對海雷達(dá)接收的回波常常是來自海面的后向散射信號以及可能的目標(biāo)回波。前者稱為海雜波,對海雷達(dá)目標(biāo)檢測就是判斷雷達(dá)回波是海雜波還是海雜波加目標(biāo)回波。海雜波可以通過復(fù)合高斯模型建模,并且已經(jīng)針對不同類型的復(fù)合高斯模型發(fā)展出了最優(yōu)和近最優(yōu)的檢測器。于是,海雜波模型參數(shù)的估計變成了對海雷達(dá)目標(biāo)檢測的重要前提。目前的各類矩估計和最大似然估計方法對數(shù)據(jù)樣本中的異常樣本都非常敏感,而實際的雷達(dá)數(shù)據(jù)中不可避免地包含一些目標(biāo)回波、島礁回波構(gòu)成的異常樣本。針對這一問題,本論文從兩個方面開展研究工作。一方面,研究了K分布模型下基于分位點的穩(wěn)健估計方法;另一方面,探索了從海況、雷達(dá)參數(shù)等物理參數(shù)預(yù)測海雜波模型參數(shù)的神經(jīng)網(wǎng)絡(luò)預(yù)測方法。本論文主要研究內(nèi)容可概括如下:第二章介紹海雜波復(fù)合高斯模型和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的基本概念和結(jié)構(gòu)。首先對復(fù)合高斯分布雜波的參數(shù)估計問題進(jìn)行概述,回顧雜波參數(shù)估計理論,并介紹不同紋理類型的復(fù)合高斯模型下已有的參數(shù)估計方法。然后,介紹神經(jīng)網(wǎng)絡(luò)的基本實現(xiàn)原理以及框架和適用于雜波參數(shù)預(yù)測的非線性擬合神經(jīng)網(wǎng)絡(luò)模型。第三章針對K分布海雜波模型的參數(shù)估計,研究出了一種新的對異常點穩(wěn)健的參數(shù)估計方法。通過對... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖22K分布仿真數(shù)據(jù)和理論概率密度曲線

圖2.3 不同形狀參數(shù)的廣義 Pareto 分布的概率密度曲線2.3 可知，在保持單位功率不變，逆形狀參數(shù) 減小時，概率密度，整體起伏變平緩，拖尾越來越輕，反之則曲線變尖，拖尾越廣義 Pareto 分布概率密度曲線近似于瑞利分布；而當(dāng) 趨于 1 線有很重的拖尾。廣義 Pareto 分布的形成理論產(chǎn)生仿真數(shù)據(jù)。圖 2.4 是單位尺度參

IG-CG 幅度分布模型紋理的復(fù)合高斯分布是近幾年才提出的海雜波幅度分布模型，簡稱分布模型。對文獻(xiàn)[36]中 X 波段高分辨率海雜波數(shù)據(jù)的分析表明，數(shù)情況下都能獲得更好的擬合度，它與 K 分布和廣義 Pareto 分布共成不同環(huán)境中實測海雜波數(shù)據(jù)幅度統(tǒng)計特征的高精度擬合。 分布的紋理分布為逆高斯分布，其概率密度函數(shù)為： 23 2; , exp , 0; , 02 2xf x xx x 表模型幅度大小，參數(shù) 和 分別代表模型參數(shù)中的形狀參數(shù)和尺度現(xiàn)參數(shù)的物理意義，令 b, v b/ ，逆高斯紋理的IG-CG 雜波模密度函數(shù)及累積分布函數(shù)如下：

【參考文獻(xiàn)】：
期刊論文
[1]復(fù)合高斯海雜波模型下最優(yōu)相干檢測進(jìn)展[J]. 于涵,水鵬朗,施賽楠,楊春嬌.  科技導(dǎo)報. 2017(20)

博士論文
[1]海雜波建模及雷達(dá)信號模擬系統(tǒng)關(guān)鍵技術(shù)研究[D]. 楊俊嶺.國防科學(xué)技術(shù)大學(xué) 2006



本文編號：3272144