基于云服务平台的智能家居管理系统研究

摘要：智能家居应用领域还存在很多问题，采用云服务平台可以有效提升通信性能和数据信息资源利用效率，这就需要建立起系统构架，探索集中管理和智慧控制管理模式。本文先对主流智能家居系统技术进行研究，并对如何进地智能家居系统软件设计进行探讨，可供相关人员参考。

关键词：云服务技术;智能家居;通信技术

一、引言

随着城镇居民收入的不断攀升，对家居生活的智能化和舒适化提出了更高的要求，但是，智能家居仍存在着很多需要解决的问题，例如，没有建立起统一的无线通信标准及规范，控制实时性差和资源利用率不理想等，还没有完全采用智能化控制，导致智能家居行业的发展受到抑制。采用云服务、无线传感通信技术等前沿技术，可以为智能家居管理系统提供技术解决方案，云服务平台可提升智能家居系统的通信实时性和数据资源利用率，具有较高的计算性能和可拓展性，可实现对智能家居系统的集中管理和智慧控制。

二、智能家居系统技术研究

（一）无线通信技术

1.Wi-Fi无线通信技术

Wi-Fi无线通信技术已经得到普及与应用，通过无线电波实现与网络的连接，家庭、办公场所等都已经进行Wi-Fi信号全覆盖，该通信协议标准基于IEEE802.11，具有更快数据传输速度、更低的功耗和更强的穿墙能力，实现了低数据速率连接的分配，有利于延长物联网传感器电池使用寿命，但Wi-FiHallow技术标准与应用还存在一定的时间。

2.ZigBee通信技术

ZigBee无线通信技术可应用于远程自动控制领域，数据通信安全可靠，也不需要太高的功耗，数据传输时延也比较低，无源设备也可以加入通信网络中，通信协议也得到简化，比WI-FI技术有着更快的响应速度，转换至工作状态和接入网络时间短，具有更大规模的组网能力，可拓展为星型、树型等拓扑结构。该通信技术多应用于工业遥测遥控、自动控制等领域，利用庞大的网络节点进行信号采集与发送控制信号，不同节点间进行高效协调，可以达到较高的通信效率。随着物联网技术的不断应用，更多的节点与传感终端均采用ZigBee通信模块，可用为网络感知层。采用开源协议栈可满足不同厂商的协议更改的需要，但协议更改需要一定周期，不利于ZigBee通信设备的普及与应用，可芯片价格高且需要结合不同的应用场景，制约着该技术的进一步发展。同时，穿墙能力与衍射能力不足，特别是应用于钢筋混凝土建筑中，数据通信能力效果也会变弱，如果对无线信号进行放大处理，还会存在辐射污染问题。

3.蓝牙通信技术

作为在国际上开放通信标准的通信技术，蓝牙通信采用短程无线链路实现不同终端设间的通信，该通信标准采用2.4GHz频段，低功耗为该通信技术的核心，随着蓝牙技术推出新的版本，数据传输距离与速率也得到了提升，并具备室内定位功能，可对终端进行准确定位。当前，低功耗蓝牙通信终端已经应用于智能穿戴、车载通信终端等方面，但由于通信距离小、抗干扰性能等缺点，蓝牙技术在智能家居方面的应用并不顺利。

4.射频通信技术

射频通信技术可工作于多种频段，不同工作频段可应用于不同应用场合，有着很好的抗干扰性能，可达到较高的信号接收灵敏度。终端设备开发成本低，运行功耗低且具有更远的传输距离，可以通过穿墙来传输信号，已经在智能家居、自动控制等领域得到应用。

（二）云服务技术

1.云计算

对网络计算资源进行整合与调配，采用相同的通信接口对用户提供计算服务，是一种互联网应用层的数据信息处理平台，将网络信息资源进行共享，为互联网用户提供计算能力。云计算技术具有高可用性，可对海量数据信息进行存储并提供算力，可向用户提供高质量计算服务，还可以进行配置、添加或拓展来提升系统灵活性，可实现与服务器的节点连接来构建起服务器集群，如果某个节点失效也可以在较短时间内继续提供计算服务，具有很高的系统可靠性。服务终端所提交的资源可在云端进行全面管理，采用虚拟化处理技术实现对资源的配置，把不同资源配置给需要提供计算服务的用户。云计算具备的集群特性可以满足资源调整与需求伸缩的要求，还可以提供多种技术接口，确保用户增长产生的计算整合需求。云计算技术可实现对感知数据的应用，减少服务节点硬件使用数量，将公共云运行费用转变由第三方支出。具有成熟可靠的编程开发模型，只需要结合项目开发需求即可以设计接口程序，不需要考虑數据存储与计算的具体细节，降低项目开发成本与周期。当前，私用云是为某个组织运提供的云计算基础设施，计算资源在企业内部进行共享;公有云采取租借方式为公众或集体提供云端算力服务;混合云由两个及以上的不同方式的云端系统构成，每个云端系统均保持独立，对不同云计算标准进行整合;社区云为特定社区独有，由多个组织构成。IaaS服务模式，把服务器、存储中心等网络计算设施提供给用户，也可以将虚拟化技术等实现有效地管理;PaaS服务模式，通过部署开发工具靠墙产平台，用户可以根据使用需要来开发应用，不再考虑硬件与操作系统等方面的投入;SaaS服务模式，为用户提供满足云端运行的应用程序，不再注重网络设施与细节。

