本发明涉及一种室内火情探测方法，尤其涉及一种基于无线信号传输的室内火情探测和报警的方法，并涉及一种基于无线信号传输的室内火情探测和报警的系统。
背景技术：
火灾是指在时间和空间上失去控制的燃烧所造成的灾害。当今社会，火灾是威胁社会公共安全，危害人们生命和财产安全的重要灾害之一，也是多发性灾难中发生频率较高和时空跨度最大的一种灾难。从近几年的火灾事故资料来看，我国由火灾造成的伤亡人数仅次于矿难，每年火灾次数接近40万次，死亡人数高达1800人，由火灾造成的直接经济损失达40亿元，平均下来，每天都有1000多次火灾发生，这些数据还呈现出不断上升的趋势。
近年来的重大火灾事故有：第一、2015年8月9日天津滨海新区瑞海国际物流有限公司危险品仓库165人死亡、8人失踪；第二、2015年2月5日广东省惠州市惠东县义务商品城17人死亡；第三、2010年11月15日上海余姚路胶州路高层住宅58人遇难；第四、2010年11月5日吉林市商业大厦19人死亡，等等。
这一个个血淋淋的案例向我们揭示了火灾的巨大危害，同时也不能不引起我们的思考，如果能在火灾发生的早期就及时地发现火情，报告火情，就能在最短的时间内进行扑救，将火灾造成的损失降到最低。因此，火情监测是整个火灾防控系统中至关重要的一个环节。
火情检测，依赖于一种能够及早发现火情信息的方法，就目前而言，主要依赖于一系列的专用火灾检测器具，例如公共场所常见的烟雾探测器等。然而，受到社会经济条件以及人民防灾减灾意识的限制，要求在所有的场所都安装专用火灾检测器具是不太实际的，例如在我国，多数家庭都没有安装相应的火灾监测器具。然而，考虑到随着互联网与wi-fi技术的发展，商用wi-fi的普及率不断攀升。受此启发，我们考虑能否利用现有的商用wi-fi设备，实现及时地火情探测与预警，从而帮助减少火灾损失，保障用户的生命与财产安全。为此，在本文中，我们提出利用现有的wi-fi设备，研究和设计一个基于wi-fi室内火情监测系统，在不需要安装额外专用设备的情况下，能实时监测室内环境，如果有火情发生，该系统能及时地采取措施，例如：发出警报信号，通知屋主或者报警等。该系统使用了现有的通用商业wi-fi设备，具有低成本的优势以及普遍的适用性和通用性。
技术实现要素：
为了克服专用烟雾探测器在我国普及度不高的缺点，本发明提供一种低代价且精度高的基于无线网络信号(无线射频信号)的室内火情探测和报警的方法及系统，旨在特定的室内环境中，通过利用现有的无线网络及设备，不需要事先进行训练，就能够对室内环境进行有效检测，如果异常发生能达到及时报警和反馈的目的。
对此，本发明提供一种基于无线信号传输的室内火情探测和报警的方法，包括以下步骤：
步骤s1，接收端接收来自发射端的射频信号，获得csi数据后采用巴特沃斯低通滤波器对数据进行去除高斯白噪声处理，并且通过方差法判断当前环境是否存在人或者非稳定因素干扰，若是则判定当前环境处于非稳定状态，等待当前环境进入稳定状态，若否则直接跳转至步骤s2；
步骤s2，分别对当前环境为稳定状态的数据进行统计概率，计算其到达角、振幅特征和相位差特征；
步骤s3，持续对当前环境进行csi数据的采集，计算到达角，得出当前环境的火情发生可能性pcodition1，通过当前环境与稳定状态时的概率比较得出当前环境的火情概率pcodition2，通过随机性判断计算得出当前环境火情概率pcodition3，最后通过计算得到总的火情发生概率pfire＝pcodition1+pcodition2+pcodition3，以此来判断室内是否着火。
本发明的进一步改进在于，所述步骤s1包括以下子步骤：
步骤s11，收集当前环境下单位时间段内的csi数据，得到一个链路数×子载波数的矩阵；
步骤s12，利用巴特沃斯低通滤波器对csi数据进行低通滤波处理，去除高斯白噪声的影响；
步骤s13，通过计算每个子载波在该单位时间段内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s2。
本发明的进一步改进在于，所述步骤s2包括以下子步骤：
