[发明专利]基于对数函数衡量证据冲突的融合方法

摘要

本发明公开了一种基于对数函数衡量证据冲突的融合方法，包括如下步骤：多个传感器测量信息转换为证据信息，根据证据之间焦元基本概率赋值函数的关系定义对数形式的差异性因子，采用Einstein算子计算证据之间的冲突系数；并通过求解的权重系数对融合证据进行修正，借鉴Murphy方法思想对干扰证据进行再次修正，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。本发明综合考虑证据之间单子集焦元、非单子集焦元基本概率赋值的差异性和证据之间的相关性，共同衡量证据之间的冲突程度，通过融合证据的权重系数判断出干扰证据，对干扰证据进行再次修正，并考虑了融合证据的相关性，具有重要的理论意义和应用价值。

主权项

1.基于对数函数衡量证据冲突的融合方法，其特征在于：包括以下几个步骤：/nA、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，第i个证据的向量用m_i＝(m_i(θ₁),…,m_i(θ_r),…,m_i(θ_k))^T表示，其中i＝1,2,…,n，n为证据向量的总数，k为辨识框架Θ中的焦元个数，r＝1,2,…,k；/nB、通过公式计算差异性因子，得到任意第i个证据向量m_i和第j个证据向量m_j之间的差异性因子df(m_i,m_j)，式中M_r表示一个行向量，D_r表示一个列向量；/nC、通过公式计算相关系数，得到任意第i个证据向量m_i和第j个证据向量m_j之间的相关系数cp(m_i,m_j)，若证据向量m_i和m_j焦元基本概率赋值最大值所对应的焦元相同，令相关系数为0；式中指在证据m_i中的焦元θ_r基本概率赋值为最大值，r＝1,2,…,k；/nD、由任意证据向量m_i和m_j之间的差异性因子df(m_i,m_j)和相关系数cp(m_i,m_j)，通过公式：计算任意证据向量m_i和m_j之间的冲突系数conf(m_i,m_j)；/nE、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之间的冲突系数conf(m_i,m_j)通过公式：求得第i个证据与其他n-1个证据的总冲突程度因子conf(m_i)和第i个证据与其它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，/nF、记第i个证据中焦元θ_r的基本概率赋值用m_i(θ_r)表示，其中r＝1,2,…,k，修正后的第i个证据中焦元θ_r的基本概率赋值用表示，根据步骤E中得到的权重系数ω_i通过公式：/n 对融合的证据进行修正；/nG、对第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_r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；/nH、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。/n