D-S证据理论在目标识别中的应用

格式：pdf
大小：824.96 KB
文档页数：2

下载文档原格式

D-S证据理论改进相关综述

D-S证据理论改进相关综述发布时间：2022-09-08T09:02:08.884Z 来源：《科技新时代》2022年2月4期作者：杨亚琨，[导读] 在目标识别领域的数据融合技术当中，D-S证据理论被广泛应用，主要在于D-S证据理论可杨亚琨，单位：湖南农业大学-信息与智能科学技术学院摘要：在目标识别领域的数据融合技术当中，D-S证据理论被广泛应用，主要在于D-S证据理论可以有效的处理不确定信息。

可有效处理复杂环境下引起的不确定问题，使其处理不确定信息时更加的高效。

其缺点是在高冲突的证据发生时，得不到有效结果。

本研究为探寻一种能够优化证据理论的方法，使其达到高冲突证据环境中，还能得到不偏离现实的有效融合结果的目的，研究并整理了大量相关文献，研究过程中发现有学者针对此方向有过探究，但效果不甚理想。

基于此，本文经查阅大量国内外相关文献，为探寻一种解决高冲突证据问题的方法后分析和整理成为本篇综述。

关键词：D-S证据理论；不确定信息；高冲突证据；优化1.引言1967年，证据理论首次问世，提出人是Dempster。

同年，Shafer通过研究进一步完善并确立了证据理论概念。

因此证据理论又被命名为D-S（Dempster-Shafer）证据理论，以此纪念两位伟大的研究先驱。

D-S证据理论由于对不确定信息的多元化高效处理，能在目标识别领域发挥出巨大作用。

由于D-S证据理论无需目标先验，也无需条件概率密度，在建模上比贝叶斯概率论具备更优越的有效性与灵活性。

D-S证据理论对于“不确定性”的表达通过对由多个对象组成的集合子集来进行基本概率分配函数的分配，而不是单个对象，并对证据主体进行合并形成新的证据。

Dempster组合规则的决策是通过多传感器信息的综合而得，拥有准确、有效的特征[3]。

设多传感器系统的框架为Θ={A1，A2，...，AM},生成两个独立的证据定义，设对应的mass函数为m1和m2，则Dempster组合规则为交换律和结合律在Dempster组合规则中发挥的作用是在不受揆情度理顺序的影响下提高证据融合的便利性。

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合应用作者：方怡王先全李杰李俊霖徐粮周锡祥来源：《电脑知识与技术》2020年第12期摘要：基于D-S证据理论的目标识别融合系统，可以充分发挥多传感器信息的优势，提高目标识别结果的准确性。

本文结合工程实践，分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题，发现使用D-S证据理论对于高冲突证据融合结果准确性较低。

因此提出一种基于D-S证据理论的改进数据融合方法，将冲突因子与支持度标准偏差的相反数相乘，再与所有证据和乘积的正交相加，然后减去证据的基本概率的最大差。

如果证据的冲突越大，这种方法的优势就越明显。

如果证据中不存在冲突，则融合结果与原始D-S证据理论的项目一致。

实验的比较数据表明，改进的信息融合方法对于改进解决冲突问题必不可少，并且是有效的。

关键字：多传感器信息融合;目标识别;D-S证据理论;证据支持度;冲突证据中图分类号：TP391 文献标识码：A文章编号：1009-3044（2020）12-0190-030引言目标识别融合系统是现代科技战争指挥系统中达到高效控制与指挥的重要设备和手段，要做到正确、及时地对局势进行决策、指挥，就需要对多源实时信息进行快速合理的处理，提高指挥员对局面的感知程度和反应能力，从而提高决策质量和水平。

随着各类先进电子信息设备的广泛应用，仅依靠人工进行信息分析判断以及指挥的方法已经无法适应信息化系统的要求。

对于来自不同类型、不同精度的多源传感器数据进行快速、准确处理是目标识别融合系统使用的主要技术，因此，多传感器数据融合技术已成为现代目标识别融合系统的核心技术之一，相关领域研究人员高度重视该项技术的发展。

