Multi-sensor data fusion (MSDF) is an efficient technology to enhance the performance of the system with the involvement of different kinds of sensors, which are broadly utilized in many fields at present. However, the data obtained from multi-sensors may have different degrees of uncertainty in the practical applications. Evidence theory is very useful to convey and manage uncertainty without a priori probability, so that it has been proverbially adopted in the information fusion fields. However, in the face of conflicting evidences, it has the possibility of producing counterintuitive results via conducting the Dempster’s combination rule (DCR). To solve the above-mentioned issue, a hybrid MSDF method is exploited through integrating a newly defined evidential credibility measure of evidences based on prospect theory and the evidence theory. More specifically, a series of concepts for the evidential credibility measure are first presented, including the local credibility degree, global credibility degree, evidential credibility estimation and credibility prospect value function to comprehensively describe the award and punish grades in terms of credible evidence and incredible evidence, respectively. Based on the above researches, an appropriate weight for each evidence can be obtained. Ultimately, the weight of each evidence is leveraged to amend the primitive evidences before conducting DCR. The results attained in the experiments demonstrate that the hybrid MSDF approach is efficient and superior to handle conflict evidences as well as the application in data fusion problems.

多传感器数据融合（MSDF）是一种有效的技术，可通过各种传感器的参与来增强系统的性能，而这些传感器目前已广泛应用于许多领域。但是，在实际应用中，从多传感器获得的数据可能具有不同程度的不确定性。证据理论在没有先验概率的情况下传达和管理不确定性非常有用，因此在信息融合领域已广为采用。但是，面对矛盾的证据，它有可能通过执行Dempster的合并规则（DCR）产生违反直觉的结果。为了解决上述问题，在基于前景理论和证据理论的基础上，结合了新定义的证据证据可信度度量方法，采用了混合MSDF方法。更具体地说，首先提出了一系列证据可信度度量的概念，包括本地可信度，全球可信度，证据可信度估计和可信度潜在价值函数，以根据可信证据和难以置信的证据全面描述奖励和惩罚等级。 ， 分别。基于以上研究，可以为每个证据获得适当的权重。最终，在进行DCR之前，可以利用每个证据的权重来修改原始证据。实验中获得的结果表明，混合MSDF方法在处理冲突证据以及在数据融合问题中的应用方面是有效且优越的。包括当地的可信度，全球的可信度，证据的可信度估计和可信的潜在价值函数，分别以可信的证据和难以置信的证据来描述奖励和惩罚的等级。基于以上研究，可以为每个证据获得适当的权重。最终，在进行DCR之前，可以利用每个证据的权重来修改原始证据。实验中获得的结果表明，混合MSDF方法在处理冲突证据以及在数据融合问题中的应用方面是有效且优越的。包括当地的可信度，全球的可信度，证据的可信度估计和可信的潜在价值函数，分别以可信的证据和难以置信的证据来描述奖励和惩罚的等级。基于以上研究，可以为每个证据获得适当的权重。最终，在进行DCR之前，可以利用每个证据的权重来修改原始证据。实验中获得的结果表明，混合MSDF方法在处理冲突证据以及在数据融合问题中的应用方面是有效且优越的。证据可信度估计和可信度期望值函数分别根据可信证据和难以置信的证据全面描述奖励和惩罚等级。基于以上研究，可以为每个证据获得适当的权重。最终，在进行DCR之前，可以利用每个证据的权重来修改原始证据。实验中获得的结果表明，混合MSDF方法在处理冲突证据以及在数据融合问题中的应用方面有效且优越。证据可信度估计和可信度期望值函数分别根据可信证据和难以置信的证据全面描述奖励和惩罚等级。基于以上研究，可以为每个证据获得适当的权重。最终，在进行DCR之前，可以利用每个证据的权重来修改原始证据。实验中获得的结果表明，混合MSDF方法在处理冲突证据以及在数据融合问题中的应用方面是有效且优越的。