本發(fā)明屬于信息處理
技術領域：
，具體涉及一種對海雜波幅度分布參數的估計方法，可用于海雜波背景下的目標檢測。
背景技術：
：海雜波是在雷達探測過程中，客觀存在的對海面目標檢測產生干擾的電磁回波。由于海雜波受氣候條件、海面環(huán)境等多種因素影響，海雜波背景下的雷達目標檢測變的更為復雜。因此，海雜波模型的建立及其相應參數的確定在目標檢測中具有很重要的意義。在過去的研究中，人們利用中心極限定理將雜波數據描述成高斯模型。但隨著雷達分辨率的提高，海尖峰導致雜波幅度分布的拖尾現象加劇，高斯分布不再能較好的擬合雜波模型。對此，相比于紋理分量為gamma分布及逆gamma分布的經典復合高斯雜波模型，近幾年相關科研人員提出的基于逆高斯紋理的海雜波幅度分布可以更好的描述雜波的拖尾特性。基于該分布在實際檢測中的有效性，以該分布為工作背景的自適應目標檢測器的研究也取得了較好的進展。文獻“AdaptiveSignalDetectioninCompound-GaussianClutterwithInverseGaussianTexture”中提出了適用于基于逆高斯紋理的海雜波幅度分布的自適應信號檢測方法。檢測器的結構是依靠雜波幅度分布中的形狀參數及尺度參數實現的，因此改善分布中參數的估計方法對目標檢測具有很重要的意義。對雜波幅度分布中相應參數的估計通常由矩估計實現，針對基于逆高斯紋理海雜波幅度分布，目前已實現了利用雜波幅度分布的二階矩及四階矩進行雙參數的矩估計。但該矩估計方法存在對實測數據中異常點過于敏感的瑕疵，特別是對于幅度四階矩的利用，使其在對存在野點的雜波數據進行估計時產生較大誤差。在實際雜波數據的采集中，常常會出現由海況、島礁等因素產生的功率很大的異常散射單元，使矩估計方法的精度大大降低，影響海面目標檢測的實現。技術實現要素：本發(fā)明的目的在于提出一種基于逆高斯紋理海雜波幅度分布參數的分位點估計方法，用以改善在實測雜波數據存在異常點的情況下，對基于逆高斯紋理海雜波幅度分布形狀參數和尺度參數的估計準確性，較好地實現目標檢測。為實現上述技術目的，本發(fā)明的技術方案包括如下步驟：(1)計算基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)：f(r,μ,η)=2ηe1/ηrμ(1+2ηr2μ)-3/2(1+1η1+2ηr2μ)exp(-1η1+2ηr2μ),]]>其中，r表示海雜波幅度，μ表示基于逆高斯紋理海雜波幅度分布的尺度參數，η表示基于逆高斯紋理海雜波幅度分布的形狀參數；(2)利用基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)，得到該分布的累積分布函數F(r,μ,η)：F(r,μ,η)=1-e1/η(1+2ηr2μ)-1/2exp(-1η1+2ηr2μ);]]>(3)選取樣本中兩個累計概率α1和α2，且0<α1<1,0<α2<1，根據其相應分位點和分位點分別滿足：得出樣本中兩個分位點和的比值：rα2rα1=η2W2(e1/ηη(1-α2))-1η2W2(e1/ηη(1-α1))-1,]]>其中，W(·)表示LambertW函數；(4)利用MATLAB軟件，計算基于逆高斯紋理海雜波幅度分布的形狀參數η取不同值時，樣本中兩個分位點和的比值，生成形狀參數對照表；(5)雷達發(fā)射機發(fā)射脈沖信號，雷達接收機接收經過海面散射形成的回波數據，并利用MATLAB軟件產生樣本數為N的基于逆高斯紋理海雜波幅度分布的回波數據，得到雜波幅度序列r1,r2,…,ri,…,rN，其中N為雜波的樣本數，并對該序列按雜波幅度大小進行升序排列，得到遞增雜波幅度序列z1,z2,…,zi,…,zN，利用遞增雜波幅度序列求出這兩個分位點和的估計值：當i＝Nα1時，zi為分位點的估計值，用表示；當i＝Nα2時，zi為分位點的估計值，用表示；(6)利用樣本中兩個分位點的估計值和根據形狀參數對照表得到基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值(7)根據基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值計算基于逆高斯紋理海雜波幅度分布的尺度參數μ的估計值μ^=2η^r^α12η^2W2(e1/η^/(η^(1-α1)))-1,]]>其中，W(y)表示關于y的LambertW函數，式中本發(fā)明利用樣本中兩個分位點實現基于逆高斯紋理海雜波幅度分布參數的估計，相比于現有方法中利用雜波幅度的二階矩和四階矩實現的參數的估計，在實測樣本中存在功率較大的異常散射單元時，能大幅度減小該因素對估計精度的影響，提高估計結果的穩(wěn)健性，極大地改善目標檢測效果。