[发明专利]广义帕累托分布参数显式双分位点估计方法

说明书

本发明公开了广义帕累托分布参数显式双分位点估计方法，主要解决现有技术适用性差、对异常样本不具有稳健性，其实现步骤为：1)获取杂波幅度递增序列；2)根据广义帕累托分布概率密度函数，确定广义帕累托分布的累积分布函数；3)给定大于1的正数q，选取样本累计概率α和β；4)根据正数q的取值，得到分位点r_α和r_β与广义帕累托分布参数的关系式；5)根据杂波幅度递增序列得到各分位点的估计值；6)利用分位点的估计值代替步骤4)中的关系式中的分位点，得到形状参数估计值和尺度参数估计值。本发明可减小异常散射单元对样本的干扰，提高参数估计性能，可用于海杂波背景下的目标检测。

技术领域

本发明属于雷达目标检测技术领域，具体涉及一种双分位点估计方法，可用于在海杂波背景下确定海杂波幅度分布模型的形状和尺度参数。

背景技术

海杂波背景下的目标检测是雷达的一个重要应用领域。

复合高斯模型是目前学者广泛认可的海杂波模型，它是慢变的正随机变量纹理分量和快变的复高斯随机向量散斑分量的乘积。当海杂波的纹理分量服从逆伽马分布时，海杂波幅度服从广义帕累托分布。广义帕累托分布模型下最优检测器的结构已经获得。最优检测器的结构依赖于海杂波模型的形状参数和尺度参数，如何从复杂海杂波场景中有效精确估计出海杂波模型的参数成为海面目标检测的关键。

常用的参数估计方法有矩估计，分数阶矩估计和最大似然估计方法。但是当形状参数的真实值处于特定范围时，矩估计与分数阶矩估计方法不能正确的估计出形状参数。最大似然估计方法对形状参数的真实值所处的范围没有要求，它比矩估计具有更高的精度，但该方法计算量大而且依赖于初始值的选取。这三种方法都是基于基本假定：所使用的样本是纯杂波数据。然而，实际获得的海杂波样本中常包含少量具有很大幅度的岛礁回波、目标回波构成的异常散射单元。此类异常样本会导致这三种方法的估计精度急剧下降。文献“P-L.Shui and M.Liu,Subband adaptive GLRT-LTD for weak moving targets insea clutter,IEEE Trans.Aerosp.Electron.Syst.,52(1):423-437,2016.”提出双分位点估计方法，该方法对异常样本具有稳健性，但该文献只明确给出了样本累计概率取0.5和0.75时的参数估计方法，当样本累计概率取其他值时，没有得到形状参数和尺度参数的显式解，而且样本累计概率取0.5和0.75时的参数估计方法估计结果的准确性不够。

发明内容

本发明的目的在于针对上述现有技术的不足，提出一种广义帕累托分布参数的显式双分位点估计方法，以实现对广义帕累托分布的形状参数和尺度参数的精确和稳健估计。

为实现上述技术目的，本发明的技术方案包括如下：

(1)利用雷达发射机发射连续的脉冲信号，雷达接收机接收回波数据，在回波数据中，选取N个杂波数据，对N个杂波数据进行取模并按升序排列，得到杂波幅度递增序列z₁,z₂,...,z_t,...,z_N，其中，z_t表示杂波幅度递增序列中第t个杂波幅度，t＝1,2,...,N；

(2)确定广义帕累托分布的概率密度函数f(r)：

其中，r表示杂波的幅度，为概率密度函数的自变量，λ表示广义帕累托分布的形状参数，η表示广义帕累托分布的尺度参数；

(3)根据广义帕累托分布的概率密度函数f(r)，得到累积分布函数F(r)：

(4)给定大于1的正数q，选取两个不同的样本累计概率α和β，并使得样本累计概率α和β满足：