一種多傳感器可信度的確定方法

摘要：針對多傳感器融合中傳感器可信度不易確定的問題，提出了一種基于層次分析法的傳感器可信度的確定方法。利用傳感器獲得的量測的相對可信度，建立各目標的多傳感器可信度矩陣，進而求得各傳感器綜合可信度。仿真結果證明該方法的有效性。
關鍵詞：多傳感器融合；可信度；層次分析法

0 引言
在現(xiàn)代工程應用中，傳感器技術廣泛應用于跟蹤技術、機器人技術、機電一體化、柔性制造系統(tǒng)等控制技術。隨著應用系統(tǒng)逐漸擴大，所需的功能也越來越復雜，使用的傳感器種類也相應增多。單一傳感器檢測技術已不能滿足需求，隨之多傳感器融合技術應運而生。多傳感器融合技術就是對同一檢測對象，利用各種傳感器檢測的信息和不同的處理方法以獲得該對象的全面監(jiān)測信息，從而提高檢測精度和可靠性。在一個多傳感器融合系統(tǒng)中，如何表示被融合信息的可信度，以及把這些可信度有效地融入系統(tǒng)，是確保系統(tǒng)具有較高的識別率和容錯性的關鍵。即使識別率相同的傳感器，如果干擾不同，它提供的信息的可信度也不同，在復雜背景或強干擾情況下，傳感器可信度對于系統(tǒng)的有效性和可靠性更加重要。
本文借鑒層次分析法(Analytic Hierarchy Process，AHP)中分層的思想，提出了一種確定多個傳感器可信度的方法，根據(jù)信息的相對可信度，建立了多傳感器可信度的判斷矩陣，該矩陣的正交特征向量即為對應傳感器的可信度。仿真結果證明，融合數(shù)據(jù)要優(yōu)于各傳感器的算術平均值(等可信度融合)。

1 加權平均的數(shù)據(jù)融合模型
設在K時刻系統(tǒng)有p個傳感器，q個目標，對傳感器i，目標j測量值為：mij(i=1，2，…，p；j=1，2，…，q)。按照加權平均的融合算法確定傳感器i的可信度為ai(i=1，2，…，p)，則目標j的融合結果為：

而ai(i=1，2，…，p)是需要確定的某時刻系統(tǒng)各傳感器可信度。

2 層次分析法
T．L．Saaty于70年代提出層次分析法(AHP)，為解決多目標決策問題提供了很大的方便，在資源分配、企業(yè)管理、經濟分析與計劃、社會學、行為學中得到了廣泛應用。其核心思想：首先，把要解決的問題分層系列化，即根據(jù)問題的性質和要達到的目標，將問題分解為不同的組成因素，按照因素之間的相互影響和隸屬關系將其分層類聚組合，形成一個遞階的、有序的層次結構模型，然后，對模型中每一層次因素的相對重要性，依據(jù)人們對客觀現(xiàn)實的判斷，給予定量表示，再利用數(shù)學方法確定每一層次全部因素相對重要性次序的權值，最后，通過綜合計算各層因素相對重要性的權值。
2．1 AHP可信度的確定
在多傳感器探測系統(tǒng)中，在某時刻系統(tǒng)對傳感器量測的信任程度，稱為該時刻該傳感器的可信度，針對系統(tǒng)中的p個傳感器，q個目標。傳感器對各目標的量測共有p×q個。根據(jù)q個目標分為q組，對于同一目標的量測分在一組。對于目標j，設各傳感器量測的平均值：

式中：mij表示第i個傳感器對j目標的量測。
兩個傳感器s和t對目標量測可信度的比值定義如式(4)。在已知真實值時，可用真值代替平均值。