论文部分内容阅读
利用无线传感器网络,智能家居系统可以实现物体位置与状态信息的实时采集,家居设备的远程操作,以及人员活动信息、的监测等等。然而,如何高效地分析、融合这些信息以应用于智能家居系统是需要解决的难题之一。本文针对智能家居中人与物的安全问题,深入研究了智能家居系统的个人行为识别、火灾监测以及远程监测等应用中信息采集、挖掘与融合的技术与方法,给出了基于无线传感器网络的智能家居安全监测系统关键技术,提出了基于贝叶斯网络和D-S证据理论的火灾监测方法,以及基于贝叶斯信念网络的个人行为识别模型等。本文的研究工作为智能家居环境下远程安全监测与控制提供了理论与方法。本论文研究的主要贡献和创新点如下:1.针对智能家居安全监测的特点和要求,给出了无线传感器网络、数据融合、数据挖掘和智能控制等关键技术,深入研究了这些技术在智能家居安全监测系统的应用需求。2.提出了基于无线传感器网络的火灾监测技术,建立了基于贝叶斯网络和D-S证据理论的火灾监测方法,设计并开发了火情隐患监测系统。该系统应用传感器节点采集所需的、可靠的烟雾、气体、温度等信息,通过信息融合技术判断火灾隐情,实现了智能家居火灾预警的功能。3.提出了基于无线传感器网络的个人行为模式的挖掘模型,利用贝叶斯信念网络建模,从大量的物体状态变化数据中,挖掘出用户日常行为,从而为智能家居环境下用户活动的远程监测等研究打下基础。针对贝叶斯信念网络结构学习的难题,给出了利用边编码遗传算(EEGA)算法以提高学习的正确性和效率。最后,探讨了基于无线传感器网络的智能家居安全监测系统设计方案,给出了相应系统架构和网络协议设计方案,并对本文工作进行了总结和展望。