在多传感器目标识别融合系统中，因为不同传感器准确度存在一定差异，以及环境噪声和人为干扰等因素，造成数据融合时出现不确定性。

Yager提出取消不完全可靠性证据的正则化过程，将未知情况分配给原有识别框架，有效解决了对高冲突证据的融合问题，但对于对冲突证据的完全否定问题没有得到改善。

战场目标识别中的D-S证据理论应用

和复杂化导致对传统的数据和信号处理系统提出了更高
的要求。先进的作战管理系统在控制日益增多的复杂武
器系统时，须从大量的可移动的和活动的传感器台站收必集数据并加以融合。为了满足实时防御系统的要求，要需对数据进行迅速和有效的处理，传统的数据处理常常做但不到这一点。特别是，当所需要检测的目标信号淹没在大量噪声和不相关信号与杂波中时，应用人工方法对微弱目
Ｋｅｏｄ：ｍｃｏｅｓｉｓｎｓａａｆｓｎｂｃｅｏｎｔｎＤｍｓｒｈｆｒＤＳｅｉｅｃｈｏｙｙｗｒｓｉｓｉｃｉａ；ｄｔｕｉ；ｏｊｔｒｃｇｉｏ；ｅｐｔ — ａ（ — ）ｖｄｎｅｔｒ；ｒｍｉａｉｎｏｍｐｓｅ — ｈｆｒｅｉｎｅｔｅｒｎｌｃｔｏｆＤｅｔｒＳａｅｖｄｅｃｈｏｙｉ
ｂｔｅｅｂｔｅｏｎｔｎａｔｆｌｏｊｃｃｇｉｏｌｄｉｅｒｉ
ＬＵＸｉｏｄｎ，ＷＵＪｎ，ＬＮｅＦｎＩａ —ａｕＩＸｕ — ｅ（ｏｔｒｄａｅＤｅａｔｎ，ｔｌｒａｅｆＬＨｅｅ２０３，ｈｎ）ＰｓｇａｕｔｐｒｍｅｔＡｒｉｅｙＡｃｄｍｙｏＡ，ｆｉ３０１ＣｉａｌＰ
架进行运算，提供计算幂元素的逻辑。ＤＳ推理用于多并 — 传感器数据融合时，由各传感器独立获得关于识别目标的
ｆｒａｈｓｎｏ，ｅＭｏｒｅｃａａｔｒｔｓｃｎｂｃｕｒｄＥｐｒｅｔｅｕｔｓｏａｅｂｔｅｅｂｅｔｏｅｃｅｓｒｔＥｓｕｃｈｒｃｉｉａｅａｑｉ．ｘｅｍｎｓｌｈｗｔｔｈａｌｌｏｊｃｈｅｓｃｅｉｒｓｈｔｔｆｄｉ

D-S证据理论在目标身份识别中的应用

【关键词】身份属性，Ｄ— Ｓ理论，基本概率指派，合成规则
中图分类号：Ｔ１Ｐ３文献标识码：Ａ
ＡＢＴＳＲＡＣＴＴｏｃｕｔｒｔｅｑｅｔｏｆｍｕｔｓｕｃｎｏｍａｉｎｆｓｏｏｉｅｔｆｈｔｒｂｔｎｏａｇｔ，Ｄ－ｖｄｎｅｔｅｒｏｎｅｈｕｓｉｎｏｌｉｏｒｅｉｆｒｔｏｕｉｎｔｄｎｉｔｅａｔｉｕｉｆｔｒｅｓ－ｙｏＳｅｉｅｃｈｏｙ
ＤＳ证据理论在目标身份识别中的应用－
文章编号：０３５５（０１１－０８０１０－８０２１）２００－３
２１燕０１
Ｄ— 据理论在目标身份识别中的应用Ｓ证
ＡｐｌｃｔｏｆＤ－ｉｅｅＴｈｅｒｏＴａｇｔＩｅｉｉａｉｎｐｉａｉｎｏＳＥｖｄｎｃｏｙｔｒｅｄｎｔｆｃｔＯ
对传感器观测实体的身份识别与判断是信息融合技术的一个非常重要的任务，ＣＩ系统的一个关键是。功能Ｃ引。利用多传感器完成目标检测和定位之后，卜目
策略是将证据集合划分成两个或多个不相关的部分，并利用它们分别对辨识框架独立进行判断，后用然
势与威胁评估有着非常重要的意义。
一
个通用传感器所包含的身份信息是有限的。如
一
部搜索雷达，管在很远的距离上就能够发现目标，尽

