多特征信息融合方法、装置及系统制造方法及图纸

本发明专利技术提供了一种多特征信息融合方法、装置及系统，其中方法包括：获取多个设备分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；计算各个特征信息集与其它特征信息集之间的平均冲突系数；若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；对所述多个特征信息集进行融合操作获得并输出融合结果。本发明专利技术对冲突比较大的特征信息集进行了修正操作所以不会产生与实际结果相悖的融合结果，提升信息融合的可靠性。

Multi feature information fusion method, device and system

【技术实现步骤摘要】
多特征信息融合方法、装置及系统
本专利技术涉及通信
，尤其涉及多特征信息融合方法、装置及系统。
技术介绍
随着大数据时代的来临数据量越来越大，为了提升数据处理速率，衍生出分布式并行处理方案，并行处理方案中具有多个并行分支。在分布式并行处理方案中每个并行分支输出特征信息(一个并行分支的特征信息可以为该并行分支进行数据处理后的分支结果)，然后对多个并行分支输出的特征信息进行信息融合，获得融合结果。例如，多个并行分支可以为多个传感器，传感器输出识别结果，然后对多个传感器的识别结果进行信息融合从而获得融合结果。对多个特征信息进行信息融合为大数据处理中重要一环。目前通常采用证据理论又称DS(Dempster-Shafer)证据理论进行信息融合。在DS证据理论中将多个并行分支作为多个证据，利用合成规则对多个证据进行信息融合，从而获得融合结果。但DS证据理论具有一定的局限性：假设在辨识框架具有a、b和c三个目标人物并有两个传感器的情况下，当一个待定人物出现后，第一传感器判定为a目标人物的概率为0.9，判定为b目标人物的概率为0.1；第二传感器判定为b目标人物的概率为0.1，判定为c目标人物的概率为0.9。此情况下，第一传感器的识别结果为a目标人物，第二传感器的识别结果为c目标人物，此时即为两个证据之间的冲突比较大。在DS证据理论中按合成规则进行信息融合后获得的融合结果为b目标人物，显然与实际场景不符合。即，现有DS证据理论采用合成规则进行信息融合时，当证据之间的冲突较大时会产生与实际结果相悖的融合结果，导致信息融合的可靠性较低。
技术实现思路
鉴于此，本专利技术提供多特征信息融合方法、装置及系统，可以改善融合过程，从而使得融合结果可以更加贴近实际结果，提升可靠性。为了实现上述目的，本专利技术提供了下述技术特征：一种多特征信息融合方法，包括：获取多个设备分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；计算各个特征信息集与其它特征信息集之间的平均冲突系数；若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；对所述多个特征信息集进行融合操作获得并输出融合结果。可选的，所述计算各个特征信息集与其它特征信息集之间的平均冲突系数，包括：采用如下公式计算每个特征信息集与其它特征信息集之间的平均冲突系数其中，其中，其中，表示mi和mj之间的距离；其中，为第i个特征信息集与其它特征信息之间的平均冲突系数，Wfi,l为第i个特征信息集与第l个特征信息集之间的冲突系数，n为多个设备的数量，i,l＝1,2……n，kil为i个特征信息集与第l个特征信息集之间的原始冲突系数；Aj表示第j个焦元，j＝1,2……M，M为所有焦元的总数量；m为概率函数，mi(Aj)表示第i个特征信息集中焦元Aj的概率；是一个2n×2n的矩阵。可选的，所述计算多个设备对各个焦元的平均支持度包括：计算多个设备对各个焦元的平均概率；将多个设备对各个焦元的平均概率，确定为多个设备对各个焦元的平均支持度。可选的，所述计算多个设备对各个焦元的平均支持度包括：采用如下公式计算每个焦元Aj的平均支持度S(Aj)：其中，Aj表示第j个焦元，j＝1,2……M，M为所有焦元的总数量，S(Aj)表示第j个焦元的平均支持度，m为概率函数，mi(Aj)表示第i个特征信息集中焦元Aj的概率，n为多个设备的数量。可选的，所述计算多个设备对各个焦元的平均支持度包括：计算多个设备对各个焦元的平均概率；基于各个焦元的平均概率，计算各个焦元于所有焦元中的信息能量占比；将各个焦元的信息能量占比，确定为多个设备对各个焦元的平均支持度。可选的，所述计算多个设备对各个焦元的平均支持度包括：采用如下公式计算每个焦元Aj的平均支持度H(Aj)：其中，其中，Aj表示第j个焦元，j＝1,2……M，M为所有焦元的总数量，H(Aj)表示第j个焦元的平均支持度，S(Aj)表示多个设备对第j个焦元的平均概率；m为概率函数，mi(Aj)表示第i个特征信息集中焦元Aj的概率，n为多个设备数量。可选的，所述采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作，包括：计算该特征信息集中的各个焦元的概率与各个焦元的平均支持度的乘积，获得该特征信息集中各个焦元的修正概率；基于该特征信息集中各个焦元的修正概率，计算该特征信息集中各个焦元组成全集的概率。可选的，所述对所述多个特征信息集进行融合操作获得并输出融合结果，包括按更新合成公式对多个特征信息集执行融合操作获得融合结果；所述更新合成公式包括在原合成公式基础上，增加各个焦元的平均支持度和值与冲突系数的乘积。一种多特征信息融合装置，包括：获取单元，用于获取多个设备分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；确定冲突系数单元，用于计算各个特征信息集与其它特征信息集之间的平均冲突系数；计算平均支持度单元，用于若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；修正单元，用于对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；融合单元，用于对所述多个特征信息集进行融合操作获得并输出融合结果。一种多特征信息融合系统，包括：多个设备和信息融合设备；所述多个设备，用于分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；所述信息融合设备，用于获取多个设备分别输出的多个特征信息集，计算各个特征信息集与其它特征信息集之间的平均冲突系数；若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；对所述多个特征信息集进行融合操作获得并输出融合结果。通过以上技术手段，可以实现以下有益效果：本专利技术会计算多个设备对各个焦元的平均支持度，其中每个焦元的平均支持度均是综合考虑多个设备的概率后获得的，所以各个焦元的平均支持度可以在一定程度上反应出各个焦元的实际概率。本专利技术对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作。这样可以使得该特征信息集中的各个焦元的概率更加贴近实际概率。在对冲突比较大的特征信息集进行修正操作后，再进行信息融合操作，最终获本文档来自技高网...

