CN106650941B - 一种基于可靠性管理的不确定性消除情景感知系统及其工作方法 - Google Patents

Abstract

本发明涉及一种基于可靠性管理的不确定性消除情景感知系统及其工作方法，该系统包括情景信息采集模块、情景信息处理模块、知识库模块、情景响应模块、情景信息应用模块、情景信息检索/订阅模块、情景信息校正模块以及用户反馈模块，其中情景处理模块中包括多算法不完备性消除单元、各算法结果不一致性消除单元、可信度管理单元、可靠性管理单元、各信源不一致性消除单元、情景信息融合推理单元以及自适应管理单元。本发明得到更加可靠的情景信息，使该情景感知系统的精确性、可靠性、自适应性显著提高。

Description

一种基于可靠性管理的不确定性消除情景感知系统及其工作 方法

技术领域

本发明提出了一种基于可靠性管理的不确定性消除情景感知系统及其工作方法，属于情景感知的技术领域。

背景技术

随着无线传感技术、人机交互技术和智能计算技术的日趋完善，情景感知技术得到了迅速的发展，进而情景感知系统得以融入人们的日常生活中。情景感知系统是以人为中心的计算系统，该计算系统中各传感设备可以自动感知情景以及情景的变化，向用户提供与当前情景相关的服务。

理想的情景信息应该是精确、完备和一致的确定性信息，但在实际的情景感知应用中，同一情景信息可以从不同的信息源通过不同的方式获取，由于采集时间间隔的抖动，传感器本身存在的精确度和可靠性问题，以及网络传输过程中的丢包、时延等一系列问题，可能导致采集到的原始情景信息存在不精确性(与真实情景信息相差很大)、不完备性(情景信息在某时刻有缺失)和不一致性(各传感器采集的情景信息存在冲突)等不确定性问题。

原始情景信息通常需要融合推理为高级情景信息才能被应用程序和设备利用，而原始情景信息的质量对情景信息融合推理的结果起着至关重要的作用，所以有效利用原始情景信息的基础就是消除原始情景信息的不确定性问题，进而提高情景信息融合推理的精确性和可靠性。

现有的情景感知系统往往只针对不确定性问题中的某一方面(不一致性)进行消除，没有考虑全面的不确定性消除方案；并且在情景信息不完备性消除方面往往采用单一消除算法，致使处理精确度低；在情景信息不一致性消除方面，多采用单一的信源可信度评估机制来消除原始情景信息不一致性，致使可靠性低。因此如何完善不确定性消除情景感知系统功能，并提高不完备性消除的精度以及不一致性消除的可靠性，使系统做出正确和可靠的决策，成为情景感知技术面临的挑战。

发明内容

针对现有技术的不足，本发明提供一种基于可靠性管理的不确定性消除情景感知系统；

本发明还提供了上述系统的工作方法；

本系统在不精确性原始情景信息的处理方面，将其看作不完备情景信息来处理，进而转化为对不完备情景信息的处理；本系统在不完备性原始情景信息处理方面，同时在横向和纵向上(横向是指同一传感器的不同时刻，纵向是指不同传感器的同一时刻)采用多种算法(神经网络、证据论、最大期望算法、投票选举、模糊集理论等算法)来消除原始情景信息不完备性，并通过对各算法结果进行简单不一致性消除(采用投票选举算法)，得到精确度更高的完备情景信息；

本系统在不一致性原始情景信息的处理方面，采用基于可靠性管理的证据理论方法对情景信息的不一致性进行有效消除进而得到高可靠性情景信息，该方法通过结合各传感器精度和情景信息的可信度两个参数计算得到可靠性信息；

本系统能够有效地消除原始情景信息存在的不精确性、不完备性、不一致性等不确定性问题。

本发明的技术方案为：

一种基于可靠性管理的不确定性消除情景感知系统，包括情景信息采集模块、情景信息处理模块、知识库模块、情景信息响应模块、情景信息应用模块、情景信息检索/订阅模块、情景信息校正模块以及用户反馈模块；

所述情景信息采集模块、所述情景信息处理模块、所述知识库模块依次连接，所述知识库模块、所述情景信息应用模块、所述情景信息检索/订阅模块、所述情景信息校正模块依次首尾连接，所述知识库模块、所述情景信息响应模块、所述情景信息应用模块依次连接，所述用户反馈模块分别连接所述知识库模块、所述情景信息应用模块；

所述情景信息采集模块：负责通过多个物理传感器、虚拟传感器和逻辑传感器周期性地采集原始情景信息，并将采集到的原始情景信息发送至所述情景信息处理模块，所述原始情景信息为多源情景信息，所述多源情景信息为通过多个传感器采集到的某一情景信息；例如，可以通过蓝牙、WIFI、红外、Zigbee等多个传感器采集用户的位置信息；

