基于DSmT的多传感器协同生命探测技术研究

杨敬松 洪 力 姚振静（防灾科技学院，河北三河 605201）

基于DSmT的多传感器协同生命探测技术研究

杨敬松 洪 力 姚振静
（防灾科技学院，河北三河 605201）

多传感器协同生命探测平台是通过振动传感器和红外传感器，采集并提取生命体发出的声波信号（被困者呻吟、呼喊、爬动、敲打等产生的音频声波）和救援现场的红外图像，将上述采集到的有用信息，经过决策级信息融合处理，对生命体进行目标识别，为制定行之有效的救援方案提供决策支持，如何对多个传感器获得的信息进行融合，提高对目标的识别能力，是目前多传感器协同生命探测技术研究的热点。

D-S理论适合于无先验信息的融合，但在证据发生高冲突情况下，证据理论会产生与直觉相反的结论。很多文献认为这是组合规则造成的并加以改进，但是效果不是十分理想。针对这种情况，Dezert和Smarandache等人在2002年提出了DSmT。

在运用DSmT进行生命体识别时，首先要定义识别框架，其次计算广义基本信度分配函数，然后根据DSmT的组合规则对广义基本信度分配函数进行组合，最后按某种符合实际需要的识别规则对生命体进行识别。

本文设计的生命体识别框架Θ={A，B，C}，这里A表示有幸存者，B表示无幸存者，C表示不确定。多传感器协同生命探测平台一共有2个信息源（红外信息源和声波振动信息源），每个信息源有2位专家给出生命体的概率赋值，即一共2个证据源。采用最大的合成信度规则作为生命体识别的决策规则。

为了验证用DSmT在多传感器协同生命探测中的有效性，下面给出了一个红外与声波协同生命探测的实例。有2类传感器（红外传感器和低频振动传感器）同时对一个目标进行探测，并由2名专家分别给出了每种传感器的广义基本信度分配，然后分别使用D-S证据推理、和DSmT来对4个证据源进行合成，通过结果对比分析D-S证据推理和DSmT的生命体识别效果．其中DSmT采用混合DSm组合规则。

表1为2名专家分别根据红外传感器和振动传感器的反馈信息给出的基本信度赋值函数。其中m11表示第一位专家根据红外图像信息给出的基本信度赋值；m12表示第一位专家根据声波信息给出的基本信度赋值；m21表示第二位专家根据红外图像信息给出的基本信度赋值；m22表示第二位专家根据声波信息给出的基本信度赋值。各种方法对4条证据的合成识别结果如表2所示。

表1　基本信度赋值函数

图2 对4条证据的识别结果

由表2结果可知，D-S方法得出了与直觉相悖的结果，将目标身份判定为无幸存者，并且第2条证据具有“一票否决权”，再多的证据支持有幸存者都被否决，发生了很严重的错误。DSmT判断为有幸存者，得到了满意的判决结果，解决了高冲突证据带来的问题．当考虑将得到的不确定身份进行分配时，DSmT能够得到更好的效果，这也是DSmT改进的重要方向。结果表明，DSmT解决了证据冲突时的证据组合问题，能够很好地应用在生命体识别中。为制定高效可行的救援方案提供决策依据，降低救援时间，提高救援效率，减小灾害损失。