【技术实现步骤摘要】
一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法
[0001]本专利技术属于雷达
,具体涉及一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法。
技术介绍
[0002]海杂波是雷达接收到的海表面的后向散射回波,具有非高斯、非平稳、非均匀的特点,且受到观测几何条件、环境条件、雷达频率、极化方式等诸多方面的影响,因此海杂波是对海雷达目标探测能力的主要制约因素。
[0003]现有的四种复合高斯模型,即K分布、广义帕累托分布、逆高斯纹理复合高斯分布以及对数正态纹理复合高斯分布,都是针对高分辨、小擦地角的海杂波提出的。与小擦地角海杂波相比,中大擦地角海杂波的非高斯性减弱,反射系数增大,回波功率增强,这些差异决定了对中大擦地角海杂波幅度统计特性的认知无法直接照搬小擦地角海杂波的结论。因此,这四种复合高斯模型一般不适合描述中大擦地角海杂波的幅度。为拓展雷达视野,机载和星载等高空对海雷达正受到越来越多的关注,而这些高空平台的使用势必会使擦地角增大,因此,如何对中大擦地角海杂波的幅度进行建模成为亟待解决的问题。
技术实现思路
[0004]为了解决现有技术中存在的上述问题,本专利技术提供了一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法。本专利技术要解决的技术问题通过以下技术方案实现:
[0005]一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,包括以下步骤:
[0006]根据逆韦布尔纹理的概率密 ...
【技术保护点】
【技术特征摘要】
1.一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,其特征在于,包括以下步骤:根据逆韦布尔纹理的概率密度函数、球不变随机向量模型、全概率公式、逆形状参数和修正尺度参数,确定修正幅度概率密度函数和修正幅度累积分布函数;所述修正幅度概率密度函数作为逆韦布尔纹理复合高斯模型的幅度概率密度函数的修正形式;根据预设逆形状参数向量和预设修正幅度累积分布函数值向量,确定所述修正幅度概率密度函数的幅度分位点矩阵;根据海杂波样本取模得到的样本幅度升序序列、第二修正幅度累积分布函数值β和所述幅度分位点矩阵,确定所述逆形状参数的估计值;根据所述逆形状参数的估计值和所述样本幅度升序序列,确定第三修正幅度累积分布函数值ξ和修正幅度概率密度函数的ξ分位点z
ξ
的估计值;根据所述修正幅度概率密度函数的ξ分位点z
ξ
的估计值和所述幅度分位点矩阵,确定所述修正尺度参数的估计值。2.根据权利要求1所述的一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,其特征在于,所述根据逆韦布尔纹理的概率密度函数、球不变随机向量模型、全概率公式、逆形状参数和修正尺度参数,确定修正幅度概率密度函数和修正幅度累积分布函数,包括:根据逆韦布尔纹理的概率密度函数和球不变随机向量模型以及全概率公式,确定幅度概率密度函数;所述幅度概率密度函数作为逆韦布尔纹理复合高斯模型的幅度概率密度函数的标准形式;根据所述幅度概率密度函数确定幅度累积分布函数的标准形式;根据所述球不变随机向量模型确定幅度k阶矩的标准形式;根据所述幅度k阶矩的标准形式、逆形状参数和修正尺度参数,确定修正幅度概率密度函数和修正幅度累积分布函数。3.根据权利要求1所述的一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,其特征在于,所述根据海杂波样本取模得到的样本幅度升序序列、第二修正幅度累积分布函数值β和所述幅度分位点矩阵,确定所述逆形状参数的估计值,包括:对海杂波样本取模得到样本幅度序列;对所述样本幅度序列进行排序得到幅度升序序列;根据所述第二修正幅度累积分布函数值β,确定第一修正幅度累积分布函数值α;根据所述幅度升序序列确定修正幅度概率密度函数的α分位点z
α
的估计值以及修正幅度概率密度函数的β分位点z
β
的估计值;根据所述幅度分位点矩阵、所述修正幅度概率密度函数的α分位点z
α
的估计值以及所述修正幅度概率密度函数的β分位点z
β
的估计值,确定所述逆形状参数的估计值。4.根据权利要求1所述的一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,其特征在于,所述根据所述逆形状参数的估计值和所述样本幅度升序序列,确定第三修正幅度累积分布函数值ξ和修正幅度概率密度函数的ξ分位点z
ξ
的估计值,包括:
根据所述逆形状参数的估计值,确定第三修正幅度累积分布函数值ξ;根据所述样本幅度升序序列确定所述修正幅度概率密度函数的ξ分位点z
ξ
的估计值。5.根据权利要求2所述的一种基于复合高斯模型的中大擦地角海杂波幅度分布模型及三分位点参数估计方法,其特征在于,所述修正幅度概率密度函数的表达式为:所述修正幅...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。