摘要：智能家居應用領域還存在很多問題，采用云服務平臺可以有效提升通信性能和數(shù)據(jù)信息資源利用效率，這就需要建立起系統(tǒng)構(gòu)架，探索集中管理和智慧控制管理模式。本文先對主流智能家居系統(tǒng)技術(shù)進行研究，并對如何進地智能家居系統(tǒng)軟件設計進行探討，可供相關(guān)人員參考。

關(guān)鍵詞：云服務技術(shù);智能家居;通信技術(shù)

一、引言

隨著城鎮(zhèn)居民收入的不斷攀升，對家居生活的智能化和舒適化提出了更高的要求，但是，智能家居仍存在著很多需要解決的問題，例如，沒有建立起統(tǒng)一的無線通信標準及規(guī)范，控制實時性差和資源利用率不理想等，還沒有完全采用智能化控制，導致智能家居行業(yè)的發(fā)展受到抑制。采用云服務、無線傳感通信技術(shù)等前沿技術(shù)，可以為智能家居管理系統(tǒng)提供技術(shù)解決方案，云服務平臺可提升智能家居系統(tǒng)的通信實時性和數(shù)據(jù)資源利用率，具有較高的計算性能和可拓展性，可實現(xiàn)對智能家居系統(tǒng)的集中管理和智慧控制。

二、智能家居系統(tǒng)技術(shù)研究

（一）無線通信技術(shù)

1.Wi-Fi無線通信技術(shù)

Wi-Fi無線通信技術(shù)已經(jīng)得到普及與應用，通過無線電波實現(xiàn)與網(wǎng)絡的連接，家庭、辦公場所等都已經(jīng)進行Wi-Fi信號全覆蓋，該通信協(xié)議標準基于IEEE802.11，具有更快數(shù)據(jù)傳輸速度、更低的功耗和更強的穿墻能力，實現(xiàn)了低數(shù)據(jù)速率連接的分配，有利于延長物聯(lián)網(wǎng)傳感器電池使用壽命，但Wi-FiHallow技術(shù)標準與應用還存在一定的時間。

2.ZigBee通信技術(shù)

ZigBee無線通信技術(shù)可應用于遠程自動控制領域，數(shù)據(jù)通信安全可靠，也不需要太高的功耗，數(shù)據(jù)傳輸時延也比較低，無源設備也可以加入通信網(wǎng)絡中，通信協(xié)議也得到簡化，比WI-FI技術(shù)有著更快的響應速度，轉(zhuǎn)換至工作狀態(tài)和接入網(wǎng)絡時間短，具有更大規(guī)模的組網(wǎng)能力，可拓展為星型、樹型等拓撲結(jié)構(gòu)。該通信技術(shù)多應用于工業(yè)遙測遙控、自動控制等領域，利用龐大的網(wǎng)絡節(jié)點進行信號采集與發(fā)送控制信號，不同節(jié)點間進行高效協(xié)調(diào)，可以達到較高的通信效率。隨著物聯(lián)網(wǎng)技術(shù)的不斷應用，更多的節(jié)點與傳感終端均采用ZigBee通信模塊，可用為網(wǎng)絡感知層。采用開源協(xié)議?？蓾M足不同廠商的協(xié)議更改的需要，但協(xié)議更改需要一定周期，不利于ZigBee通信設備的普及與應用，可芯片價格高且需要結(jié)合不同的應用場景，制約著該技術(shù)的進一步發(fā)展。同時，穿墻能力與衍射能力不足，特別是應用于鋼筋混凝土建筑中，數(shù)據(jù)通信能力效果也會變?nèi)?，如果對無線信號進行放大處理，還會存在輻射污染問題。

3.藍牙通信技術(shù)

作為在國際上開放通信標準的通信技術(shù)，藍牙通信采用短程無線鏈路實現(xiàn)不同終端設間的通信，該通信標準采用2.4GHz頻段，低功耗為該通信技術(shù)的核心，隨著藍牙技術(shù)推出新的版本，數(shù)據(jù)傳輸距離與速率也得到了提升，并具備室內(nèi)定位功能，可對終端進行準確定位。當前，低功耗藍牙通信終端已經(jīng)應用于智能穿戴、車載通信終端等方面，但由于通信距離小、抗干擾性能等缺點，藍牙技術(shù)在智能家居方面的應用并不順利。

