[發(fā)明專利]基于證據(jù)分類和沖突衡量的加權(quán)證據(jù)融合方法

有效

• 申請?zhí)枺?/td>: 201610984406.7
• 申請日: 2016-11-09
• 公開（公告）號: CN106650785B
• 公開（公告）日: 2019-05-03
• 發(fā)明（設(shè)計）人: 李軍偉;劉先省;胡振濤;金勇;周林
• 申請（專利權(quán)）人: 河南大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 鄭州聯(lián)科專利事務(wù)所(普通合伙) 41104
• 代理人: 劉建芳

本發(fā)明公開了一種基于證據(jù)分類和沖突衡量的加權(quán)證據(jù)融合方法，包括如下步驟：首先，獲取多個傳感器測量信息，轉(zhuǎn)換為證據(jù)信息，然后，對上述每兩個證據(jù)進行計算其是否具有一致性；如果有計算一致性沖突系數(shù)，如果沒有計算非一致性沖突系數(shù)；然后共同求解證據(jù)的權(quán)重系數(shù)，通過權(quán)重系數(shù)對融合的證據(jù)進行修正，最后采用采用Dempster組合規(guī)則對修正后的證據(jù)進行逐個融合，輸出最終目標識別的決策結(jié)果。本發(fā)明方案與傳統(tǒng)算法相比，綜合考慮證據(jù)之間單子集焦元基本概率賦值的差異和證據(jù)之間不同焦元交集不為空集部分的支持程度，共同衡量證據(jù)之間的沖突程度，在此基礎(chǔ)上確定融合證據(jù)的權(quán)重系數(shù)，并對融合證據(jù)進行修正，具有重要的理論意義和應用價值。

技術(shù)領(lǐng)域

本發(fā)明涉及多源信息融合技術(shù)領(lǐng)域，尤其涉及一種基于證據(jù)分類和沖突衡量的加權(quán)證據(jù)融合方法。

背景技術(shù)

目前，隨著計算機技術(shù)和信息技術(shù)的迅速發(fā)展，各種面向復雜應用背景的多傳感器信息系統(tǒng)不斷涌現(xiàn)，但傳感器在感知過程中存在多種不確定因素，因此，系統(tǒng)獲取的數(shù)據(jù)具有不確定和不可靠等諸多特征。為了從多傳感器信息中提取實時、有效和準確的信息，用以判定識別目標的屬性和特征，就需要對多傳感器數(shù)據(jù)進行有效的信息融合。多源信息融合技術(shù)將多種傳感器提供在時間或空間上的互補和冗余信息，提高目標識別系統(tǒng)的性能和可靠性，獲得對事物更完整、更精確、更可靠的推論。Dempster-Shafer證據(jù)理論在不確定信息表示和融合方法等方面的獨特優(yōu)勢，為決策級不確定信息的表征和融合提供了強有力的手段，在目標識別、圖像處理等領(lǐng)域獲得了廣泛的應用。但在實際應用中,由于傳感器自身的局限性以及監(jiān)測環(huán)境中干擾或人為干擾等因素，導致其輸出的識別目標信息可能存在著沖突甚至矛盾的情況。證據(jù)理論通常采用沖突系數(shù)衡量證據(jù)之間的沖突程度，但研究表明沖突系數(shù)存在著一些不足，例如兩個完全一致的證據(jù)，計算證據(jù)之間的沖突系數(shù)卻不為零。另外，在實際應用系統(tǒng)中，采用Dempster組合規(guī)則處理高沖突證據(jù)融合問題時，往往會得到違背直覺的融合結(jié)果，無法進行有效決策，極大地影響了融合系統(tǒng)的決策性能。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于證據(jù)分類和沖突衡量的加權(quán)證據(jù)融合方法，能夠有效地對識別目標做出正確決策。

本發(fā)明采用的技術(shù)方案為：

基于證據(jù)分類和沖突衡量的加權(quán)證據(jù)融合方法，包括以下幾個步驟：

A、通過獲取多個傳感器測量信息相對應證據(jù)焦元的基本概率賦值，將每一個證據(jù)看作一個向量，所述第i個證據(jù)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為證據(jù)向量的總數(shù)，k為辨識框架Θ中的焦元個數(shù)，r＝1,2,…,k；

B、對上述第i個證據(jù)m_i和第j個證據(jù)m_j是否為一致證據(jù)進行判斷：根據(jù)m_i中最大的基本概率賦值對應的焦元與證據(jù)m_j中最大的基本概率賦值對應的焦元是否為同一焦元來判斷，若為同一焦元，則稱證據(jù)m_i和m_j為一致證據(jù)，否則稱證據(jù)m_i和m_j為非一致證據(jù)，其中i,j＝1,2,…,n；i≠j；

C、通過下述公式計算差異性系數(shù)，得到任意第i個證據(jù)m_i和第j個證據(jù)m_j之間的差異性系數(shù)d(m_i,m_j)，式中M_i表示一個行向量，D_i表示一個列向量；