火灾是一种破坏性极大的灾害,人为因素和自然因素等都极有可能造成火灾的发生,随着社会经济发展,工业区、商业区以及住宅区等公共场所越来越多,用电情况越来越广泛,外加一些易燃易爆物体的存在,也使得火灾发生概率大大增加,它会给人类的财产和生命安全带来极大的威胁。因此,如何提高火灾探测系统的整体性能,实现对火灾的早期预警、准确报警一直是人们研究的热点。传统的单一型火灾报警器只选择一种参数通过单一阈值进行检测,由于火灾的复杂性以及多变性这种检测方式无法做出精确的预警,存在一定的的误报率和漏报率,而多信息融合技术可以将多个不同参数同时进行考量,针对不同环境给出不同的预警结果,可以有效地提高火灾预警的准确率,降低误报率和漏报率,因此,对基于多信息融合的火灾预警检测器进行开发研究具有重要的意义。本文对火灾发生的必要条件与产物进行分析研究,选择将烟雾浓度、温度和CO浓度作为三个检测参数进行基于Bayes算法的多点检测数据融合,进行危险系数的融合,提高检测的准确性,降低误报率和漏报率。首先,本文对以上烟雾、温度和CO气体三种单一型火灾预警检测器进行研究:其中,对光电式烟雾检测器进行电路上的设计改进,利用信号的调制解调与差分放大,增加了检测器的抗干扰能力与检测灵敏度;对于温度检测器,在基于MLX90614红外温度传感器检测区域温度基础上,利用基于计算机数字图像的温度检测方法,实现对空间内具体位置温度升高情况进行检测;对于CO气体传感器,通过多种气体传感器的响应特点分析,选用TGS系列传感器对区域内的CO气体浓度进行检测。然后,本文对基于Bayes算法的多点检测数据融合算法进行研究,设置多个测点,每个测点都有以上三种参数的检测数据以及各自检测到的危险系数,首先通过置信距离的方式进行有效测点的选取,然后通过Lab VIEW软件计算显示各个测点的危险系数三维视图,最后通过Bayes算法进行各测点危险系数的融合。最后,本文对以上单一型火灾预警检测器进行性能测试,并利用数据融合的方式对火灾进行预警实验,实验表明,传感器检测灵敏度提高,可以进行早期预警,该方法可以很好地结合各个传感器的优势,并且通过多个测点对火灾危险进行预警,显著改善了火灾探测系统的误报率和漏报率,通过仿真实验验证该方法具有可行性和有效性。