论文部分内容阅读
海杂波是对海雷达照射海面接收到的后向散射回波,基于匹配统计模型的海杂波特性精确估计理论是不同对海雷达探测工作中实现有效目标检测及跟踪过程的关键基础。在高分辨率、低擦地角的对海雷达工作场景中,利用纹理分量服从不同概率分布的各类复合高斯模型可以有效地描述海杂波回波的统计特性,其中包括K分布模型、广义Pareto分布模型（Generalized Pareto Distribution Model,GPDM）以及逆高斯（Inverse-Gaussian,IG）纹理复合高斯模型（Compound Gaussian model with IG texture,IG-CGM）三大常用的双特性参数海杂波模型。实际应用中,海杂波模型的特性参数可以通过特定的估计算法估计得到,而海杂波估计环境的复杂多变会导致模型参数估计过程面临多种问题,进而影响参数估计及目标检测性能。对此,论文研究发展了分别适用于两类雷达工作模式（局部场景驻留模式、大场景快扫描模式）、三类海杂波统计模型（K分布模型、GPDM、IG-CGM）、三类海杂波估计环境（纯海杂波环境、异常样本环境、纯海杂波及异常样本环境）的海杂波特性参数估计方法。研究成果可应用于近海反潜、海岸警戒及舰载海面监视雷达等多种对海雷达工作场景,进而提升对海雷达的目标检测性能。论文的核心研究内容可以概括如下:1.针对用于纯海杂波环境下IG-CGM特性参数估计的传统高阶矩估计算法精度低且性能不稳定的问题,提出了低阶矩估计及迭代最大似然估计算法。一方面,利用精度更高且稳定性更好的一阶样本矩代替传统方法中的四阶样本矩,推导得到性能改善明显的低阶矩估计算法;另一方面,利用双特性参数似然函数的导数形式推导得出计算可实现且收敛速度较快的迭代最大似然估计算法。仿真及实测数据实验表明,两种参数估计算法均可实现纯海杂波环境IG-CGM下较传统矩估计方法精度更高、性能更稳定的参数估计。2.针对实际海杂波估计环境中的异常样本会严重影响特性参数估计性能的问题,提出了GPDM下稳健的显式双分位点参数估计方法。基于样本序列的分位点本身对过大或过小的样本值鲁棒的性质,在某些特定的成对分位点设置下依据低阶代数多项式的求根公式计算出几种显式的双分位点估计器,且针对除这些特定设置外的成对双分位点值推导得出了一种快速收敛的迭代算法。理论及实验分析显示,在包含异常样本的海杂波估计环境中,提出的参数估计算法可以保持稳定的参数估计性能,而所有传统估计算法的结果均具有较大误差。3.针对适用于异常样本环境的稳健的显式双分位点估计算法在纯海杂波环境下的参数估计性能不够理想的问题,分别从两个研究角度提出了GPDM特性参数的组合双分位点估计算法及偏差减小的双分位点估计算法。首先,考虑到显式双分位点估计算法仅利用样本序列中的一对分位点值进行参数估计,通过组合相同参数设置下的多对分位点值改善其使用信息过少的问题,以此构建了精度更高的组合双分位点估计算法;其次,分位点本身的一致性导致在样本数量有限时显式双分位点估计算法是有偏的。论文分析验证了该估计算法的偏差特性,利用偏差辅助函数得到偏差减小的双分位点估计算法。仿真及实测实验证明,上述两种估计算法可以有效改善显式双分位点估计算法在纯海杂波环境下的估计精度,同时保留了后者在异常样本环境中的估计稳健性。4.针对异常样本环境K分布模型下稳健的三分位点参数估计算法,完善了该方法相关性质的理论证明以及实验性能的讨论分析。一方面,利用样本分位点的相关结论推导证明了三分位点估计算法的有效性及估计误差的渐进特性;另一方面,基于仿真实验对比分析了该估计算法与传统参数估计算法的性能差异,并利用包含异常样本的仿真海杂波数据以及实测回波数据对比验证了三分位点估计算法的野点鲁棒性。验证分析表明,在综合考虑估计精度、野点鲁棒性以及计算耗时的情况下,三分位点估计算法是异常样本环境K分布模型下最理想的参数估计算法。5.针对大场景快扫描模式下海杂波估计环境的空时变特性以及参数估计过程中的空间小样本问题,构建了空时变广义Pareto分布海杂波模型（Spatial-Temporally Varying GPDM,STV-GPDM）及该模型下对海雷达全自适应检测体系,并针对该体系提出了多帧递归Bayesian特性参数估计算法。首先,考虑到大场景海杂波估计环境中特性参数分布在空间及时间上的慢变特性,将传统GPDM中的固定特性参数替换为与空间位置及照射时间相关的对应参数分布形式,研究出了用于描述大场景海杂波特性的STV-GPDM;其次,针对该背景下的目标检测问题给出了由野点过滤器、特性参数分布估计器以及全自适应相干检测器三大模块组成的大场景全自适应检测雷达体系;最后,对于该体系中的特性参数分布估计器存在参数估计有效样本过少的空间小样本问题,利用‘雷达记忆信息不记忆数据’的思想提出了野点鲁棒的多帧递归Bayesian参数估计算法。实验表明,STV-GPDM较传统的GPDM可实现更精细化的海杂波统计特性描述,基于多帧递归Bayesian特性参数估计算法实现的全自适应检测体系可以得到更好的参数估计及目标检测性能。