基于D-S證據理論的多傳感器數據融合
加入技術交流群
2．1．2 Sment改進方法
1990年，Sment提出了另一種改進方法，將沖突全部賦予空集。改進后得合成公式為：
但是上述兩種方法改進效果并不明顯，仍然沒有解決“一票否決”的現象。
2．1．3 孫全改進方法
針對上述問題，孫全在2000年提出了加權形式的組合公式，并引入證據間兩兩沖突程度參數K，證據可信度參數ε和證據平均支持度q(A)。這其實是一種新的證據可信度分配沖突的方法。他提出的合成公式如下：
式中：
式n個證據集中每對證據集總和的平均，它反映了證據兩兩之間的沖突程度；ε是的減函數，反映了證據的可信度，也就是當證據之間的沖突增大時，證據的可信度將降低；與D-S理論中的K不同，K反映證據總體上的沖突程度，當K增大時，不一定增大。式(4)又可以寫成如下形式：
從式(5)可以發(fā)現其中第一項的
正是D-S證據組合公式。因此上式實際上是一個加權和的形式，當K較小時，即證據沖突較小第一項起主要作用，合成結果近似于D-S合成結果。當K=0，等同。當K=1時，即證據高度沖突時，合成結果主要由第二項εq(A)決定，即由證據可信度及證據對A的平均支持度決定。m(X)中第三項表現了當沖突K增大或證據可信度ε減小時，都會使未知程度增加。這些表達都是較合理的。2．2 對融合模型進行改進
上述方法主要是基于對D-S證據理論中組合規(guī)則的改進，還可對融合模型進行改進。Murphy于2000年就已經提出了組合前平均證據的方法。Murphy的方法就是一種修改模型而不變Dempster規(guī)則的方法。Murphy分析了已有的改進方法，提出了一種證據平均組合規(guī)則，具體的步驟是：首先將證據的基本概率指派進行平均，之后再用Dempster組合規(guī)則進行信息融合。與其他的方法比較，該組合規(guī)則可以處理沖突數據，且收斂速度較快。但是Murphy的平均方法只是將多源信息進行簡單的平均，沒有考慮各個證據之間的相互關聯。
2004年，鄧勇對Murphy平均法作了改進，在Murphy方法的基礎上，引入一個度量證據體間相似程度的距離函數，并進一步獲得系統(tǒng)中各個證據被其他證據所支持的程度，將該支持度作為證據的權重，對多源證據進行加權平均后再利用Dempster組合規(guī)則融合證據信息。該方法繼承了Murphy方法的所有優(yōu)點，并且具有更強的抗干擾能力，收斂速度更快。其簡要步驟如下：
首先，得到各個證據之間距離矩陣DM，矩陣元素dij代表證據i和證據j之間的距離，即：
傳感器相關文章:傳感器工作原理
評論