[发明专利]基于算术平均贴近度的冲突证据融合方法

说明书

本发明公开了一种基于算术平均贴近度的冲突证据融合方法，包括如下步骤：获取多个传感器测量信息根据实际应用场景选择合适的方法获取证据的BPA，并转换为证据信息，引入模糊理论中算术平均贴近度概念度量证据对同一焦元的相互支持程度，利用证据之间的算术平均贴近度计算融合证据的权重系数；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。本发明引入模糊数学中的算术平均贴近度方法，利用证据中同一焦元的基本概率赋值的算术平均贴近度衡量各证据对同一命题的相互支持程度，并对证据进行修正后采用Dempster组合规则对修正后的证据进行逐个融合，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，尤其涉及一种基于算术平均 贴近度的冲突证据融合方法。

背景技术

随着面向复杂应用背景的多传感器系统的不断涌现，由于传感 器系统中提供信息的多样性、信息容量大以及信息处理速度等已远远 高于人脑的信息综合处理能力，在这样的背景下，信息融合技术便孕 育而生。信息融合技术是利用计算机技术对多传感器的观测信息在一 定准则下加以自动分析、综合处理，以实现完成所需的决策和估计任 务而进行的信息处理过程，对多传感器信息进行多级别、多层次等处 理，获得比任何单一传感器更多、更有效的信息，扩大了空间和时间 覆盖范围，以获得对事物或目标的更客观、更本质认识的综合信息处 理技术，它已在军事和民用等领域得到广泛应用。

Dempster-Shafer(D-S)证据理论是信息融合理论中的一种重要方 法，它以Dempster组合规则为核心，满足比贝叶斯概率理论更弱的条 件，具有表达不完全信息以及主观不确定信息的能力，同时Dempster 组合规则满足交换律和结合律等优良的数学性质。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、故障诊断和图像 处理等领域获得了广泛的应用。

由于传感器精度、外部环境的干扰以及人为因素等影响，导致 传感器提供的识别目标信息表现为不完整、不精确、模糊的、甚至可 能存在着冲突或者相互矛盾的信息，使得多源不确定信息的高效融合 成为当前一个亟待解决的难题。但Dempster组合规则在解决低置信 度、高冲突证据融合时往往会产生与直觉相悖的结论，无法进行有效 决策，极大地影响了融合系统的决策性能，并在一定程度上制约了证 据理论在信息融合领域中的应用。

发明内容

本发明的目的是提供一种基于算术平均贴近度的冲突证据融合 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：

基于算术平均贴近度的冲突证据融合方法，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个证据向量用 m_i＝(m_i(θ₁)，…，m_i(θ_k)，…，m_i(θ_p))^T表示，其中i＝1,2,…,n，n为证 据向量的总数，p为辨识框架Θ中的焦元个数，k＝1,2,…,p；

B、通过下述公式计算证据之间焦元θ_k的算术平均贴近度，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θ_k的算术平均贴近度S_ij(θ_k)，式中min(m_i(θ_k),m_j(θ_k))表示取θ_k对应 的基本概率分配值m_i(θ_k)和m_j(θ_k)中的最小值；