具有伽馬分布紋理的K分布幅度模型能夠很好地描述中低分辨率對海雷達(dá)探測海雜波的幅度分布特性。其已經(jīng)廣泛應(yīng)用于實(shí)際雷達(dá)的海雜波建模中。K分布模型由兩個特性參數(shù)決定,它們的估計精度嚴(yán)重影響雷達(dá)目標(biāo)檢測性能及檢測方法的恒虛警特性。K分布模型的參數(shù)估計方法包括了各類矩估計方法、最大似然估計方法、分位點(diǎn)估計方法等。當(dāng)海雜波來源于局部平穩(wěn)海域時,可以通過傳統(tǒng)K分布模型建模。然而,在對海雷達(dá)進(jìn)行大場景探測時,由于雷達(dá)掠射角以及不同區(qū)域海況差異等原因,海雜波呈現(xiàn)出隨著空間位置變化的功率和非高斯特性,稱為大場景海雜波特性的空變特性。在這種情況下,對每個具有相近特性參數(shù)的局部區(qū)域,掃描雷達(dá)在一個掃描周期內(nèi)沒有足夠數(shù)目的數(shù)據(jù)樣本進(jìn)行參數(shù)估計,特性參數(shù)估計在單個掃描周期內(nèi)變成了小樣本問題。此外,對海雷達(dá)回波數(shù)據(jù)中包含了島礁、艦船等不可避免回波構(gòu)成的異常數(shù)據(jù),這些數(shù)據(jù)具有比海雜波高得多的幅度,而且在數(shù)據(jù)篩選階段難以完全剔除,這些高幅度的異常樣本將對參數(shù)估計產(chǎn)生嚴(yán)重影響。針對這些實(shí)際問題,本論文從以對海雷達(dá)大場景探測為應(yīng)用背景,研究了空變K分布(Spatially-Varying K-Distribution,SV-KD)模型下海雜波特性參數(shù)的感知方法,提出了空變K分布模型參數(shù)空間分布的多掃描周期數(shù)據(jù)聯(lián)合利用的遞歸貝葉斯估計方法。本論文主要研究成果可概括如下:第二章首先回顧了雷達(dá)海雜波形成的物理散射機(jī)制。然后,簡單介紹了常見的幾類海雜波幅度分布模型。最后,回顧了幾種常見的K分布特性參數(shù)估計方法。第三章首先討論了海雜波空變特性導(dǎo)致的空變K分布模型,以及模型參數(shù)空間分布估計中面臨的主要問題。由于海雜波特性參數(shù)在雷達(dá)掃描間是慢變的,在一個空間局部區(qū)域多個連續(xù)掃描周期的海雜波數(shù)據(jù),共享相同的形狀和尺度參數(shù),因此多個掃描周期的雷達(dá)數(shù)據(jù)可以用于海雜波特性參數(shù)的估計。為此,我們提出空變K分布模型下的多掃描周期遞歸貝葉斯(Multiscan Recursive Bayesian,MSRB)估計方案,通過多掃描周期歷史數(shù)據(jù)和當(dāng)前數(shù)據(jù)的綜合利用實(shí)現(xiàn)了雷達(dá)“記憶信息而不記憶數(shù)據(jù)”的大場景海雜波特性感知模式。第四章首先回顧了傳統(tǒng)K分布模型參數(shù)的雙分位點(diǎn)(Bipercentile,BiP)估計方法以及它對異常樣本的穩(wěn)健性特點(diǎn)。針對實(shí)測海雜波數(shù)據(jù)中島嶼、艦船等回波構(gòu)成的異常樣本對海雜波特性參數(shù)估計造成嚴(yán)重影響的問題,通過將多掃描周期貝葉斯估計方案和雙分位點(diǎn)估計方法相結(jié)合,提出多掃描周期遞歸雙分位點(diǎn)(MSRB-BiP)估計方法。遞歸估計過程中,通過基于先驗信息的數(shù)據(jù)仿真和當(dāng)前數(shù)據(jù)的混合實(shí)現(xiàn)海雜波特性參數(shù)的遞歸估計和更新。最后,利用仿真和實(shí)測雷達(dá)數(shù)據(jù),檢驗了提出的估計方法的有效性。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TN957.51
【部分圖文】：

