基于加權信度熵的傳感器數據沖突度量與融合

周 穎，唐永川，趙曉哲

(西北工業大學電子信息學院，西安 710072)

0 引言

多傳感器數據融合與智能決策作為一類共性問題是當前研究的熱點之一[1-2]。在目標識別中，如何對帶有沖突的多傳感器數據實現不確定信息度量，進而實現沖突數據融合與智能決策，仍然是一個難題[3-4]。不確定信息處理是當前數據融合領域的研究熱點，引起了相關學者的廣泛關注。D-S證據理論[5-6]在不確定信息處理中應用廣泛，但是如何在D-S證據理論框架下度量信息的不確定性程度仍然是一個值得深入研究的問題[7-8]。

香農熵是概率框架下不確定度測量的典型方法，在信息量度量中被廣泛采用，但香農熵并不能直接應用于D-S證據理論框架下的mass函數中。因此，文獻[9]提出了一種名為Deng熵的不確定性度量方法，在一些情況下，Deng熵的不確定性度量效果要優于文獻[9]中提及的其他度量方法。但是，類似其他信度熵，Deng熵并沒有考慮到辨識框架(FOD)這種不確定信息源的因素，這就意味著在信息處理過程中損失了一部分可用且有價值的信息。考慮到Deng熵的不足，本文提出了加權信度熵，新的度量方法采用了關于FOD的命題相對標度，即命題元素的勢和FOD中的元素個數都成為構建加權信度熵的權重因子。

隨后，基于新的信度熵度量方法，為了融合多傳感器沖突數據，本文提出了一種多傳感器沖突數據融合方法，并以目標識別與智能決策為應用對象。新方法采用加權信度熵建模了多傳感器數據不確定性后，采用具有諸多優勢的經典Dempster組合規則進行數據融合，最后，基于數據融合結果進行目標識別決策。……