基于FS-DS的信息融合方法及其应用

doi:10.3969/j.issn.1000-3428.2013.05.009

计算机工程 ›› 2013, Vol. 39 ›› Issue (5): 48-52.doi: 10.3969/j.issn.1000-3428.2013.05.009

基于FS-DS的信息融合方法及其应用

张秋，孙顺远，梁小凡，徐保国

(江南大学物联网工程学院轻工过程先进控制教育部重点实验室，江苏无锡 214122)

收稿日期:2012-04-20 出版日期:2013-05-15 发布日期:2013-05-14
作者简介:张秋(1987－)，女，硕士，主研方向：无线传感器网络，工业过程控制；孙顺远，博士；梁小凡，硕士；徐保国，教授、博士生导师
基金项目:
国家“863”计划基金资助项目(2007AA10Z241, 2007AA100408, 2006AA10A301)；国家部委基金资助项目；高等学校博士研究生基金资助项目(JUDCF11003)

Information Fusion Method Based on FS-DS and Its Application

ZHANG Qiu, SUN Shun-yuan, LIANG Xiao-fan, XU Bao-guo

(Key Laboratory of Advanced Process Control for Light Industry, Ministry of Education, School of Internet of Things Engineering, Jiangnan University, Wuxi 214122, China)

Received:2012-04-20 Online:2013-05-15 Published:2013-05-14

摘要/Abstract

摘要： 针对多传感器信息采集系统中的数据不确定性问题，提出一种基于证据理论和模糊集合的多传感器数据融合方法。该方法利用相关性函数定义不确定信息的模糊支持概率，由隶属函数得到各个传感器所测信息的可信度，将支持度和可信度转化为基本概率分配函数，通过D-S证据合成辨别出测量精度较高的传感器。实际应用结果表明，该方法可改善证据理论应用中基本概率分配函数难以确定与多传感器之间相互支持程度计算绝对化的问题，与传统的D-S算法相比，融合结果具有更高的精度和可信度。

关键词: 多传感器, 数据融合, 证据理论, 模糊集合, 隶属函数, 置信距离测度

Abstract: Aiming at the problem of the data uncertainty in information gathering system, a multi-sensor information fusion method based on fuzzy set and evidence theory is proposed, in which the fuzzy support probability of the uncertain information is defined by the correlation function. Credibility of the information measured by each sensor is obtained by using the membership function. The support and credibility are transformed into basic probability assignment function. The sensors with higher measurement precision are identified by D-S evidence combination. Practical application results show that this method can improve the problems that basic probability assignment function is difficult to be determined and the calculation of degree of mutual support is absolute, and the fusion result has higher accuracy and reliability.

Key words: multi-sensor, data fusion, evidence theory, fuzzy set, membership function, confidence distance measure

中图分类号:

TP391

张秋, 孙顺远, 梁小凡, 徐保国. 基于FS-DS的信息融合方法及其应用[J]. 计算机工程, 2013, 39(5): 48-52.

ZHANG Qiu, SUN Shun-Yuan, LIANG Xiao-Fan, XU Bao-Guo. Information Fusion Method Based on FS-DS and Its Application[J]. Computer Engineering, 2013, 39(5): 48-52.

