[发明专利]海杂波Pareto幅度分布参数的双分位点估计方法

说明书

技术领域

本发明属于雷达目标检测技术领域，具体涉及到一种海杂波Pareto幅度分布参数的双分位点估计方法，用于海杂波背景下目标检测中确定海杂波幅度分布模型形状和尺度参数。

背景技术

海杂波是影响海面目标检测和目标运动参数估计的主要因素。海杂波背景下的最优目标检测方法依赖于海杂波幅度分布模型的模型参数，如何从复杂海杂波场景中有效精确估计出海杂波幅度分布模型的模型参数是海面目标检测的关键。海杂波的幅度分布模型随着雷达分辨率和海况而改变。在低分辨率条件下，复的海杂波一般服从复高斯分布，幅度分布模型为单参数的瑞利分布模型。随着分辨率的提高，传统的瑞利分布模型不在适用。大量高分辨实测海杂波数据研究表明：高分辨条件下，雷达以低掠射角观测获得海杂波具有明显的非高斯特性。这种特性可以用复合高斯模型进行表征，即将海杂波表示为一个慢变的非负随机变量(纹理分量)和一个快变复高斯随机向量(散斑分量)的乘积。复合高斯模型下，当杂波的纹理分量服从Gamma分布时，对应的海杂波幅度分布模型是双参数的K-分布模型；当纹理分量服从逆Gamma分布时，导出了另一类重要的双参数的海杂波幅度分布模型，有时被称作广义Pareto幅度分布模型。这两种分布是目前国际上广泛使用的海杂波幅度分布模型，而且在两种海杂波分布模型下最优检测器的结构已经获得。最优检测器的结构是依赖于幅度分布模型的形状和尺度参数的。因此，幅度分布模型参数的估计变成了实现海杂波背景下舰船目标最优检测的“瓶颈问题”。

对于两个幅度分布模型，矩估计是常用的参数估计方法。幅度分布的矩能够表示为模型参数的非线性函数，因此联立方程可以用矩表示形状和尺度参数。在文献“Maximum likelihood estimation for compound-Gaussian clutter with inverse Gamma texture,”(参见A.Balleri,A.Nehorai,and J.Wang,“Maximum likelihood estimation for compound-Gaussian clutter with inverse Gamma texture,”IEEE Trans.Aerosp.Electron.Syst.,43(2):775-780,2007)中，双参数Pareto幅度分布参数的最大似然估计方法被提出，它具有比矩估计更高的精度。矩估计和最大似然估计方法都是基于基本假定：所使用的是复合模型的纯杂波数据。然而，实际应用中这一基本假定是不成立的，获得的海杂波数据样本常常包含了少量具有很大幅度的岛礁回波、目标回波构成的异常散射单元。这些异常样本导致矩估计和最大似然估计方法的估计精度急剧下降，导致了最优检测无法有效实现。

发明内容

本发明的目的在于提出一种海杂波Pareto幅度分布参数的双分位点估计方法。实现存在岛礁、目标回波组成的异常散射单元或样本存在条件下，海杂波幅度分布形状和尺度参数的精确和稳健估计。

为实现上述技术目的，本发明采用如下技术方案予以实现。

一种海杂波Pareto幅度分布参数的双分位点估计方法包括以下步骤：

步骤1，用λ表示海杂波Pareto幅度分布模型的尺度参数，用η表示海杂波Pareto幅度分布模型的形状参数；确定海杂波Pareto幅度分布模型的概率密度函数f_R(r)的表示形式，r表示海杂波幅度；

步骤2，根据海杂波Pareto幅度分布模型概率密度函数f_R(r)，得到海杂波Pareto幅度分布模型累积分布函数P_η,λ(r)的表达形式，

步骤3，选取两个分位点α₁和α₂，0<α₁<1，0<α₂<1；将参数和如下：得出如下两个非线性方程：