1．課題背景及研究的目的和意義

1.1課題背景

證據理論源于20世紀60年代美國哈弗大學的數學家A.P.Dempster 利用上、下概率來解決多值映射問題方面的研究工作。后來他的學生G.Shafer對證據理論引入了信任函數和似然函數的概念，形成了一套利用證據和組合來處理不確定性推理問題的數學方法。
如今，電子器件技術、數據處理技術以及網絡技術發展迅猛，只包含單一數據源的數據融合系統在實際應用中已發揮不出應有的效果。多源數據融合技術本質上就是對人腦處理復雜問題過程的模仿，是一種對多種類、多來源數據信息進行分析、處理并融合得到最終決策的方法。
基于D-S證據理論的數據融合方法，通過分析處理所需融合數據，得出多源數據在融合之后可能出現的所有命題，構成D-S證據理論中的識別框架，通過專家知識等方法給每一個可能出現的命題指定證據并求得命題的基本概率分配函數，最后利用D-S證據理論合成規則將所有證據合成一個新的結果，根據合成后的最終數值結果推測出融合結果支持哪一種命題。

1.2研究的目的和意義

多源數據融合技術能夠將多個不同數據源收集的不完整信息整合在一起，并進行相應的處理和融合加工，使不同數據之間的優勢互相補足最終得到一條有決策意義的數據結果，以此削弱數據源中存在的不確定成份，幫助使用者獲得有效的融合判斷和準確的綜合衡量，從而更輕易做出合理的判斷和決策。數據融合技術現己應用于目標識別、自動化、態勢評估以及地球科學等領域，并逐步擴大應用范圍，如社會安全、遙感圖像、污染檢測、氣候分析等領域。
相比其他數據融合方法，D-S證據理論能夠有效地對不完整信息、不確定信息進行推理和分析，可以更有效、快速地進行多源數據融合。

2．國內外在該方向的研究現狀及分析

數據融合技術也稱為信息融合技術，該技術來源于美國海軍的一項研究。1973年，美國海軍在研究聲吶定位系統時發現，使用濾波器將多個連續信息進行分析融合后，得到的關于被測目標的位置信息更為準確。90 年代初，美國軍隊采用了數據融合技術取得了海灣戰爭的勝利，奠定了融合技術的發展基礎，使得數據融合技術受到廣泛重視，因此世界各國都開始投入大量人力、物力對其研究，使得數據融合技術得到了大力發展并推廣到了非軍事領域應用中。
通過對數據融合技術的大力研究，世界上許多發達國家都在數據融合領域有了一定的積累，通過這些研究成果成功制作出很多具有實用價值的數據融合系統投入到實際生產環境中，并取得了良好的實用效果。隨著科學技術的不斷發展，在軍事方面，數據融合技術的研究目標己經從最早的目標識別、位置確定等簡單任務轉變為類似態勢評估等具有多特征、多條件、多因素的復雜任務。在非軍事領域，數據融合技術的應用范圍也日趨廣泛，例如現代化城市中的智慧交通，利用傳感器網絡將智能網絡覆蓋到整個城市，通過采集車流量、車速等實時信息并利用數據融合技術進行處理，得到城市的交通狀況;通過傳感器采集病人的實時生命體征信息，比如體溫、脈搏、心率、血壓等，并將這些信息利用數據融合技術加以綜合，可以幫助醫生更準確地了解病人的身體狀況，也可以對病人進行實時告警和提醒。
數據融合技術的發展離不開各種數學理論和先進技術的支持，包括自動化技術、計算機技術、電子技術等等。美軍實驗室定義被廣泛認可:對來自單一的和多源的數據和信息進行關聯、相關和綜合處理，以完成精確的位置和身份估計，對態勢、威脅和其重要性進行完整的、及時的評估。
目前，關于數據融合技術的研究重點在于如何提高數據融合系統的融合準確率、如何提高證據結論的可信度和如何提高數據融合系統的融合速度。

3．基于D-S證據理論的數據融合的研究

3.1數據融合技術的基本原理

(1)多個相同或不同類型的數據源同時跟蹤觀測同一目標，采集被測目標的相關信息;
(2)不同種類數據源，根據每個數據源得到的觀測結果，得出每個數據源對應的特征;
(3)將每一個數據源得到的特征按照一定方法進行處理，得到每一個數據源對于觀測目標的最終判斷結果;
(4)根據所有數據源得到的特征值和最終判斷結果，生成有一個特征庫，并依據特征庫的規則將數據進行分組和關聯。
(5)將相應分組中觀測數據利用合適的方法進行數據融合，按照一定規則綜合處理每一個數據源所得數據，進而得到對同一觀測目標一致的結論，從而達到提高系統融合準確率、加快系統融合速度的目的。

