D_S证据理论在多传感器数据融合中的应用
o
u
南 京 航 空 航 天 大 学 学 报
rna l of N an jing U n iversity of A eronau t ics & A st ronau
t
ic
s V oAl.
31 p r.
N o. 2 1999
D 2S 证据理论在多传感器数据融合中的应用Ξ
黄 瑛 陶云刚 周洁敏 苏登军
(南京航空航天大学测试工程系 南京, 210016)
摘要 近年来, 许多领域都在进行多传感器数据融合技术的研究。多传感器数据的属性融合有很 多算法, 最常用的算法是贝叶斯决策检验法, 国际上已提出将证据理论用于数据融合, 但在这方 面的理论基础还不完善。本文研究了证据理论在多传感器数据融合中的应用。D em p ster2Shafer 方法是对 B ayes 决策检验法的推广, 证据理论比概率论满足更弱的公理系统, 并且在区分不确定 与不知及精确反映证据收集过程等方面显示了很大的灵活性。文中阐述了 D 2S 证据理论的数学 性质, 给出了可信度公理及 D 2S 综合规则, 并进行了计算机仿真实验, 实验结果说明这种判决方 法非常实用, 用于数据融合算法非常有效。
(2)
∑∑ 其中, Q =
b1 (A r) b2 (B s) , A rB r = 5 为空事件 。
rs
事实上, Q 项对来自 b1和 b2的可信度分布中的矛盾进行计算, 并确保这个综合的可信度
函数的辨识框架规格化到标准区间上。
当两个可信度函数中没有约束可信度时,D em p ster 规则等同于B ayes 规则。
敌机 0 0 0 0 1 1 1 1 1 0
我机 1 1 1 1 0 0 0 0 0 0
不明物 1 1 1 1 1 1 1 1 1 1
本文用3种传感器: 中重频雷达、ESM 、IFF 对目标进行测量, 已获得第1周期和第2周期
对相应命题的可信度分配 b1和 b2的数据 (见表1) , 其中的集合表示各属性包含的10位向量的
第2期
黄 瑛, 等: D 2S 证据理论在多传感器数据融合中的应用
173
依赖于概率函数运算一样。证据理论比概率论满足更弱的公理系统, 并且在区分不确定与不 知及精确反映证据收集过程等方面显示了很大的灵活性。但是, 自证据理论诞生以来, 也只 有专家系统的研究者们在应用证据理论, 证据理论在其他领域的应用却几乎无人问津。
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
174
南 京 航 空 航 天 大 学 学 报
第31卷
3 D em p ste r2Shafe r 方法用于多传感器数据融合
我轰炸机 1 0 0 0 0 0 0 0 0 0
© 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
第2期
黄 瑛, 等: D 2S 证据理论在多传感器数据融合中的应用
பைடு நூலகம்
1 D em p ste r2Shafe r 证据理论的数学性质
证据理论讨论一个“辨识框架”(F ram e of D iscerm en t) ( , 它是关于命题的相互独立的 可能答案或假设的一个有限集合。按传统方法可以把 ( 的幂集表示为2Η, 它是 ( 的所有子集 的集合 (如果 ( 有 N 个元素, 那么2Η 就有2N - 1个元素)。证据理论对这个辨识框架进行运 算, 并提供计算幂集元素的逻辑,D em p ster2Shafer 规则对这个幂集进行运算, 然后使用这些 计算结果完成高和低的不确定性的计算工作。这种方法的优点是: D em p ster2Shafer 规则直 接对所有具体幂集元素分配可信度度量值并进行运算。在 ( 中元素是互不相容的条件下, 基本可信度分配函数 b (A ) 是幂集2Η 到[ 0, 1 ]的映射。
用10位向量表示:
我小型机 0 0 1 1 0 0 0 0 0 0
敌小型机 0 0 0 0 0 0 1 0 1 0
敌轰炸机 0 0 0 0 1 0 0 1 0 0
轰炸机 1 0 0 0 1 0 0 1 0 0
大型机 0 1 0 0 0 1 0 0 0 0
小型机 0 0 1 1 0 0 1 0 1 0
元素的位数 (如轰炸机, 由上文向量列表为1000100100, 元素位数为1, 5, 8) :
表1 第1周期和第2周期对相应命题的可信度分配 b1和 b2的数据
传感器 属性
b1 b2
中重频雷达
民航机 轰炸机 不明物 敌轰1
(10) (1, 5, 8) (( )
(5)
0. 3
0. 4
0. 3
0. 4
在证据理论中, 可信度度量定义为不确定性说明的基本度量。这些度量值覆盖这个幂集 并使用 D em p ster2Shafer 规则进行运算, 以把两个或多个离散的判定结果或数据源组合起 来, 结果相应地导出一个可信度测量值的组合, 集合计算出高、低不确定性度量值。
2 可信度公理及D em p ste r 综合规则
∑ b′k (n) = Q - 1
[ b1 (n1) b2 (n2) …bi (nn) ]
(3)
n1∩…∩nn= n
其中
Q- 1 =
∑ b1 (n1) b2 (n2) …bn (nn)
(4)
n 1 ∩…∩n n ≠<
但要注意, 设有 t 个传感器, 由于每个传感器支持的命题集合中元素个数分别为 K 1…K t, 因
D em p ster2Shafer 方法与其他方法的区别在于: (1) 具有两个值: 即对每个命题指派两个不确定性度量值 (类似于但不等于概率) ; (2) 存在一个证据属于一个命题的一般的不确定性水平, 说明这个命题似乎可能成立, 但这个证据又不直接支持或拒绝它。这样, 对于每个命题, 有 P 和一个不确定性度量 S (P ) 及一个似乎可能性度量 PL (P )。 辨识框架中的命题或 K 类目标的第 n 次扫描时多传感器融合可信度定义为
证据理论的发展始于1976年, 由 A. P. D em p ster 提出, 并由他的学生 G. Shafer 改进使 之成为符合有限离散领域中推理的形式。它依据可信度 (B elief) 函数运算, 就如 B ayes 规则
Ξ 航空“九五”预研课题 (编号: H 401512)、国家自然科学基金 (编号: 69704007) 和江苏省自然科学基金 (编号: BJ 98058) 资助项目。 收稿日期: 1998207202; 修改稿收到日期: 1998209207 第一作者 黄 瑛 女, 工程师, 1969年6月生。 © 1994-2009 China Academic Journal Electronic Publishing House. All rights reserved.
(1) b (5 ) = 0不可能事件的基本可信度分配为0;
(2) b (Η) = 1完备事件的归一化可信度是1;
(3) 对每个正整数 n 和 ( 的每一个收集到的子集{A 1, …, A n}
∑ ∑ b (∪A n) ≥ b (A i) -
b (A iA j ) + … + (- 1) nb (A 1A 2…A n)
(1)
i
i< j
其中∪A n= A 1∪…∪A n
证据理论的一个独特的属性是能对整个辨识框架指派不受约束的可信度, 这就修正了 概率理论的弊端: 即在一个完备空间中, 事件A 以外的事件都视为 Aϖ。实际上, 人们对事件 A 的相信程度不一定提供他对Aϖ 的相信程度信息, 这就产生了: b (A ) + b (Aϖ) < 1。
0. 3
0. 5
0. 2
0. 4
E SM
IF F
敌轰2 我轰炸机 不明物 我机 不明物
(8)
(1)
(( ) (1, 2, 3, 4) (( )
0. 3
0. 2
0. 1
0. 6
0. 4
