The invention discloses a fusion method based on logarithmic function to measure the conflict of evidence, which comprises the following steps: a plurality of sensor information into evidence information, according to the factor of evidence between the focal element of basic probability assignment function defined in logarithmic form difference, using the Einstein operator to calculate the conflict coefficient between the evidence and the evidence fusion; modified by the weight coefficient of solution, using Murphy method of correction of the interference of the evidence again, finally using the Dempster combination rule by fusion of the modified evidence, output the final result of target recognition. The present invention considers the difference between the correlation between the evidence list set focal element and non focal element list set the basic probability assignment of evidence, to measure the degree of conflict between the evidence and the weight coefficient fusion evidence judging interference evidence, again interference correction to the evidence, and considering the correlation of evidence fusion, has an important the theoretical significance and application value.
【技术实现步骤摘要】
基于对数函数衡量证据冲突的融合方法
本专利技术涉及多源信息融合
,尤其涉及一种基于对数函数衡量证据冲突的融合方法。
技术介绍
传感器技术的迅速发展为多源信息融合技术提供了硬件支持,使得多源信息融合技术在军事领域和民用领域得到了广泛应用,并成为了国内外信息融合领域相关学者的研究热点之一。多源信息融合技术对来自多源的数据和信息进行组合和综合的处理,以期得到比单一信息源更精确、更可靠的估计或推理决策,扩展了时间和空间上的观测范围,增强了数据的可信度,提高了决策系统的鲁棒性。在我国<<国家中长期科学和技术发展规划纲要(2006-2020年)>>中,多传感信息融合被列为信息科学、军民两用的前沿技术与重大专项中的研究内容,成为进一步推动信息科学发展和应用必须面对的重点研究课题。多源信息融合方法主要包括像素级融合方法、特征级融合方法和决策级融合方法等三种方法。决策级融合方法主要包括贝叶斯概率推理方法和Dempster-Shafer(D-S)证据理论等。D-S证据理论以Dempster组合规则为核心,满足比贝叶斯概率理论更弱的条件,具有表达“不确定”和“不知道”的能力,因此,证据理论以在不确定信息表示和融合方法等方面的独特优势,为决策级不确定信息的表征和融合提供了强有力的手段,在目标识别和图像处理等领域获得了广泛的应用。但在实际的多传感器系统应用中,由于传感器精度、系统组成各个环节、外部环境的干扰以及人为因素等影响,导致其输出识别的目标信息常常表现为不完整、不精确、模糊性、随机性甚至可能存在着冲突或矛盾的信息,因此,所有的融合方法必须面临着处 ...
【技术保护点】
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:A、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,所述第i个证据的向量用m
【技术特征摘要】
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:A、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,所述第i个证据的向量用mi=(mi(θ1),…,mi(θr),…,mi(θk))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;B、通过下述公式计算差异性因子,得到任意第i个证据向量mi和第j个证据向量mj之间的差异性因子df(mi,mj),式中Mr表示一个行向量,Dr表示一个列向量;C、通过下述公式数,得到任意第i个证据向量mi和第j个证据向量mj之间的相关系数cp(mi,mj),若证据向量mi和mj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mi中的焦元θr基本概率赋值为最大值,r=1,2,…,k;D、由任意证据向量mi和mj之间的差异性因子df(mi,mj)和相关系数cp(mi,mj),通过公式:计算任意证据向量mi和mj之间的冲突系数conf(mi,mj);E、由得到的任意第i个证据向量mi和第j个证据向量mj之间的冲突系数conf(mi,mj)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(mi)和第i个证据与其它n-1个证据的相对支持程度因子truf(mi),并利用n个证据中最大的相对支持程度因子...
【专利技术属性】
技术研发人员:李军伟,刘先省,金勇,周林,胡振涛,
申请(专利权)人:河南大学,
类型:发明
国别省市:河南,41
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。