专利名称：基于集对同一度和联系数的多传感器数据融合方法
基于集对同一度和联系数的多传感器数据融合方法
技术领域：
本发明涉及传感器数据融合的技术领域。
背景技术：
数据融合又称作信息融合或多传感器数据融合，多传感器数据融合是被实践公认的一种运行成本低且能获得比单一传感器更为准确而可靠结论的数据融合方法，多传感器数据融合技术充分利用多个传感器资源，通过对多传感器及其观测信息的合理支配和使用，把多传感器在空间或时间上冗余或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述，但在实际工作中，传感器的特征函数难以保证服从Guass分布，且多个传感器所获得的数据并不能保证相互独立，多个传感器传达的数据存在不确定性。
发明内容
本发明的目的就是解决现有技术中的问题，提出一种基于集对同一度和联系数的多传感器数据融合方法，能够避免单一传感器的局限性和多传感器存在的不确定性。为实现上述目的，本发明提出了一种基于集对同一度和联系数的多传感器数据融合方法，包括以下步骤a)计算多个传感器的相互支持程度；b)将多个传感器按照相互支持程度进行聚类；c)计算目标观测值与传感器特征函数的同一度；d)获得多传感器对目标属性的融合结果，获得目标识别决策。作为优选，所述a)步骤中各传感器的相互支持程度通过各传感器的同一度表示。作为优选，所述同一度的计算方法是首先计算各传感器所得到的数据的平均值与样本标准差，然后用计算出的平均值和样本标准差表示各传感器所测得数据的联系数，最后用各传感器的联系数表示各传感器之间的同一度。作为优选，所述b)步骤中各传感器的聚类操作根据a)步骤中的同一度大小进行，同一度小于等于O表不各传感器相互不支持，同一度大于O、小于或等于5表不各传感器相互能支持，同一度大于5表不各传感器之间能强支持。作为优选，所述c)步骤中首先计算目标观测值的联系数和传感器特征函数的联系数，然后根据所测出的联系数计算同一度，并得到同一度矩阵。作为优选，所述b)步骤中所测得的能强支持的传感器作为主决策传感器组，所述d)步骤中根据主决策传感器组的同一度矩阵获得目标识别决策。本发明的有益效果本发明是基于集对同一度和同异型联系数的多传感器数据融合新算法，通过结合模糊理论、统计理论、相关性函数以及模糊综合函数的多传感器数据融合方法实现数据融合工作，该方法不需要假定传感器特征函数服从Guass分布，并能够克服数据融合过程中的不确定性，取得客观可信的结果，且该结果符合实际结果。本发明的特征及优点将通过实施例进行详细说明。
具体实施方式本发明基于集对同一度和联系数的多传感器数据融合方法，包括以下步骤a)计算多个传感器的相互支持程度；b)将多个传感器按照相互支持程度进行聚类；c)计算目标观测值与传感器特征函数的同一度；d)获得多传感器对目标属性的融合结果，获得目标识别决策。一、联系数的运算(I)加法运算设U1 = A^B1I, U2 = A2+B2i,贝 U = UfU2= (A^B1I) + (A2+B2i) = (A^A2) + (B^B2) i(3)这说明两个联系数的和仍是一个联系数，且满足加法交换律U^U2 = U^U1(4)对于两个以上联系数的加法运算，还满足加法结合律U1+ (U2+U3) = (UfU2)+U3(5)(2)乘法运算设U1 = A^B1I, U2 = A2+B2i,则U1U2 = (AJB1D (A2+B2i) = A^+AAi+AAi+B^i2(6)由于i在[-1，I]区间取值，但取何值具有不确定性，因而两个i相乘的结果仍是一个在[-1，I]区间待定的数。换言之，其乘积仍是I个i。有鉴于此，集对分析规定在不计不确定性层次性的前提下，I的n(n ^ 2)次幂仍可以简记为i，也即存在以下的约简等式i = i2 = i3 = A = in(7)根据(J)式，又可把(6)式简化成U1U2= (A^B1I) (A2+B2i) = A1A2+(A1BjA2BjB1B2) i(8)(8)式说明两个联系数的乘积仍是一个联系数。联系数的乘法满足以下的交换律、结合律和分配律。(9)U1U2 = U2U1U1 (U2U3) = (U1U2) U3(10)Ul (U2+U3) = U1U2+U1U3(11)(3)除法运算设联系数U2 = A2+B2IjU1 = A^B1LU2AJ1 = U,则U仍是一个联系数,并可记作U =U2ZU1 = A+Bi，其中 A = A2A1, B = (BfA2B1A1)Z(AAB1)，也即
U, ^ ,L + IiJ /I,AJit.
^ = = ^ + + m (12)(12)式的证明如下因为除法是乘法的逆运算，因此，若把U2ZiU1的商A+Bi与AJB1I看成是两个相乘的因子，则根据两联系数相乘的运算公式(6)，应有U1U = A1A+ (AiB+ABi+BiB) i = A2+B2i(13)比较(13)式的等式两边，得方程组
权利要求
1.基于集对同一度和联系数的多传感器数据融合方法，其特征在于包括下列步骤a)计算多个传感器的相互支持程度；b)将多个传感器按照相互支持程度进行聚类；c)计算目标观测值与传感器特征函数的同一度；d)获得多传感器对目标属性的融合结果，获得目标识别决策。
2.如权利要求I所述的基于集对同一度和联系数的多传感器数据融合方法，其特征在于所述a)步骤中各传感器的相互支持程度通过各传感器的同一度表示。
3.如权利要求2所述的基于集对同一度和联系数的多传感器数据融合方法，其特征在于所述同一度的计算方法是首先计算各传感器所得到的数据的平均值与样本标准差， 然后用计算出的平均值和样本标准差表示各传感器所测得数据的联系数，最后用各传感器的联系数表不各传感器之间的同一度。
4.如权利要求I所述的基于集对同一度和联系数的多传感器数据融合方法，其特征在于所述b)步骤中各传感器的聚类操作根据a)步骤中的同一度大小进行，同一度小于等于 O表不各传感器相互不支持，同一度大于O、小于或等于5表不各传感器相互能支持，同一度大于5表不各传感器之间能强支持。
5.如权利要求I所述的基于集对同一度和联系数的多传感器数据融合方法，其特征在于所述c)步骤中首先计算目标观测值的联系数和传感器特征函数的联系数，然后根据所测出的联系数计算同一度，并得到同一度矩阵。
6.如权利要求I至5中任一项所述的基于集对同一度和联系数的多传感器数据融合方法，其特征在于所述b)步骤中所测得的能强支持的传感器作为主决策传感器组，所述d) 步骤中根据主决策传感器组的同一度矩阵获得目标识别决策。
全文摘要
本发明公开了基于集对同一度和联系数的多传感器数据融合方法，包括如下步骤a)计算多个传感器的相互支持程度；b)将多个传感器按照相互支持程度进行聚类；c)计算目标观测值与传感器特征函数的同一度；d)获得多传感器对目标属性的融合结果，获得目标识别决策。本发明是基于集对同一度和同异型联系数的多传感器数据融合新算法，通过结合模糊理论、统计理论、相关性函数以及模糊综合函数的多传感器数据融合方法实现数据融合工作，该方法不需要假定传感器特征函数服从Guass分布，并能够克服数据融合过程中的不确定性，取得客观可信的结果，且该结果符合实际结果。
文档编号G06F9/46GK102929704SQ201210422308
公开日2013年2月13日 申请日期2012年10月29日 优先权日2012年10月29日
发明者蒋云良, 杨章显, 刘勇 申请人:湖州师范学院