[發明專利]一種基于證據模糊因子的多源數據融合識別方法

在審

• 申請號: 201811596396.5
• 申請日: 2018-12-26
• 公開（公告）號: CN109766933A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 麻銳;唐政;趙露露
• 申請（專利權）人: 中國電子科技集團公司第二十研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 顧潮琪

本發明提供了一種基于證據模糊因子的多源數據融合識別方法，確定本次目標識別的辨識類別框架后，計算每個證據的自身差異因子、自身一致因子、自身模糊因子和修正系數，對每個證據對分配給各個命題的BPA進行修正，并對修正后的證據進行融合。本發明提出一種證據模糊因子的概念并對原始證據集進行異常檢測，基于檢測結果對原始證據體進行修正，引入全集項，修正證據源，在此基礎上對修正后的證據體進行融合，達到更精確的多源傳感器目標融合識別概率。

技術領域

本發明屬于信息融合技術領域，用于多傳感器對目標進行識別過程中的數據融合。

背景技術

在多傳感器進行目標識別過程中，由于環境惡劣以及目標在運動過程中姿態的變化，部分節點的傳感器采集到的數據往往不精確，不完整，甚至是受到嚴重干擾的。因此需要通過數據融合的方法來進行多源目標身份信息融合處理，以達到對目標的精確識別判斷。用于目標識別的多源數據融合就是把來自多個傳感器的信息源的目標數據校準、聯合、相關，完成對目標身份的聯合估計。

傳統的數據融合識別算法在融合高度沖突的數據源時往往會導致一些反常理的結果，如經典的證據理論算法存在的最大問題是在處理強沖突的數據時存在的Zadeh悖論。如在某次兩個傳感器對某一目標進行識別時，傳感器1認為該目標為我方成員的概率為99％，敵方成員概率為1％，中立成員概率為0％。而傳感器2認為該目標為我方成員的概率為0％，敵方成員概率為1％，中立成員概率為99％。在這種不同傳感器提供的證據存在很強沖突的情況下，經典證據理論算法融合兩個傳感器數據得出的結果是敵方成員概率100％，我方成員和中立成員概率為0％，該結果明顯有違常理。

發明內容

為了克服現有技術的不足，本發明提供一種基于證據異常度的多源數據融合識別方法，達到精確識別的目的。

本發明解決其技術問題所采用的技術方案包括如下步驟：

步驟1，確定本次目標識別的辨識類別框架為θ＝{A₁，A₂，...，A_N}，辨識類別框架為本次識別目標的類別集合，N為目標要識別的類別數；若有n個傳感器數據進行融合，則多傳感器數據提供的證據集為E＝{E₁，E₂，...，E_n}，各證據對應的基本概率賦值BPA為m₁，m₂，...，m_n，m_i分配給θ中A_j的BPA組成數據矩陣矩陣的第i行表示證據對辨識類別框架中類別分配的基本概率估值；

步驟2，計算每個證據的自身差異因子其中，D_ij為證據E_i和E_j的差異系數，A，B∈θ；

步驟3，計算每個證據的自身一致因子其中，U_ij為證據E_i和E_j的一致系數，U_ij＝∑_A＝Bm_i(A)m_j(B)，A，B∈θ；

步驟4，計算每個證據的自身模糊因子其中，

步驟5，計算每個證據的修正系數

步驟6，對每個證據對分配給各個命題的BPA進行修正，

步驟7，對步驟6中修正后的證據進行融合，

其中

本發明的有益效果是：綜合考慮各傳感器證據體之間的差異程度和一致程度，提出一種證據模糊因子的概念并對原始證據集進行異常檢測，基于檢測結果對原始證據體進行修正，引入全集項，修正證據源，在此基礎上對修正后的證據體進行融合，達到更精確的多源傳感器目標融合識別概率。