改進的證據組合方法

王　品，尚朝軒，韓壯志

(解放軍軍械工程學院電子與光學工程系，河北 石家莊 050003)

?

改進的證據組合方法

王品，尚朝軒，韓壯志

(解放軍軍械工程學院電子與光學工程系，河北 石家莊 050003)

摘要:針對在空中目標識別中，證據理論不能正確處理高度沖突的證據以及沖突因子度量沖突的方法存在不合理性等問題，提出了改進的證據組合方法。該方法包括沖突度量方法及證據組合規則，基于Jousselme距離的沖突度量方法通過計算證據與證據均值的距離，求出各證據間的沖突；基于Lefevre方法框架的證據組合規則定義了基本概率指派(BPA)中非沖突部分所占的比例，再將沖突部分重新分配。仿真實驗與比較結果表明，提出的改進方法較有效地解決了證據理論存在的問題，提高了目標識別結果的可靠性。

關鍵詞:證據理論；目標識別；組合規則；沖突度量

0引言

現代戰爭是以電子戰為中心的戰爭，對戰場動態信息的實時監測和處理是關系到戰爭勝敗的重要因素。所以，空中目標識別在國防及未來戰爭中扮演著重要角色。目標識別就是利用傳感器得到的目標屬性數據形成一個目標身份屬性判斷[1]，為作戰指揮輔助決策的提供了重要依據。近年來，國內外關于目標識別的融合計算方法發展迅速，其中證據理論作為一種不確定性推理方法，受到越來越多的關注。證據理論為不確定信息的表達和合成提供了自然而強有力的方法，因而在空中目標的融合識別中獲得了廣泛的應用。證據理論能夠很好地表示“不確定性”及“無知”等認知學上的重要概念，相比傳統概率論能更好地把握問題的未知性和不確定性[2-3]。利用證據理論進行多傳感器目標識別雖然有諸多優良的性質，然而證據理論不能正確處理高度沖突的證據，并且沖突因子度量沖突的方法存在不合理性。本文針對證據理論存在的問題，提出了改進的證據組合方法。

1證據理論及存在的問題

1.1證據理論概述

證據理論是由Dempster提出的，后由其學生Shafer加以擴充和發展，所以又稱為D-S證據理論[5]，可概述如下。

定義識別框架U：U為所有可能取值的一個論域集合，U中元素互不相容。

設m1,m2,…,mn是2U上的n個相互獨立的BPA，Dempster證據組合規則為

(1)

式中，

(2)

為沖突因子，即賦予空集的BPA，其大小反映了證據沖突程度。

1.2存在問題與現狀分析

證據理論在實際應用中主要存在以下幾類問題。

問題一：證據理論中的沖突因子不能正確合理地度量證據間沖突的大小。

由式(2)計算出K=0.8，可見在證據理論的沖突度量下，兩條證據存在較大的沖突。然而，從數學形式上看，它們是完全相同的兩條證據。這說明該沖突度量方法夸大了交集為空的焦元對證據沖突產生的影響，不能合理度量沖突大小。

問題二：對于高度沖突的證據應用證據理論進行融合時，會得到有悖常理的結果。

由式(1)計算得到：

本例中兩條證據分別對B的BPA都很低，即不認為B為真，但融合結果卻認為B為真，這顯然是有悖常理的。

問題三：魯棒性問題。證據BPA發生微小變化時，融合結果會產生急劇變化。

例3將例2中兩條證據的BPA稍作修改，得到：

由式(1)計算得到：

本例中融合結果m′相比m變化較大，這說明了證據理論得到的融合結果不夠穩定，過于敏感，魯棒性較差。

分析其原因，證據沖突的度量以及歸一化過程[6]的不盡合理是證據理論出現上述問題的根源。證據理論的歸一化過程實質上是證據沖突按照特定的比例在融合后所得BPA的焦元上重新分配。

鑒于證據理論存在的這些不足，研究者們提出了許多改進方法。對于證據間沖突的度量，王壯在文獻[7]中以BPA之間距離的形式提出一種沖突度量方法；Jousselme認為BPA之間距離的構造需要考慮U各子集之間的相似性，從而在距離的計算中對它們賦予不同的權重[8]。相比證據理論中的沖突度量方法，基于距離的度量方法能夠解決問題一，真實表現了證據之間的沖突，但以上方法都只適用于兩條BPA的情況，無法同時度量兩條以上BPA之間的證據沖突。

對于如何將沖突分配得更合理這一問題，以Lefevre[9]為代表提出了統一信度函數組合方法。通過設定沖突重新分配的子集的集合和相應的權重因子，Lefevre方法可以引申出該類解決思路的其他方法，如Smets方法[10]、Yager方法[11]等。相繼，孫全提出即使證據之間存在著沖突，它們也是部分可用的，并且可用程度取決于證據的可信度[12]。但總的來說，這些改進方法都沒有超出Lefevre方法的框架。