附圖說明圖1為本發(fā)明的實現流程圖；圖2為累計概率α2取不同值情況下，利用本發(fā)明得到的基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差結果圖；圖3為利用本發(fā)明和現有矩估計方法得到的基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差結果圖；圖4為利用本發(fā)明和現有矩估計方法得到的基于逆高斯紋理海雜波幅度分布的尺度參數估計值與尺度參數真實值的均方根誤差結果圖。具體實施方式下面結合附圖對本發(fā)明作進一步說明。參照圖1，本發(fā)明的實現步驟如下：步驟1，計算基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)。(1.1)計算海雜波的紋理分量τ的概率密度函數pμ,η(τ)：pμ,η(τ)=μ2πητ3exp(-μτ2η(1μ-1τ)2),τ>0,---<1>]]>其中，μ表示基于逆高斯紋理海雜波幅度分布的尺度參數，η表示基于逆高斯紋理海雜波幅度分布的形狀參數；(1.2)利用式<1>，得到基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)：f(r,μ,η)=2ηe1/ηrμ(1+2ηr2μ)-3/2(1+1η1+2ηr2μ)exp(-1η1+2ηr2μ),---<2>]]>其中，r表示海雜波幅度。步驟2，利用基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)，得到該分布的累積分布函數F(r,μ,η)。對基于逆高斯紋理海雜波幅度分布的概率密度函數f(r,μ,η)求積分，得到該分布的累積分布函數F(r,μ,η)：F(r,μ,η)=1-e1/η(1+2ηr2μ)-1/2exp(-1η1+2ηr2μ).---<3>]]>步驟3，選取樣本中兩個累計概率α1和α2，根據分位點定義得到樣本中兩個分位點和的比值。(3.1)將海雜波幅度r對應于累計概率α的分位點定義為rα，該分位點rα滿足分位點函數F(rα,μ,η)：F(rα,μ,η)＝p(r≤rα)＝α，#<4>計算分位點函數F(rα,μ,η)關于分位點rα的反函數，得到海雜波幅度r的分位點rα：rα＝F-1(α,μ,η)；<5>(3.2)選取樣本中兩個累計概率α1＝0.5，0.75≤α2<1，根據其相應分位點和分位點分別滿足：得出兩個分位點方程：1η1+2ηrα12μexp(1η1+2ηrα12μ)=e1/ηη(1-α1)1η1+2ηrα22μexp(1η1+2ηrα22μ)=e1/ηη(1-α2);---<6>]]>(3.3)由于樣本中兩個分位點和的比值與基于逆高斯紋理海雜波幅度分布的尺度參數μ的大小無關，所以令μ＝1，計算式<6>表示的兩個分位點方程之比，得到樣本中兩個分位點和的比值：rα2rα1=η2W2(e1/ηη(1-α2))-1η2W2(e1/ηη(1-α1))-1,---<7>]]>其中，W(·)表示函數，基于式<7>的單調性，本發(fā)明采用查表法實現參數的分位點估計，見以下步驟。步驟4，利用MATLAB軟件，計算基于逆高斯紋理海雜波幅度分布的形狀參數η取不同值時，樣本中兩個分位點和的比值，生成形狀參數對照表。(4.1)將基于逆高斯紋理的海雜波幅度分布的形狀參數η在區(qū)間[0.01,100]之間以間隔為0.01遍歷取值；(4.2)將上述η分別代入式<7>，計算出相應的這兩個分位點和的比值，得到形狀參數對照表。該表格中，基于逆高斯紋理海雜波幅度分布的形狀參數η與樣本中兩個分位點和的比值一一對應，如表1所示：表1形狀參數對照表表1中，基于逆高斯紋理海雜波幅度分布的形狀參數η從0.01開始，以0.01為間隔遞增取值至100，共10000個值，樣本中兩個分位點和的比值與這10000個形狀參數的值一一對應，此表只給出這10000個值中的前21個值。步驟5，求出樣本中兩個分位點和的估計值。(5.1)雷達發(fā)射機發(fā)射脈沖信號，雷達接收機接收經過海面散射形成的回波數據，并利用MATLAB軟件產生樣本數為N的基于逆高斯紋理海雜波幅度分布的回波數據，得到雜波幅度序列r1,r2,…,ri,…,rN，其中N為雜波的樣本數；(5.2)對該序列按雜波幅度大小進行升序排列，得到遞增雜波幅度序列z1,z2,…,zi,…,zN，利用遞增雜波幅度序列求出樣本中兩個分位點和的估計值：當i＝Nα1時，zi為分位點的估計值，用表示；當i＝Nα2時，zi為分位點的估計值，用表示。