情景感知在体域网上的应用
设计中的情境感知与用户体验
设计中的情境感知与用户体验在当今数字化和智能化的时代，设计已经不再仅仅是关于外观和功能的简单组合，而是更加注重用户在特定情境下的体验。
情境感知作为一种新兴的设计理念，正逐渐成为提升用户体验的关键因素。
情境感知，简单来说，就是指设计能够感知和理解用户所处的环境、状态和需求，并根据这些信息做出相应的反应和调整。
这种感知不仅仅局限于物理环境，还包括用户的心理状态、社交背景、文化习惯等多个方面。
通过对这些情境因素的准确把握，设计可以更好地满足用户的期望，提供更加个性化、贴心和高效的服务。
想象一下这样一个场景：你在一个陌生的城市旅行，手机上的地图应用不仅能够根据你的当前位置为你导航，还能根据实时的交通状况为你推荐最佳的路线，并且在你接近目的地时，自动为你推送周边的美食、住宿和娱乐信息。
这就是情境感知在实际应用中的一个典型例子。
它通过对用户所处的地理位置、时间、出行方式等情境因素的感知，为用户提供了超出预期的便利和价值。
在产品设计中，情境感知的应用可以极大地提升用户体验。
以智能家居为例，智能照明系统可以根据室内的光线强度和用户的活动模式自动调节灯光亮度和颜色，创造出舒适的照明环境；智能温控系统可以根据室内外的温度、湿度以及用户的日常作息习惯，自动调整室内温度，让用户始终处于舒适的环境中。
这些智能设备通过对情境的感知和响应，不仅为用户节省了操作的时间和精力，还能更好地满足用户对于舒适和便捷的需求。
在用户界面设计中，情境感知同样具有重要的意义。
例如，当用户在户外强光下使用手机时，界面会自动调整亮度和对比度，以确保用户能够清晰地看到屏幕内容；当用户在嘈杂的环境中接听电话时，手机会自动增强听筒音量，并提供语音转文字的功能，方便用户获取信息。
此外，一些应用还会根据用户的使用习惯和历史数据，智能地推荐相关的内容和功能，提高用户的操作效率和满意度。
然而，要实现有效的情境感知设计并非易事。
首先，设计师需要深入了解用户的需求和行为模式，这需要进行大量的用户研究和数据分析。
Wi-Fi信号下的室内情景感知技术研究
Wi-Fi信号下的室内情景感知技术探究近年来，随着智能手机、物联网和无线通信技术的快速进步，人们对于室内定位和场景感知的需求越来越迫切。
在室内环境中，由于GPS无法提供准确的信号定位，传统的无线定位方法也受限于无线信号的传播性能，导致室内的定位和场景感知存在较大的局限性。
而Wi-Fi技术在室内应用广泛，并具有较高的遮盖范围和传输速率，因此成为一种抱负的室内定位和场景感知的解决方案。
Wi-Fi信号下的室内情景感知技术是一种基于无线信号的环境分析方法，它通过分析Wi-Fi信号在室内环境中的传播特性，实现对室内场景的可感知和定位。
一般来说，这种技术主要包含两个方面的探究内容：信号强度定位和信号特征识别。
起首，信号强度定位是基于Wi-Fi信号强度的定位方法。
在室内环境中，Wi-Fi信号的强度会随着距离的增加而衰减，因此可以通过测量Wi-Fi信号的强度来猜测挪动设备相对于Wi-Fi接入点的位置。
这种方法通常接受指纹定位法，即事先收集一系列Wi-Fi信号强度和设备位置的数据，建立起一个信号强度与位置的对应干系模型。
当需要进行定位时，通过测量实时的Wi-Fi信号强度，将其与模型进行匹配，猜测出设备的位置。
这种方法不仅可以实现较高精度的定位，而且可以适应室内场景的变化。
其次，信号特征识别是基于Wi-Fi信号特征的场景感知方法。
在室内环境中，Wi-Fi信号的传播会受到墙壁、家具等物体的阻挡和干扰，导致信号特征的变化。
通过分析Wi-Fi信号的频谱、相位、时延等特征，可以识别出室内物体的位置、外形、材料等信息，从而实现对室内场景的感知。
例如，可以利用信号的多径传播特性，通过比较不同路径上的信号强度差异，猜测出室内物体的位置；又或者通过分析信号的频谱，识别出室内物体的材料，如木质、金属等。
通过这些特征，可以在室内环境中实现人员和物品的定位、监测及管理。
然而，Wi-Fi信号下的室内情景感知技术也存在一些挑战和问题。
起首，由于室内环境的复杂性和多样性，Wi-Fi信号的传播受到多种因素的影响，包括墙壁材料、家具布局、人体等，这些因素会导致信号的衰减和干扰，影响定位和场景感知的精度和可靠性。
第九讲无线移动网络的应用——情景感知
7
Copyright ©2009 ZHAOTong&YAN Wei.