2改進的沖突度量方法

距離度量是多元統計分析中的重要概念與工具，具有直觀的幾何意義與堅實的數學基礎[13]。利用距離來度量不同證據間的沖突，距離近，則沖突小；反之，則沖突大。各種距離函數共同存在的問題就是無法同時度量兩條以上BPA之間的證據沖突，影響了融合結果的時效性。為此，對Jousselme距離度量進行改進。

(3)

每條BPA與均值m0之間的距離采用如下定義

(4)

取

(5)

則基于距離度量的N條證據之間的沖突表示為：

(6)

以m0代表N條證據BPA的平均水平，每條證據與m0的距離代表個體沖突，個體沖突的平方和再開方代表這N條證據的整體沖突 (本文中提到的N條證據之間的沖突都指整體沖突)。由此得到基于距離的改進沖突度量方法，Δ即為N條證據之間的沖突。在實際應用中，只有能夠同時對任意組證據之間的沖突進行度量的策略才能真正有效地指導融合算法評估或組合沖突處理等工作。

3改進的證據組合規則

首先引入投注變換的概念。投注變換所基于的思想是廣義理由不充分原理。理由不充分原理可以敘述為：當需要在M個元素上計算概率分布時，若沒有任何可用信息，則將1/M的概率賦予各個元素。對識別框架U，廣義理由不充分原理將這一思想用在了它的各個子集A上[14]。因此，投注變換定義為[15]：

(7)

證據組合前，將非單元素焦元的BPA投注到單元素焦元上。再將單元素焦元的BPA依據下述方法進行融合。

(8)

綜上，沖突度量方法以及證據組合規則共同構成了改進的證據組合方法，整體處理流程如圖1所示。

圖1　改進的證據組合方法處理流程Fig.1　Process flow of improved evidence combination

4仿真實驗與結果分析

下面通過四個仿真實驗，來驗證本文改進方法的合理性及有效性。

實驗一：利用本文改進的沖突度量方法式(6)，計算例1中兩條證據之間的沖突，得Δ=0。相比例1中沖突因子K=0.8，改進的方法更符合人們的邏輯推理。說明該方法能夠更加合理的度量證據之間的沖突。

依據式(6),計算得三條證據的BPA之間的沖突為Δ=0.838 4，m1與m2的沖突為Δ12=0.694 0，m1與m3的沖突為Δ13=0.063 6，m2與m3的沖突為Δ23=0.754 1。說明該沖突度量方法可以同時度量兩條以上證據之間的沖突大小，且Δ23>Δ12>Δ13，這與人們的邏輯推理相符。

實驗二：考慮與例2相同的情景。根據式(6)計算證據間沖突的大小，利用本文改進的證據組合規則式(8)，對例2的證據進行融合，并與例2的結果進行對比。融合結果如表1所示。

表1　融合結果(1)

兩條證據分別對B的BPA都很低，融合結果并沒有認為最不可能的B為真，說明利用該方法對高度沖突的證據進行融合時，可以得到合理的結果，解決了證據理論無法處理高度沖突證據的問題。

再考慮與例3相同的情景。修改BPA后的融合結果及修改前的結果如表2所示。

表2　融合結果(2)

修改BPA后，沖突大小為Δ′=0.960 4，經比較，融合前識別框架的BPA增大，兩證據的差距縮小，相應Δ′減小，證據的細微變化帶來融合結果相應的改變，沒有產生較大的起伏，克服了融合結果過于敏感這一問題。

其中ξ從0逐漸增加到1。這兩組證據間的沖突大小及融合結果按照本文的方法計算，變化過程如圖2所示。

圖2　沖突大小及融合結果隨ξ的變化曲線Fig.2　Conflict and fusion results change withξ

由圖2可以看出，隨著ξ的增加，m2中越來越多的BPA保留在B中，兩條證據之間的沖突越來越大，當ξ=1時，沖突達到最大值1。在此過程中，組合后賦予A的BPA隨著ξ的增加而減小，賦予B的BPA隨著ξ的增加而增加。可見，應用本文的證據組合方法得出的融合結果，可以隨著證據的改變，做出相應合理的變化，且符合邏輯推理。

實驗四：用文獻[16]中防空目標識別的具體事例，作為本文改進方法在空中目標識別中的應用，驗證該方法的有效性。假設現有四種傳感器對一空中目標進行探測識別，該目標可能為民航機、轟炸機和戰斗機中的一種。由此，證據理論的識別框架為：{A：民航機，B：轟炸機，C：戰斗機}。將探測的目標數據處理后，作為證據，應用到改進的證據組合方法中。

