基于证据分类和冲突衡量的加权证据融合方法与流程

技术特征：

1.基于证据分类和冲突衡量的加权证据融合方法，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m_i＝(m_i(θ₁),…,m_i(θ_r),…,m_i(θ_k))^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、对上述第i个证据m_i和第j个证据m_j是否为一致证据进行判断：根据m_i中最大的基本概率赋值对应的焦元与证据m_j中最大的基本概率赋值对应的焦元是否为同一焦元来判断，若为同一焦元，则称证据m_i和m_j为一致证据，否则称证据m_i和m_j为非一致证据，其中i,j＝1,2,…,n；i≠j；

C、通过下述公式计算差异性系数，得到任意第i个证据m_i和第j个证据m_j之间的差异性系数d(m_i,m_j)，式中M_i表示一个行向量，D_i表示一个列向量；

D、由任意证据m_i和m_j之间的差异性系数d(m_i,m_j)根据证据分类结果分别通过公式：和计算任意一致证据m_i和m_j和非一致证据m_i和m_j之间的冲突系数conf(m_i,m_j)；

E、由得到的任意第i个证据m_i和第j个证据m_j之间的冲突系数conf(m_i,m_j)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(m_i)和第i个证据与其它n-1个证据的相对支持程度因子truf(m_i)，并利用n个证据中最大的相对支持程度因子truf_max和i个证据与其他n-1个证据的相对支持程度因子truf(m_i)通过下述公式得到权重系数ω_i，

F、记第i个证据中焦元θ_r的基本概率赋值用m_i(θ_r)表示，其中r＝1,2,…,k，修正后的第i个证据中焦元θ_r的基本概率赋值用m_i^d(θ_r)表示，根据步骤E中得到的权重系数ω_i通过公式：

对融合的证据进行修正；

G、最后，采用Dempster组合规则对修正后的证据进行逐个融合,融合后焦元A的基本概率赋值m(A)的最大值对应的焦元为目标识别的决策结果对应的识别目标，即为决策最终结果。

2.根据权利要求1所述的基于证据分类和冲突衡量的加权证据融合方法，其特征在于：所述的步骤C中所述一个行向量M_r＝[-m_i(θ_r)m_j(θ₁),…,|m_i(θ_r)-m_j(θ_r)|,

…,-m_i(θ_r)m_j(θ_k)]，一个列向量D_r表达式为其中，r＝1,2,…,k。

3.根据权利要求1-2所述的基于证据分类和冲突衡量的加权证据融合方法，其特征在于：所述的Dempster组合规则为：

其中，m(A)表示焦元A的基本概率赋值，K为冲突系数，r,l＝1,2,…,k，为空集。