4.射頻通信技術(shù)

射頻通信技術(shù)可工作于多種頻段，不同工作頻段可應用于不同應用場合，有著很好的抗干擾性能，可達到較高的信號接收靈敏度。終端設備開發(fā)成本低，運行功耗低且具有更遠的傳輸距離，可以通過穿墻來傳輸信號，已經(jīng)在智能家居、自動控制等領域得到應用。

（二）云服務技術(shù)

1.云計算

對網(wǎng)絡計算資源進行整合與調(diào)配，采用相同的通信接口對用戶提供計算服務，是一種互聯(lián)網(wǎng)應用層的數(shù)據(jù)信息處理平臺，將網(wǎng)絡信息資源進行共享，為互聯(lián)網(wǎng)用戶提供計算能力。云計算技術(shù)具有高可用性，可對海量數(shù)據(jù)信息進行存儲并提供算力，可向用戶提供高質(zhì)量計算服務，還可以進行配置、添加或拓展來提升系統(tǒng)靈活性，可實現(xiàn)與服務器的節(jié)點連接來構(gòu)建起服務器集群，如果某個節(jié)點失效也可以在較短時間內(nèi)繼續(xù)提供計算服務，具有很高的系統(tǒng)可靠性。服務終端所提交的資源可在云端進行全面管理，采用虛擬化處理技術(shù)實現(xiàn)對資源的配置，把不同資源配置給需要提供計算服務的用戶。云計算具備的集群特性可以滿足資源調(diào)整與需求伸縮的要求，還可以提供多種技術(shù)接口，確保用戶增長產(chǎn)生的計算整合需求。云計算技術(shù)可實現(xiàn)對感知數(shù)據(jù)的應用，減少服務節(jié)點硬件使用數(shù)量，將公共云運行費用轉(zhuǎn)變由第三方支出。具有成熟可靠的編程開發(fā)模型，只需要結(jié)合項目開發(fā)需求即可以設計接口程序，不需要考慮數(shù)據(jù)存儲與計算的具體細節(jié)，降低項目開發(fā)成本與周期。當前，私用云是為某個組織運提供的云計算基礎設施，計算資源在企業(yè)內(nèi)部進行共享;公有云采取租借方式為公眾或集體提供云端算力服務;混合云由兩個及以上的不同方式的云端系統(tǒng)構(gòu)成，每個云端系統(tǒng)均保持獨立，對不同云計算標準進行整合;社區(qū)云為特定社區(qū)獨有，由多個組織構(gòu)成。IaaS服務模式，把服務器、存儲中心等網(wǎng)絡計算設施提供給用戶，也可以將虛擬化技術(shù)等實現(xiàn)有效地管理;PaaS服務模式，通過部署開發(fā)工具靠墻產(chǎn)平臺，用戶可以根據(jù)使用需要來開發(fā)應用，不再考慮硬件與操作系統(tǒng)等方面的投入;SaaS服務模式，為用戶提供滿足云端運行的應用程序，不再注重網(wǎng)絡設施與細節(jié)。

2.云存儲

把數(shù)據(jù)信息存儲于網(wǎng)絡云端來創(chuàng)建云存儲模型，物理存儲可以在多個云端服務器實現(xiàn)存儲，交由托管公司進行管理與運營，云存儲服務商可以確保數(shù)據(jù)信息的可用性，有利于維護和運行網(wǎng)絡云端物理存儲環(huán)境，有使用需求的用戶可通過購買與租賃來實現(xiàn)數(shù)據(jù)的存儲和管理。云存儲為新型的數(shù)據(jù)存儲服務方式，是通過將網(wǎng)絡管理設備進行高度集成，對多種訪問接口進行整合等，創(chuàng)建出龐大而復雜的云存儲服務系統(tǒng)。將存儲設備作為核心部件，應用接口可對用戶提供數(shù)據(jù)信息存儲與訪問服務，通過不同訪問層和接口層等的協(xié)作，可以完成數(shù)據(jù)存儲與訪問。