Context-aware计算分类(2/3)
根据context-aware特性的分类
Context感知（测量上下文参数） Context自适应 context资源发现 context增强（把数字数据和用户的context关联）
12
Copyright ©2009 ZHAOTong&YAN Wei.
自适应手机与数字助理（Adaptive GSM phone/PDA）
自适应context
使用PDA时 根据用户的行为调整字体大小和显示亮度（如，运动时字体要 大，静止时字体要小） 使用Phone时 根据所处的环境调整音量大小或振动强度
context分类
主动(active) 影响应用程序的行为 被动(passive) 相关但不重要
上下文的主动与被 动取决于在应用中 的具体使用。
所有的这些信息都可以获得吗？
温度？位置？附近的人？社会状况？
6
Copyright ©2009 ZHAOTong&YAN Wei.
使计算消失
3 Copyright ©2009 ZHAOTong&YAN Wei.
Context Aware计算
Context感知计算
发现和利用context信息的移动应用 是普适计算的第一步
context信息
用户配置、位置、温度、附近的人、附近的设备…
10
Copyright ©2009 ZHAOTong&YAN Wei.
呼叫转接（Call Forwarding）
系统特点
多感知模式情景感知技术在智慧城市中的应用研究
多感知模式情景感知技术在智慧城市中的应用研究智慧城市的建设旨在通过信息技术的应用，实现城市资源的高效管理和优化利用，提升城市的生态环境和居民的生活质量。
为了实现这一目标，随着技术的不断发展，多感知模式情景感知技术成为了智慧城市中的重要组成部分。
本文将探讨多感知模式情景感知技术在智慧城市中的应用研究。
首先，我们来了解一下多感知模式情景感知技术的定义和特点。
多感知模式情景感知技术是一种利用多种传感器和感知技术，对城市环境进行全方位的感知和监测的技术。
通过收集城市中各种感知数据，如温度、湿度、噪音、空气质量等，结合人工智能和大数据分析技术，实现对城市环境的全景感知。
这种技术具有高精度、高效率的特点，能够及时掌握城市的各项指标，为城市管理和决策提供科学依据。
多感知模式情景感知技术可应用于智慧城市的多个领域。
首先是交通领域。
利用这种技术，可以对交通密集区域的实时交通状态进行感知，包括车辆流量、拥堵程度以及交通事故等。
基于这些数据，可以实现交通信号灯的智能优化控制，以及为驾驶员提供实时的交通导航和路线规划。
此外，多感知模式情景感知技术还可以用于智慧停车系统的建设，通过感知停车位的占用情况，实现停车位的智能派发和引导，提高城市停车资源的利用率。
其次，多感知模式情景感知技术在环境领域也有广泛的应用。
通过感知环境中的温度、湿度、空气质量等指标，可以实现对城市环境的全面监测和评估。
基于这些数据，可以制定出相应的环境保护和改善措施，例如减少污染物排放、优化绿化布局等。
此外，利用多感知模式情景感知技术，还可以实现对城市噪音污染的感知和管理，通过智能分析和控制手段，减少噪音对居民生活的影响，提升城市的居住环境。
另外，多感知模式情景感知技术在安全领域也具有重要作用。
通过感知城市中的人员活动和异常行为，可以实现对不规则的事件和突发状况的感知和预警。
例如，感知城市中的人员聚集情况和人员流动情况，可以及时察觉潜在的安全隐患，提前采取相应的措施，确保城市的安全和秩序。
情境感知服务应用论文
浅谈情境感知服务与应用摘要随着云计算和物联网等新型的计算机技术飞速发展，情景感知服务已广泛应用于现代服务中。
