人类今天的繁荣和成就。然而随着社会的发展和居民生活水平的提高，火，电，油，气使用越来越普遍，火灾的危险性，次数和损失也越来越大，据统计，2011年我国火灾已达12．54万起，造成多达18．8亿元的财产损失。同时随着我国城镇化步伐的加快，城市的建筑物越来越密集，人口逐渐集中，城市中易燃易爆物品源点多、量大、面积广，带了更多的火灾隐患，一旦发生火灾，就会造成重大的人员伤亡和严重的经济损失以及重大的政治损失。因此，早期预报火情，及时准确报警，防火于未然就显的极为重要。
火灾发生的时候伴有烟雾、高温、火光及可燃性气体等现象特征，火灾探测器通过检测和捕捉火灾中出现的烟雾、高温、火光及可燃性气体等物理现象和特征信号，获知火灾的发生。但是，传统的基于某一物理量检测的火灾探测器，有一定的环境适应性和功能局限性，不可避免地会受到周围环境的影响，发生误报和漏报。针对这一现象，本文采用多传感器信息融合技术来提高火灾报警系统准确率和可靠性。

1 多传感器信息融合的内涵
多传感器信息融合类似于人类和其他生物系统基本功能。人类通过五官(耳、鼻、口、手、眼)和其他器官，感知声音、气味，获得味觉、触觉和视觉等信息，借助先验知识和大脑的关联推理，对周围的环境和正在发生的事情做出估计。多传感器信息融合类似上述人类处理信息的过程，它利用多个传感器获得多方面的信息，合理支配和使用，充分发挥多个传感器冗余性与互补信息的优势，并依据一些优化准则进行组合，形成对外部环境或是被测对象特征的一致性解释和描述。
多传感器信息融合借助多个传感器采集到的信息，多视角地对信息进行处理和综合，从而获知信息的内在联系和规律，并能够剔除错误和无用的信息，保留正确和有用的信息，实现信息的优化，完善、准确的反映环境特征。它的最终目的是利用多个传感器一起工作、联合操作的优势，提高整个传感器系统的有效性。
目前常用的多传感器信息融合方法，有加权平均法、卡尔曼滤波、贝叶斯估计、统计决策理论、产生式规则、模糊逻辑、D-S证据推理、神经网络等。本文采用贝叶斯估计的方法。
假设事件H由H1，H2，H3，…，Hm，m个互斥完备的事件构成，它们发生的先验概率分别为P(H1)，P(H2)，P(H3)，…，P(Hm)，Bayes定理可表述为：

式中：P(Hi|Ak)为在给定证据Ak的条件下，假设事件Hi发生的概率；P(Ak|Hi)为在假设事件Hi发生的情况下，证据Ak出现的概率；P(Hi)为假设事件Hi发生的先验概率。
2 多传感器信息融合技术在
火灾报警系统中的应用传统的火灾报警系统中由于单一传感器的环境适应性和功能局限性，会发生误报和漏报的现象。例如，对于感光型的火灾探测器，灯光、电焊、高温体等会对其产生影响，发生误报；对于感温型的探测器，不宜发现阴燃火，容易发生漏报；对于感烟型的火灾探测器，厨房油烟、水蒸气可能会使其发生误报，而对酒精火又没有响应容易漏报。我们采用多个传感器，主要使用3类火灾探测器：感烟探测器、感温探测器、火焰探测器。给每类火灾探测器的探测结果分配相应的概率，然后运用Baves理论，进行信息的融合，从而获得最终的判决结果。
考虑系统的2种判决结果H0：发生火灾；H1：没有发生火灾。假设感烟探测器测得事件H0和H1的概率为：P(H0)=0．6，P(H1)=0．4；感温探测器(A1)测得事件H0和H1的后验概率分别为：P(A1|H0)=0．65，P(A1|H1)=0．35；火焰探测器(A2)测得事件H0和H1的后验概率分别为：P(A2|H0)=0．7，P(A2|H1)=0．3。运用Bayes理论，融合感烟探测器、感温探测器和火焰探测器的信息，即代入式(1)，可得P(H0|A1，A2)=0．867，P(H0|A1，A2)=0．133，可以判定发生火灾，系统发出报警。表1中给出了更多的数据。
观察表一中的第1，2组数据，不难发现采用多传感器信息融合技术，能够检测到更多的信息，有效地弥补了单一传感器功能的局限性，利用智能的融合算法，可以使判决结果更加明确，有效地提高了对环境的确认度。同时，多个传感器一起工作，当某一个传感器受环境的影响发生误报时，利用多传感器信息融合技术可以有效地剔除错误信息，保留正确的信息。如表1中的第3组数据，当感温探测器发生误报时，通过融合感烟探测器、感温探测器和火焰探测器，最终的判决结果是没有发生火灾，正确地反映了环境信息，有效地克服了单一传感器的环境适应性。

当某个传感器失效时，例如表一中的第4组数据，发生火灾时，感温探测器失效没能正确地检测出火灾，但是运用多传感器信息融合技术，最终准确的判定出发生火灾，有效的防止了漏报，充分发挥了多传感器信息互补性的优势。

3 结语
运用多传感器信息融合技术，合理支配和使用多个传感器的信息，将传感器信息进行优化融合，克服单一传感器的环境适应性和功能局限性，可以降低误报率和漏报率，提高系统的正确决策能力，有效节约了社会资源，对火灾探测报警具有重要的意义。但是，采用贝叶斯估计的方法，概率的获取具有一定的难度，还有待进一步的探究和完善。