2.云存储

把数据信息存储于网络云端来创建云存储模型，物理存储可以在多个云端服务器实现存储，交由托管公司进行管理与运营，云存储服务商可以确保数据信息的可用性，有利于维护和运行网络云端物理存储环境，有使用需求的用户可通过购买与租赁来实现数据的存储和管理。云存储为新型的数据存储服务方式，是通过将网络管理设备进行高度集成，对多种访问接口进行整合等，创建出庞大而复杂的云存储服务系统。将存储设备作为核心部件，应用接口可对用户提供数据信息存储与访问服务，通过不同访问层和接口层等的协作，可以完成数据存储与访问。

（三）机器学习技术

人工智能中最为重要的内容就是进行机器学习，通过对量化模型的研发，可以在不进行显式编程的条件下执行多种任务，通过机器学习来识别复杂计算模型，并提出智能化的计算决策，可结合实际问题来建模，参考现有经验来提高模型效果。

1.机器学习

通过机器学习把实际存在的问题进行抽象人处理，把问题场景作为模型输入，并将其馈送至计算模型，把反馈回来的方案作为模型输出。输入函数与输出函数为：

（1）

（2）

计算查勘型为输入至输出空间的数学映射：

（3）

通过机器学习来对存在的实际问题进行处理，采用已知经验来优化改进计算模型f（·），凭借经验将样本点集合作为数据集。一般情况下，将模型进行优化过程称作训练，对模型运行效果进行检验被叫作测试，如果创建的模型是参数化的模型，应该将模型运行于不同参数条件下进行检验。在进行模型创建时，多将数据集划分为不相交的多个集合，样本点可作为模型训练的对象，样本点集合作为模型的测试集，如果要选用模型的参数，应该采用和测试集相同的集合作为开发集。

数据集类型决定着算法模型与优化选择，如果数据集样本点存在输入x，应该选用非监督学习算法，而如果样本点采用（x，y）数据组，需要应用监督算法来进行学习。在进行非监督学习过程中，数据集只能作为输入，不采用正确输出用于监督信号，多用于解决聚类问题，只确定出样本特征值，无法进行准确的分类，无法给出有所类别，进行学习并确定出样本以后可以对类型进行区分。而在监督学习过程中，需要结合训练集来对模型进行优化，将测试样例用于输入，输出要接近于正确输出，多应用于回归和分类问题，回归问题是一种连续值，分类问题可用于输出离散值。

2.人工神经网络

分类与问归问题可采用人工神经网络来解决，实质上也是一种监督算法，作为对复杂数据信息进行输入处理的模型框架。人工神经网络有着对信号进行处理的单元，不同单元间可以进行数据信息连接，每个单元间的数据连接都是有权重的。神经元作为基本的网络单位，可用于数据信息进行操作与处理，接收到一组数据信息的输入，进行加权求和处理认后，通过激活函数来确定输出。神经网络为端至端的数据信息处理系统，将一定格式的数据作为输入，进行计算操作以后输出一定格式数据信息，网络内部操作与计算结果可视作黑箱，网络顶点需要进行层次发，输出层通过网络输出数据。还需要对神经网络模型进行调整与修正，对内部参数进行训练，可以实现对模型的优化。

三、智能家居系统软件设计

（一）服务端结构设计

云服务平台可将云计算技术充分发挥出来，服务端软件应用于云服务平台，每个模块间进行协作来对网关信息进行管理，实现对用户端的远程控制，服务端软件体系见图1所示。

图1中的登录模块可实现对家庭网关、用户终端登录等的管理，可满足添加和删除用户、密码修改等方面的需要。家庭网关运行以后，需要向系统提出用户登录请求，用于系统配置、记录并发送网关名称，用户密码等，验证以后就可以登录。通信模块将家居系统运行形成的数据进行存储，并实现数据信息的交互与远程控制。数据库存储模块对用户和网关信息、终端设备状态、操作历史数据进行存储。日志模块对系统操作历史进行记录，可用于对操作记录的查询，可为后续的系统调试与数据维护提供参考。预测模块采用人工神经算法，对智能家居系统运行数据信息进行训练，并对终端设备运行情况进行预测，也可优化出更符合用户使用习惯的家居设计。

