[发明专利]基于分数低阶类相关熵的目标参数联合估计算法

摘要

本发明公开了基于分数低阶类相关熵的目标参数联合估计新算法，属于计算机应用技术领域。本发明采用分数低阶类相关熵统计量准则改进PARAFAC算法中基于TALS准则的代价函数，推导了适用于Alpha稳定分布噪声环境下的双基地MIMO雷达目标参数联合估计新算法。算法不仅能有效的抑制稳定分布噪声的干扰，具有较好的估计精度，而且能够实现自动配对。仿真实验表明，在冲激噪声和高斯噪声环境下，与基于TLAS准则的PARAFAC算法相比，FCAS_PARAFAC算法均具有很好的参数估计性能，尤其对突变的信号环境体现出更好的适应性。

主权项

1.基于分数低阶类相关熵的目标参数联合估计算法，其特征在于：包括如下步骤，(1)任选随机矩阵初始化和迭代序号为k＝1,2,3,…；(2)将代入式(21)，求最小分数低阶类相关熵解，获得C的第k次迭代估计值如式(22)所示；其中，σ＞0是核长参数；E[·]为数学期望；p为分数低阶统计量的阶数；(3)将代入式(23)，求最小分数低阶类相关熵解，获得的第k次迭代估计值如式(24)所示；表示B的第k次迭代估计值；(4)将代入式(25)，求其最小分数低阶类相关熵解，获得B的第k次迭代估计值如式(26)所示，并计算其中若|δ_k‑δ_k‑1|>ε，ε为误差门限；则重复步骤(2)‑(4)，若|δ_k‑δ_k‑1|<e，则转至步骤(5)，其中，(5)经过上述迭代计算，得到A，B和C的最终估计值和