《证据高冲突环境下多源信息融合方法.pdf》由会员分享，可在线阅读，更多相关《证据高冲突环境下多源信息融合方法.pdf（9页珍藏版）》请在专利查询网上搜索。
1、10申请公布号CN101996157A43申请公布日20110330CN101996157ACN101996157A21申请号201010531280022申请日20101023G06F17/00200601G06K9/6220060171申请人山东科技大学地址266510山东省青岛市经济技术开发区前湾港路579号山东科技大学72发明人贾瑞生郑永果闫相宏孙红梅彭延军吕雪婷54发明名称证据高冲突环境下多源信息融合方法57摘要本发明公开了一种证据高冲突环境下多源信息融合方法，它是根据证据距离来确定证据的相互支持度，并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据。
2、为关键证据，进而求得各证据的相对折扣因子，然后对各证据信息进行打折扣处理，再用DS规则对多源传感器数据进行信息融合，以提高证据高冲突状态下对监测命题判断的准确性及精确性，该方法可以有效消除多源信息的不确定因素，提高信息评价的准确度，克服证据高冲突状态下利用传统DS证据理论不能得出正确评价结果的局限性，且具有算法简单、收敛速度快等优点。51INTCL19中华人民共和国国家知识产权局12发明专利申请权利要求书2页说明书5页附图1页CN101996162A1/2页21一种证据高冲突环境下多源信息融合方法，其特征在于，步骤如下第一步建立多传感器融合结构设融合结构由N类传感器监测系统组成，其中每个局部系。
3、统基于自己的观测值YI完成同一决策任务UI之后将决策值UI传送到融合中心，融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出最终决策U0；第二步建立基于DS证据理论的监测命题辨识框将多传感器监测命题的决策结果定义为安全S1、临界S2、危险S3三个状态，监测命题的决策辨识框架X表示为XS1，S2，S3；第三步计算机采集数据并对多传感器监测数据进行归一化预处理具体做法是计算机采集某一周期内各监测系统中的传感器数据并进行归一化处理，使其对监测结果的判定值落在0，1范围内；当有N类传感器监测系统进行状态监测时，每个传感器的评估记为MI，I1N，则系统基本可信度可分配为M1A1X1，A1S1M。
4、2A2X2，A2S2第四步判断证据之间是否存在高度冲突根据DS证据理论计算证据之间的冲突值，通过冲突值大小来判断证据之间是否存在高度冲突；各证据之间的冲突值K由公式1计算得出，公式1如下当证据之间的冲突值K065时，应用现有DS证据理论合成法则对证据进行合成；当证据之间的冲突值K065时，说明证据之间产生高度冲突，处理方法转第四步；第四步基于证据距离对高冲突证据进行合成根据证据距离来确定证据的相互支持度，并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据，进而求得各证据的相对折扣因子，然后对各证据信息进行打折扣处理，再用DS规则融合；具体方法如下1根。
5、据证据距离确定证据之间的相互支持度证据M1，M2的距离定义如下2式中为2N2N的矩阵，A，BX，X为辨识框，N为X中基本假设的个数；设有N个传感器信息，那么可以构造N个证据M1，M2，MN，根据公式2计算N个证据两两之间的距离，根据证据距离可以确定两证据之间的相互支持度，记为权利要求书CN101996157ACN101996162A2/2页3SUPPORTI，J1DI，J3根据公式3得到证据NN维相互支持度矩阵2寻找关键证据证据支持度的矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据；首先计算其他证据对证据MI的总支持程度I，根据相互支持度矩阵S，按照公式4计算。
6、其他证据对证据MI总支持程度，亦即证据MI的权重系数；选择权重系数最大也就是认为可信度最大的证据为关键证据，其权重系数为MAXMAX1，I，N53计算各证据的相对折扣因子证据MI的相对折扣因子为下式4根据各证据的相对折扣因子建立证据基本概率分配值修正模型，利用修正模型对证据基本概率分配值进行修正，修正模型用下式7表示式中X为辨识框；5利用DEMPSTER合成规则对修正后的证据基本概率分配值进行融合第五步计算机对融合后的基本概率分配值S进行分析，并输出多传感器信息在辨识框X内的辨识结果，从而实现证据高冲突状态下的证据合成。权利要求书CN101996157ACN101996162A1/5页4证据高。