3.2基于D-S證據理論的數據融合方法理論

D-S證據理論的核心內容為“證據”和“組合”，“證據”就是包含不確定信息的數據，“組合”指的是合成規則，合成公式可以將多源數據所表征的信息綜合起來，得到更為可靠有效的結論，使D-S證據理論在金融分析、情報分析等諸多領域得到了廣泛應用。

（1）識別框架

（2）基本概率分配

（3）信度函數

（4）似然函數

（5）合成規則

基于D-S證據理論的數據融合方法是一種基于冗余互補的數據類型、采用命題的信息表示、不確定性來源于置信度、采用邏輯推理融合技術、適用于決策級的數據融合。

3.3對基于D-S證據理論的數據融合方法的基本思想

D-S證據理論是一種不確定性推理方法，所處理的數據信息大多是具有不確定性的，該方法能夠擺脫對先驗概率的依賴，把難以下手分析和處理的完整問題分解成很多易于處理的子問題，利用D-S證據理論將子問題的分析結論綜合起來，采用數學推理推理的融合方式得到最終的融合結果。
D-S證據理論由識別框架、基本概率分配函數、信任函數、似然函數和合成規則構成。
D-S證據理論應用于數據融合時，基本思路如下：
(1) 建立識別框架。分析所要融合的數據樣本，得到數據融合后可能出現的所有命題，構成D-S證據理論中的識別框架。
(2) 建立初始信任分配。在識別框架中，為每一個命題分配證據，并獲取它的基本概率分配函數。
(3)根據因果關系，計算所有命題的信任度。結合D-S證據理論中的信度函數和似然函數構造識別框架中的每個命題的信任度。一個命題的信任度等于證據對它的所有前提的初始信任度之和。
(4)證據合成。最后利用D-S證據理論合成法融合多個證據提供的信息，對每個命題的信任度進行合成，
(5)根據合成后的信任度決策出證據數據屬于哪一種命題，一般選擇信任度最大的命題。

3.4基于D-S證據理論的數據融合方法的不足之處及解決方法

隨著科技的發展和應用領域的擴展，D-S證據理論在實際應用中暴露出了一些問題，使得證據理論的融合效果受到很大的影響。比如焦元數量過多會導致計算量爆炸式增長，證據間嚴重沖突會導致證據理論得到錯誤的融合結果，如何根據實際應用環境合理地得到基本概率分配函數等。
D-S證據理論的不足之處，總結為以下幾點:
(1)證據理論的條件問題
使用證據理論對數據進行數據融合時，不僅證據理論推理過程需要滿足苛刻的外部條件，在應用D-S證據理論組合規則時，還要保證從證據源中獲取的證據之間是相互獨立的。同時，識別框架中必須包含所有可能的結果，否則會導致識別框架不完整。
(2)焦元爆炸問題
在使用D-S證據理論對多傳感器系統中的目標進行融合計算時，在證據源過多的情況下，焦元個數和合成次數都會迅速增加，導致運算量出現指數級增長。
(3)獲取基本概率分配問題
由于D-S證據理論的應用場景多種多樣，每種應用場景所適合的方法也各不相同，因此沒有統一的獲取基本概率分配的方法。
(4)證據沖突問題
在證據理論中，證據沖突問題非常重要，容易造成融合結果出現嚴重錯誤,當證據信息中存在嚴重沖突時，使用證據理論方法融合數據將會得到錯誤的融合結果，導致無法給出正確決策。在面對存在沖突的證據信息時，可以通過證據間的相互關系對證據進行預處理操作，從而達到降低數據融合錯誤率的目的。產生沖突證據的主要原因有：識別框架不完整、數據源獲取的數據不可靠、構造基本概率分配函數不合理等。

