在基于证据理论的融合识别系统中,对证据可靠性进行评估进而对证据进行修正是解决证据冲突的有效途径。在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出的证据之间的关系来对证据可靠性进行评估,充分考虑了传感器的静态可靠性与动态输出。最后将该方法运用于基于证据可靠性评估的融合识别中,算例表明该方法可以有效降低可靠性证据的影响,得到较好的融合效果。

在信息融合系统中,各传感器提供的信息不一定完全可靠,在融合前有必要对传感器的可靠性进行评估,进而对其提供的信息进行预处理.基于证据理论,在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估;然后利用传感器的可靠性因子对证据进行折扣运算,实现对信息的预处理;最后利用Dempster组合规则进行融合.基于证据理论的融合识别算俐表明,所提出的方法综合利用了传感器的先验信息和动态输出,可以较好地反映传感器的性能,并能够有效降低可靠性传感器的影响

在信息融合系统中, 各传感器提供的信息不一定完全可靠, 在融合前有必要对传感器的可靠性进行评估, 进而对其提供的信息进行预处理. 基于证据理论, 在传感器混淆矩阵的基础上定义了后验概率向量, 通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估; 然后利用传感器的可靠性因子对证据进行折扣运算, 实现对信息的预处理; 最后利用Dempster 组合规则进行融合. 基于证据理论的融合识别算例表明, 所提出的方法综合利用了传感器的先验信息和动态输出, 可以较好地反映传感器的性能, 并能