所述情景信息处理模块：负责对来自所述情景信息采集模块的原始情景信息进行处理；

所述知识库模块：负责存储用户反馈信息、情景信息融合推理信息、情景信息检索/订阅校正信息、情景应用信息，同时为所述情景信息响应模块提供各种情景应用信息，为所述情景信息处理模块提供所需要的各种信息；

所述情景信息应用模块：负责将来自所述情景信息响应模块、所述用户反馈模块中的综合信息显示在情景感知系统界面上，并将情景信息发送给情景信息检索/订阅模块；

所述情景信息检索/订阅模块：根据所述情景信息应用模块对情景信息的检索需求，在所述知识库模块中检索相应的情景信息，根据所述情景信息应用模块对情景信息的订阅需求，将相关订阅信息发送到所述情景信息校正模块中；

所述情景信息响应模块：根据所述情景信息应用模块对情景信息的需求，在所述知识库模块中检索相应的情景信息，将所述情景信息应用模块所需的情景信息发送给所述情景信息应用模块；

所述情景信息校正模块：负责对所述情景信息检索/订阅模块发送来的情景信息进行校正，将校正后的情景信息发送到知识库模块；

所述用户反馈模块：负责将用户在某些环境下的情景信息存入所述知识库模块，并向所述情景信息应用模块提供所需应用情景信息。

根据本发明优选的，所述情景信息处理模块包括情景信息建模单元、多算法不完备性消除单元、各算法结果不一致性消除单元、各信源不一致性消除单元、可信度管理单元、可靠性管理单元、情景信息融合推理单元以及自适应管理单元；

所述情景信息采集模块、所述情景信息建模单元、所述多算法不完备性消除单元、所述各算法结果不一致性消除单元、所述可信度管理单元、所述可靠性管理单元、所述各信源不一致性消除单元、所述情景信息融合推理单元依次连接，所述自适应管理单元分别连接所述多算法不完备性消除单元、所述可信度管理单元、所述各信源不一致性消除单元、所述情景信息融合推理单元，所述各信源不一致性消除单元连接所述可信度管理单元；所述情景信息融合推理单元连接所述知识库模块，所述知识库模块连接所述自适应管理单元；

所述情景信息建模单元：负责将情景信息采集模块采集来的多源情景信息按照所述知识库模块中的情景信息建模方式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”，所述情景感知类型为所述情景感知信息的类型，如情景感知信息“卧室”，其感知类型为“位置”，所述情景感知信息为各传感器采集的原始情景信息，所述情景感知精度为传感器固有的感知精度，例如“感知类型-用户位置”+“感知信息-卧室”+“感知精度-90％”将建模好的情景信息发送到所述多算法不完备消除单元；

所述多算法不完备性消除单元：负责同时采用多种算法消除情景信息的不完备性，得到多算法不完备性消除结果，将多算法不完备性消除结果发送到所述各算法结果不一致性消除单元；所述不完备性是指某一传感器所采集的原始情景信息有缺失；所述多种算法包括神经网络、证据论、最大期望算法、投票选举、模糊集理论算法；

所述各算法不一致性消除单元：负责采用投票选举算法消除多算法不完备性消除结果中存在的不一致性，得到精确性较高的完备情景信息，将精确性较高的完备情景信息发送给所述可信度管理单元；所述不一致性为采用各种算法消除情景信息不完备性的结果之间存在不一致。

所述可信度管理单元：利用接收到的用户反馈信息，判断精确性较高的完备情景信息的正确性，继而计算并存储精确性较高的完备情景信息对应信源的可信度：所述用户反馈信息是指用户根据所处环境所主动返回的情景信息；情景信息的正确性是基于用户反馈信息来判断的正确的情景信息；

所述可靠性管理单元：结合各传感器精度，以及信源的可信度，对各信源进行可靠性管理：所述传感器为采集该信源时所用传感器；所述传感器精度为静态标称值，可信度为动态评估值；将各信源的可靠性发送给所述各信源不一致性消除单元；

所述各信源不一致性消除单元，采用基于可靠性的证据理论算法消除各信源间的不一致性，所述不一致性是指同一时刻通过不同的传感器所采集到的情景信息之间存在的不一致性，例如，红外传感器采集到用户当前的位置信息为“卧室”，而Zigbee传感器采集到用户的位置信息为“客厅”，将各信源不一致性消除结果发送到所述可信度管理单元，同时将各信源不一致性消除结果发送到情景信息融合推理单元；

所述情景信息融合推理单元：运用本体推理、基于规则的推理、证据论或贝叶斯网络推理方法，根据采集到的各信源不一致性消除结果和自适应管理单元中的历史信息，推理出高级情景信息，将融合推理后的高级情景信息存储到知识库模块中；所述历史信息是指自适应管理单元中基于规则系统的规则引擎和规则集；所述高级情景信息是指经过推理融合后得到的可供用户或各种设备应用的情景信息；

所述自适应管理单元：负责为所述多算法不完备性消除单元提供用户反馈信息和情景信息检索/订阅后的校正信息，为所述可信度管理单元提供用户反馈信息，为所述情景信息融合推理单元提供基于规则系统的规则引擎和规则集，并根据当前情景信息对各种参数做出适当调整，使情景感知系统的自适应能力更好。

根据发明优选的，所述情景信息采集模块包括多个物理传感器、虚拟传感器和逻辑传感器。

一种利用上述系统基于可靠性管理的不确定性消除工作方法，包括步骤如下：

S01：情景信息的收集和建模

收集多个物理传感器、虚拟传感器和逻辑传感器采集的情景信息，将情景信息按照知识库模块中的情景信息建模模式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”；

S02：检测各情景信息是否完备

检测已经建模好的每个传感器采集的情景信息是否完备，即情景信息有无缺失，如果完备，进入步骤S02’，否则，进入步骤S03；

S02’：信息存储

进行情景信息存储，以备步骤S06、步骤S09使用；

S03：计算不完备率

计算已建模好的每个传感器采集到的情景信息的不完备率：

S04：判断不完备性是否在可控范围内

判断情景信息的不完备性是否在可补齐范围内，如果是，进入步骤S05’，否则，进入步骤S05；例如，系统设定不完备性的可控范围为15％，当不完备率为10％时，小于不完备性的可控范围15％，即在可控范围内；

S05：删除情景信息

直接将该情景信息删除；

S05’：判断是否存在用户反馈

检测当前时刻是否存在用户反馈，如果存在，进入步骤S06’，否则，进入步骤S06；

S06：多算法消除不完备性

将来自信息存储的各情景信息同时在横向和纵向上采用多种算法对情景信息不完备性进行消除，横向是指同一传感器的不同时刻，纵向是指不同传感器的同一时刻，多种算法包括：神经网络、最大期望算法、投票选举、证据论、模糊集理论算法；

S06’：直接补齐不完备性信息

根据用户反馈信息补齐不完备性情景信息，得到完备信息，返回步骤S02’；

S07：判断各算法结果是否存在不一致性

判断通过多种算法对情景信息不完备性消除的结果是否存在不一致性，若各算法结果一致，则返回步骤S02’，否则，进入步骤S08；

S08：各算法结果不一致性消除

采用投票选举策略对各算法结果进行简单不一致性消除，得到质量较高的完备情景信息；

S09：判断各传感器是否存在不一致性

判断各传感器采集到的情景信息是否存在不一致性，如果存在，进入步骤S10’，否则，进入步骤S10；

S10：计算可信度

直接进行可信度计算：进入步骤S12，情景信息的正确性是基于用户反馈信息来判断的，在未出现情景信息不一致性前，该信源的可信度为1；

如果m是一个基本信度分配函数，则B≠φ；A上所有子集总的信度Bel(A)的公式如式(Ⅰ)所示：

所定义的函数Bel是一个信任函数；

设m₁，m₂是对应同一识别框架Θ上的两个基本信度分配函数，焦元分别为A₁,A₂,...,A_k和B₁,B₂,...,B_k，则两个信度函数的合成法则如式(Ⅱ)所示：

m(A)反映了m₁和m₂对应的两个证据对命题A的联合支持程度，表示证据的冲突程度，当K＝0时，称为完全不冲突；当0＜K＜1时，称为非完全冲突；K＝1时，称为完全冲突，证据组合规则满足交换律和结合律，对于多个证据的组合可重复运用式(2)对多证据进行信度合成；

S10’：判断是否存在用户反馈

判断当前时刻是否存在用户反馈信息，如果是，返回步骤S10，否则，进入步骤S11；

S11：各传感器不一致性消除

采用证据理论方法进行不一致性消除；

步骤S12：计算可靠性

在可信度的基础上，结合传感器本身的精度进行可靠性计算：并将该信源的可靠性结果用于所述步骤S11各传感器不一致性消除：使判决结果真实可靠；

设Θ为识别框架，如果对于任何一个属于Θ的子集A满足则称m为识别框架Θ上的基本信度分配函数；m(A)称为子集A的基本信度值，m(A)反映了对A本身的信度大小，即A的可靠性。

