一种基于奇异值分解与信息熵的证据修正方法技术

本发明专利技术属于多传感器信息融合技术领域，具体涉及一种基于奇异值分解与信息熵的证据修正方法。本发明专利技术利用基本概率赋值函数的几何性质，将证据间差异性问题转化为矩阵性质问题，进而提出一种基于奇异值分解提取证据矩阵主方向对应子空间的重构技术，以滤除基本概率赋值矩阵内存在的干扰信息；对于主方向个数不唯一的证据矩阵，采取信息熵度量的方法完成对高度冲突证据的修正；最后基于证据理论对修正后的证据信息进行融合。本发明专利技术能够在不影响一致性数据的前提下，根据矩阵的最大方向对存在干扰的基本概率赋值进行校正，并通过减小焦点元素模值的方式弱化其在证据矩阵中的作用。本发明专利技术适用于多传感器信息融合系统中存在不确定信息的场景。信息的场景。信息的场景。

An evidence correction method based on singular value decomposition and information entropy

【技术实现步骤摘要】
一种基于奇异值分解与信息熵的证据修正方法


[0001]本专利技术属于多传感器信息融合
，具体涉及一种基于奇异值分解与信息熵的证据 修正方法。

技术介绍

[0002]多传感器信息融合是一种根据一定准则对多个传感器的接收信息进行自动分析与处理来 实现决策和估计的信息技术。与单一传感器系统相比，多传感器系统可以协同发挥不同传感 器的互补特性，通过融合信息与合理分配资源来提升系统测量精度以及对外部环境的反应灵 敏度。多源信息作为信息融合技术中被加工的对象，定量表示或定性描述了被观测物体的属 性、特征以及背景环境信息。在实际多传感器系统中，由于信息探测阶段存在的环境扰动、 噪声和传输误差等不确定因素，以及数据预处理阶段与识别输出阶段各种步骤信息描述不完 整不精确等问题，决策级融合时待处理的多源信息往往具有不同程度的不确定、不精确性， 甚至会出现数据间矛盾的情况，这些不确定信息严重影响了多传感器信息融合效果。
[0003]不确定信息处理的方法建立在概率论、Dempster
‑
Shafer(D
‑<br/>S)证据理论本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于奇异值分解与信息熵的证据修正方法，其特征在于，包括以下步骤：步骤1：多传感器系统待识别目标为θ1,θ2,
…
,θ
n
，其焦元集合为F＝{θ1,θ2,
…
,θ
n
}，对焦元集合F＝{θ1,θ2,
…
,θ
n
}的基本概率赋值函数m
i
(θ
j
)进行矩阵化处理，获得t
×
n阶预处理矩阵Y
J
；其中，i＝1,2,
…
,t，t为函数总数；j＝1,2,
…
,n，n为焦元总数；步骤2：计算预处理矩阵Y
J
的奇异值分解其中，r为矩阵Y
J
的秩，奇异值σ
i
满足σ1≥σ2≥
…
≥σ
r
，列向量u
i
和v
i
分别为第i个左奇异向量和第i个右奇异向量；步骤3：计算折扣修正向量α＝[α1,α2,
…
,α
k
]；步骤4：根据计算折扣修正后的矩阵其中，Θ为辨识框架；y
i
＝[y
i
(θ1),y
i
(θ2),
…
]；步骤5：根据Dempster组合公式融合矩阵Y的行向量得到融合结果m；其中，θ∈F＝{θ1,θ2,
…
,θ
n
}，}，为空集；步骤6：最终得到多传感器信息融合系统的目标识别结果其中表示计算使得m(θ
j
)取最大值时对应的θ
j
。2.根据权利要求1所述的一种基于奇异值分解与信息熵的证据修正方法，其特征在于：所述步骤1中获得预处理矩阵的方法具体为：步骤1.1：计算焦点集合F的n
×
n阶Jaccard系数矩阵D＝[d1,
…
,d
i
,
…
,d
n
]
n
×
n
，并将其列向量单位化，得到其中，d
i
＝[d
i1
,
…
,d
ij
,
…
,d
in
]
T
，d
ij
＝d
ji
为焦元θ
i
与θ
j
交集的子集基数与并集的子集基数之比，[
·
]

【专利技术属性】
技术研发人员：国强，文伟璐，王亚妮，戚连刚，尼古拉，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：