步骤s21，提取一个时间段t0内的csi数据，在这个时间段t0内，对每个子载波的数据先进行收敛，然后对数据出现的次数进行统计，并对顺序出现的数据组合所出现的次数进行统计，计算出每个数据和数据组合所出现的累积频数，通过累积频数分别得出n个不同的数据的出现概率和m个不同的数据组合的出现概率，得到状态空间概率和联合概率，最后将出现概率小于或等于1％的干扰数据和干扰数据组合去除，以此作为当前环境在稳定状态时的状态空间概率p＝{px(0),...,px(i),...}和联合概率q＝{qy(0),...,qy(i),...}，并记录；
步骤s22，利用music算法，通过同一个子载波与相邻天线之间的相位差，计算相位差与天线间距之间的比值，得出该子载波的到达角，以此作为当前环境在稳定状态时的到达角，并记录；
步骤s23，记录当前环境在稳定状态时的振幅特征和相位差特征；
步骤s24，通过计算每个子载波在该时间段t0内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s3。
本发明的进一步改进在于，所述步骤s3包括以下子步骤：
步骤s31，提取一段单位时间t1内的csi数据，其中，t1<<t0，通过计算每个子载波在该单位时间t1内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s32；
步骤s32，载入容忍度
步骤s33，提取单位时间t1内的csi数据，在这个单位时间t1内，对每个子载波的数据先进行收敛，然后对数据出现的次数进行统计，并对顺序出现的数据组合所出现的次数进行统计，计算出每个数据和数据组合所出现的累积频数，通过累积频数分别得出n’个不同的数据的出现概率和m’不同的数据组合的出现概率，计算得到状态空间概率和联合概率，最后将出现概率小于或等于1％的干扰数据和干扰数据组合去除，以此作为当前环境在稳定状态时的状态空间概率p'＝{p'x(0),...,p'x(i),...}和联合概率q'＝{q'y(0),...,q'y(i),...}；
步骤s34，使用卡方检验的方法，计算
步骤s35，检验随机性，使用游程检验的方法，将两个差集p-p'和q-q'中的元素，分别按照频数平均分为两部分，使得两部分频数和相同，令其中一部分元素为1，另一部分元素为0，代入至该csi数据序列中，提取只包含0和1的序列，将该序列中连续出现相同值的次数，记为游程数r，将出现1的个数记为n1，将出现0的个数记为n2，计算抽样分布均值
步骤s36，发出火情警报信号，如果警报没有及时被关闭，进而会发信息给屋主，如果屋主将此次报警定为误报，则通过遍历以往参数的可行值和当前csi数据，对参数tcodition1、tcodition2、tcodition3、tcodition4以及δalarm进行修正。
本发明的进一步改进在于，所述发射端的数量为1，所述接收端的数量为3个或3个以上。
本发明还提供一种基于无线信号传输的室内火情探测和报警的系统，包括：
csi数据获取模块，用于接收端接受来自发射端的无线射频信号，计算csi数据，并运用巴特沃斯低通滤波器去除高斯白噪声；
数据处理模块，分别对数据进行统计概率，计算其到达角、卡方检验和游程检验；
火情判断模块，对上述数据进行可能性的计算，通过是否在第二阈值范围进而判断当前环境有没有着火；
警报模块，用于当当前环境发生火情时，发出火情警报信号并且通知屋主；
反馈修正模块，用于当报警被认定为误报的时候，对参数进行修正。
本发明的进一步改进在于，所述csi数据获取模块包括：
感应单元，用于初始化信道状态数据，得到一个链路数×子载波数的矩阵；过滤单元，利用巴特沃斯算法对信道状态数据进行去除高斯白噪声的影响。
本发明的进一步改进在于，所述数据处理模块包括：
数据特征计算单元，用于对csi数据提取特征，所述提取特征包括对csi数据进行均方差判定、统计概率、计算到达角、计算卡方检验和计算游程检验；
第一异常输出单元，对上述数据进行人活动干扰可能性的计算，判断是否在限定的第一阈值范围内，由此判断室内是否存在人的活动或者非稳定因素的干扰；
第二异常输出单元，对上述数据进行火情可能性的计算，通过是否在限定的第二阈值范围内，由此判断室内有没有着火。