圖 2.1 海表面結(jié)構(gòu)圖解從海雜波的物理形成機(jī)制出發(fā)，當(dāng)雷達(dá)照射在海表面時，海面波長與雷達(dá)波長相當(dāng)?shù)暮Ｃ嫖恢�，將發(fā)生散射。根據(jù)雷達(dá)工作頻率的不同，學(xué)者 Walker 構(gòu)建了三分量模型，包括 Bragg 散射、白冠（Whitecap）散射和突發(fā)（Burst）散射。海雜波的物理散射可以以三種不同的方式發(fā)生，或者以它們的線性組合發(fā)生。假設(shè) c (n)為雷達(dá)某個掃描周期的第 n 個脈沖數(shù)據(jù)，則散射模型可簡單表示為：(n) (n) c (n) (n)Bragg Whitecap Burstc c c(2-其中， (n) c (n) (n)Bragg Whitecap Burstc 、 、 c分別表示 Bragg 散射，白冠散射和突發(fā)散射形成的海雜波回波數(shù)據(jù)。（1）Bragg 散射當(dāng)雷達(dá)工作在低頻模式下時，Bragg 散射由雷達(dá)后向散射與海表面波的共振散射形成的。Bragg 散射最初用于描述 X 射線照射晶體時發(fā)生的衍射現(xiàn)象。其中，晶體的

2exp , 0(x) 220 , 0xf xx (2-5)其中， x 表示海雜波幅度； 表示海雜波的形狀參數(shù)，用于描述對數(shù)-正態(tài)分布的拖尾； 表示海雜波的尺度參數(shù)，表示海雜波信號的功率水平。對數(shù)-正態(tài)分布的一階矩和二階矩分別為：222(X) exp( )24E(X ) exp(2 )2E (2-6)形狀參數(shù) 和尺度參數(shù) 取不同的值時，對數(shù)-正態(tài)分布 pdf 曲線如圖 2.3 所示：對數(shù)-正態(tài)分布 pdf 公式中具有兩個參數(shù)，在處理復(fù)雜的回波信號時，它將可以描述長拖尾的雜波分布。對數(shù)-正態(tài)分布模型與瑞利分布模型相比較，能夠更好地擬合實(shí)測數(shù)據(jù)的拖尾現(xiàn)象，對于海雜波的幅度變化的動態(tài)變化范圍估計更為充足。

exp , 00, 0xf xx (2-7)式中， x 表示幅度值； 為尺度參數(shù)，表示 Weibull 分布的中位數(shù)，主要與雜波的信號強(qiáng)度有關(guān)； 為形狀參數(shù)，且通常0 2，表示分布的偏斜度。Weibull 分布的一階矩和二階矩分別為：2 21E(X) (1 )2E(X ) (1 ) (2-8)其中 為 Gamma 函數(shù)。從公式（2-8）可知，當(dāng)形狀參數(shù) =1時，Weibull 分布函數(shù)轉(zhuǎn)變?yōu)橹笖?shù)函數(shù)；而當(dāng) =2時，Weibull 分布函數(shù)將退化為瑞利分布函數(shù)；當(dāng) 2時，Weibull 分布失去實(shí)際意義。在形狀參數(shù) 和尺度參數(shù) 取不同的值時，pdf 曲線如圖 2.4 所示：

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 謝芝亮;;基于實(shí)測數(shù)據(jù)的海雜波數(shù)據(jù)管理系統(tǒng)設(shè)計[J];信息化研究;2018年05期

2 朱德林;王學(xué)田;高洪民;趙嘉斐;;時空相關(guān)K分布海雜波仿真軟件[J];微波學(xué)報;2018年S1期

3 倪代紅;高振國;;海雜波混沌分形理論研究進(jìn)展[J];電子世界;2018年01期

4 廖美紅;;特征知識在高頻1階海雜波識別中的應(yīng)用[J];艦船科學(xué)技術(shù);2016年24期

5 行鴻彥;楊岑睿;;基于高尺度分形差量的海雜波背景下小目標(biāo)檢測[J];現(xiàn)代雷達(dá);2017年03期

6 王斌;劉春生;盧義成;;地/海雜波背景下機(jī)載火控雷達(dá)效能評估[J];火力與指揮控制;2017年06期

7 昝航;宋萬杰;陳伯孝;;基于多普勒頻率相關(guān)性的海雜波目標(biāo)檢測[J];雷達(dá)科學(xué)與技術(shù);2017年03期

8 魏明珠;;機(jī)載預(yù)警雷達(dá)海雜波的抑制方法[J];雷達(dá)科學(xué)與技術(shù);2015年06期

9 劉慶林;夏海寶;安磊;欒韶徽;;地海雜波下機(jī)載預(yù)警雷達(dá)探測仿真[J];計算機(jī)仿真;2015年01期

10 舒亞海;;空間相關(guān)的二維海雜波仿真與混沌評估[J];現(xiàn)代雷達(dá);2015年03期

相關(guān)會議論文 前8條

1 刁海南;;疊加地海雜波調(diào)制的毫米波目標(biāo)反射器[A];1999年全國微波毫米波會議論文集(下冊)[C];1999年

2 陳城;王文光;曹東;;海雜波紋理分量的提取與描述[A];第十二屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2018年

3 邢相薇;陳振林;鄒煥新;周石琳;;幅度SAR圖像海雜波統(tǒng)計模型分析[A];第七屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2009年

4 宋敏敏;顧鵬程;岳峰;王爽;劉U

本文編號：2818979