0. 4
0. 1
0. 1
0. 4
0. 6
注意, 中重频雷达支持3个命题, 即 K 1= 3, 同理 ESM 支持4个命题, K 2= 4, IFF 支持2个 命题, K 3= 2, 融合结果的命题数为7。
D em p ster 规则用来综合统计独立的证据集合。假设有两个独立的可信度或质量函数 b1 和 b2, 存在于一个公共的辨识框架上, 再假设以将 ( 划分为分别适用于这两个可信度函数 的不同的子集{A n}和{B n}, 则 D em p ster 规则为
b (A iB j ) =
b1 (A i) b2 (B j ) 1- Q
此该传感器系统支持的命题数应为各传感器支持命题集合的并集中元素的个数。
最后, 必须从可信度函数计算不确定性的高界和低界。假设应用D em p ster 规则之后, 幂集用{D m }表示, 不确定性低界称为支持可信度 S , 它是指派给元素本身和其子集元素的 所有可信度之和
∑ S (D j ) = b (D r)
立的不确定性度量。
S (A ) 是基于所有支持A 的证据所能获得的命题A 支持可信度的极大值, PL (A ) 是基 于所有不反对A 的证据 (支持证据和中性证据) 所能获得的命题A 拟信度的极大值。S (A ) 和 PL (A ) 就是命题A 的可信度的二值不确定性度量。
4 计算机仿真
仿真实例选自文[ 1 ]中给出的剧本。设空中目标可能有10种机型, 4个机型类: 轰炸机、大 型机、小型机、民航机, 三个身份属性: 敌、我、中。基本辨识框架中元素有10个, 用一个10位向 量表示:
基于D-S证据理论的多传感器火灾报警方法
基于D-S证据理论的多传感器火灾报警方法刘晓悦;马伟宁【摘要】针对火灾报警速度较慢、误报率较高的问题对火灾的报警模式和算法进行了改进,选用温度传感器、CO传感器、烟雾浓度传感器对火灾迹象实时监测,采用D-S证据理论融合的数据融合算法对3个参数融合处理得到最终的决策结果.将D-S证据理论与模糊数学中的隶属度函数相结合,根据隶属度函数的函数模型对证据理论中的概率函数赋值,解决了D-S证据理论中赋值函数模型建立的关键问题.为了提高报警的精确度,采用单一传感器周期融合,并结合传感器间融合的D-S证据融合算法.结果表明,与传统方法相比该方法提高了火灾判别的准确率,且具有良好的收敛性.【期刊名称】《河北联合大学学报（自然科学版）》【年(卷),期】2017(039)003【总页数】8页(P74-81)【关键词】传感器;D-S证据理论;隶属度函数【作者】刘晓悦;马伟宁【作者单位】华北理工大学电气工程学院,河北唐山 063210;华北理工大学电气工程学院,河北唐山 063210【正文语种】中文【中图分类】TP212火灾的发生给人类生命财产带来很大的威胁，如何实现火灾报警的准确性、快速性是当今面临的重大问题。
传统的火灾探测器大都是通过探测火灾信号的某一参数的变化来决策是否报警，如烟雾浓度、温度、气体变化、燃烧声音等，这种火灾探测器也称为开关式探测器。
开关式探测器结构简易、电路原理简单，以火灾敏感器件为核心，如果监测的参数超过设定的阈值就会触发报警[1]。
但是该种方法稳定性不强，很容易出现误报和漏报的现象。
随着单片机技术和数字信号处理技术的发展，报警探测器更趋向对信号的分析，包括实时监测值、数值的变化率、多数据融合处理等，这就涉及到算法的应用，如果有一种算法能综合利用多个数据运算得出对监测对象的某一性质的描述，那么这种算法无疑比对依赖单一数据描述的算法更加先进，更能适应当今纷繁复杂的大数据时代[2]。
经过专家学者的多年实践研究，多传感器数据融合算法正在日渐成熟，其强大的稳定性与可靠性使火灾报警系统的准确率显著提高。
基于模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究
基于多传感器数据融合的火灾预警系统
