本文研究了平面相控阵二维子阵级超分辨测向,针对真实阵列流形( tam )校正成本和代价高以及实现复杂的缺陷,提出了五种简化的阵列流形分别为直接简化的阵列流形( dsam ) 、基于理想子阵方向图的简化阵列流形( sam _ isp ) 、基于近似理想子阵方向图的简化阵列流形( sam _ aisp ) 、基于高斯子阵方向图的简化阵列流形( sam _ gsp )和基于近似高斯子阵方向图的简化阵列流形( sam _ agsp ) 。
在以往提出的聚类算法中,一般都是基于“距离( distance ) ”聚类的概念。无论是传统的欧氏几何距离( k - means )算法,还是其它意义上的距离算法,这类算法的缺点在于处理大数据集、高维数据集和不同类型属性时往往不能奏效,而且,发现的聚类个数常常依赖于用户指定的参数,但是,这往往对用户来说是很难的,同时,不同参数往往会影响聚类结果的准确性。在本文里要讨论的基于网格密度的聚类算法,它抛弃了距离的概念,它的优点在于能够自动发现存在聚类的最高维子空间;同时具有很好的处理高维数据和大数据集的数据表格的能力。