基于模糊證據(jù)理論的數(shù)據(jù)融合算法研究.pdf

1、汽車信息物理融合系統(tǒng)，簡稱為汽車 CPS（Cyber-Physical System)，能夠從環(huán)境中感知數(shù)據(jù)，進(jìn)行數(shù)據(jù)融合，提取有效信息，并根據(jù)反饋的信息來完成對汽車的控制，使得汽車更易于駕駛，響應(yīng)更快、更安全、更智能。汽車 CPS中收集到的數(shù)據(jù)具有異構(gòu)性、實時性、海量性、沖突性等特點，如何對這些數(shù)據(jù)進(jìn)行有效的融合成為汽車 CPS研究的關(guān)鍵。本文在分析數(shù)據(jù)融合的基本理論及典型的數(shù)據(jù)融合方法的基礎(chǔ)上，針對汽車 CPS中數(shù)據(jù)的沖突性問題，重

2、點研究了Dempster-Shafer(DS)證據(jù)理論和模糊理論在沖突數(shù)據(jù)融合過程中的若干關(guān)鍵問題，主要包括以下幾個方面：
　　(1)基于DS證據(jù)理論中命題的信任度函數(shù)和似真度函數(shù)，提出一種新的將基本概率分配函數(shù)轉(zhuǎn)換為概率的方法BPFT。相比于現(xiàn)有的基于Pignistic概率的PPT轉(zhuǎn)換和基于似真度函數(shù)的PFT轉(zhuǎn)換，BPFT轉(zhuǎn)換可以更充分地利用系統(tǒng)的已知信息，使轉(zhuǎn)換后的概率更加可靠、合理。
　　(2)提出一種基于模糊貼近度和

3、相關(guān)系數(shù)的證據(jù)沖突測量方法。首先利用BPFT轉(zhuǎn)換把基本概率函數(shù)轉(zhuǎn)換為概率向量表達(dá)；然后借助模糊貼近度來表示概率向量之間的沖突程度，并引入相關(guān)系數(shù)的概念來表示不同證據(jù)所支持的最大假設(shè)的沖突程度；最后利用模糊 t-余模公式將模糊貼近度與相關(guān)系數(shù)進(jìn)行組合得到新的證據(jù)沖突測量方法。仿真實驗表明，所提出的沖突測量方法可以從兩個方面反映出證據(jù)的沖突程度，使測量結(jié)果更加有效。
　　(3)提出一種基于模糊證據(jù)理論的沖突證據(jù)融合方法。首先利用提出的

4、沖突度量方法計算出各證據(jù)間的相似度，通過構(gòu)建模糊相似矩陣計算出各證據(jù)的支持度及可信度，得到各證據(jù)的權(quán)重；然后借鑒 Shafer的折扣規(guī)則對證據(jù)源模型進(jìn)行修改；最后利用基于矩陣分析的快速融合規(guī)則對修改后的證據(jù)源模型進(jìn)行融合。仿真實驗表明所提出的融合方法能夠合理的解決沖突數(shù)據(jù)的融合問題，不但具有良好的魯棒性，而且融合速度較快。
　　(4)針對汽車 CPS中數(shù)據(jù)的特點，分析了汽車 CPS中數(shù)據(jù)融合的必要性，并設(shè)計了一種基于汽車CPS的實