基于Hellinger距离和信度熵的加权冲突证据融合方法技术

本发明专利技术公开了一种基于Hellinger距离和信度熵的加权冲突证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，利用基本概率赋值转换公式将融合证据中的焦元变为单子集焦元，并引入Hellinger距离获得融合证据的支持度；另外，通过改进信度熵表征证据的不确定性程度，综合考虑Hellinger距离和改进信度熵确定融合证据的信任度并获得权重因子，然后利用加权平均思想修正融合证据，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。本发明专利技术方案与传统算法相比，通过基本概率赋值转换函数和Hellinger距离能够有效地衡量存在非单子集命题证据之间的冲突程度，同时通过改进的信度熵表征证据的不确定程度，综合考虑支持度和信息量共同确定融合证据的权重系数，具有重要的理论意义和应用价值。

【技术实现步骤摘要】
基于Hellinger距离和信度熵的加权冲突证据融合方法
本专利技术涉及多源信息融合
，尤其涉及一种基于Hellinger距离和信度熵的加权冲突证据融合方法。
技术介绍
目标识别是战场态势估计和威胁估计的基础，也是对目标进行火力分配和打击的重要依据。但在错综复杂的战场环境下，由于外界恶劣的环境因素、人为对抗欺骗以及传感器自身存在的误差，各传感器提供的信息一般具有不确定性、不完备性和高冲突性等特点，例如雷达、红外、电子支援措施和敌我识别器等传感器提供的识别结果可能是高度冲突的，而相对不可靠的证据源有时会导致错误的决策。在处理不确定信息时，单一传感器难以保证对不同类型的目标都具有较好的探测识别能力，并且单一传感器对复杂的自然环境和电磁环境缺乏较强的适应性，因而信息融合技术在目标识别领域有着广泛的应用。证据理论由Dempster提出的多值映射确定概率上下界的原理，后来Shafer将其完善并推广起来的一种不确定推理理论，也称为Dempster-Shafer(D-S)证据理论。D-S证据理论以Dempster组合规则为核心，具有坚实的数学基本文档来自技高网...

【技术保护点】
1.基于Hellinger距离和信度熵的加权冲突证据融合方法，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，所述第i个证据的向量用m

【技术特征摘要】
1.基于Hellinger距离和信度熵的加权冲突证据融合方法，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、由得到的第i个证据向量mi通过下述基于信度函数Bel和似真函数Pl的基本概率赋值转换公式

计算得到修正后的证据向量m′i＝(Pi(θ1),…,Pi(θr),…,Pi(θk))T，将任意第i个证据向量mi中的非单子集命题的信度转化为单子集命题的信度；其中信度函数Bel表示为：似真函数Pl表示为：其中为空集，表示信度函数Bel的总值；
C、由得到的修正后的任意第i个证据向量m′i和第j个证据向量m′j通过下述公式计算证据mi和证据mj之间的Hellinger距离，得到任意第i个证据向量mi和第j个证据向量mj之间的Hellinger距离dH(mi,mj)；
D、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Hellinger距离dH(mi,mj)，构造n个证据之间的差异度矩阵D，差异度矩阵D公式如下：
E、由构造的n个证据之间的差异度矩阵D，通过下述公式计算任意第i个证据向量mi与其它n-1个证据向量的平均Hellinger距离
F、由得到任意第i个证据向量mi与其它n-1个证据向量的平均Hellinge...

【专利技术属性】
技术研发人员：李军伟，谢保林，金勇，杨伟，魏倩，
申请(专利权)人：河南大学，
类型：发明
国别省市：河南;41