（三）機器學習技術(shù)

人工智能中最為重要的內(nèi)容就是進行機器學習，通過對量化模型的研發(fā)，可以在不進行顯式編程的條件下執(zhí)行多種任務，通過機器學習來識別復雜計算模型，并提出智能化的計算決策，可結(jié)合實際問題來建模，參考現(xiàn)有經(jīng)驗來提高模型效果。

1.機器學習

通過機器學習把實際存在的問題進行抽象人處理，把問題場景作為模型輸入，并將其饋送至計算模型，把反饋回來的方案作為模型輸出。輸入函數(shù)與輸出函數(shù)為：

（1）

（2）

計算查勘型為輸入至輸出空間的數(shù)學映射：

（3）

通過機器學習來對存在的實際問題進行處理，采用已知經(jīng)驗來優(yōu)化改進計算模型f（·），憑借經(jīng)驗將樣本點集合作為數(shù)據(jù)集。一般情況下，將模型進行優(yōu)化過程稱作訓練，對模型運行效果進行檢驗被叫作測試，如果創(chuàng)建的模型是參數(shù)化的模型，應該將模型運行于不同參數(shù)條件下進行檢驗。在進行模型創(chuàng)建時，多將數(shù)據(jù)集劃分為不相交的多個集合，樣本點可作為模型訓練的對象，樣本點集合作為模型的測試集，如果要選用模型的參數(shù)，應該采用和測試集相同的集合作為開發(fā)集。

數(shù)據(jù)集類型決定著算法模型與優(yōu)化選擇，如果數(shù)據(jù)集樣本點存在輸入x，應該選用非監(jiān)督學習算法，而如果樣本點采用（x，y）數(shù)據(jù)組，需要應用監(jiān)督算法來進行學習。在進行非監(jiān)督學習過程中，數(shù)據(jù)集只能作為輸入，不采用正確輸出用于監(jiān)督信號，多用于解決聚類問題，只確定出樣本特征值，無法進行準確的分類，無法給出有所類別，進行學習并確定出樣本以后可以對類型進行區(qū)分。而在監(jiān)督學習過程中，需要結(jié)合訓練集來對模型進行優(yōu)化，將測試樣例用于輸入，輸出要接近于正確輸出，多應用于回歸和分類問題，回歸問題是一種連續(xù)值，分類問題可用于輸出離散值。

2.人工神經(jīng)網(wǎng)絡

分類與問歸問題可采用人工神經(jīng)網(wǎng)絡來解決，實質(zhì)上也是一種監(jiān)督算法，作為對復雜數(shù)據(jù)信息進行輸入處理的模型框架。人工神經(jīng)網(wǎng)絡有著對信號進行處理的單元，不同單元間可以進行數(shù)據(jù)信息連接，每個單元間的數(shù)據(jù)連接都是有權(quán)重的。神經(jīng)元作為基本的網(wǎng)絡單位，可用于數(shù)據(jù)信息進行操作與處理，接收到一組數(shù)據(jù)信息的輸入，進行加權(quán)求和處理認后，通過激活函數(shù)來確定輸出。神經(jīng)網(wǎng)絡為端至端的數(shù)據(jù)信息處理系統(tǒng)，將一定格式的數(shù)據(jù)作為輸入，進行計算操作以后輸出一定格式數(shù)據(jù)信息，網(wǎng)絡內(nèi)部操作與計算結(jié)果可視作黑箱，網(wǎng)絡頂點需要進行層次發(fā)，輸出層通過網(wǎng)絡輸出數(shù)據(jù)。還需要對神經(jīng)網(wǎng)絡模型進行調(diào)整與修正，對內(nèi)部參數(shù)進行訓練，可以實現(xiàn)對模型的優(yōu)化。

三、智能家居系統(tǒng)軟件設計

（一）服務端結(jié)構(gòu)設計

云服務平臺可將云計算技術(shù)充分發(fā)揮出來，服務端軟件應用于云服務平臺，每個模塊間進行協(xié)作來對網(wǎng)關(guān)信息進行管理，實現(xiàn)對用戶端的遠程控制，服務端軟件體系見圖1所示。