D_S证据理论数据融合方法在目标识别中的应用

蓝金辉, 等: D 2S 证据理论数据融合方法在目标识别中的应用
55
断命题是否成立, 得到决策结果。 2. 2 多传感器系统的D -S 数据融合结构
由于多个证据结合的计算可以用两个证据结合的计算递推得到, 图 2 是多个证据结合的计算可以用两个证据结合的计算递推得到的结构等效图, 在多传感器系统数据融合中, 由于数据量很大, 所以采用由两个证据结合的计算递推得到的结构。
图 1 D -S 方法用于多传感器系统数据融合方法
在多传感器系统数据融合中, 先初始化一次对基本可信度的分配。然后, 每当收到一则传感器的报警信息, 就进行一次基本可信度的分配, 再用D em p2 ster 合成法则得到新的基本可信度的分配。当不断有信息传回时, 这种对基本可信度的分配便得以继续。最后, 依照各命题的可信度和似真度等指标, 判
0, A = <;
m (A ) =
6 m 1 (A i)m 2 (B j )
A i IB j = A
, A ≠ <.
6 1 -
m 1 (A i)m 2 (B j )
A i IB j = <
(2)
对于多个信度函数的合成, 设B el1, …, B eln是同一识别框架 ( 上的信度函数, m 1, …, m n 是对应的基本可信度分配, 如果 B el1 + B eln 存在且基本可信度分配为m , 则
Abstract: D ata fusion based on reasoning m ethod is app lied to reso lve veh icle target recognition p roblem s. T he basic concep ts and theo ry of D emp ster2Shafer evidence reasoning app lied to data fusion are analyzed in detail. T he m ethod is app lied to m ultisenso r data fusion fo r veh icle target recognition. Experim en tal results show that the data fusion result is better than that of a single senso r and that the D 2S data fusion m ethod is effective. Key words: evidence reason ing; data fusion; target recogn ition

基于D-S证据理论的空中目标识别

第36卷，增刊红外与激光工程2007年9月、^m．36Suppl em em I n舾r ed柚d I丑s er Engi玳：edI嚷Sep．20【y7基于D．S证据理论的空中目标识别李可心，徐国鑫(沈阳炮兵学院电子侦察指挥系，辽宁沈阳110162)摘要：提出了一种基于D—s证据理论的空中目标识别方法。

该方法首先对目标特征进行提取，然后根据提取的特征利用模糊c均值聚类的方法进行基本概率分配，最后利用D—S组合公式进行融合识别。

实例验证了算法的有效性。

关键词：目标识别；信息融合；D．S证据理论中图分类号：TN959．1文献标识码：A文章编号：1007．2276(2007)增(探测与制导)．0193．04M et hod of ai r t ar get r ecogni t i on bas ed on D-S e订dent i al t he or yU K e—x i I I X U G u o．】【in(Sbcny柚g觚i IIer)‘A cadem y，Sh∞y龃g230031，a陆他)A bs t r ac t．A m em od of ai r t a昭e t re c ogI l i吐on i s pr opo s ed bas ed on m e D—S eV i(1ence t l l eo巧i n m i s paper．T嫩s m et t l od f i r st l y di s t i l l ed t a玛e t char a ct er'm en det er m i I l ed t t le bas i c m as s f u nct i o n bas ed o n t tl at cham ct er usi ng如z zy c—m ea Il s m et hod，i n tt l e end i de n姐ed t tl e t a曙e t bas ed o n t ll e D—S eV i dence m eor y．T he exper i m ent al r e sul t s V e f i母m e V al i di t)r of f us i on m em od．K e y w or ds：T a玛et r ecogI蚯on；hf o咖at i on血si on；D-S e vi de nⅡa J m eoD，O引言随着高技术在空袭领域的应用，现代防空作战环境也日益复杂，而且空袭装备和空袭样式多样化，作战飞机和导弹各种各样，甚至配合使用假目标进行欺骗。

