一种基于时序制造技术

本发明专利技术公开了一种基于时序

【技术实现步骤摘要】
一种基于时序DS理论的异步多模态目标级信息融合方法


[0001]本专利技术涉及信息处理
，特别是一种基于时序
DS
理论的异步多模态目标级信息融合方法
、
设备及介质
。

技术介绍

[0002]DS(Dempster
‑
Shafer)
证据理论是由
Dempster
于
1967
年首先提出，之后再由他的学生
Shafer
进行完善而得到的一种不确定性推理计算方法
。
该方法得到了各个领域的广泛应用
。
但是
DS
证据理论在实际应用过程中也存在着一些不足：传统融合规则无法解决的证据冲突问题
。DS
理论的主要作用是
Dempster
合成规则，即将多个主体
(
可以是不同的人的预测
、
不同的传感器的数据
、
不同的分类器的输出结果等等
)
相融合
。
[0003]目前现有的目标融合算法主要有三种，分别为：
(1)
对于单传感器的情况，由于没有多余传感器进行融合，直接使用传感器观测值作为融合目标；
(2)
对于多传感器的情况，需要根据传感器特性进行人工调参，对于不同传感器分配不同的权重进行融合效率较低；
(3)
通过联合数据关联滤波器
(JPDAF)
进行目标融合
。<br/>然而，相关技术中的目标融合算法在不确定
、
模糊以及不完整的信息场景下，会导致融合结果与实际偏差较大
、
通过人工调参降低效率以及计算结果较差等问题，亟需进行改善
。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例
。
在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分
、
说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围
。
[0005]鉴于上述和
/
或现有的基于时序
DS
理论的信息融合方法存在的问题，提出了本专利技术
。
[0006]因此，本专利技术所要解决的问题在于如何提供一种基于时序
DS
理论的异步多模态目标级信息融合方法
。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：
[0008]第一方面，本专利技术实施例提供了一种基于时序
DS
理论的异步多模态目标级信息融合方法，其包括输入传感器数据
。
[0009]对传感器数据进行数据预处理
。
[0010]利用
DS
证据理论所提供的证据组合方法，判断规则，实现多个传感器的信息融合
。
[0011]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述对传感器数据进行数据预处理包括对不同传感器在不同的状态下进行相应的权值分配
。
[0012]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述对不同传感器在不同的状态下进行相应的权值分配包括基本概率分配和组合规则；
[0013]所述基本概率分配通过如下公式表示：
[0014]在识别框架
Θ
上的基本概率分配为一个2Θ
→
[0,1]的函数
m
，称为
mass
函数，并满
足：
[0015]m(
φ
)
＝0，
[0016][0017]其中，当
m(A)&gt;0
时，
A
为焦元，
m(A)
＝0表示对
A
的信任程度
。
[0018]所述组合规则包括：通过
DS
证据理论合成规则，对于上的两个
mass
函数
m1，
m2的
Dempster
合成通过如下公式表示：
[0019][0020]其中，对于假设
A
，合成的
mass
函数位所有相交有
A
的就两个假设进行两个
mass
函数计算后乘积的和，再除以归一化系数
K
，通过如下公式表示：
[0021][0022]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述组合规则还包括，对于
n
个
mass
函数的
Dempster
合成通过如下公式表示：
[0023][0024]其中，归一化系数
K
通过如下公式表示：
[0025][0026]其中，1‑
K
反映了证据的冲突程度
。
[0027]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述判断规则包括：设满足
[0028][0029][0030]其中，若
m(A1)
‑
m(A2)&gt;
ε1，
m(
Θ
)&lt;
ε2，
m(A1)&gt;m(
Θ
)
，则
A1
为判决结果，
ε1，
ε2为预先设定的门限，
Θ
为不确定集合
。
[0031]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述利用
DS
证据理论所提供的证据组合方法，判断规则，实现多个传感器的信息融合包括如下步骤：
[0032]获取基于融合目标得到的多个传感器的共同关联对象；
[0033]计算所述共同关联对象的冲突系数；
[0034]判断冲突系数，得出融合结果
。
[0035]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述判
断冲突系数包括如下内容：
[0036]若所述冲突系数小于或等于所述预设阈值，则利用预设
DS
证据理论计算多个传感器的权重，基于权重对多个传感器的视觉观测值进行加权融合，得到融合观测值，并将所述融合观测值作为融合结果；
[0037]若所述冲突系数大于预设阈值，则将多个传感器的视觉观测值中的最小视觉观测值作为所述融合结果
。
[0038]作为本专利技术所述基于时序
DS
理论的信息融合方法的一种优选方案，其中：所述利用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于时序
DS
理论的异步多模态目标级信息融合方法，其特征在于：包括，从不同模态的传感器或数据源获取信息并进行预处理；时序化处理并基于
DS
理论构建信念函数；将不同模态的信念函数进行融合；基于融合后的信念函数，生成目标级的信息
。2.
如权利要求1所述的基于时序
DS
理论的信息融合方法，其特征在于：所述从不同模态的传感器或数据源获取信息包括以下步骤：确定信息源；选择合适的传感器或数据接口；设定数据采集参数并进行数据采集；所述对传感器数据进行数据预处理包括如下步骤：数据清洗；数据标准化；通过
PCA
进行特征提取；对不同传感器在不同的状态下进行相应的权值分配
。3.
如权利要求2所述的基于时序
DS
理论的信息融合方法，其特征在于：所述对不同传感器在不同的状态下进行相应的权值分配包括基本概率分配和组合规则；所述基本概率分配通过如下公式表示：在识别框架
Θ
上的基本概率分配为一个2Θ
→
[0,1]
的函数
m
，称为
mass
函数，并满足：
m(
φ
)
＝0，其中，当
m(A)&gt;0
时，
A
为焦元，
m(A)
＝0表示对
A
的信任程度
。
所述组合规则包括：通过
DS
证据理论合成规则，对于上的两个
mass
函数
m1，
m2的
Dempster
合成通过如下公式表示：其中，对于假设
A
，合成的
mass
函数位所有相交有
A
的就两个假设进行两个
mass
函数计算后乘积的和，再除以归一化系数
K
，通过如下公式表示：
4.
如权利要求3所述的基于时序
DS
理论的信息融合方法，其特征在于：所述组合规则还包括，对于
n
个
mass
函数的
Dempster
合成通过如下公式表示：其中，归一化系数
K
通过如下公式...

【专利技术属性】
技术研发人员：黄学艺，
申请(专利权)人：合肥中科自动控制系统有限公司，
类型：发明
国别省市：