随着人们对火灾报警系统的要求越来越高,以及嵌入式技术的发展,火灾报警系统和嵌入式技术的结合成为一种必然的趋势。通过嵌入式软件编程,既能实现对现场区域信息更直观、准确的监控,又能提高监控系统的可操作性、稳定性、实时性；通过嵌入式Web技术,既可以实时获取现场火情信息,又为火情信息的集中监控提供有力保障。本文以智能火灾报警系统为研究对象,构造一个基于ARM9微处理器和嵌入式Linux操作系统的嵌入式平台,在该平台上通过Qt嵌入式软件技术实现温度的区域监控,通过嵌入式Web技术实现温度的远程集中监控,此外,本文还对用于火情信息判断的算法进行研究。本文主要的研究工作具体包括以下几个部分：1.研究用于火情信息判断的神经网络集成Adaboost.RT算法和支持向量回归SVR算法。研究Adaboost.RT算法,集成多个BP神经网络,并与单个BP神经网络进行仿真比较和分析。研究支持向量机,将SVR算法应用于火情预测中,并通过数据进行仿真分析。2.编写DS18B20驱动程序。分析DS18B20温度传感器的温度采集原理以及控制方法,学习字符设备驱动程序的编写方法,然后编写DS18B20驱动程序,并将驱动程序编译进Linux2.6.12内核,为上层软件读取现场温度提供接口。3.编写Qt2嵌入式温度监控软件。搭建Qt2程序编译环境并编写温度监控程序,移植SQLite嵌入式数据库到嵌入式Linux平台。4.搭建Web网络远程监控系统。移植Boa嵌入式Web服务器,制作用户登录和温度数据显示等网页,编写CGI程序,通过对SQLite数据库的操作,实现用户登录控制和温度数据显示。5.测试和分析智能火灾报警系统。智能火灾报警系统功能的实现,需要对不同功能模块进行测试,这里主要包括三个部分：DS18B20驱动程序,Qt2温度监控软件,CGI程序和网页。