基于多传感器数据融合的火灾预警系统赵 英,陈淑娟(北京化工大学,北京 100029)摘 要:为避免火灾造成的严重损失,实现火灾早期报警,本系统通过对火灾发生过程和产物的研究比较,采用多种传感器对火灾发生初期火灾特征较明显的几个参数进行监测,并实时反馈回采集的数据。
系统利用D S 证据理论对多传感器数据进行融合分析,实现对同一目标的判断;本系统通过利用D S 证据理论对多传感器数据融合的方法,不仅弥补了采用单一传感器的不足,而且很大程度上降低系统判断结果的不确定性,提高了系统预警的准确性和可靠性。
关键词:D S 证据理论;多传感器;数据融合;火灾预警中图分类号:T N919 34;T P212.9 文献标识码:A 文章编号:1004 373X(2010)24 0173 03Fire Early Alarm System Based on Mu lti sensor Data FusionZH A O Y ing,CH EN Shu juan(Beijing U niversity of Chem i cal Technolog y,Beiji ng 100029,China)Abstract :Fire early alarm system is used to prev ent damages caused by fire.T he system uses many kinds o f a ppro pr iate sensor s t o monito r several par ameters which have the o bv ious fire characterist ic accor ding to the research o n fire process,and to feedback the data r eal timely.T he sy stem realizes the multi sensor data fusion using the D S evidence theo ry to determine the tar get.T he method no t only makes up insufficiency of sing le senso r,but also reduces the uncertainty of judg ment result and enhances the accur acy and r eliability of the fir e ea rly ala rm system.Keywords :Dempster Shafter evidence theor y;multi senso r;data fusio n;fir e ear ly alar m收稿日期:2010 07 17火灾探测是关系人民生命财产安全的重大课题。
D—S证据理论信息融合方法在目标识别中的应用,信息融合参考
在Ｄ—Ｓ证据理论中，ＢＰＡ分布只需满足其 和为１这个简单的约束条件，如（１）式所示。在工 程应用中，ＢＰＡ的分布还必须满足这样的约束： 允许一个证据提供不同抽象命题的ＢＰＡ值，但 除去未知之外，其余焦元相交为空。Ｂａｙｅｓ结构 就是满足这一约束的特例。
ｌ引 言
信息融合不同层次对应不同的算法， Ｄｅｍｐｓｔｅｒ—Ｓｈａｒｅｒ（Ｄ—Ｓ）证据理论是适合于目标 识别领域应用的一种不精确推理方法［１￣４］。它的 最大特点是对不确定信息的描述采用“区间估 计”，而不是“点估计”，在区分不知道与不精确方 在以及精确反映证据收集方面显示同很大的灵 活性。
但是，利用Ｄ—Ｓ证据理论时，基本概率赋值 函数（Ｂａｓｉｃ Ｐｒｏｂａｂｉｌｉｔｙ Ａｓｓｉｇｎｍｅｎｔ Ｆｕｎｃｔｉｏｎ， ＢＰＡＦ）的获得是一个与应用密切相关的课题，
ｆ
∑棚。（Ａｊ）埘：（Ｂ，）
