许述文，王喆祥，水鹏朗

(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)

随着雷达分辨率的提高，中心极限定理的假设不再满足，海杂波呈现出明显的非高斯特性，此时再使用高斯背景下的检测器会造成明显的虚警或漏检[1]。高分辨海杂波通常采用符合高斯模型进行建模，复合高斯模型采用两个独立的过程描述非高斯杂波：零均值复高斯过程的散斑分量和非负随机过程的纹理分量。在一个相干处理间隔内，纹理分量可以看作一个随机常数，此时复合高斯模型退化为球不变随机向量模型。通过将纹理分量建模为服从不同分布的随机变量可以得到不同的杂波模型[2]。当纹理分量分别服从伽马分布、逆伽马分布、逆高斯(Inverse Gaussian，IG)分布时，杂波的幅度分布服从K分布[3]、广义帕累托分布[4]和CG-IG分布[5]。这3种幅度模型经常被用来描述不同分辨率下的海杂波。但是，由于海杂波特性受到如极化方式、擦地角、雷达工作频率等多种条件的影响，以上3种杂波模型的适用范围不够广，同时实测数据也显示，这3种杂波模型并不能很好地描述不同条件下的海杂波数据[6]。针对这一问题，文献[6]提出了使用广义逆高斯(Generalized Inverse Gaussian，GIG)分布来建模纹理分量，通过一定的参数变化可以得到广义逆高斯分布的3种极限分布：伽马分布、逆伽马分布和逆高斯分布。因此，当纹理分量建模为服从广义逆高斯分布的随机变量时，可以得到一种更为通用的杂波模型(Compound-Gaussian model with Generalized Inverse Gaussian texture，CG-GIG)。常用的……