一种基于广义Pareto分布杂波统计建模的雷达目标检测方法技术

本发明专利技术公开了一种基于广义Pareto分布杂波统计建模的雷达目标检测方法，目的是提高雷达目标检测性能。技术方案是，将对数最大似然估计与粒子群优化算法相结合，通过对数最大似然估计准则来设计代价函数，并利用粒子群优化算法来最小化代价函数以获取最优的参数估计结果；利用最优的参数估计结果确定检测门限，完成雷达目标检测。采用本发明专利技术可确保待估计参数在最大似然意义下解的最优性，可提高参数估计的精度和鲁棒性，并提高检测门限的准确性，确保雷达目标检测结果的可靠性。

【技术实现步骤摘要】
一种基于广义Pareto分布杂波统计建模的雷达目标检测方法
本专利技术属雷达目标检测领域，涉及一种利用粒子群优化算法对广义Pareto分布进行精确统计建模的雷达目标检测方法。
技术介绍
杂波数据统计建模(即利用合适的分布或函数对杂波数据直方图进行精确拟合)是雷达目标检测领域面临的一个重要问题，选取合适的杂波数据拟合分布模型(或称拟合函数)并准确获取模型参数是目标检测算法设计(如检测门限、虚警概率、检测概率计算等)的重要基础。若模型参数估计存在较大的误差，就无法得到准确的检测门限，从而导致检测概率下降和虚警概率上升。常用的杂波数据拟合分布模型有Rayleigh分布模型、Weibull分布模型，以及K分布模型、Gamma分布模型等。这些分布模型有其自身的适应范围，如Rayleigh分布模型常用于描述低分辨均匀杂波数据，K分布模型则常用于描述低入射余角条件下的高分辨海杂波数据。广义Pareto分布模型是一种重要的统计分布模型，是根据意大利经济学家VilfredoPareto的名字命名的。该模型最初主要应用于经济学、物理学、水文学与地震学等领域，现已逐步应用于高分辨雷达杂波数据的统计建模，如本文档来自技高网...

【技术保护点】
1.一种基于广义Pareto分布杂波统计建模的雷达目标检测方法，其特征在于包括以下步骤：第一步，定义并初始化粒子群，方法是：1.1定义粒子群G：粒子群为由一群粒子即待估计参数组成的集合，粒子群定义为G＝{pi＝(σi,ki),vi＝(δσi,δki)；i＝1,2,…,I}       (1)式中，I为G中的粒子个数，pi为G中第i个粒子的位置特征，σi为G中第i个粒子的尺度参数，ki表示G中第i个粒子的形状参数；vi为G中第i个粒子的速度特征，δσi为G中第i个粒子的尺度参数σi变化量，δki为G中第i个粒子的形状参数ki变化量；1.2初始化粒子位置特征：将从杂波区观测得到的N个杂波数据样本记...

【技术特征摘要】
1.一种基于广义Pareto分布杂波统计建模的雷达目标检测方法，其特征在于包括以下步骤：第一步，定义并初始化粒子群，方法是：1.1定义粒子群G：粒子群为由一群粒子即待估计参数组成的集合，粒子群定义为G＝{pi＝(σi,ki),vi＝(δσi,δki)；i＝1,2,…,I}(1)式中，I为G中的粒子个数，pi为G中第i个粒子的位置特征，σi为G中第i个粒子的尺度参数，ki表示G中第i个粒子的形状参数；vi为G中第i个粒子的速度特征，δσi为G中第i个粒子的尺度参数σi变化量，δki为G中第i个粒子的形状参数ki变化量；1.2初始化粒子位置特征：将从杂波区观测得到的N个杂波数据样本记为z1,...,zn,...,zN，1≤n≤N，n为整数，则N个杂波数据样本的均值和方差分别为和在没有先验信息的条件下，用和分别表示参数σ和k的粗估计值，k表示形状参数，σ表示尺度参数，σ＞0，将第i个粒子0时刻位置特征初始化为式中，I为正整数；上标0表示参数的初始状态即0时刻，为G中第i个粒子0时刻的位置特征，为G中第i个粒子0时刻的尺度参数，为G中第i个粒子0时刻的形状参数；表示均匀分布函数，区间下限为a，上限为b；表示从均匀分布函数中随机取数，即在区间[a,b]之间随机取一个数。表示是从均匀分布函数中随机取数，即在区间之间随机取一个数，为下限，为上限；表示是从均匀分布函数中随机取数，为下限，为上限；1.3初始化粒子速度特征：为G中第i个粒子0时刻的速度特征，为G中第i个粒子0时刻的尺度参数变化量，为G中第i个粒子0时刻的形状参数变化量，表示是从均匀分布函数中取的数，表示是从均匀分布函数中取的数；第二步，令迭代次数变量t＝0；第三步，求取第t次迭代时粒子的代价函数，方法是：3.1将广义Pareto分布模型的复杂指数分布转化为公式(8)所示的对数形式的似然函数，k＜0，即式中，ln(·)表示以自然常数e为底的对数函数，L(z|k,σ)表示包含未知分布参数k和σ的杂波信号幅度z的似然函数；参数k和σ的最大似然估计通过求解公式(8)的偏导数得到，此时有3.2根据公式(9)和(10)构建公式(11)所示的代价函数：式中，|·|为取绝对值符号，通过该代价函数的最小化使T(σ,k)不断向0逼近，这一过程等效于使公式(9)和公式(10)的解达到最优；3.3通过公式(11)求取G中I个粒子对应的适应性值，I个粒子经第t次迭代得到的I个粒子第t组适应性值，表示为第四步，计算第t次迭代中粒子群的个体极值pbestt与全局极值gbestt，方法是：4.1根据找到第t次迭代中与最小粒子适应性值对应的粒子，即式中，表示先找到中最小的值，并找到这个最小值对应的粒子，表示为参数对(σ′,k′)；4.2根据找出0～t次所有迭代过程中使得适应值最小的粒子，作为前t次迭代全局极值gbestt，即(σ*,k*)为前t次...

【专利技术属性】
技术研发人员：占荣辉，张军，胡杰民，卢大威，欧建平，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南,43