D-S证据理论方法在目标识别中的应用

维普资讯
●
第２卷第５期２２０年１０７０月
光电技术应用
Ｅ乙Ｄ一臼Ｐ＂己０４，４Ｗ
、ｂ．２．．，１２Ｎｏ５
Ｏｃｏｅ．ｏ２５２０）５—０６ —００７４
数据融合不同层次对应不同的算法，在决策层数据融合中，ｅｓｅ—ｈｒｒ证据理论（ｈ — ＤｍｐｔｒａＳｅＴｅＤＳｔｅｒｆｖｄｎｅ是适合于多传感器目标识别的一ｈｙｏｉｅｃ）ｏｅ种不精确推理方法［＿．满足比概率论更弱的公１它
ＺＨＯＵｎ — ｕＢｉｇｙ，ＬＹｅＵ，ＬＩＺｕｎ，ＷＵｉｉｇｈａｇＨａ— ｎｎ
、
（ｏｔｅｓＲｓｒｎｔｕｅ０Ｅｅｔｏｉｅｎｌｙ，ｉｚｏ２００ｈｎ）ＮｒｈａｔｅａｃＩｓｉｔ厂ｌｒｎｃＴｃｏｏＪｎｈｕ１１０，Ｃｉａｅｈｔｃｓｈｇ
Ｄ—Ｓ证据理论方法在目标识别中的应用
周炳玉，野，卢李壮，海宁巫
（东北电子技术研究所，宁辽锦州１１０）２００
摘
要：－证据组合理论已经成为不确定性推理的～种重要方法，于该理论的多传感器决策层数据融合已得到广泛应用．ＤＳ基
ｓｓｅ．ＴｈＳｔｅｒｆｅｉｅｃｎＳ’ ｕｅｏｏｂｎｔｎａｅｉｔｏｕｅ．ＴｈｒｇａａｄｄｃｓｎｙｔｍｓｅＤ— ｈｙｏｖｄｎｅａｄＤ－ＳｒｌｆｃｍｉａｉｒｎｒｄｃｄｏｏｅｐｏｒｍｎｅｉｉｏｍｅｈｓｏａａｆｓｎｂｓｄｏＳｅｉｅｃｏｉａｉｎｒｌｒｅｃｉｅ．Ｄ— ｈｒｆｖｄｎｅｉｕｅｏｉｔｏｆｔｉａｅｎＤ— ｖｄｎｅｃｍｂｎｔｅａｅｄｓｒｄｄｄｕｏｏｕｂＳｔｅｙｏｉｅｃｓｄｔ — ｏｅｓ

BP神经网络和D—S证据理论的目标识别

ＹＡＮＧＦｕ— ｎ，ｐｉｇＢＡＩＺｈｅ — ｎｎｘｉｇ
（．ｒＦｏｃｇｉｅｒｎｉｅｓｔＸｉａ１０８１ＡｉｒｅＥｎｎｅｉｇＵｎｖｒｉｙ， ’ ｎ７０３，Ｃｈｎ２Ｕｎｔ９６１Ｄａｏｇ０７０，ｉａ）ｉａ，．ｉ３０。ｔｎ３０６Ｃｈｎ
文章编号：０２０４（０６１—０８０１０－６０２０）００８— ３
ＢＰ神经网络和Ｄ— Ｓ证据理论的目标识别
杨福平，白振兴
（．军工程大学，西西安７０３，．国人民解放军９６１部队，１空陕１０８２中３０山西大同０７０）３０６
维普资讯
Ｖｏ．１，．１１３Ｎｏ０
火力与指挥控制
ＦｉｅＣｏｔｏｎｍｍａｄＣｏｔｏｒｎｒｌｄＣｏａｎｎｒｌ
第３１卷
第１Ｏ期
Ｏｃｏｅ，０６ｔｂｒ２０
２００６年１０月
机型的识别进行仿真研究，现行目标识别方法相比较，够更快速、确、靠地识别飞机目标，好地满足了空战中作战与能准可较指挥系统对飞机机型识别的需求。关键词：Ｐ神经网络， — ＢＤｓ证据理论，据融合，数目标识别
中图分类号：２４ＴＮ９ＴＰ７，５文献标识码：Ａ

基于D-S证据理论的多传感器目标识别信息融合方法

１２ＤＳ证据理论的不足． —
冲突因子ｋ客观地反映了证据间冲突的程度，多传感从器目标识别系统角度来说，它代表各个传感器所提供信息的冲突程度，如何处理证据问的冲突，是运用ＤＳ证据理论准－确进行目标识别的关键。０ ≤１当＝１时，表两个证 ≤ｋ，代据间完全冲突。Ｄ— Ｓ证据理论通过归一化因子（１一ｋ忽）略了证据问的冲突，但是当信息源之问的冲突非常显著时，其组合的最后结果可能产生有悖常理的结论。例１设识别框架为Ｈ＝｛Ｂ，，２个证据ｍＡ，Ｃ）有和
，ＡｎＣＨ
同类的传感器提供的信息加以综合，弥补了单一传感器的局
Ａ１ｎＮＡ１＝Ａ
限… 。多个传感器中的信息往往含有一定的不确定性和模
糊性，甚至由于传感器特性的不一，同一个目标，对不同特性
其中，为冲突因子，达式为＝Ａｌ， ∑ｎＣＨｍＡ）表，（ … ＾
１Ｄ－据推理理论Ｓ证
１１ＤＳ融合准则． —
Ｄｍｓｒ１６首先提出Ｊ构造不确定性模型的一ｅｐｔ于９７年ｅ，
ｍ，Ａ＝０ＩｌＢ）＝０Ｏ，（）＝０９（），／（Ｔ，．１ｍ１Ｃ．９由式（） — １ＤＳ组合规则计算得：（ｍＡ）＝ｍ（Ｃ）＝０，ｍ（）＝１显然这个结论是不合理的，为２个证据对Ｂ的。因
该方法在用于多传感器目标识别系统的有效性和优越性。

