[发明专利]一种基于多源信息熵差异性的数据降维方法及装置

说明书

本发明提供一种基于多源信息熵差异性的数据降维方法及装置，所述方法包括提取特征数据集合，特征数据集合包括每一车辆的特征数据样本，每一特征数据样本包括多个特征矩阵，每一特征矩阵包括多个特征向量；在每一车辆的特征数据样本的多个特征矩阵中，统计每一特征向量为相同数据的概率并计算每一特征向量所属特征矩阵的信息熵；根据每一车辆的同一特征矩阵的信息熵，计算特征矩阵的信息熵集合的均值；根据特征矩阵的信息熵集合的均值和信息熵集合计算特征矩阵的信息熵集合的方差；比较信息熵集合的方差和阈值；当信息熵集合的方差小于阈值时，删除每一车辆的特征矩阵。通过本发明，解决了现有数据维度增加、处理效率低且有大量无用信息问题。

技术领域

本发明涉及汽车技术领域，尤其涉及一种基于多源信息熵差异性的数据降维方法及装置。

背景技术

环境感知技术是智能汽车的关键技术之一，是智能汽车实现自主决策、路径规划等功能的基础。智能驾驶汽车环境感知系统常用的传感器包括激光雷达、摄像头、毫米波雷达及超声波雷达等。每种传感器适用场景和作用范围不同，多传感器融合可实现感知数据上的互补，如激光雷达可生成大范围的高精度三维环境的点云，但其点云数据比较稀疏且无法应用于雨雪雾等恶劣天气，毫米波和超声波雷达可弥补这一缺点但相应的作用范围较短，精度较低。因此智能汽车环境感知系统需充分调用多个传感器，对多个传感器的数据进行合理分配和使用，把在时间或者空间上冗杂的信息进行精简或者将互补的信息按照某种准则进行组合，从而得到被测对象的一致性解释，输出最终可靠的外界环境描述，进而提高决策系统的准确性。

使用多个传感器会使得待处理的信息数据维度剧增、处理效率降低且信息中会有大量冗杂或矛盾的信息。

发明内容

本发明所要解决的技术问题在于，提供一种基于多源信息熵差异性的数据降维方法及装置，降低多个传感器获取信息数据的维度，提升处理效率并删除冗杂或矛盾的信息。

本发明提供的一种基于多源信息熵差异性的数据降维方法，所述方法包括：

在从每一车辆的多个传感器同一时刻获取的数据中提取特征数据集合，所述特征数据集合包括每一车辆的特征数据样本，每一特征数据样本包括多个特征矩阵，每一特征矩阵包括多个特征向量。

在每一车辆的所述特征数据样本的多个特征矩阵中，统计每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率；

根据所述每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率，计算所述每一特征向量所属特征矩阵的信息熵；

根据每一车辆的同一特征矩阵的信息熵，计算所述特征矩阵的信息熵集合的均值；

根据所述特征矩阵的信息熵集合的均值、所述每一车辆的同一特征矩阵的信息熵集合计算所述特征矩阵的信息熵集合的方差；

比较所述特征矩阵的信息熵集合的方差和预设特征阈值；

当所述特征矩阵的信息熵集合的方差小于所述预设特征阈值时，删除所述每一车辆的所述特征矩阵，形成降维的每一特征数据样本。

进一步地，所述特征数据集合为X＝{x₁,x₂,...,x_N}，所述N为车辆的数量，所述x_N为第N辆车的特征数据样本；其中每一特征数据样本包括多个特征矩阵，表示为所述为第i辆车的第d个传感器所采集到的一个特征矩阵；每一特征矩阵表示为所述为所述特征矩阵，为特征向量，m为每一特征矩阵所包含特征向量的数量。

进一步地，根据所述每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率，计算所述每一特征向量所属特征矩阵的信息熵的计算公式具体为：

其中,所述每一特征矩阵的信息熵为所述为每一特征向量与其它特征矩阵中同一位的特征向量为相同数据的概率。