本發(fā)明涉及融合通信網(wǎng)絡(luò)故障診斷的
技術(shù)領(lǐng)域：
，特別是指一種通信故障診斷方法及裝置。
背景技術(shù)：
：通信系統(tǒng)具有結(jié)構(gòu)復(fù)雜性和運(yùn)行環(huán)境特殊性，因此通信系統(tǒng)的故障檢測與定位，是非常復(fù)雜、困難的工作。通信故障隨時都有發(fā)生的可能，通信系統(tǒng)故障信號中通常含有時變的成分，并且多個故障間存在耦合現(xiàn)象，致使通信系統(tǒng)的故障診斷難度加大。目前常見的通信系統(tǒng)診斷的主要方法有小波分析法、神經(jīng)網(wǎng)絡(luò)、比較法及一些優(yōu)化算法等。基于這些方法所產(chǎn)生的診斷結(jié)果容易出現(xiàn)不一致的情況。因而，需要采用某種算法對通信系統(tǒng)故障診斷結(jié)果進(jìn)行歸納綜合，以便使結(jié)果一致。在數(shù)據(jù)融合中得到廣泛應(yīng)用的經(jīng)典d-s證據(jù)理論作為處理不確定性信息融合的一種有效方法，然而在實(shí)際的日常通信信息融合系統(tǒng)中，由于環(huán)境或人為因素常常會使某些設(shè)備輸出與實(shí)際情況相悖的信息，這些信息與其它設(shè)備輸出的正確信息往往沖突較大。如何在證據(jù)高度沖突下實(shí)現(xiàn)多源信息的有效融合是一個迫切需要解決的問題。技術(shù)實(shí)現(xiàn)要素：本發(fā)明的目的在于提供一種通信故障診斷方法及裝置，用以解決現(xiàn)有基于d-s證據(jù)理論的故障診斷方法，在證據(jù)沖突較高時，融合診斷結(jié)果不準(zhǔn)確的問題。為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種通信故障診斷方法，包括：獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個所述故障現(xiàn)象所對應(yīng)的可能故障原因；根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對所述故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，所述融合結(jié)果包括每個可能故障原因成為真實(shí)故障原因的概率值，所述沖突系數(shù)用于表示所述融合結(jié)果與真實(shí)故障原因之間的沖突程度；根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息；根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果。其中，所述根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對所述故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，包括：根據(jù)預(yù)設(shè)概率分配規(guī)則，為每個所述故障現(xiàn)象所對應(yīng)的每個可能故障原因分配一初始概率值；根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及每個可能故障原因的初始概率值，對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)。其中，所述根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及每個可能故障原因的初始概率值，對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)，包括：通過公式對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)；其中，c∈2u，ai∈2u，bj∈2u，φ表示空集，u為所有可能故障原因的集合，并定義u為所述可能故障原因的一個識別框架，2u為u的所有子集構(gòu)成的集合，2u→[0,1]，m為u上的基本概率賦值函數(shù)，其中包含有所述故障現(xiàn)象對應(yīng)的所有可能故障原因所對應(yīng)的概率值，m1，m2為所述識別框架根據(jù)預(yù)設(shè)概率分配規(guī)則分別為兩個故障現(xiàn)象分配的基本概率賦值函數(shù)，m(c)表示所述融合結(jié)果，表示所述沖突系數(shù)，ai和bj表示兩個所述故障現(xiàn)象分別對應(yīng)的一組可能故障原因。