参考文献

[1] Xie Chunli, Guan Qiang. Research on Data Fusion Diagn- osis System Based on Neural Network and D-S Evidence Theory[C]//Proc. of IEEE Circuits and Systems International Conference on Testing and Diagnosis, Chengdu, China: [s. n.], 2009.
[2] 吴小俊, 曹奇英, 陈保香. 基于Bayes估计的多传感器数据融合方法研究[J]. 系统工程理论与实践, 2000, (7): 46-49.
[3] Chung A C S, Shen H C. Integrating Dependent Sensory Data[C]//Proc. of IEEE International Conference on Robotics and Automation. Leuven, Belgium: IEEE Press, 1998.
[4] Lou R C, Lin M, Scherp P S. Dynamic Mullet Sensor Data Fusion System for Intelligent Robots[J]. IEEE Journal of Robotics and Automation, 1988, 4(4): 386-486.
[5] 张捍东, 孙成慧, 岑豫皖. 分布式多传感器结构中数据融合方法[J]. 华中科技大学学报: 自然科学版, 2008, 36(6): 37-39.
[6] 刘敏华, 萧德云. 基于相似度的多传感器数据融合[J]. 控制与决策, 2004, 19(5): 55-58.
[7] 孙勇, 景博. 基于支持度的多传感器一致可靠性融合[J]. 传感技术学报, 2005, 18(3): 103-105.
[8] Carl G L, Lily R L. Cognitive Situation and Threat Assessments of Ground Battle Spaces[J]. Information Fusion, 2003, 4(4): 297-308.
[9] Yager R R. On the Dempster-shafer Framework and New Combination Rules[J]. Information Sciences, 1987, 41(1): 93-137.
[10] 胡振涛, 刘先省. 基于相对距离的一种多传感器数据融合方法[J]. 系统工程与电子技术, 2006, 28(2): 196-198.
[11] Daniel C. On the Solution of Linear Differential Equations with Singular Coefficients[J]. Journal of Differential Equations, 1982, 46(2): 310-323.
[12] Francis B A. Convergence in the Boundary Layer for Singular Perturbed Equations[J]. Automatica, 1982, 18(2): 57-62.
[13] 钱菲菲, 秦宁宁. 一种基于证据理论和模糊集合的信息融合方法[J]. 计算机系统应用, 2012, 21(4): 202-206.
[14] 韩峰, 杨万海, 袁晓光. 基于模糊集合的证据理论信息融合方法[J]. 控制与决策, 2010, 25(3): 449-452.
[15] 焦竹青, 熊伟丽, 张林, 等. 基于信任度的多传感器数据融合及其应用[J]. 东南大学学报, 2008, 38(1): 253-257.
编辑索书志

基于FS-DS的信息融合方法及其应用

Information Fusion Method Based on FS-DS and Its Application

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10

[1]	丁华东, 许华虎, 段然, 陈帆. 基于贝叶斯方法的网络安全态势感知模型[J]. 计算机工程, 2020, 46(6): 130-135.
[2]	宋蕾, 任秀丽. 一种低能耗与高精确度的WSN数据融合算法[J]. 计算机工程, 2020, 46(6): 172-177.
[3]	龙浩, 张书奎, 张力. 群智感知中基于维诺单元的隐私保护方法[J]. 计算机工程, 2020, 46(5): 181-186,192.
[4]	尹青山. 一种面向无线体域网的改进SMART算法[J]. 计算机工程, 2019, 45(11): 121-125.
[5]	王家辉,过弋,文欣秀,万锋. 面向智慧商圈的多源数据采集与综合评价系统[J]. 计算机工程, 2019, 45(1): 284-291.
[6]	吴恋,马敏耀,黄一峰,赵勇. 基于AdaBoost算法的Linux病毒检测研究[J]. 计算机工程, 2018, 44(8): 161-166,173.
[7]	王科,李鹏,金瑜,刘宇. 基于三证据DS理论的双模式地图匹配算法[J]. 计算机工程, 2018, 44(5): 316-321.
[8]	任秀丽,吉鹏硕. WSN中基于分簇的模糊加权数据融合算法[J]. 计算机工程, 2018, 44(3): 109-113,118.
[9]	孟媛媛,徐连诚,任敏,王燕飞. 基于高冲突修正的D-S证据融合方法[J]. 计算机工程, 2018, 44(1): 79-83,90.
[10]	杨米,陈建忠,牛英滔. 基于云模型与证据理论的通信电子防御效能评估[J]. 计算机工程, 2017, 43(6): 40-45,52.
[11]	陈广胜,程逸群,景维鹏. 基于KD树划分的云计算DBSCAN优化算法[J]. 计算机工程, 2017, 43(4): 21-27.
[12]	赵洁,薛瑞,陈旭,杨雨健. DS证据理论下融合隐式与显式特征的共谋攻击识别推理模型[J]. 计算机工程, 2017, 43(11): 108-116.
[13]	王铁旦,邵小十,彭定洪. FMEA环境下区间梯形二型模糊群体判断聚合方法研究[J]. 计算机工程, 2017, 43(11): 173-181.
[14]	宋俐,谢刚,杨云云. 基于模糊聚类的社团划分算法[J]. 计算机工程, 2016, 42(8): 126-133.
[15]	李云峰,李晟阳,韩茜茜. 基于多邻域信息的监控图像超分辨率算法[J]. 计算机工程, 2016, 42(6): 261-264.