论文部分内容阅读
随着传感技术的不断完善和成熟,传感器在数据融合中的作用愈加凸显。但不同类型的传感器接收的数据具有不同的意义和结构,并且考虑到周围环境、敌人的恶意干扰以及传感器自身的精度,传感器收集的信息本身存在一定的不确定性。如何从具有异构性、海量性和不确定性的原始信息中获取需要的信息已经成为国内外学者的研究热点,因此研究如何处理不确定信息的数据融合方法具有很大的现实意义。本文将聚类分析和证据理论相结合,提出一种新的冲突度量表示法以及基于聚类证据理论的数据融合方法,并将该方法应用于汽车碰撞预警系统中,研究内容主要包括以下三个方面:(1)提出一种基于粗粒度和细粒度距离的证据冲突度量方法。首先,将定义的空间距离和Jousselme证据距离相结合构成细粒度距离,该细粒度距离从证据各命题的基本概率分配之间的差异考虑证据之间的关系;然后定义了一个粗粒度距离,从证据的整体决策差异上衡量证据之间的距离;最后综合考虑细粒度和粗粒度距离提出了一种新的证据冲突度量方法,该方法从粗粒度和细粒度两种层次上考虑证据之间的冲突程度,使得测量结果更加全面、有效。(2)提出一种基于聚类证据理论的冲突证据融合方法。首先根据已经提出的冲突度量方法和定义的局部冲突参数将证据分为一致证据、不冲突证据以及冲突证据三类;然后对不同类别的证据进行不同的修正;最后利用D-S组合规则对修正后的证据进行数据融合。仿真实验表明本文提出的融合方法有效解决了冲突证据的融合问题,具有良好的鲁棒性。(3)由于汽车碰撞预警系统中数据具有异构性、海量性、实时性以及冲突冗余性,将数据融合技术应用于该系统是十分必要的。因此本文设计了一种基于数据融合的汽车碰撞预警系统模型,并利用基于聚类证据理论的数据融合算法仿真实现对汽车碰撞预警系统的信息进行数据融合,为车辆驾驶员提供可靠的建议。