[发明专利]基于对数函数衡量证据冲突的融合方法

说明书

本发明公开了一种基于对数函数衡量证据冲突的融合方法，包括如下步骤：多个传感器测量信息转换为证据信息，根据证据之间焦元基本概率赋值函数的关系定义对数形式的差异性因子，采用Einstein算子计算证据之间的冲突系数；并通过求解的权重系数对融合证据进行修正，借鉴Murphy方法思想对干扰证据进行再次修正，最后采用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。本发明综合考虑证据之间单子集焦元、非单子集焦元基本概率赋值的差异性和证据之间的相关性，共同衡量证据之间的冲突程度，通过融合证据的权重系数判断出干扰证据，对干扰证据进行再次修正，并考虑了融合证据的相关性，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，尤其涉及一种基于对数函数衡量证据冲突的融合方法。

背景技术

传感器技术的迅速发展为多源信息融合技术提供了硬件支持，使得多源信息融合技术在军事领域和民用领域得到了广泛应用，并成为了国内外信息融合领域相关学者的研究热点之一。多源信息融合技术对来自多源的数据和信息进行组合和综合的处理，以期得到比单一信息源更精确、更可靠的估计或推理决策，扩展了时间和空间上的观测范围，增强了数据的可信度，提高了决策系统的鲁棒性。在我国<<国家中长期科学和技术发展规划纲要(2006-2020年)>>中，多传感信息融合被列为信息科学、军民两用的前沿技术与重大专项中的研究内容，成为进一步推动信息科学发展和应用必须面对的重点研究课题。多源信息融合方法主要包括像素级融合方法、特征级融合方法和决策级融合方法等三种方法。决策级融合方法主要包括贝叶斯概率推理方法和Dempster-Shafer(D-S)证据理论等。D-S证据理论以Dempster组合规则为核心，满足比贝叶斯概率理论更弱的条件，具有表达“不确定”和“不知道”的能力，因此，证据理论以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，在目标识别和图像处理等领域获得了广泛的应用。但在实际的多传感器系统应用中，由于传感器精度、系统组成各个环节、外部环境的干扰以及人为因素等影响，导致其输出识别的目标信息常常表现为不完整、不精确、模糊性、随机性甚至可能存在着冲突或矛盾的信息，因此，所有的融合方法必须面临着处理传感器获取的各种不确定性信息的问题。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。在传感器获取信息高度冲突的情况下，若直接采用Dempster组合规则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对数函数衡量证据冲突的融合方法，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：

基于对数函数衡量证据冲突的融合方法，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、通过下述公式计算差异性因子，得到任意第i个证据向量m_i和第j个证据向量m_j之间的差异性因子df(m_i,m_j)，式中e为自然常数，M_r表示一个行向量，D_r表示一个列向量；