[发明专利]混合分布的雷达海杂波分析方法及装置

说明书

本发明公开了一种混合分布的雷达海杂波分析方法及装置，涉及信号处理技术领域，该方法包括：获取雷达海杂波数据；获得目标概率密度函数；确定目标概率密度函数中的各个参数，并建立雷达海杂波数据的分析模型；根据分析模型，获得雷达海杂波数据的统计特性。由于目标概率密度函数是根据第一分布模型所对应的第一概率密度函数以及第二分布模型所对应的第二概率密度函数确定的，而第一分布模型可以很好地描述高分辨率低擦地角对海探测场景中海杂波的重拖尾特性，第二分布模型可以精细地刻画雷达海杂波的回波幅度，采用上述方法建立的海杂波分析模型不仅数学复杂度较低，也具有更加精确的拟合效果，进一步提高了该模型的实用性和适用性。

技术领域

本发明涉及信号处理技术领域，更具体地，涉及一种混合分布的雷达海杂波分析方法及装置。

背景技术

雷达在进行目标探测时，可以借助自身接收到的目标回波定位目标。但是，雷达接收到的回波信号中，不仅包含目标回波，同时也包含来自目标周围的干扰物产生的电磁回波。通常，这些来自干扰物的回波被称为雷达杂波，其中，海杂波就是由海洋背景所造成的雷达杂波。对于工作于海洋环境的雷达来说，严重的海杂波将影响对海面目标的检测与跟踪性能。因此，只有建立准确、合理的杂波模型，才能掌握海杂波的性质，进而改善雷达性能。

相关技术中，KA分布模型和KK分布模型是最为常用的海杂波分析模型。其中，KA分布将离散海尖峰信号单独建模为Class A模型，并且考虑了海面大量小散射体形成的复合高斯随机过程。但是，KA分布模型不存在闭合的数学表达式，其概率密度函数需要通过数值计算，增加了应用的复杂性。

KK分布模型为两个单一K分布的混合，一个用于描述海面布拉格/白帽散射，另一个用于描述海尖峰。KK分布模型的概率密度曲线有更大的拖尾，因而能更好的拟合海杂波的拖尾区域。然而，KK分布模型中存在伽马函数及第二类贝塞尔函数，导致了KK分布模型的参数估计复杂，难以直接求解具体的参数值，而采用数值方法解模型参数存在局部收敛的问题，所以KK分布模型的在实际工程中不实用。

可见，如何降低海杂波分析模型的数学复杂度，使其更好的应用于实际工程，是本领域急需解决的技术问题。

发明内容

本发明提供了一种混合分布的雷达海杂波分析方法及装置，不仅对重拖尾数据具有更好的拟合效果，也有效降低了海杂波数据分析模型的数学复杂度，大大提高了该分析模型的适用性。

第一方面，本发明提供一种混合分布的雷达海杂波分析方法，方法包括：

获取雷达海杂波数据；雷达海杂波数据中包含多个海杂波随机序列；

获得目标概率密度函数；目标概率密度函数根据第一分布模型所对应的第一概率密度函数以及第二分布模型所对应的第二概率密度函数确定；其中，第一分布模型用于描述雷达海杂波的拖尾现象，第二分布模型用于描述雷达海杂波的回波幅度；

确定目标概率密度函数中的各个参数，并建立雷达海杂波数据的分析模型；

根据分析模型，获得雷达海杂波数据的统计特性。

可选地，获得目标概率密度函数的步骤，包括：

按照预设权重，将第一分布模型所对应的第一概率密度函数与第二分布模型所对应的第二概率密度函数进行加权，得到目标概率密度函数。

可选地，第一分布模型为对数正态Lognormal分布模型，第二分布模型为帕累托Pareto(IV)分布模型；预设权重包括第一预设权重以及第二预设权重；

目标概率密度函数为：

f(x)＝k₁·PDF₁+k₂·PDF₂；