[发明专利]基于多传感器数据融合确定室内有害气体污染程度的方法

说明书

技术领域

本发明属于室内有害气体污染程度的确定技术领域，尤其是涉及一种基于多传感器数据融合确定室内有害气体污染程度的方法。

背景技术

室内装修造成的污染作为一种比较敏感的环境污染，已经成为社会所面临的最为严重的问题之一。鉴于室内装修污染对人们造成的危害，对室内气体监测越来越显得重要。在室内空气等级的实际评价过程中，对于某个具体的室内气体，其各个评价指标并不都刚好在某个类别之中，这给确定室内空气质量类别带来了很大的困难，而且在室内空气质量监测的过程中，受环境、通风情况、气候以及人为等因素的影响，使得监测数据具有不确定性。

有学者利用Bayes理论的优势，结合多传感器融合技术，实现对室内有害气体污染程度的确定。该方法有其优点如下：(1)由已知证据可以确定假设事件出现的概率；(2)出现新证据时，假设事件的似然函数可以通过没有出现新证据时的似然函数和出现新证据的概率来更新；(3)客观概率和主观概率估计都可以使用(不需要概率密度函数)；(4)主观概率来自于经验，并且允许每个人的取值不一样；(5)贝叶斯在预测和不确定性方面的优势突出。但不足之处在于：(1)Bayes方法要求所有的假设都是独立的，这在实际系统中是不现实的。(2)它要求给出先验概率和条件概率，一方面，这比较困难，另一方面，由于很难保证领域专家给出的概率具有前后一致性，就需要领域专家和计算机花费大量的时间来检验系统中概率的一致性。(3)Bayes方法要求有统一的识别框架，不能在不同层次上组合证据，当对不同层次的证据强行进行分组时，可能产生直观不合意的结论。(4)Bayes方法无法区分不确定和不知道。由于上述缺点，使得Bayes方法的应用受到一定限制。

还有学者提出了基于多传感器自适应加权数据融合方法。该方法充分利用了传感器的原始数据，将传感器的均方误差、测量精度等信息进行融合，并准确的估计出来。其优点是不要求测量数据的任何先验知识，仅依据测量数据的测量精度来确定不同数据的相应权数，就可以计算出均方误差最小的融合值。它可在一定程度上抑制传感器的漂移和噪声，提高系统的检测精度。但是其在解决监测数据的不确定性方面有所欠缺，导致其不能有效地确定室内有害气体污染程度。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于多传感器数据融合确定室内有害气体污染程度的方法，其设计合理，实现方便，使用操作便捷，性能稳定，工作可靠，处理方法和结果更符合实际情况，数据处理能力强、速度快，使用效果好，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种基于多传感器数据融合确定室内有害气体污染程度的方法，其特征在于该方法包括以下步骤：

步骤一、p种室内有害气体浓度信号的实时检测与调理：通过p个有害气体传感器并行地对被检测室内的p种有害气体的浓度分别进行n次实时检测，并将实时所检测的有害气体浓度信号分别经p路信号调理电路进行放大和滤波处理后传输给控制器模块；其中，p和n均为自然数；

步骤二、信号实时采集及同步上传：控制器模块采集经p路信号调理电路进行放大和滤波处理后的p种有害气体浓度信号并相应进行A/D转换后，通过通信电路同步传送至处理计算机；同时，处理计算机对p个有害气体传感器各进行n次实时检测所采集到的p×n个浓度测量值进行记录；其中，每个有害气体传感器进行n次实时检测所采集到的浓度测量值为n个；

步骤三、第r种有害气体污染程度的确定：处理计算机对由控制器模块传送而来的第r种有害气体的n个浓度测量值y_r1、y_r2、…y_rn进行分析处理，实现对第r种有害气体污染程度的确定，其中，r的取值为1～p之间的整数；其分析处理过程如下：

301、处理计算机根据公式Y_ri＝[y_ri-σ，y_ri+σ]，计算第r种有害气体的n个浓度测量值在置信水平为0.95下的置信区间Y_ri；

其中，σ表示测量标准差，i的取值为1～n之间的整数；