本发明的有益效果为：

1、本系统功能更完善，能够有效地消除原始情景信息存在的不精确性、不完备性、不一致性等不确定性问题，实用性强；

2、高精确性：本发明所述方法通过对已经建模好的情景信息采用多种算法在横向和纵向上得到不完备信息值，并对各算法结果采用投票选举的方法进行简单不一致性消除，得到精度更高的完备情景信息；

3、高可靠性：利用信源可信度与传感器固有精度相结合的可靠性管理方法消除各传感器之间的不一致性，得到更加可靠的情景信息，同时用户也可以根据自身需求、环境状态的变化主动反馈信息，使得该情景感知系统的精确性、可靠性、自适应性显著提高。

附图说明

图1是本发明所述一种基于可靠性管理的不确定性消除情景感知系统的框图；

图2是本发明一种基于可靠性管理的不确定性消除方法的处理流程图；

图3是现有情景感知系统的仿真效果图；

图4是实施例关于本系统总体性能的仿真效果图。

具体实施方式

下面结合说明书附图和实施例对本发明作进一步限定，但不限于此。

实施例1

一种基于可靠性管理的不确定性消除情景感知系统，如图1所示，包括情景信息采集模块、情景信息处理模块、知识库模块、情景信息响应模块、情景信息应用模块、情景信息检索/订阅模块、情景信息校正模块以及用户反馈模块；

情景信息采集模块、情景信息处理模块、知识库模块依次连接，知识库模块、情景信息应用模块、情景信息检索/订阅模块、情景信息校正模块依次首尾连接，知识库模块、情景信息响应模块、情景信息应用模块依次连接，用户反馈模块分别连接知识库模块、情景信息应用模块；

情景信息采集模块：负责通过多个物理传感器、虚拟传感器和逻辑传感器周期性地采集原始情景信息，并将采集到的原始情景信息发送至情景信息处理模块，原始情景信息为多源情景信息，多源情景信息为通过多个传感器采集到的某一情景信息；例如，可以通过蓝牙、WIFI、红外、Zigbee等多个传感器采集用户的位置信息；

情景信息处理模块：负责对来自情景信息采集模块的原始情景信息进行处理；

知识库模块：负责存储用户反馈信息、情景信息融合推理信息、情景信息检索/订阅校正信息、情景应用信息，同时为情景信息响应模块提供各种情景应用信息，为情景信息处理模块提供所需要的各种信息；

情景信息应用模块：负责将来自情景信息响应模块、用户反馈模块中的综合信息显示在情景感知系统界面上，并将情景信息发送给情景信息检索/订阅模块；

情景信息检索/订阅模块：根据情景信息应用模块对情景信息的检索需求，在知识库模块中检索相应的情景信息，根据情景信息应用模块对情景信息的订阅需求，将相关订阅信息发送到情景信息校正模块中；

情景信息响应模块：根据情景信息应用模块对情景信息的需求，在知识库模块中检索相应的情景信息，将情景信息应用模块所需的情景信息发送给情景信息应用模块；

情景信息校正模块：负责对情景信息检索/订阅模块发送来的情景信息进行校正，将校正后的情景信息发送到知识库模块；

用户反馈模块：负责将用户在某些环境下的情景信息存入知识库模块，并向情景信息应用模块提供所需应用情景信息。

情景信息处理模块包括情景信息建模单元、多算法不完备性消除单元、各算法结果不一致性消除单元、各信源不一致性消除单元、可信度管理单元、可靠性管理单元、情景信息融合推理单元以及自适应管理单元；

情景信息采集模块、情景信息建模单元、多算法不完备性消除单元、各算法结果不一致性消除单元、可信度管理单元、可靠性管理单元、各信源不一致性消除单元、情景信息融合推理单元依次连接，自适应管理单元分别连接多算法不完备性消除单元、可信度管理单元、各信源不一致性消除单元、情景信息融合推理单元，各信源不一致性消除单元连接可信度管理单元；情景信息融合推理单元连接知识库模块，知识库模块连接自适应管理单元；

情景信息建模单元：负责将情景信息采集模块采集来的多源情景信息按照知识库模块中的情景信息建模方式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”，情景感知类型为情景感知信息的类型，如情景感知信息“卧室”，其感知类型为“位置”，情景感知信息为各传感器采集的原始情景信息，情景感知精度为传感器固有的感知精度，例如“感知类型-用户位置”+“感知信息-卧室”+“感知精度-90％”将建模好的情景信息发送到多算法不完备消除单元；

