基于单传感器，国内智能防盗系统的误报率较高。文提出了国内智能防盗系统中多传感器飞行入侵的检测方法，采用D-S证据理论对来自多传感器子系统的信号进行二次融合，然后由主机进行分析。个具体的例子说明了合并测量信息的过程：结果表明该算法具有以下优点：高精度和低误报率。
该文件中，他建议使用多个传感器来检测智能家居防盗报警系统中的盗窃入侵。过DS合并算法和UC进行分析和判断。果表明，该算法具有以下优点：精度高，误码率低。键词：多传感器，DS证据理论，防盗报警，数据融合关键词：多传感器; DS证据理论;防盗报警器;数据融合中图分类号：TN911.2文献标识码：A文章编号：1006-4311（2017）09-0114-03简介提高人们对资产安全的意识智能防盗系统家已经开始进入人们的生活。
能防盗系统可以自动检测小偷并快速报告警报，这可以大大降低失去所有权的风险。
前，家庭安防报警探测器包括：磁性门窗开关，红外探测器，窗口破碎探测器，微波探测器等。[1]。而，由于单个探测器的高误报率[2-3]，如微波探测器对移动目标，浮动窗帘更敏感，小型入侵动物可以触发警报，像被动红外辐射探测器。
对外界的红外辐射温度很敏感。热系统和电炉会产生误报，难以满足系统设计的特定要求。
文采用多周期多传感器飞行入侵检测和分布式DS证明数据融合技术融合测量信息，恒温阀芯从信息熵的角度出发，减少了算法。效地产生误报的可能性，提高防盗报警的准确性。据的可靠性理论D-S基本概念的年份，Dempstery提出了证据理论D-S [4]。后开发和开发了Shafer [5]。此，证明理论被称为D-S理论。1中给出了DS证据理论综合原理的功能图。过几个测量周期的几个传感器的数据融合，分布式分布函数的模拟经验在报警实验中防盗，摄像头，主机和三个传感器，包括无源传感器，安装在一个15米* 10米的无窗实验室中。外传感器（由数字1表示），微波传感器（由数字2表示），磁性开关传感器（由数字3表示）。动红外传感器和微波传感器安装在天花板的中央，磁开关传感器分为两部分，一部分安装在门页上，另一部分安装在门框上。处于待命状态时，一旦门被按下，门和门框将被移动，磁传感器将产生电信号并且信号将立即发送给主机：微波传感器检测到移动目标，被动红外传感器检测到人。
个红外辐射温度产生一个信号，这个信号立即发送到主机。武装状态下，使用摄像机观察整个过程并记录每个关键时间点。验的识别框架是“特殊= {A，B，U}，A表示发生了盗窃警报，恒温阀芯B表示没有发生入室盗窃，U = {A ，B}表示不确定性（可能发生盗窃警报）。可能没有入室盗窃或警报。
旦实验者进入房间40秒，三个传感器连续观察两个循环（每个循环的持续时间为20秒）并获得实验者的原始信息。应技术处理之后的置信度函数在表1中给出.Mnj（·）表示由第n个传感器在第j个周期中确定的置信度函数。
如，m12（·）表示在2个测量周期中被动红外传感器的基本置信度分布函数。个传感器在两个不同的时间段使用等式（6）合并，并且融合的结果在表2中给出。后，在两个测量周期之后使用等式（7）用于三个传感器合并函数被合并，数据由DS证据合并到合并中心以获得最终结果（计算结果见表3）。下信息熵小于合并前的信息熵。
难看出，传感器数量越多，测量周期数越重要，合并后信息熵变得越来越小。于信息熵是信息不确定性的度量，信息熵大，不确定性大。
反，信息的熵越小，不确定性越低。此，在两个多传感器传感器上拆分合并后，信息的熵变小，防盗报警的不确定性降低，可靠性大大提高。
论本文提出在家庭智能防盗系统中使用多传感器飞行入侵检测，并利用D-S证据理论构建多传感器，多周期分布式融合模型。
算法可有效提高报警系统的准确性，降低其不确定性，具有较强的抗干扰能力。在智能家居，银行或仓库等方面具有广泛的应用前景。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com