（二）服务端基本功能设计

对用户登录验证、密码修改和心跳包的收发等功能进行管理，通过家庭网关验证以后方可实现客户端的登录，但两者间的验证流程并不相同。家庭网关验证时，启动运行后向管理系统提出登录请求，对请求信息进行验证以后，将信息植入网关状态表。网关可能用户信处表进行维护并创建链表，并对ID信息进行记录。需要对家居终端设备状态进行转换时，网关对用户信息进行登记。家庭网关获取到终端智能家居设备信息，把获取到的数据信息转送至服务端软件，对灵敏据进行线程解析。家庭网关发送出来的数据信息多为智能家电设备运行状态的信息，通信协议对数据进行解析与格式转换以后，把信息发送到数据库。如果服务端软件获取到客户端请求并启动线程解析，对控制类型进行识别与判断，并对发送的命令进行及时响应再转发至网关。如果请求解析或校验没有完成，将反馈信息提交到目的网关请求。

（三）预测模块设计

智能家居系统应该与机器学习算法进行高度结合，对传输过来的数据信息进行分析与学习，通过向服务器发送命令请求并将客户端状态向用户进行反馈。BP神经网络预测模型具有较高的预测准确性和很短的预测时间，采用反向传播算法对权值梯度进行计算，通过反向逐层对权值进行修改。算法包括数据前向计算、误差反向修正，输入至输出方向通过神经网络进行计算来确定输出，输出至输入方向要对权值与偏置进行优化。BP算法是当前神经网络中最为成熟的训练方法，训练完成以后可以得到误差函数最小值，应用梯度下降法可以对权值和偏置的改进，可以使算法在进行数据拟合、预测和逼近等方面有着很好的适用性。

1.输入输出

通过传感器对家居环境数据与状态进行采集，拟合环境与设备数据作为网络输入数据，把相同时间的环境数据和电气状态进行整合，作为网络模型的输入，环境数据与设备数据随机采集，可以建立起训练样本集，由于输入数据存在着较差异，应该对数据归一化处理。

2.整体流程

创建4层BP神经网络，2个隐藏层设置15个神经元节点，隐藏层激励函数可采用tansig函数，输出层为用purelin函数。把输入数据采取相同格式提供给网络神经系统，通过2个隐藏层和输出层，对数据进行加权求和再采用激励函数进行处理，得到神经元输出，求解不同网络层权值和偏差并进行优化，对每个网络层和修正量数据进行更新。建立的网络预测模块把网关数据库内历史数据进地归化处理，对不同层神经网络来训练，這样就可以得到最为理想的预测模型，再把预测模型进行封装处理来作为API接口，把实时数据信息提交给预测模型即可得以数据，再封装处理后传输给网关来对不同家电终端进行控制。

（四）客户端设计

Anroid系统在国内手机和平板等终端应用得较为广泛，Liunx为系统核心层，对硬件设备提供驱动，智能家居系统客户端设计有登录界面、设备控制界面、用户管理界面，用户信息实体类和设备信息实体类等具有数据信息支持作用。

四、结束语

综上所述，对智能家居主要无线通信技术进行研究，根据智能家居网络实际需求，要结合投资成本、复杂程度和应用场景等情况，把射频通信技术用于信息传输，并对智能家居功能和性能需要进行深入分析，制定出智能家居总体设计方案，把系统软件应用于网络平台，并对BP神经网络模型进行研究，对历史数据进行训练，可以准确预测出用户的行为，实现智能网关与用户终端的双向通信，系统通信效率高且有着较短的响应时间。

作者单位：刘成浩    上海东冠通信建设有限公司

参  考  文  献

[1]刘笛，秦琪舒.对5G技术、雾计算与智能家居结合的研究[J].中国设备工程，2021（23）：39-40.

[2]李诗濛，李俊青，王斌，王飞跃.迈向“6S”智慧家居：智能科技与智慧生活[J].电器，2021（09）：46-51.

[3]於晓兰.基于云服务器的物联网智能家居通信控制系统研究[J].江苏通信，2021，37（04）：46-48.

[4]马琰.物联网技术在现代智能家居中的运用探讨[J].电子世界，2021（14）：3-4.

[5]王凤姣.云计算技术在物联网智能家居系统中的应用分析[J].信息记录材料，2020，21（11）：228-229.

[6]崔宝秋，王斌，周珏嘉，陈虹雨.人工智能技术驱动下的新一代智能家居[J].人工智能，2020（05）：6-13.