本发明的进一步改进在于，所述报警模块中，发出火情警报信号并且通知屋主后，如果警报没有及时响应或者消除，进而会向警方发送求助信号。
本发明的进一步改进在于，所述反馈修正模块中，保存有所有的相关参数的可行解，通过当前csi数据对相关参数的值进行调整，并且缩小其可行解的组合以增加精确度，所述相关参数包括tcodition1、tcodition2、tcodition3、tcodition4以及δalarm。
与现有技术相比，本发明的有益效果在于：利用了现有的wifi设备就可以收集信号，进而实现对数据的后续处理和分析，不需要事先进行训练，就能够实现对室内的当前环境进行有效判断，不需要安装额外的设备，节省了开销，具有普及型；在此基础上，本发明使用方便，无需额外的校准，具有普遍适用性。
附图说明
图1是本发明一种实施例的工作流程示意图；
图2是本发明一种实施例中火对信号产生反射作用的第一原理示意图；
图3是本发明一种实施例中火对信号产生反射作用的第二原理示意图；
图4是本发明一种实施例的数据处理原理示意图；
图5是本发明一种实施例的系统架构图；
图6是本发明一种实施例的室内火情报警流程图。
具体实施方式
下面结合附图，对本发明的较优的实施例作进一步的详细说明。
如图1所示，本例提供一种基于无线信号传输的室内火情探测和报警的方法，包括以下步骤：
步骤s1，接收端接收来自发射端的射频信号，获得csi数据后采用巴特沃斯低通滤波器对数据进行去除高斯白噪声处理，并且通过方差法判断当前环境是否存在人或者非稳定因素干扰，若是则判定当前环境处于非稳定状态，等待当前环境进入稳定状态，若否则直接跳转至步骤s2；
步骤s2，分别对当前环境为稳定状态的数据进行统计概率，计算其到达角、振幅特征和相位差特征；
步骤s3，持续对当前环境进行csi数据的采集，计算到达角，得出当前环境的火情发生可能性pcodition1，通过当前环境与稳定状态时的概率比较得出当前环境的火情概率pcodition2，通过随机性判断计算得出当前环境火情概率pcodition3，最后通过计算得到总的火情发生概率pfire＝pcodition1+pcodition2+pcodition3，以此来判断室内是否着火。
所述步骤s3中，如果有火情，则发出火情警报信号并且通知屋主，如果警报没有及时响应或者消除，进而会向警方求助；若警报被认为误判，则对参数进行修正。
在实际应用中，我们使用intel5300无线网卡作为接收端来接收数据，发射端为无线路由器ap。本例是基于室内无线射频信号的传播，由于失火时，火焰会改变室内环境，进而引起信号传播路径变化，如图2和图3所示。本例只需要使用家庭环境中现有的wifi设备，不需要安装额外的专业设备，例如不需要增加额外的烟雾探测器，就可以对有火造成的信号变化进行分析，进而判断室内的当前环境是否有火情判断并进行报警。该发明仅需要一个发射端和一个接收端。如附图2所示，如果室内有火情的发生，火会对信号产生反射，接收端所接收的csi数据会产生变化，针对接收的csi数据提取相关的特征，即可用来判断室内是不是有失火，如果有，则会进行报警。
本例主要运用csi数据作为指示物，csi为channelstateinformation的简称，即信道状态信息，能够反映通信链路的信道属性；所述csi数据可以表示在传播过程中，信号所受到的衰弱，散射等的综合影响。基于室内的当前环境中实现无线传播模型，本例建立了csi数据和火之间的联系。在一个稳定状态的室内环境中，csi数据仅受多径的影响，例如天花板、地板和家具。当环境保持稳定时，其csi数据也是保持稳定的。如果房内失火，会反射无线信号，从而影响接收到的csi数据。csi数据是利用正交频分载波复用(orthogonalfrequencydivisionmultiplex,ofdm)来传输数据的，到了接收端再分解为30个子载波，通过对链路数×子载波组数据进行分析，就会对室内情况进行比较准确的判断。即，所述步骤s1中，对于每一个空间流，含有30个子载波，由于频率选择性衰弱，会对子载波值有不同的影响。
具体的，本例所述步骤s1包括以下子步骤：