本文就情景感知服务的体系架构、关键技术和面向服务的架构等方面进行了探讨，最后进行了总结。
关键词情境感知服务物联网云计算面向服务的架构一、引言情景感知服务如今广泛应用与现代服务的各个行业中，如智能家居、智慧城市、智能交通、智能旅游等，为人类的生产生活及工作带来便利，实现生活和工作智能化和智慧化。
本文选取了情景感知服务的几个方面：体系架构、关键技术和面向服务的架构等进行了深入的探讨与分析。
二、情境感知的概念及定义（一）情境定义情境是指能够表征一个实体的活动的信息[1]。
情境信息包括与系统功能和用户行为密切相关的各种信息，例如用户的基本资料、位置、时间、自然环境、计算环境等。
通过情境信息可以对当前所进行的活动给出一个综合判断。
（二）情境感知服务定义根据服务对象所处情境的变化来为其提供准确的服务。
过程包括：（1）通过传感器采集/感知被服务对象的情境信息；（2）根据情境信息分析判断被服务对象当前的状况；（3）选择并提供适当的业务服务。
三、情境感知体系架构情境感知服务体系结构通常由：传感器层、情境感知引擎、存储库和业务服务层四个部分组成的：（一）传感器层在传感层中，一般包含了各种的情境信息组织。
这些情境信息的来源可以是硬件和软件系统，也可以是指人（信息的使用者）。
（二）情境感知引擎是情境感知引擎框架的核心，包括设备信息访问接口、轮询器、推理引擎、调用控制器和安全质量管理。
（三）存储库它用于存储情境感知引擎所使到的情境信息模型、推理规则、配置模型和业务服务接口。
（四）业务服务层在框架的这层中，它可以为信息使用者提供各种业务服务。
它可以是万维网可以是万维网服务构成的，还可以是现实生活中的实体服务，如报警、医疗服务等。
情境感知服务系统的执行步骤通常经过三个阶段来完成：对情境信息的采集、对情境信息的推理和进行业务服务的调用。
视觉感知在体育训练中的应用与效果评估
视觉感知在体育训练中的应用与效果评估视觉感知在体育训练中的应用与效果评估视觉感知是人类感知系统中最为重要的一种感知方式，它在体育训练中扮演着至关重要的角色。
视觉感知不仅能够帮助运动员更好地掌握自己的身体动作和空间位置，还能够帮助他们更准确地感知到对手的动作和意图。
因此，在体育训练中，运用视觉感知来提高运动员的技术水平和竞技能力具有重要意义。
首先，视觉感知在体育训练中的应用有助于提高运动员的技术水平。
通过视觉感知，运动员能够更好地掌握自己的身体动作，从而更准确地完成各项技术动作。
例如，在足球训练中，通过观察和感知队友和对手的位置和动作，运动员可以更好地选择传球、射门的时机和方向，从而提高比赛中的得分率和胜率。
而在篮球训练中，通过观察和感知对手的防守动作和意图，运动员可以更好地选择运球和投篮的位置和方式，从而提高比赛中的得分效果和整体竞技水平。
其次，视觉感知在体育训练中的应用还有助于提高运动员的竞技能力。
通过视觉感知，运动员能够更准确地感知到对手的动作和意图，并做出更快速、更准确的反应。
例如，在网球比赛中，通过观察和感知对手的发球动作和球的轨迹，运动员可以更快速地做出反应，并更准确地回球，从而提高比赛中的得分率和胜率。
而在拳击比赛中，通过观察和感知对手的出拳动作和意图，运动员可以更快速地躲避和还击，从而提高比赛中的防守和进攻效果。
针对视觉感知在体育训练中的应用效果，可以通过效果评估来进行评估。
效果评估可以通过定量和定性的方法进行。
定量方面，可以通过运动员的成绩和比赛数据来评估视觉感知对技术水平和竞技能力的影响。
例如，在足球训练中，可以观察运动员的传球成功率、射门命中率以及比赛胜率来评估视觉感知对技术水平的影响。