基于神经网络与D-S证据理论的目标识别

ｒａｏｉｇ（ｍｐｔｒＳａｅｖｄｎｅｒａｏｉｇｓｐｅｅｔｄＴｅｍｅｈｄｃｎｕｅＤ— §ｅｉｅｓｎｎＤｅｓｅ— ｈｆｒｅｉｅｃｅｓｎｎ）ｉｒｓｎｅ．ｈｔｏａｓＳｖ—
ｄｎｅｔａｔｈｎｃｕａｙａｄｆｚｙｉｆｒｔｎ．ｄａｓｔｃｎｇｖｕｌｐａｏｓｌ－ｅｃｏｄｅｌｗｉｈｔｅｉａｃｒｃｎｕｚｎｏｍａｉＡｎｌｏｉａｉｅｆｌｌｙｔｅｆｏ
证据理论可处理由不知道所引起的不确降低不确定性，以形成对系统环境相对完整一致踪领域．定性，采用信任函数而不是概率作为度量，过它通对一些事件的概率加以约束以建立信任函数而不
ｐｔｒｓｍｕａｉｎｓｏｈａｈｔｏｓｅｃｅｔａｄｃｒｅｔｕｅｉｌｔｈｗｓｔｔｔｅｍｅｈｄｉｆｉｎｎｏｒｃ．ｏｉ
Ｋｅｏｄ： — （ｅｐｔｒｈｆｒｖｄｎｅｔｅｒｎｕａｎｔｏｋ；ａａｆｓｎ；ｄｎｉｙｗｒｓＤＳＤｍｓ — ａｅ）ｅｉｅｃｏｙ；ｅｒｌｅｒｄｄｉｅＳｈｗｕｏｉｅｔ —
维普资讯
２７月０年１００
第２６卷第５期
沈阳理工大学学报
ＨＥＡＮＳＡＣ￣ＯＮＳＯＦＳ
Ｖ０．２６Ｎｏ１Ｏｃ．ｔ２００
ｉａｉｎｅｔｆｃｔｏｓｉｔｏｍａｉｎ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