步骤s11，收集当前环境下单位时间段内的csi数据，得到一个链路数×子载波数的矩阵；
步骤s12，利用巴特沃斯低通滤波器(巴特沃斯算法)对csi数据进行低通滤波处理，去除高斯白噪声的影响；
步骤s13，通过计算每个子载波在该单位时间段内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s2。所述第一阈值范围优选为大于5.76，也可以根据实际情况(包括不同的路由器和不同的网卡)进行自定义选择和调整。
所述步骤s13中，在单位时间段t(秒)内搜集到的csi数据为一组二维数组，大小为90*(t*samples)的矩阵
在稳定环境中，无线发射端(ap)发射无线射频信号，装有intel5300网卡的电脑作为无线的接收端接收csi数据。在测试实验中，接收端(电脑端的网卡)装有3根天线，发射端(ap端)有1根天线，形成了三条空间链路，每天链路传输30个子载波，因此我们可以收到一个1×3×30的矩阵。为了去除高斯白噪声的影响，本例采用巴特沃斯低通滤波器进行对高斯白噪声的去噪处理。
本例所述步骤s2用于计算数据的出现概率，进而计算到达角、振幅特征和相位差特征。具体的，所述步骤s2包括以下子步骤：
步骤s21，提取一个时间段t0内的csi数据，在这个时间段t0内，对每个子载波的数据先进行收敛，即[x(i)-θ,x(i)+θ]范围内的值都认为是x(i)，且x(i)<x(i+1),i∈z，θ为0.01，也可根据实际情况进行自定义选择和调整，θ越小则粒度越小，对环境越灵敏，x(i)为当前出现的数据(或称为当前出现的数值)；然后对数据出现的次数进行统计，并对顺序出现的数据组合[当前出现的数据x(i),下一个出现的数据x(j)]所出现的次数进行统计，计算出每个不同的数据x(i)和不同的数据组合[当前出现的数据x(i),下一个出现的数据x(j)]所出现的累积频数，通过累积频数分别得出n个不同的数据x(i)的出现概率和m个不同的数据组合[当前出现的数据x(i),下一个出现的数据x(j)]的出现概率，得到状态空间概率和联合概率；最后将出现概率小于或等于1％的干扰数据和干扰数据组合去除，即将概率小于等于1％概率置为0；接着，重新计算概率，以此作为当前环境在稳定状态时的状态空间概率p＝{px(0),...,px(i),...}和联合概率q＝{qy(0),...,qy(i),...}，并记录下来；
步骤s22，利用music算法，music算法是一种基于矩阵特征空间分解的方法，通过同一个子载波与相邻天线之间的相位差，计算相位差与天线间距之间的比值，得出该子载波的到达角，以此作为当前环境在稳定状态时的到达角，并记录；
步骤s23，记录当前环境在稳定状态时的振幅特征和相位差特征；
步骤s24，通过计算每个子载波在该时间段t0内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s3。本例所述步骤s24的工作原理与步骤s13的工作原理一样。
所述步骤s22中，到达角和相位差的计算过程如下：
已知天线间的相位偏移函数
所述步骤s23中，所述振幅特征包括振幅值的分布和序列中以窗口为大小的方差值的分布；所述相位特征包括相位的分布。
本例所述步骤s3持续对当前环境进行收集csi数据，计算到达角，得出此条件火情发生可能性pcodition1；通过将当前状态与稳定状态时候各个值和组合的概率相比较，得出此条件火情概率pcodition2；通过随机性判断，计算得出此条件火情概率pcodition3；最后通过计算得到总的火情发生概率pfire＝pcodition1+pcodition2+pcodition3，由此来判断室内是否着火。
更为详细的，本例所述步骤s3包括以下子步骤：
步骤s31，提取一段单位时间t1内的csi数据，其中，t1<<t0，通过计算每个子载波在该单位时间t1内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，则判定当前环境存在人的活动或者非稳定因素干扰，等待直到人离开或者当前环境恢复稳定状态后，跳转至步骤s32；所述步骤s31的工作原理与步骤s13的工作原理一样；
