APP下载

采用梅林变换的帕累托分布参数估计方法

2018-08-22陈世超雒梅逸香

西安电子科技大学学报 2018年4期

陈世超, 罗 丰, 雒梅逸香, 胡 冲

(西安电子科技大学 雷达信号处理国家重点实验室,陕西 西安 710071)

雷达海面目标检测是雷达检测领域一个重要分支,在军事与民用领域都有重要意义.海背景下的目标检测往往是在特定的海杂波模型下进行的,通过研究海杂波的幅度分布特性,准确估计该杂波模型的参数,能够为基于恒虚警率(Constant False Alarm Rate,CFAR)体制的雷达目标检测方法提供更准确的杂波模型,从而提高雷达的目标检测性能[1].

在高分辨率低擦地角情况下,以往的高斯假设不可以用来描述海杂波,K分布模型由于其合理的理论解释与很好的实际拟合受到了学者的广泛关注.然而,在海尖峰强烈时,该模型在其拖尾处并不能很好地拟合实际海杂波,两种修正的混合模型KA与KK分布虽然能够较K分布更好地拟合实测海杂波,但也由于引进的新分量带来了更多的参数估计要求,从而影响了雷达目标检测的实时性[2].

杂波的帕累托分布模型是近几年统计杂波分布模型的研究热点[3-4],大量的实验证明,当雷达工作在高海情环境且逆风观测时,帕累托分布模型较K分布与实际杂波拟合更好,尤其是杂波的拖尾部分.同K分布一样,帕累托分布也是一种复合高斯分布模型,是快变化的散斑分量受慢变化的结构分量调制的结果.同KA分布与KK分布相比,帕累托分布不需要引入额外的分布成分.

研究人员提出很多关于帕累托分布的参数估计方法.文献[5]将传统的最大似然估计法应用于单次观测(单脉冲积累)的海杂波帕累托分布,难以得到样本值与被估参数的解析表达式,要用复杂的数值方法寻找方程零点,计算效率低下;……

登录APP查看全文