其中，所述根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息，包括：分別獲取兩個故障現(xiàn)象的基本概率賦值函數(shù)m1和m2；通過如下公式獲取所述兩個故障現(xiàn)象之間的差異信息：其中，dbpa表示所述兩個故障現(xiàn)象之間的差異信息，表示一個2m×2m的矩陣，m為所有可能故障原因的總個數(shù)，矩陣中的元素為a和b表示兩個所述故障現(xiàn)象分別對應(yīng)的所有可能故障原因，且a與b之和為m。其中，所述根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果，包括：根據(jù)所述差異信息、所述沖突系數(shù)及如下公式，獲取修正后沖突系數(shù)；表示所述沖突系數(shù)，dbpa(m1,m2)表示兩個所述故障現(xiàn)象之間的差異信息，表示所述修正后沖突系數(shù)；若所述修正后沖突系數(shù)小于預(yù)設(shè)閾值，則將所述融合結(jié)果作為所述故障診斷結(jié)果，否則確定出所述融合結(jié)果不可信。本發(fā)明的實(shí)施例還提供了一種通信故障診斷裝置，包括：第一獲取模塊，用于獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個所述故障現(xiàn)象所對應(yīng)的可能故障原因；融合模塊，用于根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對所述故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，所述融合結(jié)果包括每個可能故障原因成為真實(shí)故障原因的概率值，所述沖突系數(shù)用于表示所述融合結(jié)果與真實(shí)故障原因之間的沖突程度；第二獲取模塊，用于根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息；修正模塊，用于根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果。其中，所述融合模塊包括：分配子模塊，用于根據(jù)預(yù)設(shè)概率分配規(guī)則，為每個所述故障現(xiàn)象所對應(yīng)的每個可能故障原因分配一初始概率值；融合子模塊，用于根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及每個可能故障原因的初始概率值，對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)。其中，所述融合子模塊具體用于通過公式對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)；其中，c∈2u，ai∈2u，bj∈2u，φ表示空集，u為所有可能故障原因的集合，并定義u為所述可能故障原因的一個識別框架，2u為u的所有子集構(gòu)成的集合，2u→[0,1]，m為u上的基本概率賦值函數(shù)，其中包含有所述故障現(xiàn)象對應(yīng)的所有可能故障原因所對應(yīng)的概率值，m1，m2為所述識別框架根據(jù)預(yù)設(shè)概率分配規(guī)則分別為兩個故障現(xiàn)象分配的基本概率賦值函數(shù)，m(c)表示所述融合結(jié)果，表示所述沖突系數(shù)，ai和bj表示兩個所述故障現(xiàn)象分別對應(yīng)的一組可能故障原因。其中，所述第二獲取模塊包括：第一獲取子模塊，用于分別獲取兩個故障現(xiàn)象的基本概率賦值函數(shù)m1和m2；計算子模塊，用于通過如下公式獲取所述兩個故障現(xiàn)象之間的差異信息：其中，dbpa表示所述兩個故障現(xiàn)象之間的差異信息，表示一個2m×2m的矩陣，m為所有可能故障原因的總個數(shù)，矩陣中的元素為a和b表示兩個所述故障現(xiàn)象分別對應(yīng)的所有可能故障原因，且a與b之和為m。其中，所述修正模塊包括：第二獲取子模塊，用于根據(jù)所述差異信息、所述沖突系數(shù)及如下公式，獲取修正后沖突系數(shù)；表示所述沖突系數(shù)，dbpa(m1,m2)表示兩個所述故障現(xiàn)象之間的差異信息，表示所述修正后沖突系數(shù)；修正子模塊，用于若所述修正后沖突系數(shù)小于預(yù)設(shè)閾值，則將所述融合結(jié)果作為所述故障診斷結(jié)果，否則確定出所述融合結(jié)果不可信。