3.5對基于D-S證據理論的數據融合方法的改進

目前關于D-S證據理論的研究主要有以下幾個方面:
(1)研究獲取基本概率分配函數的方法；
(2)研究證據預處理；
(3)改進合成規則。

3.5.1近幾年文獻中提到的改進方法

Kushwah A、Kumar S和Hegde R M提出了一種基于時態的證據理論的多傳感器融合方法，用于室內活動識別。融合方法在D-S證據理論框架內開發了一種增量沖突解決方法，在多傳感器環境中，將時間信息引入融合方法，所提出的框架被用于智能家居中的活動檢測，有助于輔助日常家居生活。
Zhao Y、Jia P和Shi P提出一種基于不一致測量的沖突證據組合方法。首先，提出了一種新的衡量兩個證據之間沖突的沖突系數。然后，通過計算相應的折扣系數來修改互相沖突的證據。實驗結果驗證，新的沖突系數提高了Dempster組合規則的正確率。
Jiang W、Zhuang M和Qin X等人針對證據沖突問題，提出了一種基于不確定性度量的數據融合方法，將證據分為可信和不可信兩部分。然后，應用提出的信息熵度量證據包含的信息量。最后，在使用Dempster組合規則融合之前，獲得每個證據的權重并調整證據。
Li C、Qing G和Li P等人基于粗糙集和D-S證據理論，建立了配電網設備運行風險評估模型。在新的模型中，使用粗糙集理論對配電網設備運行風險評估指標進行相應調整和簡化，采用D-S證據理論結合最優指標。最后，根據融合結果中的基本概率分配做出決策，并從中獲取設備操作風險等級。

3.5.2引入證據置信水平的改進方法

通過引入證據置信水平可以改進基于D-S證據理論的數據融合方法。證據距離描述了每條證據中所包含信息的相似程度，在解決沖突問題中具有顯著的作用，證據距離能夠將證據間相互支持的程度進行量化，方便D-S證據理論的數值計算。證據置信水平和證據距離息息相關，目前己有算法主要用到的證據距離計算公式有歐氏距離、Jousselme距離等。

3.5.3針對融合規則的改進方法

在D-S證據理論組合規則中，悖論主要是由識別框架的不完整性和歸一化步驟引起的。通過引入置信水平的改進方法，己經大大地減少了證據源數據沖突問題的影響。但是，知識不完善問題，即識別框架不完整所造成的沖突問題和一些特殊情況下的悖論問題仍然需要解決，因此，D-S組合規則也應當得到相應地改進。改進后的D-S組合規則將證據兩兩進行組合，而不是一次性融合所有證據。
改進后的D-S組合規則將局部沖突按照最近的融合結果分配到相應的命題中，而不是忽略隱藏在沖突證據中的信息，從而增強了融合結果的可靠性和合理性。

3.6對基于D-S證據理論的數據融合方法的應用

3.6.1在隧道火災檢測中的應用

高速公路隧道內的火災對人們的生命財產安全有很大的威脅。早期的火災檢測技術 主要是基于溫度傳感器，煙霧傳感器，光傳感器等等，傳統的火災探測技術實時性差， 容易受到周圍環境的干擾，因此采用?；谝曨l的隧道火災探測技術。火災的發生伴隨著煙和霧的產生，因此對隧道火災的檢測分為火焰檢測和煙霧檢測兩部分?；鹧婧蜔熿F都屬于視頻中的運動目標，因此首先要完成對背景和運動目標的提取，然后對近似目標進行特征提取和分析。
通過對隧道火災視頻的進行處理，完成背景提取和近似火焰目標的提取，利用火焰的三個特征：面積增長特性、閃爍性、形狀復雜度，完成對隧道火災的檢測。對三 個特征檢測結果的檢測率和誤檢率進行融合，得到更高的檢測率。對于有干擾存在的檢測結果，利用改進的 D-S 證據理論融合算法能夠減少證據之間的沖突，得到較好的融合結果。對于融合結果中的不確定率，采用加入有效特征的檢測結果進行融合，融合結果的檢測率得到了進一步的提高。

3.6.2在行人檢測中的應用

交通視頻監測系統除了對道路上行駛的車輛進行監測，還可以對路面上的行人進行監測。當路面有行人出現時，提前報警能夠使得駕駛員有更多的反應時間，及時采取制 動措施，減少車輛對行人的碰撞。因此加強道路交通的行人檢測，對預防交通事故，保 證道路行車安全和行人的生命安全有很重要的作用。目前對行人的檢測方法有紅外線檢測，固定線圈檢測，噪聲檢測，還有基于視頻的檢測等方法。
采用行人視頻樣本庫對行人目標進行檢測，通過背景提取和目標分割，對分離出來的運動目標利用行人的特征：長寬比、面積、速度，對行人進行識別，并進行特征分析，最終實現對行人目標的檢測。最后統計所有視頻的檢測結果，得到各個特征的檢測率，誤報率以及不確定率。實驗結果表明，融合后的檢測率比單個特征的檢測率更高，誤檢率下降。

