第一次把摄像头和毫米波雷达的目标级融合真正跑通时，我盯着屏幕上的红色警告框看了很久。视觉模型认为前方是一个行人，置信度0.9；同一时刻，雷达回波却显示这个目标的多普勒速度接近零，反射截面积也不像人体。两个传感器都在正常输出，谁对谁错？这个问题的答案，不是把两家置信度做个加权平均就完事的。它需要一套能把“不确定性”和“无知”明确分开、还能把多个传感器的证据合并到一起的机制——这正是Dempster-Shafer证据理论（D-S理论）擅长的事。

这篇文章围绕“信息矩阵融合算法 + Dempster-Shafer目标级融合”在自动驾驶环境感知里的应用，完整拆解Matlab实现思路：先讲清楚目标级融合解决什么问题，再推演D-S的数学底子，接着给出信息矩阵与证据理论的组合框架，最后落到代码、仿真和调试经验。适合正在做多传感器融合课题的学生，也适合车端感知模块的工程师做方案选型时参考。

1. 摄像头和雷达的“打架”现场：目标级融合要解决的三个问题

1.1 融合层级的选择：为什么是目标级而不是数据级

多传感器融合通常分三个层级。数据级融合直接把图像像素和点云坐标放到同一个空间里对齐、拼接，信息保留最完整，但对标定、时钟同步、计算带宽的要求极高，稍微有点震动或延迟，融合结果就碎成一团。特征级融合折中一些，提取中间特征再融合，问题是特征空间很难统一，摄像头特征和雷达点云特征压根不是一个维度。目标级融合则是在每个传感器内部先独立完成检测和跟踪，输出各自的目标列表，再把目标列表拿到融合模块里做关联和合并。

自动驾驶里目标级融合是工程上最稳妥的主流做法。每个传感器模块可以独立开发、独立标定、独立升级，融合模块只跟“目标”打交道，吃的是语义信息而不是底层数据。图像那条链出问题，雷达还能顶住；雷达进了隧道丢反射，摄像头也能覆盖。带宽压力小，模块之间解耦清晰，出问题也好定位。“目标级”三个字，本质上是把系统复杂度和传感器异构性挡在了融合模块之外。

1.2 目标级融合必须处理的三个子问题

目标级融合不是简单“把两个框叠在一起”。拿到两路目标列表后，你至少要回答三个问题：

• 关联：摄像头报的目标A和雷达报的目标B是不是同一个物体？关联错，后面全错。
• 状态估计：目标的连续物理量（位置、速度、航向）怎么合？两个传感器各有噪声，状态协方差怎么融合？
• 类别与存在性判定：目标是车、行人还是骑车人？这个目标到底存不存在？两路传感器给的类别置信度口径还不一样。

我在框架里把这三件事分开处理：连续状态用信息滤波器（Information Filter），离散类别和存在置信度用Dempster-Shafer证据理论。标题里的“信息矩阵融合算法”，在我这套实现里对应两层含义——一层是证据矩阵，把所有目标的BPA组织成矩阵做D-S合成；另一层是Fisher信息矩阵，用信息滤波器做运动状态的加法式融合。这两层配合起来，感知链路的“连续量”和“离散量”都覆盖了。

1.3 为什么贝叶斯框架在这个场景里不够用

很多人第一反应是用贝叶斯：给每个类别一个先验，然后用传感器似然更新后验。但实际工程里有两个尴尬。第一，摄像头分类网络输出的softmax概率不是严格意义上的似然，它常常过度自信，而且不同传感器的置信度标定尺度完全不同，两个“0.8”的含义不一样，直接乘进贝叶斯公式没有任何理论保证。第二，贝叶斯要求假设空间完备且互斥，你必须对“既不是车也不是行人也不是骑车人”的情况给出一个概率，这个“其他类”其实很难定义。