本發(fā)明實(shí)施例具有以下有益效果：本發(fā)明實(shí)施例的通信故障診斷方法，獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個故障現(xiàn)象所對應(yīng)的可能故障原因；根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及可能故障原因，對故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)；根據(jù)可能故障原因，獲取故障現(xiàn)象之間的差異信息；根據(jù)差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果，有效解決了現(xiàn)有基于d-s證據(jù)理論的故障診斷方法，在證據(jù)沖突較高時，融合診斷結(jié)果不準(zhǔn)確的問題。附圖說明圖1為現(xiàn)有技術(shù)中基于d-s證據(jù)理論的故障診斷流程圖；圖2為本發(fā)明實(shí)施例的通信故障診斷方法的工作流程圖；圖3為本發(fā)明實(shí)施例的通信故障診斷裝置的結(jié)構(gòu)框圖。具體實(shí)施方式為使本發(fā)明要解決的技術(shù)問題、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合具體實(shí)施例及附圖進(jìn)行詳細(xì)描述。為使本領(lǐng)域技術(shù)人員能夠更好地理解本發(fā)明實(shí)施例的通信故障診斷方法，首先對d-s證據(jù)理論做如下說明。d-s證據(jù)理論是命題和集合間的映射，主要是通過將命題的不確定性轉(zhuǎn)為集合的不確定性進(jìn)行處理。即主要是根據(jù)事件發(fā)生的結(jié)果(證據(jù))，找出事件發(fā)生的主因(假設(shè))。如圖1所示，在通信系統(tǒng)中，故障癥狀是許多可能的故障產(chǎn)生的，每個故障癥狀下面的故障都有一定的發(fā)生概率，我們用信度函數(shù)來表示概率的大小。故障發(fā)生時利用d-s理論進(jìn)行故障信息融合，得出癥狀分別屬于某類故障的信度函數(shù)，再根據(jù)科學(xué)的判定準(zhǔn)則確定通信系統(tǒng)故障的類型，最后將得出的故障判定結(jié)果實(shí)時發(fā)送給通信公司故障維護(hù)系統(tǒng)進(jìn)行處理。設(shè)u是變量x的所有值的集合，同時，集合u中的各個元素互斥，則把u稱為x的一個識別框架，用u的冪集合即2u構(gòu)成命題集。當(dāng)集合u中的元素數(shù)為n時，命題集所代表的空間大小是2n。定義1令u為識別框架θ，2u為u的所有子集構(gòu)成的集合，如果集函數(shù)m：2u→[0,1]滿足：m(φ)＝0則稱m為u上的基本概率賦值函數(shù)，m(a)稱為a的基本概率數(shù)，表示對a的精確信任。證據(jù)理論的一個基本策略是將證據(jù)集合劃分為兩個或多個不相關(guān)的部分，并利用它們分別對辨識框架獨(dú)立進(jìn)行判斷，然后用dempster組合規(guī)則將它們組合起來。現(xiàn)有基于d-s證據(jù)理論的融合方法，通常用沖突系數(shù)k來度量各個證據(jù)之間的沖突程度，但是該方法在研究中發(fā)現(xiàn)，基于經(jīng)典的d-s組合規(guī)則的沖突系數(shù)不能準(zhǔn)確地表征各個證據(jù)之間的沖突程度，進(jìn)而導(dǎo)致通信系統(tǒng)故障診斷結(jié)果的不準(zhǔn)確。例1：設(shè)識別框架u＝{a,b,c},系統(tǒng)兩個基本概率賦值函數(shù)如下：m1:m1(a)＝0.99，m1(b)＝0.01；m2:m2(b)＝0.01，m2(c)＝0.09；由系統(tǒng)的兩個證據(jù)可以看出，m1和m2之間是高度沖突的。根據(jù)d-s組合規(guī)則對兩個證據(jù)合成的結(jié)果為：k＝0.99，m(a)＝m(c)＝0，m(b)＝1盡管m1和m2對b的支持都不高，即命題b的信任度不高，但是最后的結(jié)果確卻是命題b在組合后具有了最大的信任度，這顯然是不正確的。在實(shí)際的日常通信信息融合系統(tǒng)中，由于環(huán)境或人為因素常常會使某些設(shè)備輸出與實(shí)際情況相悖的信息，這些信息與其它設(shè)備輸出的正確信息往往沖突較大。