而在篮球训练中，可以观察运动员的得分效果、助攻次数以及比赛胜率来评估视觉感知对竞技能力的影响。
定性方面，可以通过运动员的感受和反馈来评估视觉感知对其训练效果的影响。
例如，可以通过问卷调查和面试等方式了解运动员对视觉感知训练的认知和评价，从而评估其对训练效果的感知和认可程度。
情境感知的描述框架归纳-概述说明以及解释
情境感知的描述框架归纳-概述说明以及解释1.引言1.1 概述情境感知是指个体通过感知周围环境的各种信息，对环境进行主观认识和意义构建的过程。
随着智能科技的快速发展，情境感知在人工智能、无人驾驶、智慧城市等领域扮演着重要角色。
本文旨在从描述框架的角度对情境感知进行系统归纳，探讨情境感知的定义、重要性，以及在不同领域的应用情况。
通过对情境感知的综合分析，我们可以更加深入地理解情境感知的本质与作用，为未来情境感知技术的发展提供参考和指导。
1.2 文章结构本文主要包括三个部分：引言、正文和结论。
在引言部分中，将给出对情境感知的概述，说明本文的结构和目的。
在正文部分，将详细介绍情境感知的定义、重要性和应用领域。
最后，在结论部分将对情境感知的描述框架进行总结，展望未来的发展，并提出结论和建议。
通过这样的结构安排，读者可以清晰地了解本文的内容框架，逐步深入了解情境感知的概念、意义和应用，最终得出对情境感知的全面认识。
1.3 目的情境感知是一种重要的人工智能技术，它可以帮助计算机更好地理解和适应不同的环境。
本文旨在归纳和描述情境感知的描述框架，以便读者更好地理解这一技术。
通过探讨情境感知的定义、重要性和应用领域，我们希望能够为相关领域的研究者和开发者提供一个清晰的指导，帮助他们更好地应用情境感知技术。
另外，本文还将展望情境感知技术的未来发展方向，为读者描绘一个充满潜力和机遇的前景。
最终，通过总结情境感知的描述框架，我们将为读者提供一些结论和建议，以期促进这一领域的进一步发展和创新。
2.正文2.1 情境感知的定义情境感知是指个体或系统通过感知周围环境的信息，理解和判断所处的情境并做出相应的反应。
情境感知的过程涉及感知、理解和决策三个关键环节，通过收集和分析来自环境的信息，个体或系统能够快速准确地捕捉到周围情境的特征和变化，从而作出适当的决策和行动。
情境感知的定义不仅包括对静态情境的感知，还包括对动态情境的实时感知和跟踪。
无线移动网络应用_情景感知
29
三层体系结构
30
模型的建立与更新
ˆ 态和动态的物体 静 • € 态物体的状态需要更新：— 如键盘的使用、以及CPU负 动 例
载等
ˆ 类资源监控 三 • € 算机活动，例如：键盘的使用 计
• € 算机的资源，例如：CPU负载、内存消耗 计 • € 络资源，例如：两点间的带宽和延迟 网
无线移动网络的应用 —情景感知
主讲人：林树地
1
情景感知计算概述
1. “情景”的定义 2. 情景感知的应用
3. 如何感知情景 4. 情景信息的建模 5. 案例分析
2
一.情景(Context)定义
3
情景
情景（上下文）是指一组由周围环境状态或设置 所构成的集合，它或者决定一个应用的行为，或 者触发用户感兴趣的应用事件。 分类
12
小结
ˆ 置是最主要使用的环境信息 位 • € 动应用的自然结果？ 移 • € 他context信息价值不大？ 其 • € 他context信息难以获得？ 其 • € 少想象力？ 缺 ˆ 有“杀手级”的应用（Killer App） 没 • € 是“小发明”，只利用了一小部分context信息 都 • € 要继续去发现… 需
五.案例分析
ˆ 统组成 系 • € 位系统 定
• • • • 数 € 据模型 持 € 久分布式对象模型 资 € 源监控 空 € 间监控
