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
多证据判决
信息融合基础
信息融合的本质是系统的全面协调优化[5]：将不同来源、不同模式、不同媒质、不同时间、不同表示方法，特别是不同层次的信息加以有机地结合，寻求一种更为合理的准则来组合信息系统在时间和空间上的冗余和互补信息，以获得对被评估问题的一致性解释和全面的描述，从而使该系统获得比它的各个组成部分或其简单的加和更优越的性能。现有的信息融合数学模型主要采用嵌入约束模型、证据组合模型和人工神经网络模型等。
证据理论的基本原理
证据理论采用信度的“半可加性”原则，较好地对不确定性推理问题中主、客观性之间的矛盾进行了折衷处理。而且，证据理论下先验概率的获得比主观Bayes方法要容易得多，已经成为构造具有更强的不确定性处理能力专家系统的一种有效手段。以下给出证据理论的一些基本定义和定理
首先定义框架
信任测度
似然测度
定理2 （Dempster-Shafer证据合成公式）设m1和m2是Q上的两个mass函数，对于m(F)=0及
在证据理论中，不同专家的经验和知识可以通过式(4)来有效融合；而某个诊断结论成立的可信度可以通过信任区间[Bel，Pl]来表示。
提高目标检测概率
--多传感器信息融合已成为信息处理技术领域的研究热点问题
近年来,随着基于多传感器系统的军事作战平台的形成和发展,多传感器信息融合已成为信息处理技术领域的研究热点问题。对于多传感器的分布式检测,人们已经做了大量的研究。而在双色红外成像系统中,如何充分利用双色红外传感器获得的图像信息来提高目标的检测概率,是实现远距离探测和抗干扰能力的关键。其中,实现双色红外成像系统中远距离弱目标检测的一种有效途径,就是通过对目标在两个不同红外波段的成像信息进行融合处理。
这里所涉及到的图像信息融合,根据信息表征层次的不同,可以分为像素级融合、特征级融合和决策级融合。像素级融合,是直接对各传感器图像的像素点灰度信息进行综合的过程。特征级融合是对图像进行特征提取后,对各传感器图像的特征信息进行综合处理的过程。而在进行决策级融合之前,各传感器已独立地完成了决策或分类任务,融合工作实质上是根据各局部判决做出全局最优决策。决策级融合检测的核心思想是,各传感器根据各自的观测结果做出局部判决(硬判决或软判决) ,然后将判决结果经由通信信道传送到融合中心,再由融合中心对各局部判决进行综合处理,做出最终判决。对于局部判决为”硬”判决(非”0”即”1”) 的情况.典型的融合规则有”与”、”或”逻辑和”K秩”方法。”与”逻辑的意义为:当所有传感器都判决为目标点时,融合中心才将该像素判决为目标点;”或”逻辑的意义为:只要有一个传感器判决为目标点,融合中心就将该像素判决为目标点;” K 秩”方法则是当N 个传感器中有多于K 个判决为目标点时,融合中心才将该像素判决为目标点。另外还有些方法,如采用各个传感器的性能参数对局部二值判决结果进行自适应加权处理等.
