1.基于Hellinger距离和信度熵的加权冲突证据融合方法，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、由得到的第i个证据向量mi通过下述基于信度函数Bel和似真函数Pl的基本概率赋值转换公式计算得到修正后的证

据向量m′i＝(Pi(θ1),…,Pi(θr),…,Pi(θk))T，将任意第i个证据向量mi中的非单子集命题的信度转化为单子集命题的信度；其中信度函数Bel表示为： 似真函数Pl表示为： 其中 为空集， 表示信度函数Bel的总值；

C、由得到的修正后的任意第i个证据向量m′i和第j个证据向量m′j通过下述公式计算证据mi和证据mj之间的Hellinger距离，得到任意第i个证据向量mi和第j个证据向量mj之间的Hellinger距离dH(mi,mj)；

D、由得到的任意第i个证据向量mi和第j个证据向量mj之间的Hellinger距离dH(mi,mj)，构造n个证据之间的差异度矩阵D，差异度矩阵D公式如下：E、由构造的n个证据之间的差异度矩阵D，通过下述公式 计算任意第i个证据向量mi与其它n-1个证据向量的平均Hellinger距离F、由得到任意第i个证据向量mi与其它n-1个证据向量的平均Hellinger距离 通过下述公式 计算得到任意第i个证据向量mi的支持度G、通过下述公式 计算任意第i个证据向量mi的

信度熵E′d(mi)，用来表征证据的不确定性程度；式中e为自然常数，是一个约等于

2.71828182845904523536……的无理数，|θr∪θl|表示焦元θr与焦元θl取并集时元素的个数，|θr|表示焦元θr元素的个数，H、由得到任意第i个证据向量mi的信度熵E′d(mi)通过下述公式 计算得到第i个证据向量mi的信息量IVi，并通过下述公式 计算得到归一化后的第i个证据向量mi的信息量I、由得到任意第i个证据向量mi的支持度 和归一化后的第i个证据向量mi的信息量通过下述公式 计算得到第i个证据向量mi的信任度Credi；

J、由得到任意第i个证据向量mi的信任度Credi通过下述公式 计算得到第i个证据mi的权重因子ωi；

K、由得到任意第i个证据mi的权重因子ωi，通过下述公式 对第i个证据向量mi进行加权平均处理，得到修正后的第i个证据向量m″i；

L、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Hellinger距离和信度熵的加权冲突证据融合方法，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。