發(fā)布時間：2020-07-15 23:52

【摘要】：森林火災(zāi)會給人們的生命和財產(chǎn)安全造成嚴重的威脅,林火監(jiān)測是預(yù)防火災(zāi)發(fā)生的重要手段。但現(xiàn)有的林火監(jiān)測技術(shù)普遍存在監(jiān)測周期長、監(jiān)測靈敏度低、實施難度大等不足,無法滿足人們對林火監(jiān)測的需求。無線傳感器網(wǎng)絡(luò)(Wireless Sensor Network,WSN)憑借其成本低廉、靈活性好、自動化程度高等優(yōu)點,在森林防火方面具有較好的應(yīng)用前景。數(shù)據(jù)融合技術(shù)在處理WSN數(shù)據(jù)智能處理方面具有明顯的優(yōu)勢。因此,本文將針對WSN在森林火災(zāi)監(jiān)測中的應(yīng)用進行研究。論文在分析了火災(zāi)發(fā)展過程特征的基礎(chǔ)上,選取溫度、煙霧濃度及CO濃度作為本文林火監(jiān)測的參考指標,提出一種基于WSN的兩級數(shù)據(jù)融合方法,提高林火監(jiān)測的及時性和準確性,論文的主要工作如下:1.第一級數(shù)據(jù)融合的主要目的是完成火災(zāi)預(yù)判和數(shù)據(jù)去冗余�；趯馂�(zāi)過程特征的分析,本文提出火災(zāi)支持度概念,并在此基礎(chǔ)上提出一種基于火災(zāi)支持度加權(quán)的數(shù)據(jù)融合算法。傳統(tǒng)的數(shù)據(jù)去冗余算法是在同類傳感器上進行數(shù)據(jù)融合,對初期火災(zāi)的識別靈敏度較低。本文針對這一問題提出一種基于火災(zāi)支持度加權(quán)的融合算法,該算法可以對異類傳感器數(shù)據(jù)進行融合,并考慮被監(jiān)測指標的變化特征,能有效提高初期火災(zāi)探測的靈敏度,從而提高火災(zāi)識別的及時性。2.在第二級數(shù)據(jù)融合中,本文在分析了單一D-S證據(jù)理論或粗糙集理論應(yīng)用于林火監(jiān)測中存在的不足的基礎(chǔ)上,提出一種結(jié)合D-S證據(jù)理論和粗糙集理論的數(shù)據(jù)融合算法。論文從理論角度證明了算法的可行性,同時還對D-S證據(jù)理論中存在的證據(jù)沖突問題及粗糙集理論中存在的數(shù)據(jù)離散化問題給出解決方案。新算法可以彌補D-S證據(jù)理論初始函數(shù)賦值易受主觀性影響的缺陷以及粗糙集理論決策解決不確定的缺陷,得到更加客觀,有說服力的決策結(jié)果。3.通過對中國標準試驗火數(shù)據(jù)進行仿真,證明本文所提出的數(shù)據(jù)融合算法在林火監(jiān)測的及時性和準確性上均有一定提高。
【學位授予單位】：重慶郵電大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP212.9;TN929.5;S762.3
【圖文】：

圖 2.1 信息融合系統(tǒng) 6 級功能分類模型簡化框圖上圖中的數(shù)據(jù)融合分類模型為 6 級融合模型，其融合功能主要包括信源預(yù)處理、檢測級融合、位置級融合、目標識別級融合、態(tài)勢估計、威脅估計以及精細處理。在實際應(yīng)用中，根據(jù)實際應(yīng)用場景和要求的不同可對模型進行相應(yīng)的調(diào)整。檢測級融合的融合過程發(fā)生在信號層面或者在監(jiān)測判決層。在經(jīng)典的多傳感器檢測中，傳感器節(jié)點將自身采集到的所有數(shù)據(jù)直接上傳至數(shù)據(jù)處理中心，由處理中心利用相應(yīng)的算法對所有數(shù)據(jù)進行處理并完成最優(yōu)目標檢測的任務(wù)；在分布式檢測系統(tǒng)中，各傳感器節(jié)點先對自身采集到的數(shù)據(jù)進行一定規(guī)則的預(yù)處理，然后將處理過的信息傳送至數(shù)據(jù)處理中心，數(shù)據(jù)處理中心對這些信息進行處理并得出全局決策判決；位置級融合是直接在觀測報告或測量點跡上進行的融合或在各個傳感器狀態(tài)估計上進行的融合，例如對傳感器時間和空間上的融合就是一種位置級融合，位置級數(shù)據(jù)融合在進行數(shù)據(jù)分析利用時有著十分重要的作用；目標識

