随着传感器技术、嵌入式开发技术、移动计算技术、上下文感知推理技术等技术的不断成熟与发展,普适计算的研究正迎来研究热潮,普适计算下的智能环境应用也逐渐走出实验室并且得到了越来越多人的关注。如何利用各种智能设备获取生活、工作、公共场所等环境中的原始上下文数据信息,感知当前环境状态,甚至进一步推理判断当前用户意图和动机等复杂上下文信息,从而为用户提供准确、个性化、智能化的服务是智能环境中上下文感知推理研究的关键问题。本文对基于Rete算法的上下文推理引擎进行了深入的研究,并进一步探索了智能环境中基于Rete算法的分布式推理方法。在此基础上,本文有以下几个方面的工作:(1)选用简单高效的键值模型描述产生式推理系统下的智能环境上下文,并根据产生式规则特点将上下文分为原子上下文和复合上下文。引入Rete算法进行上下文推理感知,根据Rete算法的编译推理网络流程,对上下文规则进行规则分解和替换,并最终形成可供推理的Rete网络。另外,针对上下文规则集中可能存在嵌套矛盾的情况,提出了规则集循环嵌套检测算法;针对智能环境中可能出现的存储限制,提出了一种合并专一节点的Rete网络精简方法。(2)使用树形拓扑结构描述智能环境下的传感器网络。讨论了智能环境中Rete网络的部署,分别分析了集中式Rete分布与分布式Rete分布,并给出一种基于传输代价和计算代价的Rete分布代价模型,在此基础上提出了最小传输代价的Rete分布算法。同时,设计了Rete分布对比试验,分别使用集中式Rete分布和最小传输代价Rete分布进行智能环境数据传输仿真。仿真实验结果表明,最小代价的Rete分布具有更小的数据传输量,在规则触发频率低、规则规模较大的情况下尤甚。(3)设计并实现了基于Rete的上下文推理引擎。构造了一个简单的规则集,使用该规则集进行了上下文推理仿真,验证了该引擎的准确性和有效性。