ˆ 用：心灵传输/跟随计算 应 • € 户在建筑中移动的时候，应用程序始终跟随运行 用
• € 个应用构架 一
24
1.定位系统
ˆ 精细度（空间准确性） 高
ˆ 问题
• 给定对象，获得其位置 €
• € 定位置，获得该处的对象集合 给
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
情景感知在体域网上的应用一、体域网研究综述。
作为无线传感器网络(wireless sensor networks ,WSN)的一个分支和在生物医疗等领域内的应用,体域网( body sensor network , BSN) 是一种重要的公众应用网络，并在远程医疗保健、特殊人群监护和社区医疗等服务领域有着巨大的应用意义和需求，并日渐成为研究和应用的热点。
首先，随着全世界老龄化人口的不断增加，由于医疗资源(预算支出、医生、护士和病床等)相对不足,使得医疗保健系统的发展成为全球需求。
其次，中国作为13亿人口的大国，对于能够切实解决广大社区(特别是偏远山区)看病难、看病贵的BSN 技术更是需求迫切。
此外，传统的医疗方法多为病发后治疗，不能很好地作到预防和实时诊疗，而BSN 代表的新技术则能通过对已有生理参数数据的分类学习对实时信号或数据进行分析从而对发病进行预警，或在发病时采取及时的报警，并将发病过程中重要的生理信息保存下来，以供后续的诊断治疗。
BSN 技术不仅用于医疗保健、健康恢复和助老助残方面，应用的领域还可扩展到娱乐业(如动漫产业、舞蹈设计和训练)、体育运动(如击剑教学模拟及分析)、其他工业(如汽车发动机和机床的状态监控及故障检测)，甚至是军事领域(如战士生理状态监控及救助)和社会公共领域(如大规模突发事件的监控和心理救助等)。
当前，BSN 仍处在初级发展阶段，多数研究都集中在建立系统架构和服务平台上，仍面临诸多关键技术挑战，在用于减少冗余并获得特征和决策的数据融合方面，包括轻量级数据融合算法的设计及实现和生理信号的实时处理等；在用于提高识别精度和实现自动感知的情景感知方面,包括上下文计算、环境感知及监控和特征提取及降维技术等;在用于防止入侵的数据安全和隐私数据保护方面,包括数据安全协议、数据加密算法设计及隐私保护机制等;在用于搭建BSN 应用的系统技术方面,包括低能耗的无线通信、身体上及身体周围的无线传输、体上传感器节点的可穿戴性、传感器(特别是植入体内)的尺寸大小及低能耗问题等。
这些关键技术都是构建完整BSN 系统所必须涉及到的,不仅有研究价值,还具有重要的实际应用价值。
已有的研究综述分别就BSN 的生物传感器设计和自动感知、无线通信架构、情景感知、医疗保健领域的发展趋势、数据安全和无缝系统整合技术给出了充分讨论.本文将着重在数据融合、情景感知和系统技术方面总结BSN 领域的技术挑战、最新进展和发展趋势,还就BSN 系统架构展开讨论。
体域网(wireless body sensor network , WBSN或BSN)是基于无线传感器网络(WSN)的,人体上的生理参数收集传感器或移植到人体内的生物传感器共同形成的一个无线网络,它不仅是一种新的普适医疗保健、疾病监控和预防的解决方案,还是物联网( Internet of t hings)的重要感知及组成部分.其目的是提供一个集成硬件、软件和无线通信技术的泛在计算平台,并为普适的健康医疗监控系统的未来发展提供必备的条件.它特别强调可穿戴或可植入生物传感器的尺寸大小及它们之间的低能耗无线通信.这些传感器节点能够采集身体重要的生理信号(如温度、血糖,血压和心电信号等) 、人体活动或动作信号以及人体所在环境信息,处理这些信号/信息并将它们传输到身体外部附近的本地基站。
