摘要：针对多传感器融合中传感器可信度不易确定的问题，提出了一种基于层次分析法的传感器可信度的确定方法。利用传感器获得的量测的相对可信度，建立各目标的多传感器可信度矩阵，进而求得各传感器综合可信度。仿真结果证明该方法的有效性。
关键词：多传感器融合；可信度；层次分析法

0 引言
在现代工程应用中，传感器技术广泛应用于跟踪技术、机器人技术、机电一体化、柔性制造系统等控制技术。随着应用系统逐渐扩大，所需的功能也越来越复杂，使用的传感器种类也相应增多。单一传感器检测技术已不能满足需求，随之多传感器融合技术应运而生。多传感器融合技术就是对同一检测对象，利用各种传感器检测的信息和不同的处理方法以获得该对象的全面监测信息，从而提高检测精度和可靠性。在一个多传感器融合系统中，如何表示被融合信息的可信度，以及把这些可信度有效地融入系统，是确保系统具有较高的识别率和容错性的关键。即使识别率相同的传感器，如果干扰不同，它提供的信息的可信度也不同，在复杂背景或强干扰情况下，传感器可信度对于系统的有效性和可靠性更加重要。
本文借鉴层次分析法(Analytic Hierarchy Process，AHP)中分层的思想，提出了一种确定多个传感器可信度的方法，根据信息的相对可信度，建立了多传感器可信度的判断矩阵，该矩阵的正交特征向量即为对应传感器的可信度。仿真结果证明，融合数据要优于各传感器的算术平均值(等可信度融合)。

1 加权平均的数据融合模型
设在K时刻系统有p个传感器，q个目标，对传感器i，目标j测量值为：mij(i=1，2，…，p；j=1，2，…，q)。按照加权平均的融合算法确定传感器i的可信度为ai(i=1，2，…，p)，则目标j的融合结果为：

而ai(i=1，2，…，p)是需要确定的某时刻系统各传感器可信度。

2 层次分析法
T．L．Saaty于70年代提出层次分析法(AHP)，为解决多目标决策问题提供了很大的方便，在资源分配、企业管理、经济分析与计划、社会学、行为学中得到了广泛应用。其核心思想：首先，把要解决的问题分层系列化，即根据问题的性质和要达到的目标，将问题分解为不同的组成因素，按照因素之间的相互影响和隶属关系将其分层类聚组合，形成一个递阶的、有序的层次结构模型，然后，对模型中每一层次因素的相对重要性，依据人们对客观现实的判断，给予定量表示，再利用数学方法确定每一层次全部因素相对重要性次序的权值，最后，通过综合计算各层因素相对重要性的权值。
2．1 AHP可信度的确定
在多传感器探测系统中，在某时刻系统对传感器量测的信任程度，称为该时刻该传感器的可信度，针对系统中的p个传感器，q个目标。传感器对各目标的量测共有p×q个。根据q个目标分为q组，对于同一目标的量测分在一组。对于目标j，设各传感器量测的平均值：

式中：mij表示第i个传感器对j目标的量测。
两个传感器s和t对目标量测可信度的比值定义如式(4)。在已知真实值时，可用真值代替平均值。