第
39
卷第
4
期
协1.
39
No
.4
河北工业大学学报
JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGY
月川
。。气，，"
年"
ou
OE
--
却
Lm
文章编号:
1007-2373 (2010) 04-0035-04
多传感器数据融合技术在火灾报
中的应用
李光
IJ
，张铁壁
3
，
4
(
1.河北工程技术高等专科学校安全稳定处，河北沧州
061001;
2.
河北师范大学政法学院，河北石家庄
050016;
3.
北
京科技大学信息学院，北京
100083;
4.
河北工程技术高等专科学校电力工程系，河北沧州
061001
)
摘要
针对目前火灾报警中存在的问题，提出了一种基于神经网络和
D-S
证据理论的多传感器数据融合技术，并
通过模拟实际输入信号的仿真结果进行了证明.这种采用神经网络
BP
算法和
D-S
证据理论的多传感器数据融合
技术，能够显著提高火灾的识别能力，有效降低火灾误报率.
关键词火灾报警;
BP
神经网络;数据融合;
D-S
证据理论
中图分类号
TP277
文献标识码
A
The Apply
of
a Fire Alarm System Based
on Mmultisensor Data Fusion Technology
LI Guang\' 2 , ZHANG Tie-bi
3
, 4
(1.
Office
ofSecurity
and
Stability
,
Hebei
Engineering
and
Technical
College
,
Hebei
Cangzhou
061001,
China;
2.
College
ofLaw
and
Politics
,
Hebei
Nonnal
University
,
~ebei
Shij
皿
huang
050016,
China;
3.
Schoolo
fI
nfonnation
,
University
ofScience
and
Technology
Beijing
,
Beijing
100083,
China;
4.
Department
ofPower
Engineering
,
Hebei
Engineering
and
Technical
College
,
Cang
油田
1
061001, China)
Abstract
According
to
the problems
in
fire alann system, the paper proposed a multi-sensor data fusion technology based
on neural network and theory
of
evidence,and gave the proving through the simulation result
of
input signal. The technology
can greatly improve the fire discrimination capability, and reduce the false positive rate
of
fire effectively. Proposed a mul-
tisensor data fusion technology, which is based on neural network and D-S evidence theory, it thoroughly abstracts the
data fusion technology.
Th
e simulated results
of
imitated really input information confirmed that the multisensor data fus-
ion technology is used BP neural network and D-S evidence theory can accurately forecast fire
, effectivly lower false alann
rate
, and it reached the expected better results.
Key words fire alann; BP neural network; data fusion; D-S evidence theory
火灾是危害人类生命财产灾害中最常见的一种.因此早期预报火情、及时报警、防火于未燃是火灾探测
系统完成的任务
[1l.
目前火灾探测器中采用的大多是|词值比较法，它也是传统的火灾检测数据处理方式，特
点是简单明了而且易于实现，但环境适应'性和抗干扰能力较差:人们对火灾智能报警系统的最大期望是:早
期发现火灾、消除误报和降低系统的总成本，这些因素是相互制约的.发生这些情况的主要原因之一就是没
有将各传感器获得的数据在一定准则下加以综合分析，因此很有必要将多传感器的数据进行加工处理，即采
用多传感器数据融合技术.它利用多个传感器获得的各种信息，得出环境或对象特征的全面、正确的认识.
因此，本文将神经网络技术和
D-S
证据理论，对多传感器数据进行融合，从而提高识别火灾报警的概率.
1
数据融合
数据融合技术是近年发展起来的一门新技术，并在许多领域获得巨大成功.神经网络作为一种基本的数
据融合方法，目前应用较多
[2].
它具有归纳、总结、抽取、记忆、联想和容错性，通过训练，获得有关的知
识与信息，然后将实测数据与此信息进行模式匹配与比较;神经网络可以滤波出噪声及在有噪声情况下抽取
收稿日期:
2010-05-08
作者简介
z
李光
0967-)
，男(汉族)
，硕士生:导师简介:姜密
0970-)
，女(汉族)
.副教授.
资源评论
weixin_38519660
- 粉丝: 4
- 资源: 949
最新资源
- Spring Cloud商城项目专栏 049 支付
- sensors-18-03721.pdf
- Facebook.apk
- 推荐一款JTools的call-this-method插件
- json的合法基色来自红包东i请各位
- 项目采用YOLO V4算法模型进行目标检测，使用Deep SORT目标跟踪算法 .zip
- 针对实时视频流和静态图像实现的对象检测和跟踪算法 .zip
- 部署 yolox 算法使用 deepstream.zip
- 基于webmagic、springboot和mybatis的MagicToe Java爬虫设计源码
- 通过实时流协议 (RTSP) 使用 Yolo、OpenCV 和 Python 进行深度学习的对象检测.zip
资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！
点击此处反馈
