随着环境污染的问题越来越严重,人们对于环境保护的意识和需求不断地提升。特别是最近,许多地区持续雾霾天气让公众对于大气污染的治理和监测有了更高的要求,许多人已把每天查看PM2.5的值融入了自己的生活。而餐饮企业油烟的排放和监测,是治理大气污染的重要一环,也更好地被我们所认知。因此,如何更加有效的监控餐饮油烟以及实时警报,成为一个重要的研究课题。本论文正是在这样的背景之下,设计了一种基于数据融合的油烟浓度实时监控系统,解决了传统监控系统精度低、误报率高、鲁棒性低等问题,性能具有很大程度的改善。本论文首先介绍了研究课题的提出背景,同时分析了目前国内外对于餐饮油烟浓度监测研究现状及其存在的问题,从而阐述了设计本论文系统的必要性,即研究课题的意义。接着,本系统从实用性角度考虑,在STC51单片机的基础之上,设计硬件系统串联四个相关传感器同时进行监测；从实时性角度考虑,结合GRPS传输模块,将信息及时传送至服务器,并做主要的数据融合工作。然后,本论文对于采集得到的数据进行数据融合处理,并在服务器端利用多种数据融合方法进行性能和实用性比较。系统描述顺序为：系统框架-系统硬件设计-系统软件设计-主要算法阐述-测试结果及性能比较。本系统相对传统在线监控系统而言,最大的区别在于使用多个传感器同时测量,增加采集数据的信息量,然后对数据进行融合判断,提高精确度及增加鲁棒性。本论文中用到的数据融合方法主要包含创新性提出的数据地图快速定位法、BP/SVM神经网络算法等；同时利用D-S证据理论对上述算法进行了有效性验证,进一步加强理论支撑。为了评估本系统的监测性能,我们与环保局合作对餐饮企业进行实地测试,利用多个周期的数据进行数据融合比较。实验分析结果表明,经过数据融合之后的监测结果误差较小、精度大幅度提高；同时,由于利用多传感器,鲁棒性相对传统单一传感器大大提高。因此,本论文设计了一种及时有效、高精度的在线餐饮油烟监控系统,在大气污染防控治理上具备一定的可行性和实用性。