[发明专利]基于分量分离方法的复合高斯模型参数快速估计方法

摘要

基于分量分离方法的复合高斯模型参数快速估计方法，本发明涉及复合高斯模型参数快速估计方法。本发明是要解决目前复合高斯分布模型参数估计搜索效率低计算量大的问题，而提供了基于分量分离方法的复合高斯模型参数快速估计方法。第一步，利用相关时间滤波器分离复合高斯分布的调制分量和散斑分量；第二步，使用SISE方法估计调制分量的尺度参数b1与散斑分量的尺度参数b2；第三步，利用极大似然法估计出调制分量广义Gamma分布的规模参数a1和形状参数v1和散斑分量广义Gamma分布的规模参数a2和形状参数v2；第四步，将调制分量规模参数a1和散斑分量规模参数a2相乘得到复合高斯分布的规模参数a。本发明应用于雷达领域。

主权项

基于分量分离方法的复合高斯模型参数快速估计方法，其特征在于它按以下步骤实现：第一步，利用相关时间滤波器分离复合高斯分布的调制分量和散斑分量；第二步，使用SISE方法估计调制分量的尺度参数b1与散斑分量的尺度参数b2；第三步，利用极大似然法估计出调制分量广义Gamma分布的规模参数a1和形状参数v1和散斑分量广义Gamma分布的规模参数a2和形状参数v2；第四步，将调制分量规模参数a1和散斑分量规模参数a2相乘得到复合高斯分布的规模参数；步骤一具体为：设某随机过程服从复合高斯分布，且散斑分量的自相关长度小于N1，而调制分量在相邻N1点区间内取值不变为sN1i，其中i＝1,2,3,…，N1个点应服从广义伽马分布，其PDF为：其中，b1为调制分量尺度参数，v1为调制分量形状参数，x为随机变量，其一阶矩为：令其中的常数项则由式(3)可知，把原数据列按每N1个点分段，并对每段取均值，得到新数列：新数列服从如下广义Gamma分布：fGΓ(s)是杂波自相关时间较长的调制分量，其中a2＝a/a1为散斑分量规模参数；b2为散斑分量的尺度参数，v2为调制分量形状参数，若令每个数据除以其所在段内的均值则 得到原数据中相关时间较短的散斑分量，其PDF为：