BSN还有其他的称呼,分别是生物医疗传感器网络和无线体域传感网。
根据相对于人体所在位置可将BSN 中传感器节点分为3 类:1.可植入体内的传感器节点,包括可植入的生物传感器和可吸入的传感器(如摄像药丸);2.可穿戴在身体上的传感器节点,如葡萄糖传感器、非入侵血压传感器、血氧饱和度传感器和温度传感器等;3.在身体周围并距离身体很(较)近的用于识别人体活动或行为的周围环境节点。
在以上分类的基础上，根据传感器节点的监控/检测目标,可将BSN 网络分为:1.仅包含第1类传感器节点的植入式BSN网络(implanted BSN);2.仅包含第2类传感器节点的可穿戴式BSN(wearable BSN);3.以上3 类传感器节点任意组合的混合式BSN ( hybrid BSN)。
BSN 中传感器节点(或设备)所要监控的人体(生理)信号分为3 类:1.连续型时变生理信号，一般为各种波形居多,如肌电图和脉搏波等,对应的传感器(设备)包括脑电图扫描仪、视觉传感器、听觉传感器、心动电流仪、心电图仪、PVDF 压电脉象传感器、心脏起搏器和吸入式药丸摄像机;2.离散型时变生理信号,如体温、血压和血氧饱和度等生理参数值,对应的传感器(设备) 包括吸入式药丸温度测量仪、胰岛素泵、肺功能传感器、葡萄糖检测传感器、出汗量检测传感器、指环式心率感知器、血氧饱和度传感器、体温传感器、非入侵血压监测仪和脉搏率检测传感器;3.人体活动及动作信号,用于监控病人的日常活动或人体活动,对应的传感器(设备)包括人体活动传感器、加速度传感器、动作传感器、耳戴式活动识别传感器和螺旋仪。
二、情景感知在体域网上初步认识1. 情景感知由于情景感知能够解释来自于BSN 中的物理信号和生物化学信号,对外界不同事件作出决策以及调整自身的监控行为，因此已成为在实现健康保健监控BSN 应用系统中不可或缺的一部分BSN 中情景感知的重要性还在于将用户生理活动和周围环境信息结合起来以形成被感知的信号,这种情景信息可以被用在普适医疗、特别是用于精确病情检测。
最后,情景感知能让BSN 中的一些数据处理以低能耗方式在本地的资源受限的传感器节点上执行，从而让整个网络的能耗和通信带宽最小化情景是能够描述当前实体情况的任何信息，这里实体可以是一个人、地方或者是物理对象。
情景感知(context2aware sensing , CAS)能被定义为探知或监测用户的内部或外部状态。
情景感知计算(context aware comp uting , CAC)描述了一个可穿戴可移动的、传感器能够感知到用户状态和周围环境、并在任务中利用这些信息来改变其行为的计算。
.情景信息可以是周围传感器获得的信息也可以是身体活动信息,还可以是血压、周围环境温度、体温或大脑活动等。
情景感知技术就是利用这些情景信息来检测或监控目标生理参数(如ECG)是否出现异常2. 情景感知的系统结构分析传感器采集到的信息种类繁多而不同的应用需要的信息处理方法也各不相同而这些方法对系统结构的需求也不同现有研究中有两种常见的情景感知系统结构直接访问传感器和基于中间件技术直接访问传感器的方法经常用于内嵌传感器的设备应用程序直接从传感器中获取所需信息传感器与应用是一种紧耦合关系以往的无线传感器网络ＷＳＮ都是一些小规模的应用传感器种类及数量都比较少采用直接访问传感器的方法就可以满足其需要，但对于物联网来说随着规模的扩大及应用的增多，采用紧耦合的方式会造成感知系统的复杂化限制了系统的灵活性及可扩展性，本文对此不作详细介绍。
基于中间件的结构是在情景感知系统中引入一种分层结构。