多算法不完备性消除单元：负责同时采用多种算法消除情景信息的不完备性，得到多算法不完备性消除结果，将多算法不完备性消除结果发送到各算法结果不一致性消除单元；不完备性是指某一传感器所采集的原始情景信息有缺失；多种算法包括神经网络、证据论、最大期望算法、投票选举、模糊集理论算法；

各算法不一致性消除单元：负责采用投票选举算法消除多算法不完备消除结果中存在的不一致性，得到精确性较高的完备情景信息，将精确性较高的完备情景信息发送给可信度管理单元；不一致性为采用各种算法消除情景信息不完备性的结果之间存在不一致。

可信度管理单元：利用接收到的用户反馈信息，判断精确性较高的完备情景信息的正确性，继而计算并存储精确性较高的完备情景信息对应信源的可信度：用户反馈信息是指用户根据所处环境所主动返回的情景信息；情景信息的正确性是基于用户反馈信息来判断的正确的情景信息；

可靠性管理单元：结合各传感器精度，以及信源的可信度，对各信源进行可靠性管理：传感器为采集该信源时所用传感器；传感器精度为静态标称值，可信度为动态评估值；将各信源的可靠性发送给各信源不一致性消除单元；

各信源不一致性消除单元，采用基于可靠性的证据理论算法消除各信源间的不一致性，不一致性是指同一时刻通过不同的传感器所采集到的情景信息之间存在的不一致性，例如，红外传感器采集到用户当前的位置信息为“卧室”，而Zigbee传感器采集到用户的位置信息为“客厅”，将各信源不一致性消除结果发送到可信度管理单元，同时将各信源不一致性消除结果发送到情景信息融合推理单元；

情景信息融合推理单元：运用本体推理、基于规则的推理、证据论或贝叶斯网络推理方法，根据采集到的各信源不一致性消除结果和自适应管理单元中的历史信息，推理出高级情景信息，将融合推理后的高级情景信息存储到知识库模块中；历史信息是指自适应管理单元中基于规则系统的规则引擎和规则集；高级情景信息是指经过推理融合后得到的可供用户或各种设备应用的情景信息；

自适应管理单元：负责为多算法不完备性消除单元提供用户反馈信息和情景信息检索/订阅后的校正信息，为可信度管理单元提供用户反馈信息，为情景信息融合推理单元提供基于规则系统的规则引擎和规则集，并根据当前情景信息对各种参数做出适当调整，使情景感知系统的自适应能力更好。

情景信息采集模块包括多个物理传感器、虚拟传感器和逻辑传感器。

实施例2

实施例1所述的基于可靠性管理的不确定性消除情景感知系统基于可靠性管理的不确定性消除工作方法，如图2所示，以情景感知计算的典型场景—智能家庭为例。在智能家庭中通过WIFI、蓝牙、红外和Zigbee 4种方法来采集关于人的位置信息，由WIFI、蓝牙、红外和Zigbee获取的情景信息分别为I_WIFI、I_蓝牙、I_红外、I_Zigbee，包括步骤如下：

S01：情景信息的收集和建模

收集多个物理传感器、虚拟传感器和逻辑传感器采集的情景信息，将情景信息按照知识库模块中的情景信息建模模式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”；

建模好的情景信息为：t1时刻：I_WIFI＝“感知类型-用户位置”+“感知信息-客厅”+“感知精度-90％”，I_蓝牙＝“感知类型-用户位置”+“感知信息-客厅”+“感知精度-92％”，I_Zigbee＝“感知类型-用户位置”+“感知信息-NaN(缺失)”+“感知精度-94％”，I_红外＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-96％”；

t2时刻：I_WIFI＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-90％”，I_蓝牙＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-92％”，I_Zigbee＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-94％”，I_红外＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-96％”；

t3时刻：I_WIFI＝“感知类型-用户位置”+“感知信息-客厅”+“感知精度-90％”，I_蓝牙＝“感知类型-用户位置”+“感知信息-户外”+“感知精度-92％”，I_Zigbee＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-94％”，I_红外＝“感知类型-用户位置”+“感知信息-NaN”+“感知精度-96％”；

t4时刻：I_WIFI＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-90％”，I_蓝牙＝“感知类型-用户位置”+“感知信息-客厅”+“感知精度-92％”，I_Zigbee＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-94％”，I_红外＝“感知类型-用户位置”+“感知信息-卧室”+“感知精度-96％”；

