党常会，朱海潮，章林柯，聂永发

(1．海军工程大学 振动与噪声研究所，湖北 武汉430033;2．中国人民解放军92646 部队，辽宁 大连116504)

0 引 言

声学故障是导致舰船声隐身性能恶化的重要因素［1］。基于案例推理(Case-Based Reasoning，CBR)的专家系统是一种解决声学故障检测定位以及修复问题的重要工具。在案例推理技术中，利用案例相似性进行类比推理是一个不确定性推理过程;在多种信息源的情况下，经案例推理会得到多个诊断结果，不利于操作者决策。为此，需要研究信息融合技术以实现以下目标:①综合利用各种数据信息进行推理，提高诊断声学故障的精确性;②给出统一的诊断结果以方便声学故障修复决策。

信息融合技术按照融合的层次可分为3 种融合方式:数据级融合、特征级融合和决策级融合。在案例推理技术中，当存在多个振动传感器数据输入的情况下，需要对各个传感器数据经案例推理之后的输出结果进行融合，以给出高置信度和统一的诊断结果。这实质上是一个决策级融合的过程。

常用的信息融合方法有贝叶斯概率推理法及D－S 证据理论等［2］。贝叶斯概率推理理论基础完备，但使用过程中需要事先明确事件发生的先验概率，而事件发生的先验概率在现实中很难得到。D－S 证据理论为不确定信息表达和合成提供了一套完整的方法，因此在信息融合领域得到广泛应用。

在D－S 证据理论应用过程中，基本信任分配函数确定是一个难题。基本信任函数确定方法主要有3 种: