数据驱动还是模型约束？稀疏感知下气流估计方法的对比

研究在三个仿真二维稳态场景、不同采样密度下定量对比四种气流估计方法：高斯过程回归、基于图的高斯马尔可夫随机场，以及两种基于Navier-Stokes的方法（含一种新的强形式残差最小化变体）。结果显示，物理先验在低采样密度下收益最大，可补偿缺失的空间信息；随传感器覆盖增加，数据驱动的高斯过程回归竞争力上升，但模型类估计器在所评估场景中仍保持精度优势。