各传感设备采集的时间间隔固定且间隔适宜，时效性高；

S02：检测各情景信息是否完备

t3时刻显示当前位置信息为“户外”，属于不精确情景信息，在对其进行处理时，当作不完备信息来处理，检测到的I_WIFI情景信息为完备情景信息，进入步骤S02’；除了I_WIFI外其他传感设备采集的情景信息都存在不完备性，进入步骤S03；

S02’：信息存储

进行情景信息存储，以备步骤S06、步骤S09使用；

S03：计算不完备率

计算已建模好的每个传感器采集到的情景信息的不完备率：可以计算出各传感设备采集情景信息的不完备率分别为：I_WIFI＝10％、I_蓝牙＝8％、I_红外＝6％、I_Zigbee＝4％；

S04：判断不完备性是否在可控范围内

各传感设备采集情景信息的不完备率分别为：I_WIFI＝10％、I_蓝牙＝8％、I_红外＝6％、I_Zigbee＝4％，系统设置的不完备的可控范围为15％，都在可控范围内，进入步骤S05’；

S05’：判断是否存在用户反馈

检测当前时刻是否存在用户反馈，如果存在，进入步骤S06’，否则，进入步骤S06；

通过用户自动反馈自己当前的位置情景信息，来调整该情景感知系统对不确定性情景信息的处理，使系统更加稳定可靠；

S06：多算法消除不完备性

当前用户没有主动反馈自己当前的情景位置信息，则将根据来自信息存储的各种情景信息同时在横向(同一传感器不同时刻)和纵向(不同传感器同一时刻)上采用多种算法对情景信息不完备行进性消除，如神经网络、最大期望算法、投票选举、证据论、模糊集理论等算法；

S06’：直接补齐不完备性信息

如果当前时刻存在用户反馈信息，如“当前位置为卧室”，则将缺失位置信息补齐为“卧室”，进而得到完备的情景信息，返回步骤S02’；

S07：判断各算法结果是否存在不一致性

通过判断经过多种算法对位置信息不完备消除的结果是否一致，各算法得出的结果都为“卧室”，即各算法结果一致，返回步骤S02’；

S08：各算法结果不一致性消除

若通过多种算法消除不完备性的结果存在不一致性，即神经网络消除结果为“卧室”、最大期望算法消除结果为“客厅”、证据理论消除结果为“卧室”、模糊集理论消除结果为“客厅”、投票选举消除结果为“卧室”，则对各种算法结果进行简单不一致消除(投票选举)，得到质量较高的完备情景信息，最终将不完备位置信息补齐，即t1时刻I_Zigbee位置信息为“客厅”，t3时刻I_蓝牙位置信息为“客厅”，I_红外位置信息为“卧室”；

S09：判断各传感器是否存在不一致性

可以判断出，各传感器采集的位置信息在t1、t3、t4存在不一致性，进入步骤S10’；

S10：计算可信度

各传感器在t2时刻采集的位置信息一致，直接进行可信度计算，利用接收到的反馈信息判断多源情景信息的正确性，继而评估对应信息源的可信度：对信息源进行动态的计算和存储，注：位置信息的正确性是基于反馈信息来判断的)；

S10’：判断是否存在用户反馈

判断当前时刻用户是否主动反馈自己的位置信息，如果是，返回步骤S10，否则，进入步骤S11；

S11：各传感器不一致性消除

各传感器采集的位置信息在t1、t3、t4存在不一致性，则采用证据理论方法进行不一致性消除；

S12：计算可靠性

此例中，经计算I_红外的可信度为92％，传感器本身固有的精度为96％，那么I_红外的可靠性为2*0.92*0.96/(0.92+0.96)＝93.96％；并将该信源的可靠性结果用于所述步骤S11各传感器不一致性消除，使判决结果真实可靠；

图3是现有情景感知系统的仿真效果图；图4是本实施例关于本系统总体性能的仿真效果图。通过图3与图4对比可以看出，和现有情景感知系统相比，本发明所述情景感知系统的更加精确可靠；在用户反馈率为0.1，情景信息数量N＝1000时，现有情景感知系统的正确率为97.25％，本发明所述情景感知系统的正确率为99.34％。

Claims (3)

1.一种基于可靠性管理的不确定性消除情景感知系统，其特征在于，包括情景信息采集模块、情景信息处理模块、知识库模块、情景信息响应模块、情景信息应用模块、情景信息检索/订阅模块、情景信息校正模块以及用户反馈模块；

所述情景信息采集模块、所述情景信息处理模块、所述知识库模块依次连接，所述知识库模块、所述情景信息应用模块、所述情景信息检索/订阅模块、所述情景信息校正模块依次首尾连接，所述知识库模块、所述情景信息响应模块、所述情景信息应用模块依次连接，所述用户反馈模块分别连接所述知识库模块、所述情景信息应用模块；