4.結論

D-S 證據理論是一種分析解決不確定問題的方法，在不確定推理領域已廣泛使用。本文首先闡述了基于D-S證據理論的數據融合算法的基本思想，并且詳細分析了D-S證據理論對于實際生活中大量不確定問題，一般表現在：隨機性、模糊性以及不確定性的問題。針對D-S證據理論中最主要的證據沖突問題，證據理論都能對信息進行較好分析處理，得到有效決策信息。對于證據理論，從其基本理論到信任度函數、公共函數、信任函數以及似然函數等一系列基本信息進行了詳細介紹。D-S 證據理論能夠得到廣泛的應用，主要由于其特點突出。但一些缺點限制了證據理論進一步的推廣。
對于解決D-S證據理論中存在的證據沖突問題，提出了基于改進D-S證據理論的數據融合方法。如引入巴氏距離，并進行相應優化，通過計算證據間距離，得到每個證據的置信水平，通過證據置信水平對證據進行預處理，預處理后解決了大部分證據沖突問題。并通過修改證據融合規則，使數據融合算法更合理的分配證據沖突，使改進后的數據融合算法在數據融合過程中，即使受到沖突證據和一些噪聲數據干擾時，依然能保證良好的準確率等。改進D-S證據理論的數據融合方法可以更好地應用于醫療、交通檢測、神經網絡等領域。

5．心得體會

如今，移動互聯網技術和大數據等相關技術飛速發展，伴隨而來的是數據量爆發式的產生和增長，同時，電子器件技術的發展使得數據源復雜多樣，如何快速有效地對大量數據進行融合處理得出正確的結論和決策成為一個問題。
基于D-S證據理論的數據融合是多源數據融合技術中一個重要的方向，選擇這個方向撰寫課程報告，一則是為了深入學習了解基于D-S證據理論的數據融合技術，二則是為仿真實驗奠基。通過閱讀多篇期刊論文及碩士學位論文，我了解了多源數據融合技術與證據理論的形成與發展，以及他們在一些領域的應用，如醫療領域和交通檢測領域。了解到一些相關的融合技術，如：基于加權平均算法的數據融合方法、基于卡爾曼濾波的數據融合方法、基于貝葉斯的數據融合方法、基于D-S證據理論的數據融合方法、基于產生式規則的數據融合方法、基于神經網絡的數據融合方法和基于模糊集理論的數據融合方法等，并且詳細學習了其中的基于D-S證據理論的數據融合方法，對其理論及過程進行了論述。針對D-S證據理論使用過程中存在的不足之處，進行了總結，同時提出了改進方法，除了引入證據置信水平、針對融合規則的基礎常見的改進方法外，我還閱讀了幾個近幾年的期刊文獻，得到一些其他的解決方法，如：采用基于時態的證據理論的多傳感器融合方法，用于室內活動識別；采用基于不一致測量的沖突證據組合方法；采用基于不確定性度量的數據融合方法將證據分為可信和不可信兩部分解決證據沖突問題；采用基于粗糙集和D-S證據理論，建立配電網設備運行風險評估模型等。
本次多源數據課程的學習，我接觸并認識了數據融合技術以及證據理論，知道了多源數據融合技術利用多個數據源或者信息源聯合評估處理的優勢，來提高數據融合系統整體的有效性和準確性，并通過此次課程報告任務對這一過程有了更加深入的了解，收獲頗多。

參考文獻

1.秦志強.數據融合技術及其應用[J]. 兵工自動化，2003, 22(5):25-28.
2.黃漫國，樊尚春，鄭德智，等. 多傳感器數據融合技術研究進展[[J].傳感器與微系統，2010, 29(3):5-8.
3.羅堪.基于信息融合的心血管信號處理方法研究[D]. 重慶理工大學，201l.
4.Kushwah A,Kumar S, Hegde R M. Mufti-sensor data fusion methods for indoor activity recognition using temporal evidence theory[J]. Pervasive&Mobile Computing, 2015, 21:19-29.
5.Zhao Y, Jia R, Shi P. A novel combination method for conflicting evidence based on inconsistent measurements[J]. Information Sciences, 2016, s 367-368:125-142.
6.Jiang W, Zhuang M, Qin X, et al. Conflicting evidence combination based on uncertainty measure and distance of evidence[J]. Springerplus, 2016, 5(1):1217.
7.Li C, Qing G, Li P, et al. Operational Risk Assessment of Distribution Network Equipment Based on Rough Set and D-S Evidence Theory[J]. Journal of Applied Mathematics,2013,(2013一12-23), 2013, 2013(1):1-7.
8.章巍.基于D-S證據理論的數據融合方法設計與實現[J]. 北京郵電大學，2018.
9.田佳霖.基于D-S證據理論的融合算法及其在交通事件檢測中的應用[J]. 長安大學，2016.

總結

以上是生活随笔為你收集整理的基于D-S证据理论的数据融合研究与应用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。