ＪＤｅｍｐｓｔｅｒ组合规则满足结合律和交 换律嘲，故对于多个证据的组合，可采用（５）式的 Ｄｅｍｐｓｔｅｒ组合规则对证据进行两两综合。
３ 目标识别的Ｄ—Ｓ理论融合方法
对于目标识别的多传感器信息融合系统来 说，目标的种类就是命题，由各传感器获得信息， 并由此产生对基本些命题的度量，就构成了该理 论中的证据。然后利用这些证据通过构造相应的 ＢＰＡＦ，对所有的命题赋予一个可信度。
·８４·
弹箭与制导学报
Ｄ—Ｓ证据理论信息融合方法在 目标识别中的应用＊
徐俊艳１’２
《基于DS证据理论的多传感器数据融合算法研究与应用》
《基于DS证据理论的多传感器数据融合算法研究与应用》篇一一、引言在众多复杂系统和智能技术中，数据扮演着至关重要的角色。
在现实生活中，很多场景都需要通过多传感器系统来获取和融合数据。
这些传感器可能会产生不同的数据类型和观点，如何有效地融合这些数据，提高系统的整体性能，就变得至关重要。
本文主要研究了基于DS（Dempster-Shafer）证据理论的多传感器数据融合算法。
通过分析该算法的理论基础，探究其在各种实际场景中的应用，以及面临的挑战和解决方案。
二、DS证据理论的基础DS证据理论是一种用于处理不确定性和不完全性问题的决策理论。
它通过组合多个证据或数据源的信息，来得出更全面、更准确的结论。
该理论基于概率论和信念函数，具有强大的数据处理能力。
在DS证据理论中，每个传感器或数据源都被视为一个独立的证据，它们提供的信息被视为一个假设空间中的不同假设的概率分布。
通过将这些概率分布进行组合，可以得到一个综合的假设概率分布，这就是我们所需的融合结果。
三、多传感器数据融合算法基于DS证据理论的多传感器数据融合算法主要包含以下几个步骤：1. 数据预处理：对各个传感器的数据进行清洗、转换和标准化处理，以便进行后续的融合处理。
2. 特征提取：从预处理后的数据中提取出有用的特征信息，这些特征信息将被用于后续的假设空间构建。
3. 假设空间构建：根据提取的特征信息，构建一个假设空间，每个假设对应一个可能的融合结果。
4. 概率分配：根据每个传感器或数据源提供的信息，将概率分配给每个假设。
这一步是DS证据理论的核心步骤。
5. 概率组合：通过DS组合规则，将各个传感器的概率分布进行组合，得到一个综合的假设概率分布。
6. 决策输出：根据综合的假设概率分布，得出最终的决策结果。
四、应用场景基于DS证据理论的多传感器数据融合算法在许多领域都有广泛的应用。
例如：1. 智能交通系统：通过融合来自摄像头、雷达、激光雷达等传感器的数据，提高车辆对环境的感知能力，从而提升交通系统的安全性和效率。
基于D-S证据理论的多传感器信息融合方法[发明专利]
![基于D-S证据理论的多传感器信息融合方法[发明专利]](https://360docs-1393072327.cos.ap-beijing.myqcloud.com/24074af6a300a6c30d229f5c.webp)
专利名称：基于D-S证据理论的多传感器信息融合方法专利类型：发明专利
发明人：王保云,王婷,杨昆
申请号：CN201410765000.0
申请日：20141211
公开号：CN104408324A
公开日：
20150311
专利内容由知识产权出版社提供
摘要：基于D-S证据理论的多传感器信息融合方法，涉及证据理论的多传感器信息融合方法，属于信息融合领域。
发明为了解决在证据合成中传统的证据融合方法的计算量大，存在一票否决的问题和合成结果不确定性的问题。
基于D-S证据理论的多传感器信息融合方法，获得证据集E＝{e，i＝
1，2，...，l}；根据设定的辨识框架Θ＝{θ，θ，...，θ}将证据e整理为证据数据m(A)；按A的基数从小到大进行排序，形成有序焦元集K＝{C，C，...，C}，对证据数据m(C)进行BPA确定化，得到m′(C)；按w(C)＝1-(m′(C)-m(C))得到融合权重函数w(C)；按进行证据合成，得到全体证据集的合成结果，将其作为传感器的输出决策。
