摘要：針對傳統火災預警系統中單一傳感器數據檢測的缺陷，提出一種基于反向傳播神經網絡模型的無線多傳感信息融合火災預警系統。該模型借助Matlab平臺進行信息融合算法模擬，并經過試驗驗證，大大提高了火災預警系統的準確率和可靠性。
關鍵詞：反向傳播神經網絡；信息融合；ZigBee；火災預警

0 引言
提出一種基于反向傳播神經網絡的無線多傳感信息融合火災預警系統。通過對溫度、火焰、煙霧和CO濃度等多類同構或異構傳感器的冗余信息和互補信息進行多級別和多方面融合處理，從而獲得比單一或單類傳感器更為準確、可靠的檢測。同時，采用無線方式，系統組網靈活，且便于施工。系統模型借助Matlah平臺進行建構和模擬仿真，從而大大提高了開發效率。

1 系統設計
基于反向傳播神經網絡的無線火災預警系統由預處理單元、ZigBee無線傳感網絡、信息融合處理單元和預警發布四部分構成。預處理單元首先承擔來自多傳感器陣列的初級信息處理，主要是數據清洗、初級信息處理和應急控制。然后通過ZigBee無線傳感網絡上傳預處理數據至信息融合處理單元，處理后的數據進行保存并經過預警發布單元輸出。其預警系統原理框圖如圖1所示。

2 系統算法模型
2．1 反向傳播神經網絡算法模型
信息融合處理單元的信息融合決策部分是系統實現的關鍵結點，其決策單元是整個火災預警系統的核心單元，建立在神經網絡的數學模型基礎上。
本文采用基于三層網絡結構的反向傳播神經網絡模型。反向傳播神經網絡(簡稱BP網絡)是將W-H學習規則一般化，對非線性可微分函數進行權值訓練的多層網絡。該BP網絡是一種多層前向反饋神經網絡，其神經元的變換函數選取S型函數，因此輸出量為0～1之間的連續量，它可以實現從輸入到輸出任意非線性的映射，其權值的調整采用反向傳播的學習算法模型。
該模型通過訓練樣本訓練網絡中的權值系數，直到隨機學習誤差趨于穩定且滿足學習誤差閾值的時候，停止訓練，取當前的權值系數作為最終的判斷系數。
其網絡模型結構如圖2所示。