据估计,未来全球建筑能耗将逐步增加,其中约一半用于建筑运行时的用电系统,获取建筑内的人员信息是智慧建筑实现建筑节能的首要前提。以超声测距模块为核心传感器的室内人员感知系统的相关研究中,基于传统机器学习的方法需要预先采集大量无人状态的数据和有人状态的数据,需要大量人力物力;而直观对数据进行建模的算法又无法区分办公家具和人,其应用场景被限制在了空白的室内。针对此缺陷,本文设计了以超声测距模块为核心元件的超声阵列测距模块,结合该超声阵列测距模块的测量模型设计了以相似度为核心指标的室内人员感知算法,并为该算法设计了基于概率密度函数的相似度判断方法、基于可靠性函数的相似度判断方法、基于卷积的相似度判断方法三个相似度判断方法,还有均值概率汇总方法、累乘概率汇总方法、动态权重概率汇总方法三个概率汇总方法。该算法首先采集无人状态下的数据建立模型作为参考,然后通过相似度算法来对比样本与模型的相似度,从而判定该样本对应的标签时有人状态还是无人状态。具体地,在数据建模阶段,对无人状态的数据进行特征提取,为超声阵列测距模块中每个超声测距模块建立一个对应的数据分布。在应用检测阶段,当超声阵列测距模块探测到一帧新的样本,将样本里面每个超声测距模块探测到的值,用相似度判断方法来计算这个值属于对应分布的概率,该概率代表了每一个超声测距模块探测探测区域内无人的概率。然后通过概率汇总算法将所有超声测距模块对应的探测探测区域内无人的概率进行汇总,得出一个代表整个超声阵列测距模块的探测区域内无人的概率,最后通过将该概率与设定的阈值比较来判断探测区域内是否有人。实验结果表明,本文设计的相似度判断方法中,基于概率密度函数的相似度判断方法、基于可靠性函数的相似度判断方法、基于卷积的相似度判断方法都有优秀的分类能力,且性能相近;本文设计的概率汇总方法中,均值概率汇总方法均在动态权重概率汇总方法和累乘概率汇总方法上方,取得最优性能。该算法能够实现室内占用情况的有效区分,拓宽了基于超声的室内人员感知的应用场景,为后期的占有率估计奠定了基础。