圖1中的登錄模塊可實現(xiàn)對家庭網(wǎng)關(guān)、用戶終端登錄等的管理，可滿足添加和刪除用戶、密碼修改等方面的需要。家庭網(wǎng)關(guān)運行以后，需要向系統(tǒng)提出用戶登錄請求，用于系統(tǒng)配置、記錄并發(fā)送網(wǎng)關(guān)名稱，用戶密碼等，驗證以后就可以登錄。通信模塊將家居系統(tǒng)運行形成的數(shù)據(jù)進行存儲，并實現(xiàn)數(shù)據(jù)信息的交互與遠程控制。數(shù)據(jù)庫存儲模塊對用戶和網(wǎng)關(guān)信息、終端設備狀態(tài)、操作歷史數(shù)據(jù)進行存儲。日志模塊對系統(tǒng)操作歷史進行記錄，可用于對操作記錄的查詢，可為后續(xù)的系統(tǒng)調(diào)試與數(shù)據(jù)維護提供參考。預測模塊采用人工神經(jīng)算法，對智能家居系統(tǒng)運行數(shù)據(jù)信息進行訓練，并對終端設備運行情況進行預測，也可優(yōu)化出更符合用戶使用習慣的家居設計。

（二）服務端基本功能設計

對用戶登錄驗證、密碼修改和心跳包的收發(fā)等功能進行管理，通過家庭網(wǎng)關(guān)驗證以后方可實現(xiàn)客戶端的登錄，但兩者間的驗證流程并不相同。家庭網(wǎng)關(guān)驗證時，啟動運行后向管理系統(tǒng)提出登錄請求，對請求信息進行驗證以后，將信息植入網(wǎng)關(guān)狀態(tài)表。網(wǎng)關(guān)可能用戶信處表進行維護并創(chuàng)建鏈表，并對ID信息進行記錄。需要對家居終端設備狀態(tài)進行轉(zhuǎn)換時，網(wǎng)關(guān)對用戶信息進行登記。家庭網(wǎng)關(guān)獲取到終端智能家居設備信息，把獲取到的數(shù)據(jù)信息轉(zhuǎn)送至服務端軟件，對靈敏據(jù)進行線程解析。家庭網(wǎng)關(guān)發(fā)送出來的數(shù)據(jù)信息多為智能家電設備運行狀態(tài)的信息，通信協(xié)議對數(shù)據(jù)進行解析與格式轉(zhuǎn)換以后，把信息發(fā)送到數(shù)據(jù)庫。如果服務端軟件獲取到客戶端請求并啟動線程解析，對控制類型進行識別與判斷，并對發(fā)送的命令進行及時響應再轉(zhuǎn)發(fā)至網(wǎng)關(guān)。如果請求解析或校驗沒有完成，將反饋信息提交到目的網(wǎng)關(guān)請求。

（三）預測模塊設計

智能家居系統(tǒng)應該與機器學習算法進行高度結(jié)合，對傳輸過來的數(shù)據(jù)信息進行分析與學習，通過向服務器發(fā)送命令請求并將客戶端狀態(tài)向用戶進行反饋。BP神經(jīng)網(wǎng)絡預測模型具有較高的預測準確性和很短的預測時間，采用反向傳播算法對權(quán)值梯度進行計算，通過反向逐層對權(quán)值進行修改。算法包括數(shù)據(jù)前向計算、誤差反向修正，輸入至輸出方向通過神經(jīng)網(wǎng)絡進行計算來確定輸出，輸出至輸入方向要對權(quán)值與偏置進行優(yōu)化。BP算法是當前神經(jīng)網(wǎng)絡中最為成熟的訓練方法，訓練完成以后可以得到誤差函數(shù)最小值，應用梯度下降法可以對權(quán)值和偏置的改進，可以使算法在進行數(shù)據(jù)擬合、預測和逼近等方面有著很好的適用性。