如何在證據(jù)高度沖突下實(shí)現(xiàn)多源信息的有效融合是一個迫切需要解決的問題。因此，本發(fā)明的實(shí)施例提供了一種通信故障診斷方法及裝置，用以解決現(xiàn)有基于d-s證據(jù)理論的故障診斷方法，在證據(jù)沖突較高時，融合診斷結(jié)果不準(zhǔn)確的問題。第一實(shí)施例：如圖2所示，本發(fā)明實(shí)施例的通信故障診斷方法，包括：步驟21：獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個所述故障現(xiàn)象所對應(yīng)的可能故障原因。在本發(fā)明的具體實(shí)施例中，在獲取故障信息中的至少兩個故障現(xiàn)象后，根據(jù)故障庫中存儲的故障原因數(shù)據(jù)，獲取每個所述故障現(xiàn)象所對應(yīng)的可能故障原因。步驟22：根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，融合結(jié)果包括每個可能故障原因成為真實(shí)故障原因的概率值，沖突系數(shù)用于表示融合結(jié)果與真實(shí)故障原因之間的沖突程度。這里，通過d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，得出融合結(jié)果及沖突系數(shù)，但該沖突系數(shù)不能準(zhǔn)確地表征各個證據(jù)(故障現(xiàn)象)之間的沖突程度，需要在該沖突系數(shù)的基礎(chǔ)上得到能準(zhǔn)備表征各個證據(jù)之間沖突程度的新的沖突系數(shù)，并對融合結(jié)果進(jìn)行修正。由于各個證據(jù)之間的沖突程度越大，表明d-s融合之后的結(jié)果可信度越低；各個證據(jù)之間的沖突程度越小，表明d-s融合之后的結(jié)果可信度越高，所以通過對d-s融合結(jié)果進(jìn)行合理改進(jìn)，就能夠可以有效降低“壞證據(jù)”對系統(tǒng)最終融合結(jié)果的影響，提高通信系統(tǒng)故障診斷的準(zhǔn)確性。步驟23：根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息。在證據(jù)理論框架下，導(dǎo)致各個證據(jù)之間高度沖突的主因包括：1、辨識框架不完整。比如，在通信系統(tǒng)中，對于潛在存在的故障不能完全被我技術(shù)人員所知，也就是系統(tǒng)的故障庫不是特別的全面。假設(shè)故障庫中有3個故障a、b、c，那么辨識框架只能是這3個基本事件的冪集，而實(shí)際的故障是d，在這樣的情況下，系統(tǒng)的各個設(shè)備報告結(jié)果高度沖突，系統(tǒng)有可能得出錯誤的融合結(jié)果；2、系統(tǒng)設(shè)備自身的可靠性。比如設(shè)備在收到環(huán)境或者人為因素的干擾，使得設(shè)備的判斷會產(chǎn)生于實(shí)際結(jié)果相悖的情況，這樣更容易導(dǎo)致各個證據(jù)之間的高度沖突。綜上所述，要精確地度量所有的證據(jù)沖突程度，所有證據(jù)間的差異性是不能被忽略的。在本發(fā)明的具體實(shí)施例中，通過距離函數(shù)獲取所述故障現(xiàn)象之間的差異信息。步驟24：根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果。根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并通過matlab軟件仿真，輸出結(jié)果表明通過對各個證據(jù)之間的差異性與相容性的綜合考慮，采用改進(jìn)的證據(jù)理論對通信系統(tǒng)故障診斷的各種初步結(jié)果按照算法進(jìn)行融合決策，能夠有效降低不良證據(jù)對診斷結(jié)果的影響，在一定程度上彌補(bǔ)了經(jīng)典d-s理論的不足，提高了通信系統(tǒng)故障診斷的準(zhǔn)確性。本發(fā)明實(shí)施例的通信故障診斷方法，獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個故障現(xiàn)象所對應(yīng)的可能故障原因；根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及可能故障原因，對故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)；根據(jù)可能故障原因，獲取故障現(xiàn)象之間的差異信息；根據(jù)差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果，有效解決了現(xiàn)有基于d-s證據(jù)理論的故障診斷方法，在證據(jù)沖突較高時，融合診斷結(jié)果不準(zhǔn)確的問題。