D-S理论换了个思路：它不说“这个目标有80%概率是车”，而是说“我有70%的把握支持它是车，还有20%我承认自己不知道”。这个“不知道”用m(Θ)表达，对应识别框架的全集Θ。贝叶斯里你被迫把“不知道”分摊到每个假设上，D-S可以诚实地把它留在原地。目标被遮挡、夜间图像退化、雷达多径反射这些情况，传感器自己都不知道目标是什么，这时候强行给一个概率分布反而是在制造伪精度。

2. Dempster-Shafer到底在算什么：从BPA到合成规则的手算过程

2.1 识别框架、焦元与BPA

D-S整个体系建立在识别框架Θ上。对目标级融合来说，Θ就是所有可能类别的集合，比如Θ={车辆V, 行人P, 骑车人C}。框架里的任意子集都叫焦元，包括单个类别，也包括组合，比如{V,P}表示“是车或行人，但分不清”，全集Θ表示“是这三个之一，但不知道是哪个”。

基本概率分配（BPA）就是往这些焦元上放质量的一个函数m：2^Θ→[0,1]，满足两个条件：

• m(∅)=0，空集不能放质量。
• 所有焦元的质量之和为1。

从BPA可以推出两个更直观的量。信度函数Bel(A)=Σ_{B⊆A}m(B)，表示“证据明确支持A的程度”；似真函数Pl(A)=Σ_{B∩A≠∅}m(B)，表示“证据不反对A的最大程度”。区间[Bel(A), Pl(A)]就是目标属于A的置信区间。做感知的人可以把这理解成上下限：下限是实打实的支持，上限是“没有证据反对”，区间越窄说明证据越充分，区间越宽说明这个类别的判断越模糊。

2.2 Dempster合成规则：挑出共识，扔掉矛盾

D-S的核心是Dempster合成规则。两路独立证据m1和m2合成后，任意焦元A的新质量是：

m12(A) = [Σ_{B∩C=A} m1(B)·m2(C)] / (1-K)

其中冲突系数K=Σ_{B∩C=∅} m1(B)·m2(C)，是所有被分到空集上的质量之和。分子把“两个证据的交集恰好落在A上”的那些质量加起来，分母(1-K)把冲突质量抹掉后重新归一化。

用大白话讲：把两个证据的质量表当成两个维度做交叉相乘，每一格代表“一个证据说B、另一个说C”的联合情况；两个说法一致就合并，一个明确一个无知就按明确的算，两个说法互相矛盾就扔进K这个“矛盾桶”里，最后把总质量重新拉到1。K越大，两路证据越不对付。

2.3 手算一个常规例子和一个冲突例子

假设摄像头输出BPA为m1：m(V)=0.5，m(P)=0.3，m(Θ)=0.2；雷达输出m2：m(V)=0.7，m(P)=0.1，m(Θ)=0.2。两路都认为目标更像是车，但摄像头心中行人的分量也不低。

冲突系数K=0.05+0.21=0.26。归一化后：m(V)=0.797，m(P)=0.149，m(Θ)=0.054。

这个结果很有信息量。摄像头单独看，对“车”的置信区间是[0.5,0.7]；雷达单独看是[0.7,0.9]；融合后变成[0.797,0.851]。均值往高处走，区间还收窄了——两个传感器互相补充，对车的判断比任何一个单传感器都笃定，同时残余的无知只有5.4%。

再给一个冲突场景：摄像头说它是行人，m1：m(V)=0.1，m(P)=0.8，m(Θ)=0.1；雷达说它是车，m2：m(V)=0.8，m(P)=0.1，m(Θ)=0.1。这时K=0.65，归一化后得到m(V)=0.486，m(P)=0.486，m(Θ)=0.029。两个类别打平，而且无知被压缩到几乎为零。这就是D-S最著名的反直觉问题：高冲突下，规则会强行“选边站”并表现得非常自信，这种结果在辅助驾驶里是不能直接用的。后面讲调试坑的时候会具体处理它。