步骤s32，载入容忍度
步骤s33，提取单位时间t1内的csi数据，在这个单位时间t1内，对每个子载波的数据先进行收敛，即[x’(i)-θ,x’(i)+θ]范围内的值都认为是x’(i)，且x’(i)<x’(i+1),i∈z，θ为0.01，也可根据实际情况进行自定义选择和调整，θ越小则粒度越小，对环境越灵敏，x’(i)为当前出现的数据(或称为当前出现的数值)；然后对数据x’(i)出现的次数进行统计，并对顺序出现的数据组合[当前出现的数据x’(i),下一个出现的数据x’(j)]所出现的次数进行统计，计算出每个不同的数据x’(i)和不同的数据组合[当前出现的数据x’(i),下一个出现的数据x’(j)]所出现的累积频数，通过累积频数分别得出n’个不同的数据的出现概率和m’不同的数据组合的出现概率，计算得到状态空间概率和联合概率；最后将出现概率小于或等于1％的干扰数据和干扰数据组合去除，以此作为当前环境在稳定状态时的状态空间概率p'＝{p'x(0),...,p'x(i),...}和联合概率q'＝{q'y(0),...,q'y(i),...}；所述步骤s33的工作原理与步骤s21的工作原理一样；
步骤s34，使用卡方检验的方法，计算
表1卡方分布临界表
步骤s35，检验随机性，使用游程检验的方法，将两个差集p-p'和q-q'中的元素，分别按照频数平均分为两部分，使得两部分频数和相同，令其中一部分元素为1，另一部分元素为0，代入至该csi数据序列中，提取只包含0和1的序列，将该序列中连续出现相同值(即0或者1分别出现一个或者是连续出现多个)的次数，记为游程数r，将出现1的个数记为n1，将出现0的个数记为n2，计算抽样分布均值
表2标准正太分布表
以上所述步骤s31至步骤s35是所述步骤s3的必备子步骤；优选的，除了所述步骤s31至步骤s35之外，所述步骤s3还可以包括步骤s36，以实现对参数的修正。
步骤s36，发出火情警报信号，如果警报没有及时被关闭，进而会发信息给屋主，如果屋主将此次报警定为误报，则通过遍历以往参数的可行值和当前csi数据，对参数tcodition1、tcodition2、tcodition3、tcodition4以及δalarm进行修正。
将所有历史所有发出火警时候的pfire中所有参数的数据代入原公式pfire＝pcodition1+pcodition2+pcodition3之中，令向量pfire_wrong＜0.6且向量pfire_right＞0.6，计算所有tcodition1、tcodition2、tcodition3、tcodition4以及δalarm的可行解，找出其中与当前所有参数改变最小的可行解，重置参数；其中，pfire_wrong为误报火警的向量，pfire_right为正确触发火警的向量。
优选的，本例所述发射端的数量为1，所述接收端的数量为3个或3个以上。
在环境稳定的情况下，子载波信号变化是在一定范围内波动变化的，概率分布是稳定的。由于信号受到火焰的物理性质的影响，火的产生会使得稳定的环境被打破，出现新的状态或者是新的分布，这是火情发生的一个判断条件。
在火焰中，部分空气是呈等离子体的，该部分空气会对信号产生反射，并且，火焰的等离子体部分会受到气流的流动而流动，当等离子体部分流动时候，等离子体的曲率会发生变化或者是因为流动导致了等离子体不在信号的传播路径内，所以会造成其他路径上的信号增加或者减少，从而多径的叠加发生了变化，这使不同子载波的到达角发生了改变，可以用music算法进行分析，出现到达角发生明显的变化，这是火情发生的一个判断条件。
因为，火焰的等离子体部分是受到气流的流动而产生的，所以，波动是有随机性的，这也是火情发生的一个判断条件。
计算子载波振幅变化的幅度，可以用来区别人对信号的影响和火对影响的影响。因为人的遮挡面积比较大，且人活动位移/信号波长比较大，所以人活动时候对信号的影响幅度变化剧烈且变化速度快，而火的透射和反射，作用域都比较小，所以，人的活动与火对信号的影响不一样。这同样也是判断当前环境内是否存在人或者其他非稳定因素的判定条件。
