[发明专利]一种基于证据距离和不确定度的冲突数据融合方法

说明书

技术领域

本发明属于无线传感器技术领域，涉及一种基于证据距离和不确定度的冲突数据融合方法。

背景技术

无线传感器网络(Wireless SensorNetworks，WSN)是由传感器技术、数据感知技术与网络通信技术构成的一种新的领域，能够对网络覆盖区域内感知到的目标进行监控，实时采集目标数据，经过本地传感器的分析处理之后，将本地处理后的数据发送到决策中心进行处理、判决。传感器网络被认为是近年来最重要的技术之一，为现实世界和虚拟世界之间搭建了一座桥梁，给数据的感知、获取以及数据处理技术带来巨大的变革，广泛应用于军事领域、环境监控、医疗卫生、灾害监测等领域。

随着传感器网络中部署的传感器数量和种类也都在快速增加，所感知到的数据量以及数据种类也相应地在不断增加，无线传感器网络中的传输带宽和能耗的缺陷以及数据的不确定性、冲突性等问题日益明显。从20世纪70年代起，一个新兴的学科—多传感器(或多源)信息融合(MultisensorDataFusion-MSDF，orMultisensorInformationFusion-MSIF)迅速的发展起来，并在现代C4ISR(Command、Control、Communication、Computer、Intelligence、Surveillance、Reconnaissance)系统中和各种武器平台上以及许多民事领域得到了广泛的应用。多源数据融合技术，又称为多传感信息融合技术，充分利用多传感器节点采集到的数据信息，通过相应的优化准则，将多类异构、冗余、不完整、不确定等特性的数据组合起来得到更加有效信息，最后对观测目标进行更加准确的描述以及一致性解释，提高整个系统决策的精确性。通过多源数据融合技术对目标数据进行分析、处理获得的有用信息比单源数据处理技术处理得到的数据能够更加全面、准确的描述观测事物。

证据理论，又称为信度函数理论(Belief Function Theory)或者D-S证据理论(Dempster-ShaferEvidence Theory)。D-S证据理论，首先由Dempster提出，之后由Shafer改进，发展成为一套完整的数学理论体系。证据理论能够很好的对不确定、不精确、模糊的相互独立的信息进行数学建模；信度函数构建方法灵活，适用于多种数据融合的问题。大量的研究证明，基于D-S证据理论的多源数据融合算法拥有更加优秀的性能以及灵活性。因此，研究证据理论在无线传感器上的应用有极其重要价值和意义。

但是，由于多源数据融合是对来自多个数据源的数据进行处理，因此无线传感器网络收集的数据可能与其它传感器收集到的数据高度冲突。当证据理论在处理此类冲突数据时，会出现“悖论”、“一票否决”等问题。因此，如何处理无线传感器网络中数据冲突的问题是不可避免的。

发明内容

有鉴于此，本发明的目的在于提供一种基于证据距离和不确定度的冲突数据融合方法。考虑证据之间的相互支持度，通过证据距离度量证据之间的冲突度，将证据划分为两类：可信证据与不可信证据，可信证据之间相互支持度较高，可靠性也较高。因此，在最后的融合过程中，将分配到一个较高的权重，对最后的融合结果影响较大。相反，不可信证据与其它证据的冲突较大，将分配较低的权重，对最后的融合结果的影响也较小。但是仅仅考虑证据之间的相互支持度还是不够的，并不能够很好的对冲突数据进行合理的信度分配。因此，本方法还考虑了证据本身的不确定度，并运用信度熵对其进行量化，证据的不确定度越低，则表明证据更加可靠且与其它证据的冲突也越小，对最后的影响相应的则也较大。结合两者计算得出每个证据源的权重，并对原始证据的BBA进行修正，在对修正后的BBA进行融合，最后推导出详细的融合过程。

为达到上述目的，本发明提供如下技术方案：

一种基于证据距离和不确定度的冲突数据融合方法，包括以下步骤：

S1：设有n个证据m,i＝1,...,n，对于证据的预处理过程为：

其中，w_i是证据m_i对应的权重，w_im_i是m_i的折扣，m是原证据的加权平均证据；这n个证据是所有获得焦元的平均加权；通过证据距离以及证据本身的不确定性来构建合适的权重；