基于熵变匹配追踪的叶端定时数据缺失识别方法研究

为解决叶端定时系统在实际应用中存在的数据缺失问题,提出基于熵变匹配追踪的叶端定时数据缺失识别方法。该方法利用相关熵诱导度量基于高斯核函数度量样本的权重。不同于正交匹配追踪对所有观测数据赋予相同权重,熵变匹配追踪基于相关熵诱导度量变化,对观测数据赋予不同范数类型的权重,使得其对异常值具有较好的鲁棒性。通过仿真分析与实验对该方法的性能进行验证,结果显示所采用的熵变权重因子为数据缺失位置分配了接近于零的权重,有效降低了数据缺失对特征提取结果的影响,证明了该方法的鲁棒性。基于熵变匹配追踪的叶端定时数据缺失识别方法为叶端定时系统的装机应用提供了理论支撑,具有技术借鉴价值。