進(jìn)一步地，所述根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對所述故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，包括：根據(jù)預(yù)設(shè)概率分配規(guī)則，為每個所述故障現(xiàn)象所對應(yīng)的每個可能故障原因分配一初始概率值。在本發(fā)明的具體實(shí)施例中，主要通過可能故障原因的一識別框架根據(jù)預(yù)設(shè)概率分配規(guī)則，為每個所述故障現(xiàn)象所對應(yīng)的每個可能故障原因分配一初始概率值。根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及每個可能故障原因的初始概率值，對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)。具體的，通過公式對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)；其中，c∈2u，ai∈2u，bj∈2u，φ表示空集，u為所有可能故障原因的集合，并定義u為所述可能故障原因的一個識別框架，2u為u的所有子集構(gòu)成的集合，2u→[0,1]，m為u上的基本概率賦值函數(shù)，其中包含有所述故障現(xiàn)象對應(yīng)的所有可能故障原因所對應(yīng)的概率值，m1，m2為所述識別框架根據(jù)預(yù)設(shè)概率分配規(guī)則分別為兩個故障現(xiàn)象分配的基本概率賦值函數(shù)，m(c)表示所述融合結(jié)果，表示所述沖突系數(shù)，ai和bj表示兩個所述故障現(xiàn)象分別對應(yīng)的一組可能故障原因。進(jìn)一步地，所述根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息，包括：分別獲取兩個故障現(xiàn)象的基本概率賦值函數(shù)m1和m2；通過如下公式獲取所述兩個故障現(xiàn)象之間的差異信息：其中，dbpa表示所述兩個故障現(xiàn)象之間的差異信息，表示一個2m×2m的矩陣，m為所有可能故障原因的總個數(shù)，矩陣中的元素為a和b表示兩個所述故障現(xiàn)象分別對應(yīng)的所有可能故障原因，且a與b之和為m。在本發(fā)明的具體實(shí)施例中，設(shè)θ為一個包含m個命題的標(biāo)準(zhǔn)辨識框架，m1和m2是辨識框架θ上的2個基本概率指派bpa，用ep來表示辨識框架θ上所有子集生成的空間。一個bpa表示是一個在ep上坐標(biāo)系為m(ai)的向量m，并通過上述距離函數(shù)dbpa計算出m1和m2的距離，該距離函數(shù)可以合理的表示出證據(jù)間的差異性。進(jìn)一步地，所述根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果，包括：根據(jù)所述差異信息、所述沖突系數(shù)及如下公式，獲取修正后沖突系數(shù)；表示所述沖突系數(shù)，dbpa(m1,m2)表示兩個所述故障現(xiàn)象之間的差異信息，表示所述修正后沖突系數(shù)；若所述修正后沖突系數(shù)小于預(yù)設(shè)閾值，則將所述融合結(jié)果作為所述故障診斷結(jié)果，否則確定出所述融合結(jié)果不可信。在本發(fā)明的具體實(shí)施例中，修正后沖突系數(shù)的大小取決于經(jīng)典突系數(shù)k和證據(jù)距離dbpa兩個參數(shù)的共同作用。只有經(jīng)典沖突系數(shù)k和證據(jù)距離dbpa兩個參量值都比較大時候，系統(tǒng)可以通過新的沖突系數(shù)來判定證據(jù)之間的沖突較大；同理，在經(jīng)典沖突系數(shù)k和證據(jù)距離dbpa都是零的時候，表明所有證據(jù)之間沒有沖突。例2：設(shè)識別框架u＝{a,b,c,d}系統(tǒng)兩個基本概率賦值函數(shù)如下：m1{a,d}＝1m2{a,b,c}＝1證據(jù)之間的距離dbpa和沖突系數(shù)k根據(jù)公式計算結(jié)果如下：k12＝0；dbpa＝0.866修正后沖突系數(shù)為：修正后沖突系數(shù)說明，兩個證據(jù)m1和m2之間存在沖突，與兩個證據(jù)的直觀結(jié)果一致。