7、冲突环境下多源信息融合方法技术领域0001本发明是基于证据距离理论对多源高冲突传感器数据进行信息融合的处理方法，属于信息处理技术领域。背景技术0002信息融合技术是近年来发展起来的一种自动化信息综合处理技术，通过对来自不同传感器的信息进行处理，以改善信息的质量，提高信息的精度。数据融合的方法有很多，如DS证据理论法、聚类分析法、人工神经网络法等等，与本发明有关的技术是DS证据理论法。0003多传感器信息融合可以充分利用多源信息互补和冗余的特点，提高对监测命题判断的准确性和精确性。由于传感器受探测精度、器件故障以及环境噪声等因素的影响，导致系统监测结果存在不确定性，因此国内外很多学者都开展了信息。
8、融合的理论研究，其中DS证据理论研究是一个热点领域。由于DS证据理论在不确定性的表示、量测和组合方面有着突出优势，不但符合人类推理的决策过程，而且对推理进行了合理的信息论解释，因此可以将多传感信息转化为相应的多个独立的证据，利用DS证据理论对其进行融合判断。虽然DS证据理论有其自身优势，但在传感器信息高度冲突的情况下直接应用DS证据合成规则会产生不合理的结果，因此开展复杂环境下高冲突传感器信息融合方法研究具有重要意义。发明内容0004本发明的目的是提供一种证据高冲突环境下多源信息融合方法，它是基于DS证据距离理论对多源传感器数据进行信息融合，以提高证据高冲突状态下对监测命题判断的准确性及精确性。
9、，该方法可以有效消除多源信息的不确定因素，提高信息评价的准确度，克服证据高冲突状态下利用传统DS证据理论不能得出正确评价结果的局限性，且具有算法简单、收敛速度快等优点。0005为达到上述目的，本发明多源信息融合方法步骤如下0006第一步建立多传感器融合结构0007设融合结构由N类传感器监测系统组成，其中每个局部系统基于自己的观测值YI完成同一决策任务UI之后将决策值UI传送到融合中心，融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出最终决策U0。0008第二步建立基于DS证据理论的监测命题辨识框。0009根据心理学研究，由于人们辨识能力的局限性，辨识框的决策结果划分的数目一般不要超。
10、过5个，考虑其一般性，本发明将多传感器监测命题的决策结果定义为安全S1、临界S2、危险S3三个状态，监测命题的决策辨识框架X表示为XS1，S2，S3。0010第三步计算机采集数据并对多传感器监测数据进行归一化预处理。0011具体做法是计算机采集某一周期内各监测系统中的传感器数据并进行归一化处说明书CN101996157ACN101996162A2/5页5理，使其对监测结果的判定值落在0，1范围内。即把采集到的各类监测数据转化为对应证据的基本可信度分配值，使其具有统一表达方式，便于数据融合。当有N类传感器监测系统进行状态监测时，每个传感器的评估记为MI，I1N，则系统基本可信度可分配为0012M。
11、1A1X1，A1S10013M2A2X2，A2S2001400150016第四步判断证据之间是否存在高度冲突。0017根据DS证据理论计算证据之间的冲突值，通过冲突值大小来判断证据之间是否存在高度冲突。0018各证据之间的冲突值K由公式1计算得出，公式1如下00190020当证据之间的冲突值K065时，应用现有DS证据理论合成法则对证据进行合成；0021当证据之间的冲突值K065时，说明证据之间产生高度冲突，处理方法转第四步。0022第四步基于证据距离对高冲突证据进行合成。其基本思想是根据证据距离来确定证据的相互支持度，并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数。
12、最大的证据为关键证据，进而求得各证据的相对折扣因子，然后对各证据信息进行打折扣处理，再用DS规则融合。0023具体方法如下00241根据证据距离确定证据之间的相互支持度。0025证据M1，M2的距离定义如下00260027200280029式中为2N2N的矩阵，A，BX，X为辨识框FRAMEOFDISCERNMENT，N为X中基本假设的个数。0030设有N个传感器信息，那么可以构造N个证据M1，M2，MN，根据公式2计算N个证据两两之间的距离，根据证据距离可以确定两证据之间的相互支持度，记为0031SUPPORTI，J1DI，J30032根据公式3得到证据NN维相互支持度矩阵说明书CN1019。