3. 信息矩阵怎么和D-S接在一起：两层融合框架的设计

3.1 第一层：把BPA组织成证据矩阵

多目标场景下，每个传感器对每个目标都输出一条BPA，数据形态天然是个三维张量：目标数T × 焦元数N × 传感器数S。N=2^K，K是单元素假设个数，比如三类别时N=8。我用MATLAB里的三维数组E来放这个张量，E(t,:,s)就是第s个传感器对第t个目标的BPA行向量。

融合就是对每个目标t，沿着传感器这一维依次做D-S合成：

E = zeros(T, N, S); % 目标数 × 焦元数 × 传感器数 % ... 填充每个传感器的BPA ... E_fused = zeros(T, N); for t = 1:T m_cur = squeeze(E(t, :, 1)).'; for s = 2:S m_cur = ds_combine(m_cur, squeeze(E(t, :, s)).', INTER); end E_fused(t, :) = m_cur; end

这就是“信息矩阵融合算法”的第一层含义：把每个目标的证据组织成矩阵，逐行做证据合成。好处是计算天然向量化，目标之间互不干扰，加目标只是多一行的事。

3.2 第二层：状态估计用信息滤波器

类别融合解决“是什么”，状态估计解决“在哪、多快”。对连续状态，我用信息滤波器而不是标准卡尔曼。信息滤波器的核心是信息矩阵Y=P^(-1)和信息状态向量ŷ=Y·x̂。它的测量更新有一个非常漂亮的性质：多个传感器更新只需要做加法。

Y_k = Y_pred + Σ_i H_i^T R_i^(-1) H_i

ŷ_k = ŷ_pred + Σ_i H_i^T R_i^(-1) z_i

每个传感器贡献一项“信息增量”，往累计矩阵里加就是了。标准卡尔曼每次都要先算增益K再更新协方差P，多传感器还得串行或批量处理；信息滤波器天然就是为多传感器加法融合设计的。另一个实用好处是初始化方便：信息矩阵从0开始就是“完全不知道”，协方差无限大，不需要像卡尔曼那样拍一个很大的初始P。代价是最后要把Y求逆才能拿回状态均值和协方差，所以工程上要注意P的正定性，数值不稳时改用带平方根形式的信息滤波器。

function [Y_hat, y_hat] = info_update(Y_pred, y_pred, H, R, z) information_contrib = H' * (R \ H); vector_contrib = H' * (R \ z); Y_hat = Y_pred + information_contrib; y_hat = y_pred + vector_contrib; end

状态模型还是标准的匀速/匀加速运动学，预测步在信息域写稍微绕一点，但多传感器更新的清爽程度完全值回票价。

3.3 两条链怎么拼成完整数据流

整个融合模块的数据流是：各路传感器目标列表 → 时间对齐与关联 → 对匹配上的目标对，把状态预测到同一时刻，信息滤波器累加各传感器的量测贡献 → 用D-S合成各类别BPA → 目标管理（确认、降级、删除）→ 决策输出。

两路链路的输出在目标管理那里汇合：一个目标要“确认存在”，既要有足够高的融合后信度Bel，类别判断也得稳定。状态信息决定框的位置和速度，类别BPA决定框的标签和置信度。缺一条都不行——位置再准，类别判断是“未知”，下游规控模块照样不敢用。

4. Matlab实现：数据结构、核心函数与向量化取舍

4.1 工程结构与数据约定

我按下面这张表组织代码，每个模块独立成函数，主循环只做调度：

数据结构上，每个目标用结构体数组存：id、状态向量、协方差、BPA向量、生命周期、确认计数。BPA向量的索引约定统一成“焦元索引=位掩码+1”：索引1永远放空集占位，索引2^(i-1)+1放第i个单元素假设，索引2^K放全集Θ。以K=3为例，索引5对应位掩码4（二进制100），即{C}；索引4对应位掩码3（011），即{V,P}复合焦元。虽然源BPA通常只往单元素和全集放质量，但复合焦元的槽位在代码里保留着，想表达“行人或骑车人分不清”这类中间态时，直接往对应位置放质量就行，不用改框架。

