[发明专利]基于证据分类和冲突衡量的加权证据融合方法

说明书

本发明公开了一种基于证据分类和冲突衡量的加权证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，对上述每两个证据进行计算其是否具有一致性；如果有计算一致性冲突系数，如果没有计算非一致性冲突系数；然后共同求解证据的权重系数，通过权重系数对融合的证据进行修正，最后采用采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明方案与传统算法相比，综合考虑证据之间单子集焦元基本概率赋值的差异和证据之间不同焦元交集不为空集部分的支持程度，共同衡量证据之间的冲突程度，在此基础上确定融合证据的权重系数，并对融合证据进行修正，具有重要的理论意义和应用价值。

技术领域

本发明涉及多源信息融合技术领域，尤其涉及一种基于证据分类和冲突衡量的加权证据融合方法。

背景技术

目前，随着计算机技术和信息技术的迅速发展，各种面向复杂应用背景的多传感器信息系统不断涌现，但传感器在感知过程中存在多种不确定因素，因此，系统获取的数据具有不确定和不可靠等诸多特征。为了从多传感器信息中提取实时、有效和准确的信息，用以判定识别目标的属性和特征，就需要对多传感器数据进行有效的信息融合。多源信息融合技术将多种传感器提供在时间或空间上的互补和冗余信息，提高目标识别系统的性能和可靠性，获得对事物更完整、更精确、更可靠的推论。Dempster-Shafer证据理论在不确定信息表示和融合方法等方面的独特优势，为决策级不确定信息的表征和融合提供了强有力的手段，在目标识别、图像处理等领域获得了广泛的应用。但在实际应用中,由于传感器自身的局限性以及监测环境中干扰或人为干扰等因素，导致其输出的识别目标信息可能存在着冲突甚至矛盾的情况。证据理论通常采用冲突系数衡量证据之间的冲突程度，但研究表明冲突系数存在着一些不足，例如两个完全一致的证据，计算证据之间的冲突系数却不为零。另外，在实际应用系统中，采用Dempster组合规则处理高冲突证据融合问题时，往往会得到违背直觉的融合结果，无法进行有效决策，极大地影响了融合系统的决策性能。

发明内容

本发明的目的是提供一种基于证据分类和冲突衡量的加权证据融合方法，能够有效地对识别目标做出正确决策。

本发明采用的技术方案为：

基于证据分类和冲突衡量的加权证据融合方法，包括以下几个步骤：

A、通过获取多个传感器测量信息相对应证据焦元的基本概率赋值，将每一个证据看作一个向量，所述第i个证据的向量用m_i＝(m_i(θ₁),…,m_i(θ_r),…,m_i(θ_k))^T表示，其中i＝1,2,…,n，n为证据向量的总数，k为辨识框架Θ中的焦元个数，r＝1,2,…,k；

B、对上述第i个证据m_i和第j个证据m_j是否为一致证据进行判断：根据m_i中最大的基本概率赋值对应的焦元与证据m_j中最大的基本概率赋值对应的焦元是否为同一焦元来判断，若为同一焦元，则称证据m_i和m_j为一致证据，否则称证据m_i和m_j为非一致证据，其中i,j＝1,2,…,n；i≠j；

C、通过下述公式计算差异性系数，得到任意第i个证据m_i和第j个证据m_j之间的差异性系数d(m_i,m_j)，式中M_i表示一个行向量，D_i表示一个列向量；