数据属性离散化是作战仿真数据预处理的重要组成部分,也是作战仿真数据研究的重点和难点.论述了进行数据属性离散化的必要性,提出一种基于改进属性重要度和信息熵(Discretization by Improved Attribute Significance and Information E...
详细信息
数据属性离散化是作战仿真数据预处理的重要组成部分,也是作战仿真数据研究的重点和难点.论述了进行数据属性离散化的必要性,提出一种基于改进属性重要度和信息熵(Discretization by Improved Attribute Significance and Information Entropy,DIAFIE)的作战仿真数据属性离散化算法.算法定义了属性重要度并以此为聚类判断依据将数据值域划分为多个离散区间,然后根据信息熵优化合并相邻区间以保证离散化结果的精度.实验证明上述算法能有效处理作战仿真数据属性离散化问题,具有产生断点少、分类精度高的优点.
共形阵列受共形载体曲率的影响,呈现多极化特性,在共形阵列天线的波达方向(direction of arrival,DOA)估计的研究中考虑信号的极化参数就显得非常重要,现有共形阵列下空间超分辨率算法常缺失对信号极化参数的估计.针对柱面共形阵列的多...
详细信息
共形阵列受共形载体曲率的影响,呈现多极化特性,在共形阵列天线的波达方向(direction of arrival,DOA)估计的研究中考虑信号的极化参数就显得非常重要,现有共形阵列下空间超分辨率算法常缺失对信号极化参数的估计.针对柱面共形阵列的多极化特性,建立含有入射信号极化参数的柱面共形天线的导向矢量模型,结合MUSIC(multiple signal classification)算法实现了入射信号的极化参数与二维波达方向的联合估计,对阵列形式无特殊要求,不需要参数配对.仿真结果表明,改进方法能有效应用于柱面共形阵的DOA估计,并提高了信号的分辨率.
暂无评论