它位于下层传感器与上层应用之间，该层向上屏蔽底层传感器操作细节，提供统一的信息访问接口，向下驱动物理或逻辑的传感器进行信息采集，通过中间件技术，构建应用程序与传感数据源的桥梁，集成情景信息建模处理等共性功能模块，简化了物联网情景感知应用程序的开发同时增强了系统的可扩展性。
中间件在系统中的位置如图1所示图1 中间件在系统中的位置中间件技术源于软件行业，可用来解决多种硬件系统平台的异构问题，中间件是位于平台。
硬件和操作系统，和应用之间的通用服务，这些服务能够满足大量应用的需要，能够运行在多种硬件平台上。
且支持各类标准协议接口，物联网具有海量信息的特性而情景感知应用又要求中间件具有情景信息处理的能力。
因此，传统的中间件技术无法满足物联网的要求，需要新的支撑技术，根据本文的描述物联网的中间件要实现的功能至少还应该包括上面提到的情景信息建模处理和存储管理，已有的情景感知中间件包括Combra、Gaia、Context Toolkit、Camus Camido。
Context Toolkit是美国乔治亚理工学院提出并实现的个支持产生情景感知应用程序的中间件,上下文信息的计和管理分布在用户的设备上进行,上下文感知应用请求用设备获取相关的上下文主要包含3类对象Widgets 服务器和解释器。
Context Toolkit架构中，传感器被抽象为Widgets对上层应用提供统一的数据接口服务器和解释器则装了情景信息的分析处理过程但它采用的是面向特定对的信息建模方法，缺乏情景信息的共享，有一定的局限性。
Gaia是由伊利诺斯州立大学Mauel Roman等开发的普适计算中间件Ｇａｉａ类似传统操作系统。
其实Gaia也将传统操作系统认为是特殊的智能空间，它将物理空间及其包含的实体等定义为智能空间。
智能空间内部的普适计算软件环境由Gaia核心Gaia应用程序框架和应用程序组成。
它采用集中模式，即情景信息的计算和管理集中在一台服务器进行应用请求服务器获取相关情景信息。
在以海量信息为特征的物联网环境下集中模式是系统扩展的瓶颈Gaia提供对不确定情景信息进行推理的能力。
支持贝叶斯网络推理机制Gaia结构如图2所示其中Context Provider是底层各种物理和逻辑传感器负责情景信息的采集Context Synthesizer对获得的信息进行融合并推理出高层情景信息Context Consumers由高层的情景信息决定采取相应的行动Context Provideer Lookup Service管理上下文提供者Context History。
Service提供历史上下文存储服务Ontology Servicer维护存储情景信息的本体。
图2 Gaia结构图物联网最基本的组成部分是传感器，不同于传统的传感网。
物联网是个大的网络其中的传感器数量巨大且种类繁多。
同时传感器自身故障及网络传输问题导致信息空缺及噪声数据多传感器协同感知不可避免会出现大量冗余和不确定信息。
传感器有效管理和数据预处理是情景感知能否高效实现的关键。
如何管理海量动态的传感器以及如何处理海量的不确定信息是物联网的重点。
物联网情景感知系统应当重点考虑，此外，传统的多传感器协同感知应用处理的仅为传感器采集的感知信息，物联网情景感知应用不仅处理传感器感知信息。
还包括用户个性信息。
如用户习惯，日程表，并注重用户反馈。
目前的支持情景感知的中间件基于传统的传感网，缺乏上述相应管理，如前面提到的几种中间件系统有其优势。
但在物联网环境下也存在局限性，参考上面提到的几种系统结构，本文提出的情景感知系统结构如图3所示系统使用本体建模实现了情景信息的共享解决了Gaia存在的局限性。
结构采取Cobra的多Agent结构，均衡系统负载，较Cobra增加了底层传感器管理模块等。