决策融合,作为一种应用在目标跟踪、模式识别、医学图像和地球科学等的新兴学科,能够综合传感器获取的多种不同信息所存在的冗余性和互补性,获得更佳的系统决策性能。证据理论是一种典型的决策方法,具有对不确定性的良好度量和合理描述方式,被广大学者所熟知。论文从以下几个方面深入研究基于证据理论的决策融合算法。首先,详细论述了证据理论的基本理论和DS合成公式的原理及性质。其中,针对多传感器监测环境下经常出现的冲突悖论问题进行了重点分析,并将冲突悖论的产生原因归结为不精确的证据体获取方法和证据冲突问题。其次,研究了证据体的获取方法。讨论了3种经典方法,针对其需要先验知识的低实用性,引入灰关联提出一种基于斜率关联度的证据体获取算法,旨在增强证据体的获取精度。在此基础上,利用同一传感器中不同特征对证据体的贡献不同,提出一种基于加权系数的证据体获取算法。仿真结果表明,两种方法算法获得的证据体都能较好地体现对不同命题的支持度,命题的支持度差异更明显,利于系统决策与识别判断,且后者效果更佳。再次,研究了证据冲突的解决方法。探讨了 12种常用解决方法,并利用实验选用效果最好的加权证据合成法作为对比算法。通过明氏距离和折扣因子的引入分别提出一种基于明氏距离的证据合成算法和一种基于折扣处理的证据合成算法。仿真结果表明,两种算法不仅能够合理且有效地管理证据冲突,还能获得利于系统判决的融合结果;与加权证据合成法相比,均增强了合成结果的有效性和可靠性,且后者效果更佳。最后,在上述对冲突悖论的研究基础上,提出基于证据理论的决策融合算法,应用在辐射源识别上,建立了基于证据理论的决策融合模型。该改进的决策融合算法通过对信号的多测量周期多维熵特征的提取和融合,实现了信号识别。仿真实验表明,基于证据理论的决策融合算法能够提高信号识别的精度,增强系统的鲁棒性。因此,验证了该改进的决策融合算法的优越性和实用性。