[发明专利]海杂波空变K-分布参数的递归矩估计方法

权利要求书

1.一种海杂波空变K-分布参数的递归矩估计方法，其特征在于，包括有如下步骤：

(1)雷达获取数据：雷达发射机发射脉冲信号，利用雷达接收机接收经过海面散射形成的回波数据：回波数据是一个包括脉冲维，距离维和波位维的三维矩阵，每个距离维和波位维构成一个分辨单元；

1a)雷达接收机在多个扫描周期接收到的回波数据

其中为第t个扫描周期接收到的回波数据，T表示扫描周期；

1b)回波数据的每个分辨单元中的回波序列为X_t：

X_t＝[x₁,x₂,...,x_i,...,x_M]，

其中x_i表示第i个回波数据，i＝1,2,...M，M表示脉冲数；

(2)数据归一化：获取回波数据的功率信息，并将其按功率进行归一化：

2a)多个扫描周期回波数据的归一化功率为

对多个扫描周期均进行归一化处理，其中为第t个扫描周期回波数据的归一化功率；

2b)计算的每个分辨单元中的归一化功率序列Y_t：

Y_t＝[y₁,y₂,...,y_i,...,y_M]，

其中y_i为第i个回波数据的归一化功率；

(3)建立递归杂波维度向量W和递归遗忘因子向量G：

3a)利用样本窗确定分辨单元大小，样本窗大小随着递归周期减小，得到递归杂波维度向量W：

W＝[w₁,w₂,...,w_k,...,w_T]，

其中w_k表示第k个递归周期样本窗大小，这里的w_k的取值为2次幂数，即2,4,8,...，且w_k随着递归周期k减半；

3b)利用遗忘因子联合使用多个周期的回波数据，遗忘因子随着递归周期减小，得到递归遗忘因子向量G：

G＝[g₁,g₂,...,g_k,...,g_T]，

其中g_k表示第k个递归周期的遗忘因子；

(4)对形状参数进行第一次估计：对第一个扫描周期回波数据的归一化功率利用矩估计方法对每个分辨单元中的归一化功率序列Y_t进行形状参数估计，记录一阶矩与二阶矩，作为递归矩估计的第一组数据；对形状参数进行第一次估计，包括有以下步骤；

4a)对第一个扫描周期回波数据的归一化功率利用初始样本窗大小w₁确定每个分辨单元的距离维大小Q，得到归一化功率序列Y₁的归一化功率y_i：

其中y_i表示分辨单元中的第i个回波数据的归一化功率，Q为距离维的大小；

4b)利用每个分辨单元的归一化功率，计算每个分辨单元的一阶矩E₁(Y₁)和二阶矩

4c)对于每个分辨单元，利用一、二阶矩估计方法计算该分辨单元的形状参数υ：

完成第一组数据的形状参数估计；

(5)对形状参数进行后续估计：根据第一次估计的结果，利用遗忘因子g_k对多个扫描周期数据进行迭代形状参数矩估计，完成海杂波空变K-分布参数的递归矩估计，具体包括有如下步骤：

5a)第t个递归周期，t>1，利用雷达接收机得到新的回波数据的归一化功率

5b)对于每个分辨单元的归一化功率序列Y_t，计算一阶矩E_t(Y_t)和二阶矩

5c)对于每个分辨单元的归一化功率序列Y_t，利用遗忘因子g_k和第t-1个递归周期记录的一阶矩E_t-1(Y_t-1)和二阶矩再次计算本次递归周期的一阶矩E_t(Y_t)和二阶矩

E_t(Y_t)＝g_k*E_t(Y_t)+(1-g_k)*E_t-1(Y_t-1)，

5d)对于每个分辨单元，利用一、二阶矩估计方法计算该分辨单元的形状参数υ：

2.如权利要求1所述的海杂波空变K-分布参数的递归矩估计方法，其特征在于，步骤(2)中对于每个分辨单元的回波序列X_t的功率进行归一化，包括有如下步骤：

2a)多个扫描周期回波数据的归一化功率为

其中为第t个扫描周期回波数据的归一化功率；

2b)计算的每个分辨单元中的归一化功率序列Y_t：

P_x＝|X_t|²＝[|x₁|²,|x₂|²,…|x_i|²,…|x_M|²]，

其中x_i表示第i个回波数据，i＝1,2,...,M，X_t的幅度服从K-分布，其概率密度函数f(x)为：

其中，σ表示尺度参数，σ＞0，υ表示形状参数，υ＞0，K_υ(·)为υ阶修正第二类Bessel函数，Γ(·)表示Gamma函数；

2c)对回波功率P_X进行归一化，得到功率归一化后的回波数据样本Y_t：

其中表示回波功率P_X的平均值，表示P_X的第i个数据。