的关系如图 1 所示，它构成了一个完整的证据空间。在证据理论中，［BEL （A），PL （A）］称为命题 A 的信任度区间，
［0，BEL（A）］表示命题 A 支持证据区间，［0，PL（A）］表示命题 A 的似真区间，［PL（A），1］表示命题 A 的拒绝证据区间，PL（A）-BEL（A）为命题 A 的不确定度，其值反映了对命题 A 的“未知”信息，该差值越小，则表明“未知”成分越小，证据对假设的支持越明确。
则称 m（A）为 A 的基本概率赋值。 m（A）表示对命题 A 的精确信
任度，表示了对 A 的直接支持。
1.3 信任函数
设
U
为
一
识
别
框
架
U
，m：2
→
→ 0，1
∑ 是
U
上的基本概率赋值，定义
函数：
U
BEL：2
→
→ 0，1
∑
BEL（A）＝∑m（B）（坌A奂U） B奂A
称该函数是 U 上信任函数。
∑ BEL（A）＝ m（B）表示 A 的所有子集的可能性度量之和，即表示 B奂A
图 1 证据区间示意图
1.5 D-S 合并规则
证据理论中的组合规则提供了组合两个证据的规则。设 BEL1 和
BEL2 是同一个识别框架 U 上的两个信任函数，m1 和 m2 分别是其对应
的基本概率赋值，焦元分别为 A1 ，A2 ，…，Ak 和 B1 ，B2 ，…，Br ，又设：
∑ K1 ＝
m1 （Ai ）m2 （Bj ）＜1
i，j
A i ∩Bj ≠准
则：
∑ ≠
≠ ≠
m1 （Ai ）m2 （Bj ）
m（C） ≠≠Ai，j ≠
i
∩Bj
=C
≠
≠
1－K1
≠≠≠0，
坌C奂U C≠准 C＝准
在式中，若 K1 ≠1，则 m 确定一个基本概率赋值；若 K1 =1，则认为
m1 、m2 矛盾，不能对基本概率赋值进行组合。对于多个证据的组合，可
D-S 证据理论具有较强的理论基础，既能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性。它可以不需要先验概率和条件概率密度，依靠证据的积累，不断地缩小假设集，能将不知道和不确定区分开来。本文应用 D-S 证据理论对多传感器雷达目标信息进行识别，计算结果证实了该方法的有效性。
1 D-S 证据理论简介
若有
奂m（A1 ）－m（A2 ）＞ε1
m（U）＜ε2
m（A1 ）＞m（U）
则 A1 即为判决结果，其中 ε1 ，ε2 为预先设定的门限。
2 识别系统设计
2.1 融合原理图图 2 是利用 D-S 证据理论对多传感器身份数据进行融合的原理
框图。每个传感器把观测数据从空间变换到证据空间，对每一个命题或每个传感器所给出的“粗糙”的身份报告分配一个证据，即对每一个
2013 年第 7 期
ＳＣＩＥＮＣＥ＆ＴＥＣＨＮＯＬＯＧＹＩＮＦＯＲＭＡＴＩＯＮ
○本刊重稿○
科技信息
Ｄ－Ｓ证据理论在目标识别中的应用
马颖1 马健2 （1.西安工业大学电子信息工程学院，陕西西安 710032；2.中国人民解放军空军工程大学，陕西西安 710000）
【摘要】分析了 D-S 证据理论用于多传感器数据融合的基本概念和理论,构造了融合结构，该结构通过预处理先对单一传感器在时域上融合，再对预处理后的数据进行多传感器数据融合，实验结果证明了目标识别的基本概率赋值有了明显提高，验证了这一结构的正确性和有效性。
采用组合规则对证据进行两两综合。
1.6 决策准则
基于证据理论的决策方法主要有三种：基于信任函数的决策、基
于基本概率赋值的决策和基于最小风险的决策。本文实例采用基于基
本概率赋值的决策，其定义如下。
设埚A1 ，A2 奂U，满足：
m（A1 ）＝max 奂 m（Ai ），Ai 奂U 奂，
m（A2 ）＝max 奂 m（Ai ），Ai 奂U，且 Ai ≠A1 奂，
对 A 的总信任，从而可知：
BEL（准）＝0，BEL（U）＝1
1.4 似真度函数
设
U
为一识别框架，定义
PL
U
：2
→
→ 0，1
∑ 为：
∑ PL（A）＝1－BEL（A）＝ m（B） B∩A≠准
PL 称为似真度函数。 PL（A）表示不否定 A 的信任度，是所有与 A
相交的集合的基本概率赋值之和。信任度和似真度概括了证据对具体的命题 A 的关系。它们之间
【关键词】D-S 证据理论；数据融合；目标识别
在现代电子战中，依靠单传感器提供信息已无法满足战争的需要，必须运用包括雷达、声纳、电视、红外、激光、电子支援措施(ESM) 以及电子情报技术(ELINT)等多种传感器，来提供多种观测数据。多传感器数据融合对来自多个传感器的数据进行多级别、多方面、多层次的综合处理，以更好地进行状态、属性估计，并完全和适时地进行态势和威胁评估[1-2]。在多传感器信息融合系统中，各传感器提供的信息一般是不完整、不精确、模糊甚至可能是矛盾的，即包含着大量的不确定性。信息融合中心不得不根据这些不确定性信息进行推理，以得到目标身份识别和属性判决的目的 [3-7]。
※基金项目：此文为西安工业大学校长科研基金项目研究成果，项目编号 XAGDXJJ1042。作者简介：马颖（1979— ），男，西安工业大学，工程师，研究方向为量子信息、信号处理等。
题。
1.1 识别框架
设 U 表示 X 所有可能取值的一个论域集合，且所有在 U 内的元
素是互不相容的，则称 U 为 X 的识别框架。 U 可以是有限也可以无
限，在专家系统的应用中是无限的。
1.2 基本概率赋值
设
U
为一识别框架，若函数Байду номын сангаас
U
m：2
→
→ 0，1
→ 满足：
∑m（A）＝1 m（准）＝0
A奂U
Dempster 和 Shafer 在 20 世纪 70 年代提出了 D-S 证据理论。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
扩展成了命题，把事件的集合扩展成了命题的集合，并提出了基本概
率赋值、信任函数和似真度函数的概念,建立了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