火灾的发生是一个伴有光、烟、温升、辐射和气体浓度变化的综合现象，需要利用各种火灾传感器检测和捕捉这些信息，我们可以根据具体的情况，选择两种或两种以上火灾传感器组来检测火灾状况。本火灾预警报警系统采用了两级传感器信息融合，一级是局部(即象素级)融合，采用经典的自适应加权融合估计算法，克服了单个传感器的不确定性和局限性，获得被测对象的一致性解释与描述。二级是在全局(即决策层)进行融合，采用证据理论。Dempster-shafer(D-S)证据理论是概率论的推广，它允许人们对不确定性问题进行建模，并进行推理，能够更加客观的反映事物的不确定性。在具体设计时，本文分三个模块进行处理，D-S合成模块、BPA模块、局部决策模块。系统的结构示意图如图2-8所示。
温度传感器红外传感器一氧化碳传感器烟雾传感器局部决策木块局部决策木块局部决策木块局部决策木块D-S合成模块输出
图2-8 系统结构简图
1.局部融合算法
在局部融算法中采用自适应加权数据融合算法，不但可以优化传感器的数据，还能够有效剔除环境干扰信号，它的中心思想是根据各个传感器数据误差的大小，分配不同的权数，精度高的数据由于误差小，分配的权数较大，反之较小。
设有n个传感器来检测某一火灾特征，它们的方差分别为n22221...,，各传感器的测量值分别为nxxx...,21，相互独立， 假定各传感器的加权因予别为nwww...,21，那么加权因子引入后，系统的传感器数据融合值为：
niiixwx1ˆ （2-23）
式中11niiw
总均方差为：
ninjijijijiixxxxwwExxwExxE1,1,12222ˆˆ2ˆˆ （2-24） 因为nxxx...,21彼此相互独立，且是x的无偏估计，所以：
0ˆˆjixxxxE njiji...2,1,, （2-25）
２０１３年第６期
文章编号：ｌＯＯ９—２５５２（２０１３）０６—０１４１一ｏ４ 中图分类号：ＴＰ３０１ 文献标识码：Ａ
改进的Ｄ—Ｓ证据理论算法
薛连斌 ，
（１．黑龙江省Ｔ程咨询评审中心，哈尔滨１５０００８；２ 康 健
哈尔滨工程大学信息与通信学院，哈尔滨１５０００１）
摘要：针对Ｄｓ证据理论存在的诸如一票否决、证据冲突过大的问题，提出了一种改进方法。
该方法利用指数函数对证据进行重新定义，有效避免了零焦元元素对融合结果的影响，引入关
联系数的概念解决冲突系数不能够有效反映证据之间冲突关系的情况。利用关联系数矩阵对焦
元元素的关联程度作为权重对原证据进行加权，并利用ＤＳ证据理论合成公式对加权后的数据进
行融合。通过仿真分析了调节因子的取值范围，并通过与其他算法进行比较，得出新算法在解
决一票否决问题方面的优越性。
关键词：信息融合；ＤＳ证据理论；调节因子；关联系数；焦元
Ａｎ ｉｍｐｒｏｖｅｄ Ｄ－Ｓ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ ａｌｇｏｒｉｔｈｍ
ＸＵＥ Ｌｉａｎ．ｂｉｎ ．ＫＡＮＧ Ｊｉａｎ
（１．Ｔｈｅ Ａｐｐｒａｉｓａｌ Ｃｅｎｔｅｒ ｏｆ Ｈｅｉｌｏｎｇｊｉａｎｇ Ｐｒｏｖｉｎｃｉａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏｎｓｎｉｔａｌｏｎ，Ｈａｒｂｉｎ １５０００８，Ｃｈｉｎａ； ２．Ｓｃｈｏｏｌ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｔｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ Ｅｎｇｉｎｅｅｒｉｎｇ Ｕｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ａｔ ｏｎｅ ｔｉｃｋｅｔ ｖｅｔｏ ａｎｄ ｔｏｏ ｍｕｃｈ ｃｏｎｆｌｉｃｔ ｅｖｉｄｅｎｃｅ ｅｘｉｓｔｉｎｇ ｉｎ ＤＳ ｅｖｉｄｅｎｃｅ ｔｈｅｏｒｙ，ａｎ
ｉｍｐｒｏｖｅｄ ｍｅｔｈｏｄ ｉｓ ｐｒｏｐｏｓｅｄ．Ｔｈｅ ｍｅｔｈｏｄ ｒｅｄｅｆｉｎｅｓ ｔｈｅ ｅｖｉｄｅｎｃｅ ｔｈｏｕｇｈ ｅｘｐｏｎｅｎｔｉａｌ ｆｕｎｃｔｉｏｎ ａｎｄ ｉｔ