所述情景信息采集模块：负责通过多个物理传感器、虚拟传感器和逻辑传感器周期性地采集原始情景信息，并将采集到的原始情景信息发送至所述情景信息处理模块，所述原始情景信息为多源情景信息，所述多源情景信息为通过多个传感器采集到的某一情景信息；

所述情景信息处理模块：负责对来自所述情景信息采集模块的原始情景信息进行处理；

所述知识库模块：负责存储用户反馈信息、情景信息融合推理信息、情景信息检索/订阅校正信息、情景应用信息，同时为所述情景信息响应模块提供各种情景应用信息，为所述情景信息处理模块提供所需要的各种信息；

所述情景信息应用模块：负责将来自所述情景信息响应模块、所述用户反馈模块中的综合信息显示在情景感知系统界面上，并将情景信息发送给情景信息检索/订阅模块；

所述情景信息检索/订阅模块：根据所述情景信息应用模块对情景信息的检索需求，在所述知识库模块中检索相应的情景信息，根据所述情景信息应用模块对情景信息的订阅需求，将相关订阅信息发送到所述情景信息校正模块中；

所述情景信息响应模块：根据所述情景信息应用模块对情景信息的需求，在所述知识库模块中检索相应的情景信息，将所述情景信息应用模块所需的情景信息发送给所述情景信息应用模块；

所述情景信息校正模块：负责对所述情景信息检索/订阅模块发送来的情景信息进行校正，将校正后的情景信息发送到知识库模块；

所述用户反馈模块：负责将用户在某些环境下的情景信息存入所述知识库模块，并向所述情景信息应用模块提供所需应用情景信息；

所述情景信息处理模块包括情景信息建模单元、多算法不完备性消除单元、各算法结果不一致性消除单元、各信源不一致性消除单元、可信度管理单元、可靠性管理单元、情景信息融合推理单元以及自适应管理单元；

所述情景信息采集模块、所述情景信息建模单元、所述多算法不完备性消除单元、所述各算法结果不一致性消除单元、所述可信度管理单元、所述可靠性管理单元、所述各信源不一致性消除单元、所述情景信息融合推理单元依次连接，所述自适应管理单元分别连接所述多算法不完备性消除单元、所述可信度管理单元、所述各信源不一致性消除单元、所述情景信息融合推理单元，所述各信源不一致性消除单元连接所述可信度管理单元；所述情景信息融合推理单元连接所述知识库模块，所述知识库模块连接所述自适应管理单元；

所述情景信息建模单元：负责将情景信息采集模块采集来的多源情景信息按照所述知识库模块中的情景信息建模方式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”，所述情景感知类型为所述情景感知信息的类型，所述情景感知信息为各传感器采集的原始情景信息，所述情景感知精度为传感器固有的感知精度，将建模好的情景信息发送到所述多算法不完备消除单元；

所述多算法不完备性消除单元：负责同时采用多种算法消除情景信息的不完备性，得到多算法不完备性消除结果，将多算法不完备性消除结果发送到所述各算法结果不一致性消除单元；所述不完备性是指某一传感器所采集的原始情景信息有缺失；所述多种算法包括神经网络、证据论、最大期望算法、投票选举、模糊集理论算法；

所述各算法结果不一致性消除单元：负责采用投票选举算法消除多算法不完备消除结果中存在的不一致性，得到精确性较高的完备情景信息，将精确性较高的完备情景信息发送给所述可信度管理单元；所述不一致性为采用各种算法消除情景信息不完备性的结果之间存在不一致；

所述可信度管理单元：利用接收到的用户反馈信息，判断精确性较高的完备情景信息的正确性，继而计算并存储精确性较高的完备情景信息对应信源的可信度：所述用户反馈信息是指用户根据所处环境所主动返回的情景信息；情景信息的正确性是基于用户反馈信息来判断的正确的情景信息；

所述可靠性管理单元：结合各传感器精度，以及信源的可信度，对各信源进行可靠性管理：所述传感器为采集该信源时所用传感器；所述传感器精度为静态标称值，可信度为动态评估值；将各信源的可靠性发送给所述各信源不一致性消除单元；

所述各信源不一致性消除单元，采用基于可靠性的证据理论算法消除各信源间的不一致性，所述不一致性是指同一时刻通过不同的传感器所采集到的情景信息之间存在的不一致性，将各信源不一致性消除结果发送到所述可信度管理单元，同时将各信源不一致性消除结果发送到情景信息融合推理单元；