13、96157ACN101996162A3/5页6003300342寻找关键证据0035证据支持度的矩阵模最大特征值对应的特征向量为证据的权重向量，其中权重系数最大的证据为关键证据。0036首先计算其他证据对证据MI的总支持程度I。根据相互支持度矩阵S，按照公式4计算其他证据对证据MI总支持程度，亦即证据MI的权重系数。00370038选择权重系数最大也就是认为可信度最大的证据为关键证据，其权重系数为0039MAXMAX1，I，N500403计算各证据的相对折扣因子。证据MI的相对折扣因子为下式004100424根据各证据的相对折扣因子建立证据基本概率分配值修正模型，利用修正模型对证据基本概率分配。
14、值进行修正，修正模型用下式7表示00430044式中X为辨识框。00455利用DEMPSTER合成规则对修正后的证据基本概率分配值进行融合。0046第五步计算机对融合后的基本概率分配值S进行分析，并输出多传感器信息在辨识框X内的辨识结果，从而实现证据高冲突状态下的证据合成。0047本发明的积极效果是利用信息融合的理论和方法，提出了DS证据理论改进算法，充分考虑组合过程中证据的权重，基于证据距离来确定证据之间的相互支持度，并最终获得各证据的权重系数。本发明的算法可以有效处理证据冲突，在证据较少的情况下也可以得到正确的结果，且整个算法结构及过程简单，能有效消除证据高冲突环境下多源信息融合的不确定因。
15、素，降低了决策风险，提高了在证据冲突时融合结果的可靠性。附图说明0048图1是本发明多传感器融合结构原理示意图具体实施方式0049如图1所示，本发明建立的融合结构由N类传感器监测系统组成，其中每个局部系统基于自己的观测值YI完成同一决策任务UI之后将决策值UI传送到融合中心，融合中心的任务是根据接收到的局部决策，利用最优融合规则，作出最终决策U0。0050下面以三类传感器、三个危险等级为例并结合上述发明内容中的融合方法具体说说明书CN101996157ACN101996162A4/5页7明本发明的一个实施例。0051假设某煤矿顶板安全监测系统使用三类传感器M1综采支架压力传感器、M2顶板离层仪。
16、、M3电磁辐射仪，目标识别框架为SS1，S2，S3，分别表示顶板安全的不同状态，即S1安全，S2临界，S3危险。各类传感器在某一采样周期内获得证据的基本概率分布情况如下0052表2三类传感器的基本概率赋值00530054首先根据发明内容中的公式1计算出证据M1和M2的冲突值0055K05090501020103090450050020270790056依据发明内容中第三步给出的规则，当其中两个证据之间的K065时，说明证据之间产生了高度冲突，这时候需要利用本发明技术方案第四步融合算法步骤1计算出证据距离矩阵为00570058由矩阵D可以看出，证据M2与证据M1，M3，M4有较大冲突，其冲突程度。
17、达到了07，08，08；其他证据之间的冲突程度较低，都在03以下。因此在证据合成过程中，证据M2的权重系数相对其他的证据就较小，其他证据的权重系数相差不大。0059则44维的证据相互支持度矩阵为00600061据发明内容中的公式5求得各证据权重系数向量29，17，29，27；据发明内容中的公式6可计算出各证据的相对折扣因1000，05862，1000，09310。据发明内容中的公式7对各证据的基本概率分配进行折扣处理后再按DEMPSTER合成法则进行证据合成，组合结果见表3。0062为了验证本发明方法的优越性，同时采用现有DS证据合成法进行融合，融合结果见表3。0063表3证据组合结果说明书C。
18、N101996157ACN101996162A5/5页800640065从表3可以看出，当有四条证据融合时，本发明判定顶板安全状态为S1的可能性达到09104，即顶板处于安全状态；而直接利用DEMPSTER方法却判定顶板安全状态为S2，可见采用DEMPSTER规则不能对有冲突的证据进行有效处理，若有一证据对某命题的支持度为0，无论其他证据对该命题有多大的支持概率，组合结果总为0，显然不合情理。本发明提出的DS改进算法考虑了组合过程中证据的权重，基于证据距离来确定证据之间的相互支持度，并最终获得各证据的权重系数。仿真算例表明，本发明的算法可以有效处理证据冲突，而且在证据较少在收集到3条证据时的情况下也可以得到正确的结果，收敛速度快，降低了决策风险，提高了在证据高度冲突时融合结果的可靠性。说明书CN101996157ACN101996162A1/1页9图1说明书附图CN101996157A。