1.基于证据分类和冲突衡量的加权证据融合方法，其特征在于：包括以下几个步骤：A、通过获取多个传感器测量信息相对应证据焦元的基本概率赋值，将每一个证据看作一个向量，所述第i个证据的向量用mi＝(mi(θ1),…,mi(θr),…,mi(θk))T表示，其中i＝1,

2,…,n，n为证据向量的总数，k为辨识框架Θ中的焦元个数，r＝1,2,…,k；

B、对上述第i个证据mi和第j个证据mj是否为一致证据进行判断：根据mi中最大的基本概率赋值对应的焦元与证据mj中最大的基本概率赋值对应的焦元是否为同一焦元来判断，若为同一焦元，则称证据mi和mj为一致证据，否则称证据mi和mj为非一致证据，其中i,j＝1,

2,…,n；i≠j；

C、通过下述公式 计算差异性系数，得到任意第i个证据mi和第j个证据mj之间的差异性系数d(mi,mj)，式中Mi表示一个行向量，Di表示一个列向量；

D、由任意证据mi和mj之间的差异性系数d(mi,mj)根据证据分类结果分别通过公式：和 计算任意一

致证据mi和mj和非一致证据mi和mj之间的冲突系数conf(mi,mj)；

E、由得到的任意第i个证据mi和第j个证据mj之间的冲突系数conf(mi,mj)通过公式：求得第i个证据与其他n-1

个证据的总冲突程度因子conf(mi)和第i个证据与其它n-1个证据的相对支持程度因子truf(mi)，并利用n个证据中最大的相对支持程度因子trufmax和i个证据与其他n-1个证据的相对支持程度因子truf(mi)通过下述公式得到权重系数ωi，F、记第i个证据中焦元θr的基本概率赋值用mi(θr)表示，其中r＝1,2,…,k，修正后的第i个证据中焦元θr的基本概率赋值用mid(θr)表示，根据步骤E中得到的权重系数ωi通过公式：对融合的证据进行修正；

G、最后，采用Dempster组合规则对修正后的证据进行逐个融合,融合后焦元A的基本概率赋值m(A)的最大值对应的焦元为目标识别的决策结果对应的识别目标，即为决策最终结果。

2.根据权利要求1所述的基于证据分类和冲突衡量的加权证据融合方法，其特征在于：所述的步骤C中所述一个行向量Mr＝[-mi(θr)mj(θ1),…,|mi(θr)-mj(θr)|,…,-mi(θr)mj(θk)]，一个列向量Dr表达式为 其中，r＝1,2,…,k。

3.根据权利要求1-2所述的基于证据分类和冲突衡量的加权证据融合方法，其特征在于：所述的Dempster组合规则为：

其中，m(A)表示焦元A的基本概率赋值，K为冲突系数，r,l＝1,2,…,k， 为空集。