所述情景信息融合推理单元：运用本体推理、基于规则的推理、证据论或贝叶斯网络推理方法，根据采集到的各信源不一致性消除结果和自适应管理单元中的历史信息，推理出高级情景信息，将融合推理后的高级情景信息存储到知识库模块中；所述历史信息是指自适应管理单元中基于规则系统的规则引擎和规则集；所述高级情景信息是指经过推理融合后得到的可供用户或各种设备应用的情景信息；

所述自适应管理单元：负责为所述多算法不完备性消除单元提供用户反馈信息和情景信息检索/订阅后的校正信息，为所述可信度管理单元提供用户反馈信息，为所述情景信息融合推理单元提供基于规则系统的规则引擎和规则集，并根据当前情景信息对各种参数做出适当调整，使情景感知系统的自适应能力更好。

2.根据权利要求1所述的一种基于可靠性管理的不确定性消除情景感知系统，其特征在于，所述情景信息采集模块包括多个物理传感器、虚拟传感器和逻辑传感器。

3.权利要求1所述的一种基于可靠性管理的不确定性消除情景感知系统的工作方法，其特征在于，包括步骤如下：

S01：情景信息的收集和建模

收集多个物理传感器、虚拟传感器和逻辑传感器采集的情景信息，将情景信息按照知识库模块中的情景信息建模模式进行建模，建模模式为“情景感知类型+情景感知信息+情景感知精度”；

S02：检测各情景信息是否完备

检测已经建模好的每个传感器采集的情景信息是否完备，即情景信息有无缺失，如果完备，进入步骤S02’，否则，进入步骤S03；

S02’：信息存储

进行情景信息存储，以备步骤S06、步骤S09使用；

S03：计算不完备率

计算已建模好的每个传感器采集到的情景信息的不完备率：

S04：判断不完备性是否在可控范围内

判断情景信息的不完备性是否在可补齐范围内，如果是，进入步骤S05’，否则，进入步骤S05；

S05：删除情景信息

直接将该情景信息删除；

S05’：判断是否存在用户反馈

检测当前时刻是否存在用户反馈，如果存在，进入步骤S06’，否则，进入步骤S06；

S06：多算法消除不完备性

将来自信息存储的各情景信息同时在横向和纵向上采用多种算法对情景信息不完备性进行消除，横向是指同一传感器的不同时刻，纵向是指不同传感器的同一时刻，多种算法包括：神经网络、最大期望算法、投票选举、证据论、模糊集理论算法；

S06’：直接补齐不完备性信息

根据用户反馈信息补齐不完备性情景信息，得到完备信息，返回步骤S02’；

S07：判断各算法结果是否存在不一致性

判断通过多种算法对情景信息不完备性消除的结果是否存在不一致性，若各算法结果一致，则返回步骤S02’，否则，进入步骤S08；

S08：各算法结果不一致性消除

采用投票选举策略对各算法结果进行简单不一致性消除，得到质量较高的完备情景信息；

S09：判断各传感器是否存在不一致性

判断各传感器采集到的情景信息是否存在不一致性，如果存在，进入步骤S10’，否则，进入步骤S10；

S10：计算可信度

直接进行可信度计算：进入步骤S12，情景信息的正确性是基于用户反馈信息来判断的，在未出现情景信息不一致性前，该信源的可靠性为1；

如果m是一个基本信度分配函数，则A上所有子集总的信度Bel(A)的公式如式(I)所示：

所定义的函数Bel是一个信任函数；

设m₁，m₂是对应同一识别框架Θ上的两个基本信度分配函数，焦元分别为A₁,A₂,...,A_k和B₁,B₂,...,B_k，则两个信度函数的合成法则如式(Ⅱ)所示：

m(A)反映了m₁和m₂对应的两个证据对命题A的联合支持程度，表示证据的冲突程度，当K＝0时，称为完全不冲突；当0<K<1时，称为非完全冲突；K＝1时，称为完全冲突，证据组合规则满足交换律和结合律，对于多个证据的组合可重复运用式(2)对多证据进行信度合成；

S10’：判断是否存在用户反馈

判断当前时刻是否存在用户反馈信息，如果是，返回步骤S10，否则，进入步骤S11；

S11：各传感器不一致性消除

采用证据理论方法进行不一致性消除；

步骤S12：计算可靠性

在可信度的基础上，结合传感器本身的精度进行可靠性计算：并将该信源的可靠性结果用于所述步骤S11各传感器不一致性消除：

设Θ为识别框架，如果对于任何一个属于Θ的子集A满足则称m为识别框架Θ上的基本信度分配函数；m(A)称为子集A的基本信度值，m(A)反映了对A本身的信度大小，即A的可靠性。