本发明适用于多传感器信息融合。
申请人：云南师范大学
地址：650092 云南省昆明市呈贡雨花片区1号云南师范大学信息学院
国籍：CN
代理机构：哈尔滨市松花江专利商标事务所
代理人：杨立超
更多信息请下载全文后查看。
基于D-S证据理论的机器人多传感器信息融合方法研究
ｂ ｓｄ ｏ Ｓ ｅ ｉ ｎ ｅｔ ｅ ｒ ａ ｅ ｎ Ｄ－ ｖｄｅ ｃ ｈ ｏ ｙ
Ｓ ＵＮ — ｈ ｎ ＺＨ ＥＮＧ ｉｌｎ Ｙｕ ｓ ｅ ｇ， Ｃａ －ｉ ｇ
（ ｏｅ ｅｆＥ ｃ ．ｎ ｆ ｒ啦 ．Ｚ ｅｇｈ ｕＵ ｉ ｏ Ｌ ｈ ｄ， ｈｎｚｏ ５０ ２ Ｃ ｉ ） Ｃ ｌｇ ｌ ｔ ａｄｌ ｏ． ｌ ｏ ｅｒ ｎ ，ｈｎｚｏ ｎ ． ｉ ｔ ｎ ． ｅｇｈｕ４ ００ ，ｈｎ ｖｆ ｇ Ｉ Ｚ ａ
避 障．
关键词 ： 移动 机 器人 ； 息融合 ； 信 自主导航 ； Ｄ—Ｓ证 据理论
中图分 类号 ：Ｐ ４ ． Ｔ ２ ２６
文 献标 志码 ： Ａ
Ｍ ｅ ｈｏ ｅ ｅ ｒ ｈ ｏ ｏ ｏ ｕ ｔ．ｅ ｏ ｎｆ ｒ ａ ｉ ｎ ｆ ｉ ｎ ｔ ｄ ｒ ｓ ａ ｃ ｆ ｒ ｂ ｔｍ ｌｉｓ ｎｓ ｒ ｉ ｏ ｍ ｔｏ ｕｓｏ
收 稿 日期 ：０ ０—１ ２ ２１ ２— ２ 基 金 项 目 ： 南省 科 技 攻 关项 目（ ６ ３３ ８０ 河 ０２ ０ １０ ）
移 动机器 人在 运 行 时 ， 必须 不 断 地感 知 周 围 环
境信息和 自身状态信息 ， 以确定 自身位姿． 由于移
动机 器人 工作 环境 的 复杂 性 、 器人 自身 状 态 的不 机 确定 性和传 感器 的局 限性 ， 只靠 一种 传 感 器难 以完
ｃ ｍｅ ａ ａ ｄ ｔ ｅｌ ｓ ｒｓ ｎ ｏ ｓｗａ ｕ ｅ Ｔ ｅ ｅ ｐ ｒｍｅ ｔｒ ｓ ｌ ｈ ｗｅ ｈ ｔｔ ｅ ｉ ｒ ｖ ｄ Ｄ— ｖ ｄ ｎ ｅ ｔ ｅ ａ ｒ ｎ ｈ ａ ｅ ｅ ｓ ｒ ｓｆ ｓ ｄ． ｈ ｘ ｅ ｉ ｎ ｅ ｕｔ ｓ ｏ ｄ ｔ ａ ｈ ｍｐ ｏ ｅ Ｓ ｅ ｉ ｅ ｃ ｈ － ｓ
《改进D-S证据理论的决策融合算法研究及应用》
《改进D-S证据理论的决策融合算法研究及应用》篇一一、引言决策融合算法作为人工智能和数据分析的重要手段，已经广泛运用于多个领域。
D-S（Dempster-Shafer）证据理论作为一种重要的决策融合方法，能够有效地将不同来源的证据进行融合，从而得到更准确的决策结果。
然而，D-S证据理论在实际应用中也面临着一些问题，如证据冲突的处理、计算复杂度等。
本文针对这些问题，提出了一种改进的D-S证据理论决策融合算法，并对其进行了深入研究及应用。
二、D-S证据理论概述D-S证据理论是一种基于概率的决策融合方法，通过将不同来源的证据进行融合，得到一个综合的决策结果。
该方法具有简单易行、易于理解等优点，被广泛应用于多源信息融合、专家系统等领域。
然而，传统的D-S证据理论在处理证据冲突和计算复杂度等方面存在局限性。
三、改进的D-S证据理论决策融合算法针对传统D-S证据理论的不足，本文提出了一种改进的算法。
该算法在处理证据冲突时，引入了权重因子，使得算法能够更好地处理不同来源证据之间的冲突。
同时，该算法还采用了优化策略，降低了计算复杂度，提高了算法的运行效率。
具体而言，改进的算法在融合过程中对每一条证据分配一个权重值，该值反映了该证据在决策中的重要性。
在计算综合概率时，根据权重值对不同来源的证据进行加权融合。
此外，算法还采用了优化策略，如采用并行计算、减少迭代次数等手段，降低计算复杂度。
四、算法应用本文将改进的D-S证据理论决策融合算法应用于多个领域，包括多源信息融合、专家系统等。
在多源信息融合中，该算法能够有效地将不同来源的信息进行融合，提高决策的准确性。
在专家系统中，该算法能够根据专家的意见和经验进行决策融合，为决策者提供更全面的信息支持。