4.2 核心函数：交点查找表与D-S合成

D-S合成在代码层面的核心是把“两个焦元取交集”这件事预先算好。因为2^K个焦元可以用位掩码唯一编码，交集运算就变成了按位与。我把所有焦元对的交集结果预计算成一张查找表INTER，运行时直接查表，避免反复做位移和逻辑判断：

function INTER = build_intersection_table(K) % K: 单元素假设个数 % 返回 N×N 查找表, N = 2^K N = 2^K; masks = 0:(N-1); [I, J] = ndgrid(1:N, 1:N); INTER = bitand(masks(I), masks(J)) + 1; end

有了这张表，合成函数用accumarray一步完成累加：

function [m_fused, K] = ds_combine(m1, m2, INTER) % m1, m2: 1×N 的BPA行向量, 首元素为空集占位 N = numel(m1); joint = reshape(m1, N, 1) .* reshape(m2, 1, N); % 联合质量矩阵 m_fused = accumarray(INTER(:), joint(:), [N, 1])'; K = m_fused(1); % 交集落在空集上的总质量 if K >= 1 - eps error('证据完全冲突: 检查目标关联与传感器标定'); end m_fused = m_fused / (1 - K); m_fused(1) = 0; end

这个实现比我最早写的三层for循环版本快了不止一个量级。K=3时N=8，联合矩阵只有64格，怎么算都快；但代码风格是为K=5、N=32这种更大识别框架准备的，查找表+accumarray的思路能直接撑住。合成规则在数学上有交换律和结合律，但注意浮点逐次归一化的实现会在K接近1时放大顺序差异，所以工程上永远先判冲突再合成。

4.3 生成BPA与判决逻辑

传感器分类器输出的是概率，要转成BPA，关键是引入一个“可靠性折扣”系数reliability。分类概率乘上可靠性后放到对应单元素焦元上，剩下(1-reliability)全部放进全集Θ：

function m = classifier_output_to_bpa(class_prob, reliability, K) % class_prob: 1×K 分类网络输出概率(softmax之后) % reliability: 该传感器在当前环境下的可信度 N = 2^K; m = zeros(1, N); for i = 1:K idx = 2^(i-1) + 1; m(idx) = reliability * class_prob(i); end m(N) = 1 - reliability; % 剩余质量全部放全集, 代表"不知道" end

这个折扣系数是整套代码里最重要的标定参数。白天摄像头好好工作，reliability可以给0.9；夜间图像退化，给0.6；雷达进隧道后多径反射变多，给0.7。它表达的是“我对这个传感器的信任程度”，跟传感器内部的分类置信度是两回事。

判决时不能直接把全集Θ当成一个类别来比大小。我的做法是：只让单元素假设参与最大信度竞争，全集质量单独作为“无知程度”监控：

function [label, bel, ambiguous] = ds_decision(m, K, bel_thresh, ignore_thresh) % 只把单元素假设作为类别候选, 全集只用来看无知程度 N = 2^K; singleton_idx = 2.^(0:(K-1)) + 1; singleton_bel = m(singleton_idx); [bel, label] = max(singleton_bel); unknown_mass = m(N); ambiguous = (bel < bel_thresh) || (unknown_mass > ignore_thresh); end

bel_thresh和ignore_thresh我通常从0.5和0.2起步。融合后的最大单元素信度低于0.5，或者无知质量高于0.2，就判定为“类别不确定”，这时候宁可输出Unknown也不要硬给一个标签。

4.4 关联与时间对齐的落地

关联这块我用马氏距离加门控。摄像头目标状态zc、雷达目标状态zm，各自带协方差P_cam、P_radar，马氏距离d2=(zc-zm)^T (P_cam+P_radar)^(-1) (zc-zm)。门限取自由度2的95%卡方分位数5.991，距离超过门限的直接不配：

d2 = (zc - zm)' * ((P_cam + P_radar) \ (zc - zm)); if d2 < gate_d2 candidate_pairs(end+1, :) = [i, j, d2]; end

