-
公开(公告)号:CN114756812A
公开(公告)日:2022-07-15
申请号:CN202210199769.5
申请日:2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 本发明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。本发明适用于多传感器信息融合系统中存在不确定信息的场景。
-
公开(公告)号:CN114756812B
公开(公告)日:2024-11-19
申请号:CN202210199769.5
申请日:2022-03-02
Applicant: 哈尔滨工程大学
Abstract: 本发明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。本发明适用于多传感器信息融合系统中存在不确定信息的场景。
-