五、实验分析为了验证改进的D-S证据理论决策融合算法的有效性，本文进行了多组实验。
实验结果表明，改进后的算法在处理证据冲突和计算复杂度等方面均取得了较好的效果。
与传统的D-S证据理论相比，改进后的算法能够更准确地处理不同来源的证据，提高决策的准确性。
基于D-S证据理论的某坝体多传感器监测结果融合
近似为直线%变化速率较大且曲线波动范围较大%数 据变化量在控制值 K6R T96R内&
,# 重度异常& 监测数据超出设计安全阈值范 围%发生过较大突变且发生频率较高& 施工期内%监 测数据连续性极差,运行期内%监测数据过程曲线基 本不连续且跳动范围极大% 数据变化量在控制值 96R T566R内&
参照已有的大坝安全综合评价成果(K) %令大坝 安全等级通用识别框架 &b0 正常%基本正常%轻度 异常%重度异常%恶性失常1 b0 :5 %:= %:8 %:@ %:> 1 & !&%$底层证据体基本概率赋值
底层证据体即底层评价指标%也就是布置在坝 体上的具体监测仪器%对其进行基本概率赋值%一般 是以已完成的各单个监测效应量的监测资料分析成 果为基础%也可以采用专家评分方式进行& 本节主 要根据单个效应量下全部监测点的数据初步分析结 果%按照其比重得到基本概率赋值& 当然%在进行初 步分析时%还需要对监测数据序列进行异常值识别 和处理%避免造成错误的结果%导致最终融合结果出 现偏差& 对单支监测仪器数据初步分析评定标准 如下&
人民珠江A=6=8 年增刊 5
Байду номын сангаас
一类
变形
应力 应变 渗流 渗压
监测效应量 二类
表面水平位移 垂线
激光准直 表面垂直位移
静力水准 测缝计 裂缝计
锚杆应力计 钢筋计
应变计组 应变计
无应力计 锚索测力计
渗压计 量水堰
D-S证据理论在多源数据融合中的应用及改进
D-S证据理论在多源数据融合中的应用及改进王洪发;王先义【摘要】在不确定性处理算法中,D-S证据理论具有较好的应用效果.阐述了D-S 证据理论及其在多传感器数据融合中的应用.从改进合成规则和证据源数据两方面对当前的一些改进方法进行了分析比较.提出一种基于冲突强度的证据合成规则,并在Murphy证据平均合成规则的基础上提出一种基于证据间相似系数的证据合成规则,通过实例对这几种方法进行了比较,证明了基于相似系数证据合成规则的有效性.【期刊名称】《现代电子技术》【年(卷),期】2009(032)015【总页数】4页(P7-9,12)【关键词】数据融合;D-S证据理论;合成规则;冲突强度;相似系数【作者】王洪发;王先义【作者单位】中国电波传播研究所,山东,青岛,266107;中国电波传播研究所,山东,青岛,266107【正文语种】中文【中图分类】TP1820 引言近年来，在多源数据融合领域已进行了大量的研究，并在军事战场指挥系统、智能机器人及工业自动化中得到了广泛的应用。
多源数据融合是指协调使用多个传感器，将多个同类或不同类传感器所提供的局部信息加以综合，消除多传感器数据之间可能存在的冗余和矛盾，加以互补，降低其不确定性，获得对物体或环境的一致性描述的过程[1]。
针对数据融合的不同层次，人们提出了不同的融合算法，其中D-S证据理论因其能够很好地表示“不确定”及“不知道”等重要概念，并具有无需先验概率、推理形式简单等优点，被广泛应用于不确定性数据的处理，并取得了较好的结果。
1 D-S证据理论D-S证据理论是由A.P.Dempster于1967年提出的，后由其学生G.Shafer加以扩充和发展。
该理论在概率的基础上对概率论的概念进行了扩展，把概率论中的事件扩展成命题，把事件的集合扩展成命题的集合，提出基本概率分配等概念，建立命题和集合之间的一一对应关系，从而把命题的不确定性问题转化为集合的不确定性问题。
下面介绍D-S证据理论的一些相关概念[2-3]：定义1 基本概率分配。