1.輸入輸出

通過傳感器對家居環(huán)境數(shù)據(jù)與狀態(tài)進行采集，擬合環(huán)境與設備數(shù)據(jù)作為網(wǎng)絡輸入數(shù)據(jù)，把相同時間的環(huán)境數(shù)據(jù)和電氣狀態(tài)進行整合，作為網(wǎng)絡模型的輸入，環(huán)境數(shù)據(jù)與設備數(shù)據(jù)隨機采集，可以建立起訓練樣本集，由于輸入數(shù)據(jù)存在著較差異，應該對數(shù)據(jù)歸一化處理。

2.整體流程

創(chuàng)建4層BP神經(jīng)網(wǎng)絡，2個隱藏層設置15個神經(jīng)元節(jié)點，隱藏層激勵函數(shù)可采用tansig函數(shù)，輸出層為用purelin函數(shù)。把輸入數(shù)據(jù)采取相同格式提供給網(wǎng)絡神經(jīng)系統(tǒng)，通過2個隱藏層和輸出層，對數(shù)據(jù)進行加權(quán)求和再采用激勵函數(shù)進行處理，得到神經(jīng)元輸出，求解不同網(wǎng)絡層權(quán)值和偏差并進行優(yōu)化，對每個網(wǎng)絡層和修正量數(shù)據(jù)進行更新。建立的網(wǎng)絡預測模塊把網(wǎng)關(guān)數(shù)據(jù)庫內(nèi)歷史數(shù)據(jù)進地歸化處理，對不同層神經(jīng)網(wǎng)絡來訓練，這樣就可以得到最為理想的預測模型，再把預測模型進行封裝處理來作為API接口，把實時數(shù)據(jù)信息提交給預測模型即可得以數(shù)據(jù)，再封裝處理后傳輸給網(wǎng)關(guān)來對不同家電終端進行控制。

（四）客戶端設計

Anroid系統(tǒng)在國內(nèi)手機和平板等終端應用得較為廣泛，Liunx為系統(tǒng)核心層，對硬件設備提供驅(qū)動，智能家居系統(tǒng)客戶端設計有登錄界面、設備控制界面、用戶管理界面，用戶信息實體類和設備信息實體類等具有數(shù)據(jù)信息支持作用。

四、結(jié)束語

綜上所述，對智能家居主要無線通信技術(shù)進行研究，根據(jù)智能家居網(wǎng)絡實際需求，要結(jié)合投資成本、復雜程度和應用場景等情況，把射頻通信技術(shù)用于信息傳輸，并對智能家居功能和性能需要進行深入分析，制定出智能家居總體設計方案，把系統(tǒng)軟件應用于網(wǎng)絡平臺，并對BP神經(jīng)網(wǎng)絡模型進行研究，對歷史數(shù)據(jù)進行訓練，可以準確預測出用戶的行為，實現(xiàn)智能網(wǎng)關(guān)與用戶終端的雙向通信，系統(tǒng)通信效率高且有著較短的響應時間。

作者單位：劉成浩? ? 上海東冠通信建設有限公司

參? 考? 文? 獻

[1]劉笛，秦琪舒.對5G技術(shù)、霧計算與智能家居結(jié)合的研究[J].中國設備工程，2021（23）：39-40.

[2]李詩濛，李俊青，王斌，王飛躍.邁向“6S”智慧家居：智能科技與智慧生活[J].電器，2021（09）：46-51.

[3]於曉蘭.基于云服務器的物聯(lián)網(wǎng)智能家居通信控制系統(tǒng)研究[J].江蘇通信，2021，37（04）：46-48.

[4]馬琰.物聯(lián)網(wǎng)技術(shù)在現(xiàn)代智能家居中的運用探討[J].電子世界，2021（14）：3-4.

[5]王鳳姣.云計算技術(shù)在物聯(lián)網(wǎng)智能家居系統(tǒng)中的應用分析[J].信息記錄材料，2020，21（11）：228-229.

[6]崔寶秋，王斌，周玨嘉，陳虹雨.人工智能技術(shù)驅(qū)動下的新一代智能家居[J].人工智能，2020（05）：6-13.