步驟6，利用樣本中兩個分位點的估計值和根據形狀參數對照表得到基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值(6.1)利用步驟(5)求出的樣本中兩個分位點的估計值和得到分位點估值之比，記為(6.2)利用步驟(6.1)表示的分位點估值之比在形狀參數對照表中找出與之對應的兩個分位點和的比值該比值下的形狀參數η就是基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值步驟7，根據基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值計算基于逆高斯紋理海雜波幅度分布的尺度參數μ的估計值將基于逆高斯紋理海雜波幅度分布的形狀參數η的估計值代入<6>式中的第一個分位點方程，得到基于逆高斯紋理海雜波幅度分布的尺度參數μ的估計值μ^=2η^r^α12η^2W2(e1/η^/(η^(1-α1)))-1,---<8>]]>其中，W(y)表示關于y的LambertW函數，式中基于步驟1到步驟7，實現了基于逆高斯紋理海雜波幅度分布參數的分位點估計。下面結合仿真實驗對本發(fā)明的效果做進一步說明。1.仿真參數仿真實驗中采用的海雜波數據是由MATLAB軟件產生的基于逆高斯紋理海雜波幅度分布的回波數據?？紤]到實測雜波數據中存在由島礁等因素產生的異常散射單元，實驗2及實驗3的仿真參數中加入了1％功率異常的樣本點，其功率大小為正常雜波平均功率的倍數，為了模擬實測雜波數據異常點的功率隨機性，本發(fā)明設置該倍數為10dB到30dB范圍內的隨機數。2.仿真實驗內容仿真實驗中分別采用本發(fā)明方法和由雜波幅度二階矩及四階矩實現的矩估計方法得到基于逆高斯紋理海雜波幅度分布參數的估計，通過均方根誤差RMSE檢驗方法分析比較兩種估計方法的結果，其中RMSE的值越小，表示估計誤差越小，估計效果越好。仿真1：仿真海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差。利用MATLAB軟件生成樣本數N＝103的基于逆高斯紋理海雜波幅度分布的雜波數據；選取兩個累計概率分別為α1＝0.5，α2＝0.75,0.8,0.85,0.9或0.95，利用本發(fā)明分別得到基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差曲線，如圖2所示，其中圖2的橫軸表示基于逆高斯紋理海雜波幅度分布的形狀參數η，縱軸表示基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差。從圖2可以看出，隨著累計概率α2逐漸增大并趨于1，形狀參數估計值與形狀參數真實值的均方根誤差減小，估計精度變高。仿真2：用本發(fā)明和現有方法仿真得到海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差?？紤]到實際雜波數據中少量異常散射單元的存在，本實驗取兩個累計概率分別為α1＝0.5，α2＝0.95，并分別產生兩個樣本數N＝103及104，且均含有1％異常點的雜波數據。利用本發(fā)明方法與現有的矩估計方法分別對基于逆高斯紋理海雜波幅度分布的形狀參數η進行估計，得到基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差曲線，如圖3所示，其中圖3的橫軸為基于逆高斯紋理海雜波幅度分布的形狀參數η，縱軸為基于逆高斯紋理海雜波幅度分布的形狀參數估計值與形狀參數真實值的均方根誤差。從圖3可以看出，在相同樣本數N下，本發(fā)明對基于逆高斯紋理海雜波幅度分布的形狀參數η的估計誤差比現有的矩估計方法的估計誤差小，估計精度高，由此證明本發(fā)明比矩估計方法的估計結果更穩(wěn)定，不會受異常散射單元的影響；另外，在樣本數N＝104時本發(fā)明的估計誤差比N＝103時更小，表明隨著樣本數N的增大，本發(fā)明估計效果變的更好。仿真3：用本發(fā)明和現有方法仿真得到海雜波幅度分布的尺度參數估計值與尺度參數真實值的均方根誤差?？紤]到實際雜波數據中少量異常散射單元的存在，本實驗取兩個累計概率分別為α1＝0.5，α2＝0.95，并分別產生兩個樣本數N＝103及104，且均含有1％異常點的雜波數據。利用本發(fā)明方法與現有的矩估計方法分別對基于逆高斯紋理海雜波幅度分布的尺度參數μ進行估計，得到基于逆高斯紋理海雜波幅度分布的尺度參數估計值與尺度參數真實值的均方根誤差曲線，如圖4所示，其中圖4的橫軸為基于逆高斯紋理海雜波幅度分布的形狀參數η，縱軸為基于逆高斯紋理海雜波幅度分布的尺度參數估計值與尺度參數真實值的。從圖4可以看出，在相同樣本數N下，本發(fā)明對基于逆高斯紋理海雜波幅度分布的尺度參數μ的估計誤差比現有的矩估計方法的估計誤差小，估計精度高，由此證明本發(fā)明比矩估計方法的估計結果更穩(wěn)定，不會受異常散射單元影響過大；另外，在樣本數N＝104時本發(fā)明的估計誤差比N＝103時更小，表明隨著樣本數N的增大，本發(fā)明估計效果變的更好。綜上所述，本發(fā)明的分位點估計方法，可以有效抑制幅值較大的異常散射單元對估計精度的影響，在實際目標檢測中更具有實用性。當前第1頁1 2 3