周 颖，唐永川，赵晓哲

(西北工业大学电子信息学院，西安 710072)

0 引言

多传感器数据融合与智能决策作为一类共性问题是当前研究的热点之一[1-2]。在目标识别中，如何对带有冲突的多传感器数据实现不确定信息度量，进而实现冲突数据融合与智能决策，仍然是一个难题[3-4]。不确定信息处理是当前数据融合领域的研究热点，引起了相关学者的广泛关注。D-S证据理论[5-6]在不确定信息处理中应用广泛，但是如何在D-S证据理论框架下度量信息的不确定性程度仍然是一个值得深入研究的问题[7-8]。

香农熵是概率框架下不确定度测量的典型方法，在信息量度量中被广泛采用，但香农熵并不能直接应用于D-S证据理论框架下的mass函数中。因此，文献[9]提出了一种名为Deng熵的不确定性度量方法，在一些情况下，Deng熵的不确定性度量效果要优于文献[9]中提及的其他度量方法。但是，类似其他信度熵，Deng熵并没有考虑到辨识框架(FOD)这种不确定信息源的因素，这就意味着在信息处理过程中损失了一部分可用且有价值的信息。考虑到Deng熵的不足，本文提出了加权信度熵，新的度量方法采用了关于FOD的命题相对标度，即命题元素的势和FOD中的元素个数都成为构建加权信度熵的权重因子。

随后，基于新的信度熵度量方法，为了融合多传感器冲突数据，本文提出了一种多传感器冲突数据融合方法，并以目标识别与智能决策为应用对象。新方法采用加权信度熵建模了多传感器数据不确定性后，采用具有诸多优势的经典Dempster组合规则进行数据融合，最后，基于数据融合结果进行目标识别决策。……