[发明专利]证据高冲突环境下多源信息融合方法

摘要

本发明公开了一种证据高冲突环境下多源信息融合方法，它是根据证据距离来确定证据的相互支持度，并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据，进而求得各证据的相对折扣因子，然后对各证据信息进行打折扣处理，再用D-S规则对多源传感器数据进行信息融合，以提高证据高冲突状态下对监测命题判断的准确性及精确性，该方法可以有效消除多源信息的不确定因素，提高信息评价的准确度，克服证据高冲突状态下利用传统D-S证据理论不能得出正确评价结果的局限性，且具有算法简单、收敛速度快等优点。

主权项

1.一种证据高冲突环境下多源信息融合方法，其特征在于，步骤如下：第一步：建立多传感器融合结构设融合结构由n类传感器监测系统组成，其中每个局部系统基于自己的观测值y_i完成同一决策任务u_i之后将决策值u_i传送到融合中心，融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出最终决策u₀；第二步：建立基于D-S证据理论的监测命题辨识框将多传感器监测命题的决策结果定义为安全(S₁)、临界(S₂)、危险(S₃)三个状态，监测命题的决策辨识框架X表示为：X＝{S₁，S₂，S₃}；第三步：计算机采集数据并对多传感器监测数据进行归一化预处理具体做法是：计算机采集某一周期内各监测系统中的传感器数据并进行归一化处理，使其对监测结果的判定值落在[0，1]范围内；当有n类传感器监测系统进行状态监测时，每个传感器的评估记为m_i，i＝1...n，则系统基本可信度可分配为：m₁(A₁)＝x₁，A₁＝{S₁}m₂(A₂)＝x₂，A₂＝{S₂}…Σi=1nmi=1]]>第四步：判断证据之间是否存在高度冲突根据D-S证据理论计算证据之间的冲突值，通过冲突值大小来判断证据之间是否存在高度冲突；各证据之间的冲突值K由公式(1)计算得出，公式(1)如下：K=ΣA1∩A2...∩An=Φm1(A1)m2(A2)...mn(An)---(1)]]>当证据之间的冲突值K＜0.65时，应用现有D-S证据理论合成法则对证据进行合成；当证据之间的冲突值K≥0.65时，说明证据之间产生高度冲突，处理方法转第四步；第四步：基于证据距离对高冲突证据进行合成根据证据距离来确定证据的相互支持度，并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据，进而求得各证据的相对折扣因子，然后对各证据信息进行打折扣处理，再用D-S规则融合；具体方法如下：(1)根据证据距离确定证据之间的相互支持度证据m₁，m₂的距离定义如下：d(m1,m2)=12d(m→1-m→2)TD=(m→1-m→2)]]>(2)D(A,B)=|A∩B||A∪B|]]>式中为2^N×2^N的矩阵，A，B∈X，X为辨识框，N为X中基本假设的个数；设有n个传感器信息，那么可以构造n个证据m₁，m₂，…，m_n，根据公式(2)计算n个证据两两之间的距离，根据证据距离可以确定两证据之间的相互支持度，记为：Support(i，j)＝1-d(i，j)    (3)根据公式(3)得到证据n×n维相互支持度矩阵：S=1S(1,2)...S(1,n)S(2,1)1...S(2,n)............S(n,1)S(n,2)...1]]>(2)寻找关键证据证据支持度的矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据；首先计算其他证据对证据m_i的总支持程度λ_i，根据相互支持度矩阵S，按照公式(4)计算其他证据对证据m_i总支持程度，亦即证据m_i的权重系数；λi=Σj=1nS(i,j)---(4)]]>选择权重系数最大也就是认为可信度最大的证据为关键证据，其权重系数为：λ_max＝max(λ₁，…，λ_i，…λ_n)                (5)(3)计算各证据的相对折扣因子证据m_i的相对折扣因子为下式ξi=λiλmax---(6)]]>(4)根据各证据的相对折扣因子建立证据基本概率分配值修正模型，利用修正模型对证据基本概率分配值进行修正，修正模型用下式(7)表示：mi*(A)=ξimi(A),A⊆Xmi*(X)=1-ξi+ξimi(X)---(7)]]>式中X为辨识框；(5)利用Dempster合成规则对修正后的证据基本概率分配值进行融合第五步：计算机对融合后的基本概率分配值S进行分析，并输出多传感器信息在辨识框X内的辨识结果，从而实现证据高冲突状态下的证据合成。