候选对里再挑距离最小的作为唯一匹配，一挑多的目标一律先挂起，不进入融合。时间对齐比很多新手以为的重要得多：摄像头帧率和雷达帧率不一样，直接拿不同时刻的状态算马氏距离必然偏。我每个周期先把所有目标预测到融合时刻的最大时间戳，再做关联和更新，这个细节能直接砍掉一批莫名其妙的association jump。

4.5 主循环骨架

主循环每收到一帧传感器数据就执行：

1. 读取摄像头、雷达目标列表。
2. 把各传感器目标状态预测到公共时间戳。
3. 门控关联，得到匹配对、未匹配摄像头目标、未匹配雷达目标。
4. 对每个匹配对，用各自分类输出生成BPA。
5. 对每个匹配目标，沿传感器维做D-S合成，得到融合BPA。
6. 对匹配上的目标做信息滤波器更新；未匹配的目标保留原状态但增加未命中计数。
7. 目标管理器根据融合信度和未命中计数决定确认、降级或删除。
8. 写日志：K值、各目标BPA、判决结果，供可视化回放。

5. 仿真场景、结果解读与参数标定

5.1 三个典型的仿真场景

我用仿真数据跑了三个场景，分别对应目标级融合最容易遇到的三种局面。

场景A就是第2节手算的例子，代表“两路传感器都靠谱但各有侧重”的正常状态。场景B里摄像头分类器整体变含糊，有50%的质量直接堆给了全集Θ，雷达还算正常。场景C里两路传感器彻底分裂，摄像头认为是行人，雷达认为是车，冲突系数飙到0.65。

5.2 结果怎么解读

三个场景的融合结果如下：

场景B特别值得琢磨。摄像头已经很不确定，但它对“行人”的那点微弱支持依然保留在融合结果里，m(P)从雷达单路的0.1升到0.22；同时m(Θ)=0.122比场景A高一倍多，系统诚实地告诉你“我知道得没那么准”。这种“保留无知”的行为在辅助驾驶里是安全特性：宁可让规划模块把目标当Unknown慢速处理，也不要强行把它认成一个类别后激进决策。

场景C就是标准的结果毒果。K=0.65说明两路传感器几乎完全矛盾，但D-S归一化后两个类别的信度却打平在0.486，无知只有2.9%——看起来“证据充分”，其实结论完全是归一化强制造出来的。我在融合模块里加了冲突保护：K超过0.5就放弃标准合成，改用预平均策略（两路BPA先平均再合成），或者直接把冲突质量并入全集Θ。这两种做法都能避免场景C的伪自信。实际仿真中，我还会把每个周期的K值单独画一条曲线，哪个目标出现K异常尖峰，基本就是关联错配或者某路传感器退化的信号。

5.3 参数标定的土办法

可靠性参数没有解析解，我从实际数据里标。方法是先录一段有真值标注的数据，统计每个传感器单独的分类准确率，把准确率当作reliability的初始值。摄像头白天准确率0.9，就设0.9；夜间降级到0.6。然后跑一遍融合，观察两类指标：融合后无知质量是否过高，以及融合后的分类准确率是否比单传感器更高。如果融合结果还打不过最靠谱的那路传感器，说明可靠性给错了，用网格搜索在0.5到0.95之间扫一遍，挑验证集上性能最好的组合。

阈值参数同样靠数据说话。bel_thresh和ignore_thresh调大，系统输出Unknown更多、误报更少；调小，系统更敢下结论但可能瞎报。对辅助驾驶场景，我倾向于把阈值调保守——虚警的代价远高于漏报。

6. 我在调试中踩过的坑：冲突、关联与全集语义

6.1 高冲突下的归一化爆炸

场景C不是特例，而是这个规则在冲突情况下的必然倾向。经典的反直觉例子我也复现过：两个来源分别以0.99和0.99支持互相矛盾的结论，还有一个微小的第三方概率，标准D-S合成后居然把那个第三方抬到接近1。原因是分母(1-K)被冲突质量压得极小，微小的差异被放大成压倒性结论。这种性质在目标级融合里非常危险，因为传感器偶尔出一次错、目标被遮挡一瞬间，都可能制造出高K值。