圖 2.2 數(shù)據(jù)級融合模型特征級融合征級融合處理的是傳感器數(shù)據(jù)抽象后提取出的特征向量，如圖 2.4 融合過程中，首先要對傳感器收集到的數(shù)據(jù)進行特征提取，之后對征進行關(guān)聯(lián)處理，在特征關(guān)聯(lián)的基礎(chǔ)上進行屬性判決。特征級融合傳輸量，實時性較強。并且特征級融合可以對多個不同類型的數(shù)據(jù)因而能夠比較準確的對數(shù)據(jù)采集對象進行描述。但是，在對原始數(shù)取的過程中，不可避免的會過濾掉某些有用的信息，對融合結(jié)果的一些影響。

圖 2.2 數(shù)據(jù)級融合模型2. 特征級融合特征級融合處理的是傳感器數(shù)據(jù)抽象后提取出的特征向量，如圖 2.4 所級融合過程中，首先要對傳感器收集到的數(shù)據(jù)進行特征提取，之后對特征進行關(guān)聯(lián)處理，在特征關(guān)聯(lián)的基礎(chǔ)上進行屬性判決。特征級融合的傳輸量，實時性較強。并且特征級融合可以對多個不同類型的數(shù)據(jù)，因而能夠比較準確的對數(shù)據(jù)采集對象進行描述。但是，在對原始數(shù)提取的過程中，不可避免的會過濾掉某些有用的信息，對融合結(jié)果的有一些影響。

【參考文獻】

相關(guān)期刊論文 前4條

1 賴小龍;于文華;趙燕東;顏小飛;;基于多傳感器數(shù)據(jù)融合的早期林火識別[J];西北林學院學報;2015年04期

2 杜建華;;基于地面紅外的森林火災(zāi)檢測方法[J];森林防火;2015年02期

3 陳志航;;基于多傳感器數(shù)據(jù)融合入侵檢測模型[J];通信技術(shù);2010年11期

4 許祁玉;;無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合關(guān)鍵技術(shù)研究[J];山東煤炭科技;2010年03期

相關(guān)博士學位論文 前1條

1 李曉戀;基于MODIS數(shù)據(jù)的多因子協(xié)同作用下森林火災(zāi)預(yù)測監(jiān)測研究[D];中國科學技術(shù)大學;2016年

相關(guān)碩士學位論文 前6條

1 張會可;基于STM32的森林防火監(jiān)測終端的設(shè)計與開發(fā)[D];西安科技大學;2017年

2 王毅然;兩級數(shù)據(jù)融合算法在煤礦粉塵監(jiān)測中的應(yīng)用研究[D];太原理工大學;2017年

3 詹琪;基于視頻圖像的森林火災(zāi)自動監(jiān)測識別技術(shù)研究[D];電子科技大學;2017年

4 王勇;林火安防預(yù)警與應(yīng)急處理系統(tǒng)關(guān)鍵技術(shù)研究[D];東華理工大學;2017年

5 蘇坡;基于ZigBee無線傳感器網(wǎng)絡(luò)的森林火災(zāi)監(jiān)測系統(tǒng)研究[D];長安大學;2015年

6 劉永星;WSN中的一種多傳感器數(shù)據(jù)融合算法及在森林防火中的應(yīng)用[D];太原理工大學;2015年

本文編號：2757186