1) asymptotic waveform evaluation (AWE)
渐进波形估计法
2) asymptotic waveform evaluation
渐进波形估计
1.
The method is developed to greatly improve the computation efficiency by introducing the asymptotic waveform evaluation (AWE) in conjunction with implementing the inverse Fourier transform technique and the adaptively complex frequency hopping (CFH) technique.
将渐进波形估计技术引入到频域矩量法中,并结合傅立叶逆变换和自适应复频率跳跃技术,快速而准确地分析任意形状导体目标的瞬态特性,大大提高了计算效率。
2.
The Asymptotic Waveform Evaluation (AWE) method is given to cal.
为了克服矩量法每次只能计算一个频点的散射特性,本文给出了基于渐进波形估计的方法,获得定标体超宽带散射特性。
3) asym ptotic waveform evaluation(AWE)
渐进波形评估法
4) size dimensional AWE method
尺寸维渐进波形估计方法
5) WCAWE
良态波形渐进估计
1.
And an implementation of WCAWE is presented for obtaining the frequency response of the Radar Cross Section (RCS) of arbitrarily shaped three dimensional perfect electric conduc.
由此引用了良态波形渐进估计 (WCAWE)技术 ,并用于快速求解任意形状三维导体的宽频带雷达散射截面 。
2.
To fast and accurately analyze,a hybrid method combining automate multipoint well-conditioned asymptotic waveform evaluation(AMWCAWE) with MNM is presented in this paper.
首先将单点的良态波形渐进估计 (WCAWE)技术发展为多点良态波形渐进估计 (MWCAWE)技术 。
6) MWCAWE
多点良态波形渐进估计
1.
To fast and accurately analyze,a hybrid method combining automate multipoint well-conditioned asymptotic waveform evaluation(AMWCAWE) with MNM is presented in this paper.
首先将单点的良态波形渐进估计 (WCAWE)技术发展为多点良态波形渐进估计 (MWCAWE)技术 。
补充资料：波形估计
估计理?壑卸晕粗ㄐ蔚墓兰啤１还兰频牟ㄐ瓮ǔＪ撬婊痰氖笛⑶沂艿皆肷扇拧２ㄐ喂兰瓶捎糜谀Ｄ?通信系统、火炮控制系统、雷达和具有时变特性的模式识别。对于两个相关的随机过程y(t)和z(t),可以用第二个过程的某些观测值z(ζ)来对第一个过程y(t)(一般称为信号)的各种参量进行估计。如果用g(t)表示被估计的量，则g(t)可能是y(t)、懭(t)或y(t+α)等等。根据z(t)在时间轴上某一集合 I(从-∞到t中的一些离散点或一个区间）的观测值，寻找一个合适的数据变换T，使它成为g(t)的最好估计(t)。即
(t)＝T[z(ζ),ζ∈I]
当
g(t)＝y(t+α)
(α＞0)
时，就是所谓预测问题。当
g(t)＝y(t)
时，就是所谓过滤问题。当
g(t)＝y(t＋α)
(α＜0,t∈[t0,tf])
时，就是所谓平滑（或叫内插）问题。所谓最好的估计，是指这一估计所付出的"平均代价"最小。有各种不同的"代价"函数，如均方误差代价(E｛(g(t)-(t))2｝)或平均绝对误差代价(E｛│g(t)-(t)│｝)等 (E｛ ｝为求数学期望的符号)。如果z(t)是正态过程,对于均方误差代价最好的估计T是线性的。对于非正态过程,则线性估计不一定最好。但是，由于线性估计比较简单，所以常常被采用。对于平稳随机过程，最好的线性波形估计就是著名的维纳滤波。对于非平稳随机过程，可以采用所谓卡尔曼滤波进行估计。
(t)＝T[z(ζ),ζ∈I]
当
g(t)＝y(t+α)
(α＞0)
时，就是所谓预测问题。当
g(t)＝y(t)
时，就是所谓过滤问题。当
g(t)＝y(t＋α)
(α＜0,t∈[t0,tf])
时，就是所谓平滑（或叫内插）问题。所谓最好的估计，是指这一估计所付出的"平均代价"最小。有各种不同的"代价"函数，如均方误差代价(E｛(g(t)-(t))2｝)或平均绝对误差代价(E｛│g(t)-(t)│｝)等 (E｛ ｝为求数学期望的符号)。如果z(t)是正态过程,对于均方误差代价最好的估计T是线性的。对于非正态过程,则线性估计不一定最好。但是，由于线性估计比较简单，所以常常被采用。对于平稳随机过程，最好的线性波形估计就是著名的维纳滤波。对于非平稳随机过程，可以采用所谓卡尔曼滤波进行估计。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条