假設四種傳感器對應的BPA為：

由上述方法，計算得到

所以判斷該空中目標為A：民航機。這與文獻[16]的判斷結果一致，驗證了本文方法的有效性。

由以上四個實驗結果可以得出本文提出的改進方法具有以下優點。

改進的證據組合規則的優點：1)可以合理地融合高度沖突的證據；2)克服了原證據理論對沖突的細微變化過于敏感的問題，魯棒性增強。

改進的沖突度量方法的優點：1)相比證據理論中的沖突度量方法，改進的方法更能真實直接地反應證據之間的沖突；2)可同時度量兩條以上證據之間的沖突。

5結論

本文提出了改進的證據組合方法。該方法包括沖突度量方法及證據組合規則。基于Jousselme距離的沖突度量方法通過計算證據與證據均值的距離，求出各證據間的沖突；基于Lefevre方法框架的證據組合規則定義了BPA中非沖突部分的比例，再將沖突部分重新分配。實驗結果和分析表明，沖突度量方法，較現有的方法更加準確并且能夠同時度量兩條以上證據之間的沖突；改進的證據組合規則，在對高度沖突的證據進行融合時，可以得到合理的融合結果，且對于沖突的細微變化能夠做出合理的改變。本文提出的改進的證據組合方法較有效地解決了證據理論存在的問題，提高了目標識別結果的可靠性，為戰時空中目標識別系統提供了新的思路和方法。

參考文獻:

[1]吳瑕, 周焰, 蔡益朝, 等. 多傳感器目標融合識別系統模型研究現狀與問題[J]. 宇航學報, 2010, 31(5): 1413-1420.

[2]鄧勇, 施文康, 朱振福. 一種有效處理沖突證據的組合方法[J]. 紅外與毫米波學報, 2004, 23(1): 27-32.

[3]SuoBin,ChengYongsheng,ZengChao,etal.Computationalintelligenceapproachforuncertaintyquantificationusingevidencetheory[J].JournalofSystemsEngineeringandElectronics, 2013, 24(2): 250-260.

[4]韓峰, 楊萬海, 袁曉光. 一種有效處理沖突證據的組合方法[J]. 電光與控制, 2010, 17(4): 6-8.

[5]何友, 王國宏, 關欣, 等. 信息融合理論及應用[M]. 北京: 電子工業出版社, 2010.

[6]李軍偉, 程詠梅, 潘泉, 等. 基于焦元距離的沖突證據組合規則[J]. 系統工程與電子技術, 2010, 32(11): 2360-2362.

[7]王壯.C4ISR系統目標綜合識別理論與技術研究[D]. 長沙: 國防科技大學, 2001.

[8]JousselmeA,GrenierD,BosseE.Anewdistancebetweentwobodiesofevidence[J].InformationFusion, 2001, 2(2): 91-101.

[9]LefevreE,ColotO,VannoorenbergheP.Belieffunctioncombinationandconflictmanagement[J].InformationFusion, 2002, 3(3): 149-162.

[10]SmetsP,KennesR.Thetransferbeliefmodel[J].ArtificialIntelligence, 1994, 66(3): 191-234.

[11]YagerRR.OntheDempster-Shaferframeworkandnewcombinationrules[J].InformationScience, 1989, 41(2): 93-137.

[12]孫全, 葉秀清, 顧偉康. 一種新的基于證據理論的合成公式[J]. 電子學報, 2000, 28(8): 117-119.

[13]張潤楚. 多元統計分析[M]. 北京: 科學出版社, 2006.

[14]賈宇平. 基于信任函數理論的融合目標識別研究[D]. 長沙: 國防科技大學,2009.

[15]SmetsP,KennesR.Thetransferablebeliefmodel[J].ArtificialIntelligence, 1994, 66(4):191-234.

[16]朱江樂, 章衛國, 邱岳恒, 等. 基于改進證據理論的多傳感器目標識別[J]. 火力與指揮控制, 2013, 38(8): 107-110.

Improved Approach for Evidence Combination

WANG pin, SHANG Chaoxuan, HAN Zhuangzhi

(Department of Electronic and Optical Engineering, Ordnance Engineering College, Shijiazhuang 050003, China)

Abstract:Considering the difficulty of conflict evidences combination and the measuring conflict irrationality by evidence theory in target recognition, an improved approach for evidence combination was proposed. The method included the conflict measure and evidence combination rule. The conflict measure based on Jousselme distance got the conflict by calculating the distance between the evidences and the mean of evidences. The evidence combination rule based on the framework of Lefevre approach defined the proportion of the non-conflict in basic probability assignment(BPA), and the proportion of the conflict is reassigned. By simulations, the proposed approach was compared with the existing approaches. The results show that the proposed approach could solve the problems in evidence theory efficiently and improved the reliability of target recognition results.

Key words:evidence theory; target recognition; combination rule; conflict measure

中圖分類號:TN391

文獻標志碼:A

文章編號：1008-1194(2016)01-0076-05

作者簡介:王品(1991—)，女，河北石家莊人，碩士研究生，研究方向：目標探測與識別。E-mail：wangpin17@163.com。

*收稿日期:2015-09-26