用這種方法分析例1可知，證據(jù)之間的距離dbpa和沖突系數(shù)k如下：k12＝0.9999；dbpa＝0.99新的沖突系數(shù)為：所求結(jié)果說明兩個證據(jù)的沖突非常高，且與兩個證據(jù)表征一致。若則說明證據(jù)之間是完全沖突。下面通過例3將對修正后沖突系數(shù)和經(jīng)典沖突系數(shù)做一個全面的對比。例3：設(shè)識別框架u＝{a1,a2,a3,…,a20}系統(tǒng)兩個基本概率指派如下：m1{a7}＝0.1m1{a}＝0.9m2{a1,a2,a3,a4,a5}＝1式中a按照{(diào)a1}，{a1,a2}，{a1,a2,a3}，…，{a1,a2,a3,…,a20}變換。表1給出了經(jīng)典沖突系數(shù)k、證據(jù)距離dbpa和修正后沖突系數(shù)的變化：例如dbpakdk{a1}0.8540.4770.1{a1,a2}0.7420.4210.1{a1,…,a3}0.6090.3540.1{a1,…,a4}0.4360.2680.1{a1,…,a5}0.10.10.1{a1,…,a6}0.40.250.1{a1,…,a7}0.5290.3150.1{a1,…,a8}0.5990.3500.1{a1,…,a9}0.6480.3740.1{a1,…,a10}0.6850.3920.1{a1,…,a11}0.7140.4070.1{a1,…,a12}0.7370.4180.1{a1,…,a13}0.7560.4280.1{a1,…,a14}0.7710.4360.1{a1,…,a15}0.7850.4430.1{a1,…,a16}0.7970.4480.1{a1,…,a17}0.8070.4530.1{a1,…,a18}0.8160.4580.1{a1,…,a19}0.8230.4620.1{a1,…,a20}0.8300.4650.1表1結(jié)果分析：由表1可知，在子集a＝{a1,…,a5}時修正后沖突系數(shù)達(dá)到最小值，即各個證據(jù)之間的沖突是最小的。在本例中，證據(jù)m1和證據(jù)m2從經(jīng)典的沖突考慮，他們之間基本上不存在沖突。新的沖突系數(shù)既考慮了證據(jù)之間的相容性又考慮了各個證據(jù)之間的差異性，能夠?qū)⒆蛹痑變化時引起的沖突程度變化如實(shí)的反映出來，復(fù)合現(xiàn)實(shí)邏輯推導(dǎo)。修正后沖突系數(shù)取值范圍與經(jīng)典沖突系數(shù)取值范圍一致為[0,1]，所表示的意義也一樣，該數(shù)值越大，各個證據(jù)之間的沖突越大；相反，該數(shù)值越小，各個證據(jù)之間的沖突也越小。通常用沖突系數(shù)k來度量各個證據(jù)之間的沖突程度，但是該方法在研究中發(fā)現(xiàn)，基于經(jīng)典的d-s組合規(guī)則的沖突系數(shù)不能準(zhǔn)確地表征各個證據(jù)之間的沖突程度。本發(fā)明實(shí)施例在經(jīng)典d-s理論基礎(chǔ)上提出一種新的沖突系數(shù)表示的方法，利用該方法來表示沖突系數(shù)對沖突的有效度量，對融合結(jié)果進(jìn)行修正。各個證據(jù)之間的沖突程度越大，表明d-s融合之后的結(jié)果可信度越低；各個證據(jù)之間的沖突程度越小，表明d-s融合之后的結(jié)果可信度越高，所以通過對d-s融合結(jié)果進(jìn)行合理改進(jìn)，就能夠可以有效降低“壞證據(jù)”對系統(tǒng)最終融合結(jié)果的影響。通過對各個證據(jù)之間的差異性與相容性的綜合考慮，采用改進(jìn)的證據(jù)理論對通信系統(tǒng)故障診斷的各種初步結(jié)果按照算法進(jìn)行融合決策，能夠有效降低不良證據(jù)對診斷結(jié)果的影響，在一定程度上彌補(bǔ)了經(jīng)典d-s理論的不足，提高了通信系統(tǒng)故障診斷的準(zhǔn)確性。