具体地，如图4所示，本例所述基于无线信号传输的室内火情探测和报警的方法的数据处理过程主要分为三个部分：去噪、提取特征和概率估计。
本例还提供一种基于无线信号传输的室内火情探测和报警的系统，该基于无线信号传输的室内火情探测和报警的系统应用了上述的基于无线信号传输的室内火情探测和报警的方法，包括：
csi数据获取模块，用于接收端接受来自发射端的无线射频信号，计算csi数据，并运用巴特沃斯低通滤波器去除高斯白噪声；
数据处理模块，分别对数据进行统计概率，计算其到达角、卡方检验和游程检验；
火情判断模块，对上述数据进行可能性的计算，通过是否在第二阈值范围进而判断当前环境有没有着火；
警报模块，用于当当前环境发生火情时，发出火情警报信号并且通知屋主；
反馈修正模块，用于当报警被认定为误报的时候，对参数tcodition1、tcodition2、tcodition3、tcodition4以及δalarm进行修正。
如图5所示，本例所述基于无线信号传输的室内火情探测和报警的系统主要分为四个部分：环境感知、数据处理、报警和反馈。更为具体地，如图6所示，实现室内探测火情及报警的流程包括：
1、发射端(无线ap)发送无线信号，接收端(带无线网卡的电脑)接收无线信号，计算csi数据；
2、每一条链路有30个子载波可以用来表征信道状态信息；
3、用巴特沃斯算法对收集的csi信号做低通滤波，进行去噪；
4、均方差判定算法，计算均方差；
5、利用music算法，计算到达角；
6、统计各个子载波出现的值的概率；
7、使用卡方检验，检验各个子载波的吻合度；
8、使用游程检验的方法，检验随机性；
9、计算火情发生的可能性是否超过报警的阈值；
10、如果有火情发生，发出警报，如警报没有被及时关闭，则发短信通知屋主。
本例所述第二阈值范围优选为0.6，也可以根据实际情况进行自定义选择和调整。
更为具体的，本例所述csi数据获取模块包括：
感应单元，用于初始化信道状态数据，并收集csi数据，每一个csi数据都是一个链路数×子载波数的矩阵；
过滤单元，利用巴特沃斯算法对信道状态数据进行去除高斯白噪声的影响。
本例所述数据处理模块用于对每一个空间流求取在同一时间点上的30个连续子载波的csi数据的平均值，将此平均值作为信道状态数据；具体包括：
数据特征计算单元，用于对csi数据提取特征，所述提取特征包括对csi数据进行均方差判定、统计概率、计算到达角、计算卡方检验和计算游程检验；
第一异常输出单元，对上述数据进行人活动干扰可能性的计算，判断是否在限定的第一阈值范围内，由此判断室内是否存在人的活动或者非稳定因素的干扰；
第二异常输出单元，对上述数据进行火情可能性的计算，通过是否在限定的第二阈值范围内，由此判断室内有没有着火。
本例所述数据特征计算单元用于对csi数据提取特征，分为五个步骤：
步骤一、对csi数据中，计算每个子载波在单位时间段内的均值和均方差，判断均方差是否在第一阈值范围内，如果超出第一阈值范围，判定当前环境存在人的活动或者其他非稳定因素干扰，则等待人的离开或者环境恢复稳定状态，再进行下一步特征提取；
步骤二、计算每个子载波的数值进行概率统计，并计算数值间的转移概率；
步骤三、利用music算法，计算多径的到达角，判断信号是否在原本的路径上发生改变，如果存在改变，则有可能有火情产生的可能；
步骤四、使用卡方检验，检验各个子载波的吻合度，如果大部分都不是吻合的，则有可能有火情产生的可能；
步骤五、使用游程检验的方法，检验随机性。
本例所述火情判断模块包括火情判断单元，对上述数据进行可能性的计算，通过是否在限定的第二阈值范围内，由此判断室内有没有着火。
本例所述报警模块包括报警单元，发出火情警报信号并且通知屋主后，如果警报没有及时响应或者消除，进而会向警方发送求助信号。
本例所述反馈修正模块中，保存有所有的相关参数的可行解，通过当前csi数据对相关参数的值进行调整，并且缩小其可行解的组合以增加精确度，所述相关参数包括tcodition1、tcodition2、tcodition3、pcodition3以及δalarm，本例所述相关参数简称参数。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。