我的改法分两级：K在0.3到0.5之间，用预平均策略，先把两路BPA取平均再合成，抑制归一化放大效应；K超过0.5，直接把当前融合结果标记为“证据冲突”，输出保持上一帧的类别和Unknown标签，同时给目标管理一个“需要额外证据”的降级状态。决策层有冲突标志时，不允许输出高置信度类别。

6.2 关联错了，D-S学得再漂亮也没用

目标级融合有个前提：合成的是“同一个目标”的证据。关联一错，后面的D-S全是空中楼阁。我调试时遇到过一次诡异现象：一个本来很稳的车目标，某帧K值突然从0.2跳到0.7，融合类别在车和行人之间来回跳。查到最后是摄像头在那个区域出现了一个误检框，位置和雷达目标在门限内，就被关联到一起了。

处理办法有两个层面。算法层，关联用更保守的双向门限：两个目标互相选对方才确认匹配，一厢情愿的不算。调试层，日志里必须带上每帧的匹配对编号和K值，K曲线异常尖峰配合关联日志，很快就能定位到是哪一帧哪一对出了问题。这个经验我每次给新人讲融合都会强调：先怀疑关联，再怀疑证据模型。

6.3 全集Θ不是“其他类”

这是新手最容易犯的语义错误。m(Θ)表达的是“有证据存在，但不知道属于哪个类别”，它的正确定位是无知，不是“其他”这一类。如果把Θ放进类别判决里和其他单元素假设一起比大小，系统会在目标被遮挡时输出一堆“Unknown类”，然后下游模块就彻底不知道拿这个目标怎么办了。

我自己写判决时一直坚持：单元素假设只和单元素假设竞争，m(Θ)单独作为无知度监控。如果下游必须有一个硬类别输出（比如规控要求目标必须是车/人/骑手之一），我会在决策层用pignistic变换把m(Θ)按基数摊回单元素假设：BetP(ω)=Σ_{A∋ω} m(A)/|A|。但注意，pignistic变换只用于强制决策，不是融合结果本身，两回事。

6.4 连续帧融合的可信度膨胀

如果每一帧都用当前传感器BPA跟上一帧的累积BPA直接合成，几十帧之后你会发现类别信度趋近于1，无知趋近于0。表面看是“证据越积越多”，实际是双重重计算了相关证据——同一路传感器观测的相邻帧高度相关，每帧合成一次等于把相关性当成独立性用。

我的处理是给帧间合成加上遗忘因子。每轮先对上一帧累积BPA做指数折扣（把一部分质量还给Θ），再和当前帧合成。折扣率我一般取0.1到0.3，相当于对历史证据半衰期做了个软约束。这样既能利用时间累积平滑噪声，又不会在传感器短暂异常时累积出不可逆的偏执结论。

6.5 性能优化清单

MATLAB里跑仿真最常用的几个优化：焦点查找表INTER预计算一次全局复用，别在目标循环里反复生成；合成函数里别用嵌套循环，accumarray一步到位；热循环里别用cell数组，统一用数值数组；对象数超过50个时，把E的三维切片循环写成单步矩阵操作。

另外一定要会用tic/toc定位瓶颈。我最初版本在关联模块里用循环算所有目标对的距离，目标一多就卡；改成矩阵化马氏距离计算后整体耗时降了80%。真要上实车部署，这套逻辑也可以用MATLAB Coder生成嵌入式C代码，D-S合成部分因为纯粹是查表和累加，移植非常干净。

最后再分享一个我自己的调试习惯：K值曲线永远单独占一个subplot，横轴是帧号，每个目标一条线，颜色跟着目标ID走。这个曲线比融合置信度更能暴露问题——正常的感知过程K应该平稳在0.3以下，一旦某条线长期抬升或者突然尖峰，排序第一的怀疑对象永远是关联错配，其次是传感器标定退化。把这条曲线看熟了，整套融合系统的脾气也就摸清了大半。