[发明专利]基于算术平均贴近度的冲突证据融合方法

摘要

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。

主权项

1.基于算术平均贴近度的冲突证据融合方法，其特征在于：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_k),…,m_i(θ_p))^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，k＝1,2,…,p；B、通过下述公式计算机证据之间焦元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；C、通过下述公式计算证据之间的算术平均贴近度，得到任意第i个证据向量m_i和第j个证据向量m_j之间的算术平均贴近度S(m_i,m_j)，式中S_ij(θ_k)指第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；D、由得到的任意第i个证据向量m_i和第j个证据向量m_j之间的算术平均贴近度S(m_i,m_j)，通过公式：求得第i个证据与其他n‑1个证据的相对支持程度因子truf(m_i)，并利用n个证据中最大的相对支持程度因子truf_max和i个证据与其他n‑1个证据的相对支持程度因子truf(m_i)通过下述公式得到权重系数ω_i，E、记第i个证据中焦元θk的基本概率赋值用m_i(θ_k)表示，其中k＝1,2,…,p，修正后的第i个证据中焦元θ_k的基本概率赋值用表示，根据步骤D中得到的权重系数ω_i通过公式：对融合的证据进行修正；F、对上述的第i个证据是否是干扰证据进行判断：根据第i个证据的权重系数ω_i与1/n的关系来判断，若对融合证据修正权重系数ω_i<1/n的干扰证据进行重新修正，重新修正后的第i个证据中焦元θ_k的基本概率赋值用表示，借鉴Murphy规则的思想通过公式仅对干扰证据进行修正；G、最后，采用Dempster组合规则对修正后的证据进行逐个融合,融合后焦元A的基本概率赋值m(A)的最大值对应的焦元为目标识别的决策结果对应的识别目标，即为决策最终结果。