海杂波特性参数的递归贝叶斯估计方法研究

发布时间：2020-09-15 12:47

　　具有伽马分布纹理的K分布幅度模型能够很好地描述中低分辨率对海雷达探测海杂波的幅度分布特性。其已经广泛应用于实际雷达的海杂波建模中。K分布模型由两个特性参数决定,它们的估计精度严重影响雷达目标检测性能及检测方法的恒虚警特性。K分布模型的参数估计方法包括了各类矩估计方法、最大似然估计方法、分位点估计方法等。当海杂波来源于局部平稳海域时,可以通过传统K分布模型建模。然而,在对海雷达进行大场景探测时,由于雷达掠射角以及不同区域海况差异等原因,海杂波呈现出随着空间位置变化的功率和非高斯特性,称为大场景海杂波特性的空变特性。在这种情况下,对每个具有相近特性参数的局部区域,扫描雷达在一个扫描周期内没有足够数目的数据样本进行参数估计,特性参数估计在单个扫描周期内变成了小样本问题。此外,对海雷达回波数据中包含了岛礁、舰船等不可避免回波构成的异常数据,这些数据具有比海杂波高得多的幅度,而且在数据筛选阶段难以完全剔除,这些高幅度的异常样本将对参数估计产生严重影响。针对这些实际问题,本论文从以对海雷达大场景探测为应用背景,研究了空变K分布(Spatially-Varying K-Distribution,SV-KD)模型下海杂波特性参数的感知方法,提出了空变K分布模型参数空间分布的多扫描周期数据联合利用的递归贝叶斯估计方法。本论文主要研究成果可概括如下:第二章首先回顾了雷达海杂波形成的物理散射机制。然后,简单介绍了常见的几类海杂波幅度分布模型。最后,回顾了几种常见的K分布特性参数估计方法。第三章首先讨论了海杂波空变特性导致的空变K分布模型,以及模型参数空间分布估计中面临的主要问题。由于海杂波特性参数在雷达扫描间是慢变的,在一个空间局部区域多个连续扫描周期的海杂波数据,共享相同的形状和尺度参数,因此多个扫描周期的雷达数据可以用于海杂波特性参数的估计。为此,我们提出空变K分布模型下的多扫描周期递归贝叶斯(Multiscan Recursive Bayesian,MSRB)估计方案,通过多扫描周期历史数据和当前数据的综合利用实现了雷达“记忆信息而不记忆数据”的大场景海杂波特性感知模式。第四章首先回顾了传统K分布模型参数的双分位点(Bipercentile,BiP)估计方法以及它对异常样本的稳健性特点。针对实测海杂波数据中岛屿、舰船等回波构成的异常样本对海杂波特性参数估计造成严重影响的问题,通过将多扫描周期贝叶斯估计方案和双分位点估计方法相结合,提出多扫描周期递归双分位点(MSRB-BiP)估计方法。递归估计过程中,通过基于先验信息的数据仿真和当前数据的混合实现海杂波特性参数的递归估计和更新。最后,利用仿真和实测雷达数据,检验了提出的估计方法的有效性。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN957.51
【部分图文】：

面结构,海杂波,雷达

图 2.1 海表面结构图解从海杂波的物理形成机制出发，当雷达照射在海表面时，海面波长与雷达波长相当的海面位置，将发生散射。根据雷达工作频率的不同，学者 Walker 构建了三分量模型，包括 Bragg 散射、白冠（Whitecap）散射和突发（Burst）散射。海杂波的物理散射可以以三种不同的方式发生，或者以它们的线性组合发生。假设 c (n)为雷达某个扫描周期的第 n 个脉冲数据，则散射模型可简单表示为：(n) (n) c (n) (n)Bragg Whitecap Burstc c c(2-其中， (n) c (n) (n)Bragg Whitecap Burstc 、、 c分别表示 Bragg 散射，白冠散射和突发散射形成的海杂波回波数据。（1）Bragg 散射当雷达工作在低频模式下时，Bragg 散射由雷达后向散射与海表面波的共振散射形成的。Bragg 散射最初用于描述 X 射线照射晶体时发生的衍射现象。其中，晶体的

曲线,尺度参数,形状参数,正态分布

2exp , 0(x) 220 , 0xf xx (2-5)其中， x 表示海杂波幅度；表示海杂波的形状参数，用于描述对数-正态分布的拖尾；表示海杂波的尺度参数，表示海杂波信号的功率水平。对数-正态分布的一阶矩和二阶矩分别为：222(X) exp( )24E(X ) exp(2 )2E (2-6)形状参数和尺度参数取不同的值时，对数-正态分布 pdf 曲线如图 2.3 所示：对数-正态分布 pdf 公式中具有两个参数，在处理复杂的回波信号时，它将可以描述长拖尾的杂波分布。对数-正态分布模型与瑞利分布模型相比较，能够更好地拟合实测数据的拖尾现象，对于海杂波的幅度变化的动态变化范围估计更为充足。

曲线,形状参数,尺度参数,曲线

exp , 00, 0xf xx (2-7)式中， x 表示幅度值；为尺度参数，表示 Weibull 分布的中位数，主要与杂波的信号强度有关；为形状参数，且通常0 2，表示分布的偏斜度。Weibull 分布的一阶矩和二阶矩分别为：2 21E(X) (1 )2E(X ) (1 ) (2-8)其中为 Gamma 函数。从公式（2-8）可知，当形状参数 =1时，Weibull 分布函数转变为指数函数；而当 =2时，Weibull 分布函数将退化为瑞利分布函数；当 2时，Weibull 分布失去实际意义。在形状参数和尺度参数取不同的值时，pdf 曲线如图 2.4 所示：

【相似文献】