一种基于向量度量的冲突证据融合方法
【专利摘要】本发明公开了一种基于向量度量的冲突证据融合方法，能实现对多源信息融合中证据之间冲突程度的衡量，通过证据之间的冲突程度衡量确定融合证据的权重因子，并对融合证据进行修正，利用Dempster组合规则融合可以获得可靠的目标识别决策结果。本发明方案与传统算法相比，从证据向量的角度出发，综合考虑证据向量差异度和相似度共同度量证据之间的冲突程度，通过证据冲突程度因子确定融合证据的权重因子，并对证据进行修正后采用Dempster组合规则对修正后的证据进行逐个融合，获得合理的决策结果，可以很好的应用于目标识别领域中，具有重要的理论意义和应用价值。
【专利说明】一种基于向量度量的冲突证据融合方法
【技术领域】
[0001]本发明涉及一种多源信息融合方法，尤其涉及一种基于向量度量的冲突证据融合方法。
【背景技术】
[0002]传感器技术的发展为军事与民用领域获取丰富的信息提供了硬件支持，由于传感器在复杂环境中受到外界干扰或人为原因等因素的影响，其输出的识别目标信息存在着不确定性及模糊性，甚至可能是矛盾的，若不能有效处理高冲突证据融合的问题，则实际应用系统就无法进行有效决策，极大地影响了融合系统的决策性能，而传统算法往往仅考虑到证据向量相似度或差异度的影响，未能考虑其它决策因素，所以对目标识别判断具有一定的误差。
【发明内容】
[0003]本发明的目的是提供一种基于向量度量的冲突证据融合方法，可以有效地对识别目标做出正确决策。
[0004]本发明采用下述技术方案:
[0005]一种基于向量度量的冲突证据融合方法，包括以下几个步骤:
[0006]A、通过获取多个传感器测量信息相对应的证据焦元的置信指派，将每一个证据看作一个向量，所述第i个证据的向量用Ini = (Hii ( Θ ^ ,..., Ini ( Θ r),..., Ini ( Θ k))τ表示，其中i = 1，2，...，η, η为证据向量的总数，k为辨识框架Θ中的焦元个数；
[0007]B、对上述每个证据向量Hii分别进行差异度、相似度计算:并记录任意第i个证据向量Hli和第j个证据向量Hlj之间的差异度因子为Dif (Hl1-1Ilj)，任意第i个证据向量Hli和第j个证据向量nij之间的相似度因子为SOni, nij),其中j = 1，2，...，η ;
[0008]C、由任意证据向量Iiii和!?」之间的差异度因子Dif (η^-πι」)和相似度因子SOni, Hij)
通过公式:
【权利要求】
1.一种基于向量度量的冲突证据融合方法，其特征在于:包括以下几个步骤: A、通过获取多个传感器测量信息相对应的证据焦元的置信指派，将每一个证据看作一个向量，所述第i个证据的向量用Hii = (Hii ( Θ j),..., Ini ( Θ r),..., Ini ( Θ k))T表示，其中i =1，2，...，η, η为证据向量的总数，k为辨识框架Θ中的焦元个数； B、对上述每个证据向量Hli分别进行差异度、相似度计算:并记录任意第i个证据向量Ini和第j个证据向量Hij之间的差异度因子为Dif (m1-nij),任意第i个证据向量Hii和第j个证据向量Hij之间的相似度因子为SOni, nij),其中j = 1，2，...，η ; C、由任意证据向量Hii和nij之间的差异度因子Dif(m1-nij)和相似度因子SOni, Hij)通过公式:
2.根据权利要求1所述的基于向量度量的冲突证据融合方法，其特征在于:所述的步骤B中差异度计算通过下述公式
3.根据权利要求1所述的基于向量度量的冲突证据融合方法，其特征在于:所述的步骤B中相似度是通过计算向量之间的夹角余弦值而得出，具体通过下述公式
4.根据权利要求2所述的基于向量度量的冲突证据融合方法，其特征在于:所述两个证据之间对应焦元置信指派的差值与正定系数矩阵D组成的向量的。(m1-mp = (Hi1-Hij)TD,其中 Hi1-nij = (nii ( θ j) -1Hj ( θ j)IHi ( θ r) -1Hj ( θ χ)IHi ( θ k) -mj ( θ k))T, r, I =k ο
5.根据权利要求1-4所述的基于向量度量的冲突证据融合方法，其特征在于:所述的Dempster组合规则为:
【文档编号】G06K9/62GK104021392SQ201410039585
【公开日】2014年9月3日 申请日期:2014年1月27日 优先权日:2014年1月27日
【发明者】李军伟, 刘先省, 胡振涛, 王静, 周林 申请人:河南大学