【技术保护点】
1.一种多特征信息融合方法，其特征在于，包括：/n获取多个设备分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；/n计算各个特征信息集与其它特征信息集之间的平均冲突系数；/n若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；/n对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；/n对所述多个特征信息集进行融合操作获得并输出融合结果。/n

【技术特征摘要】
1.一种多特征信息融合方法，其特征在于，包括：
获取多个设备分别输出的多个特征信息集；其中每个特征信息集包括至少一个焦元的概率；
计算各个特征信息集与其它特征信息集之间的平均冲突系数；
若有特征信息集的平均冲突系数大于阈值，则计算所述多个设备对各个焦元的平均支持度；
对于与其它特征信息集之间的平均冲突系数大于阈值的特征信息集：采用各个焦元的平均支持度分别对该特征信息集中的各个焦元的概率进行修正操作；
对所述多个特征信息集进行融合操作获得并输出融合结果。


2.如权利要求1所述的方法，其特征在于，所述计算各个特征信息集与其它特征信息集之间的平均冲突系数，包括：
采用如下公式计算每个特征信息集与其它特征信息集之间的平均冲突系数



其中，
其中，
其中，表示mi和mj之间的距离；
其中，为第i个特征信息集与其它特征信息之间的平均冲突系数，Wfi,l为第i个特征信息集与第l个特征信息集之间的冲突系数，n为多个设备的数量，i,l＝1,2……n，kil为i个特征信息集与第l个特征信息集之间的原始冲突系数；
Aj表示第j个焦元，j＝1,2……M，M为所有焦元的总数量；m为概率函数，mi(Aj)表示第i个特征信息集中焦元Aj的概率；是一个2n×2n的矩阵。


3.如权利要求1所述的方法，其特征在于，所述计算多个设备对各个焦元的平均支持度包括：
计算多个设备对各个焦元的平均概率；
将多个设备对各个焦元的平均概率，确定为多个设备对各个焦元的平均支持度。


4.如权利要求3所述的方法，其特征在于，所述计算多个设备对各个焦元的平均支持度包括：
采用如下公式计算每个焦元Aj的平均支持度S(Aj)：



其中，Aj表示第j个焦元，j＝1,2……M，M为所有焦元的总数量，S(Aj)表示第j个焦元的平均支持度，m为概率函数，mi(Aj)表示第i个特征信息集中焦元Aj的概率，n为多个设备的数量。


5.如权利要求1所述的方法，其特征在于，所述计算多个设备对各个焦元的平均支持度包括：
计算多个设备对各个焦元的平均概率；
基于各个焦元的平均概率，计算各个焦元于所有焦元中的信息能量占比；
将各个焦元的信息能量占比，确定为多个设备对各个焦元的平均支持度。


6.如权利要求5所述的方法，其特征在于，所述计算多个设备对各个焦...

【专利技术属性】
技术研发人员：陈迎春，李鸥，刘广怡，董芳，薛婧靓，冉晓旻，莫有权，张静，王晓梅，余道杰，
申请(专利权)人：中国人民解放军战略支援部队信息工程大学，
类型：发明
国别省市：河南;41