第二實(shí)施例：如圖3所示，本發(fā)明的實(shí)施例還提供了一種通信故障診斷裝置，包括：第一獲取模塊31，用于獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個所述故障現(xiàn)象所對應(yīng)的可能故障原因；融合模塊32，用于根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及所述可能故障原因，對所述故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)，所述融合結(jié)果包括每個可能故障原因成為真實(shí)故障原因的概率值，所述沖突系數(shù)用于表示所述融合結(jié)果與真實(shí)故障原因之間的沖突程度；第二獲取模塊33，用于根據(jù)所述可能故障原因，獲取所述故障現(xiàn)象之間的差異信息；修正模塊34，用于根據(jù)所述差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果。本發(fā)明實(shí)施例的通信故障診斷裝置，所述融合模塊32包括：分配子模塊321，用于根據(jù)預(yù)設(shè)概率分配規(guī)則，為每個所述故障現(xiàn)象所對應(yīng)的每個可能故障原因分配一初始概率值；融合子模塊322，用于根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及每個可能故障原因的初始概率值，對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)。本發(fā)明實(shí)施例的通信故障診斷裝置，所述融合子模塊322具體用于通過公式對所述故障現(xiàn)象進(jìn)行融合處理，得出所述融合結(jié)果及所述沖突系數(shù)；其中，c∈2u，ai∈2u，bj∈2u，φ表示空集，u為所有可能故障原因的集合，并定義u為所述可能故障原因的一個識別框架，2u為u的所有子集構(gòu)成的集合，2u→[0,1]，m為u上的基本概率賦值函數(shù)，其中包含有所述故障現(xiàn)象對應(yīng)的所有可能故障原因所對應(yīng)的概率值，m1，m2為所述識別框架根據(jù)預(yù)設(shè)概率分配規(guī)則分別為兩個故障現(xiàn)象分配的基本概率賦值函數(shù)，m(c)表示所述融合結(jié)果，表示所述沖突系數(shù)，ai和bj表示兩個所述故障現(xiàn)象分別對應(yīng)的一組可能故障原因。本發(fā)明實(shí)施例的通信故障診斷裝置，所述第二獲取模塊33包括：第一獲取子模塊331，用于分別獲取兩個故障現(xiàn)象的基本概率賦值函數(shù)m1和m2；計算子模塊332，用于通過如下公式獲取所述兩個故障現(xiàn)象之間的差異信息：其中，dbpa表示所述兩個故障現(xiàn)象之間的差異信息，表示一個2m×2m的矩陣，m為所有可能故障原因的總個數(shù)，矩陣中的元素為a和b表示兩個所述故障現(xiàn)象分別對應(yīng)的所有可能故障原因，且a與b之和為m。本發(fā)明實(shí)施例的通信故障診斷裝置，所述修正模塊34包括：第二獲取子模塊341，用于根據(jù)所述差異信息、所述沖突系數(shù)及如下公式，獲取修正后沖突系數(shù)；表示所述沖突系數(shù)，dbpa(m1,m2)表示兩個所述故障現(xiàn)象之間的差異信息，表示所述修正后沖突系數(shù)；修正子模塊342，用于若所述修正后沖突系數(shù)小于預(yù)設(shè)閾值，則將所述融合結(jié)果作為所述故障診斷結(jié)果，否則確定出所述融合結(jié)果不可信。需要說明的是，該裝置是與上述方法實(shí)施例對應(yīng)的裝置，上述方法實(shí)施例中所有實(shí)現(xiàn)方式均適用于該裝置的實(shí)施例中，也能達(dá)到相同的技術(shù)效果。本發(fā)明實(shí)施例的通信故障診斷方法及裝置，獲取故障信息中所包含的至少兩個故障現(xiàn)象，并獲取每個故障現(xiàn)象所對應(yīng)的可能故障原因；根據(jù)d-s證據(jù)理論的證據(jù)組合規(guī)則及可能故障原因，對故障現(xiàn)象進(jìn)行融合處理，得出融合結(jié)果及沖突系數(shù)；根據(jù)可能故障原因，獲取故障現(xiàn)象之間的差異信息；根據(jù)差異信息及所述沖突系數(shù)，對所述融合結(jié)果進(jìn)行修正，并根據(jù)修正后的融合結(jié)果得出故障診斷結(jié)果，有效解決了現(xiàn)有基于d-s證據(jù)理論的故障診斷方法，在證據(jù)沖突較高時，融合診斷結(jié)果不準(zhǔn)確的問題。以上所述僅為本發(fā)明的較佳實(shí)施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。當(dāng)前第1頁12