一种基于神经网络和证据理论的信息融合算法

《一种基于神经网络和证据理论的信息融合算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据一种基于神经网络和证据理论的信息融合算法张池平1张英俊1苏小红z马培军21(哈尔滨工业大学数学系，哈尔滨150001)2(哈尔滨工业大学计算机学院，哈尔滨150001)摘要针对目前多传感器系统中常用的信息融合方法．识别率较低、网络稳定性不好、不能很好地处理不确定性等问题，提出一种基于神经网络和DS方法的信息融合算法。该方法兼顾神经网络和DS推理二者的优势，有效地解决了目前信息融合方法对大噪声不确定性传感器测量信息的误识别问题。仿真实验结果验证了该算法在提高目标识别率和抗噪能力方面的有效性。关键词神经网络D

2、S证据理论信息融合多传感器文章编号1002—8331一(2006)01—0174—03文献标识码A中图分类号TPl83；TP274AnAlgorithmofDataFusionBasedonNeuralNetworkswithDSEvidentialTheoryZhangChipin91ZhangYingjunlSuXiaohon92MaPeijun21(DepartmentofMathematics，HarbinInstituteofTechnology，Harbin150001)2(SchoolofCompu

3、terSciences，HarbinInstituteofTechnology，Harbin150001)Abstract：AnewalgorithmofdatafusionbasedonneuralnetworkswithDSevidentialtheoryispresentedtothesequestionsoflowaccurateidentification，badstabilizationandsolutionofuncertaintyinsomewaysofmulti—sensorsys·tematp

4、resent．ThismethodhastheadvantageofbothneuralandDSevidentialtheoryandsolvestheproblemthatthegeneralwaysofdatafusioncannotidentifythemulti-sensor'suncertaintyinformationofgreatnoiseatpresent．Thesimulationshowsthatthewayvalleffectivelytherateofthetargets’identif

5、icationandgreatantinoisecapacity．Keywords：neuralnetworks，DSevidentialtheory，datafusion，multi—sensor信息融合是近几十年来发展起来的信息处理技术，它是将各种途径、任意时间上获得的信息作为一个整体进行综合分析处理．为决策及控制奠定基础。多传感器信息融合是指对来自多个传感器的数据进行多级别、多方面、多层次的处理．从而产生新的有意义的信息，而这种新信息是任何单一传感器所无法获得的。多传感器信息融合系统是根据对每一个传感器的部

6、分信任程度进行某种融合，融合后产生的结果作为证据进行推理。由于证据的不确定性，在多传感器系统中采用的是不精确的推理。而在不确定性的推理中，目前已经应用的技术包括表决法、Bayes推理、Dempster-Shafer(简称DS)方法、推广的证据处理理论、模糊集法、神经网络以及其他一些方法⋯。神经网络和Dempster—Shafer方法是目前应用很频繁的两种方法。神经网络由于其有分布式存储和并行处理方式、容错性和鲁棒性、自组织和自学习的功能以及较强的泛化能力等优点，已经广泛有效地应用到模式识别和分类中；而DS方法在解

7、决不确定性问题中，有很好的特性，在信息融合中应用较为广泛。本文结合神经网络和DS方法的各自的优点，提出了一种多神经网络和DS方法相结合的多传感器信息融合算法(以下简记为ANNS—DS)，根据多传感器系统的测量信息特征．对其进行适当的分组．相应的每组建立一神经网络，对网络的输出通过相应的数据处理，作为DS方法的条件，而后应用DS方法进行空间域与时间域的融合，得到目标的有效识别。该方法很好地应用了神经网络和DS方法各自的优势，而且有效地解决了多传感器系统中的大噪声的测量信息。lDS方法121定义1．1设U为一些互斥且

8、穷举的元素组成的命题的集合，称为辨识框架，西表示空的命题A集合，则函数m：2～【0，1】在满足下列条件时称m(A)为命题A的基本信任测度。m(A)表示命题A的精确信任程度，即对A的直接交待。(1)m(咖)=O1．1(2)乞m(A)=1A(U、定义1．2设U为一辨识框架，m：2屿【0，1]是U上的基本信任测度．定义：Bel：2乩一[O，1】Bel(A)=∑m(B)，(VAC