[发明专利]一种基于K统计分布模型背景的目标检测方法

说明书

本发明公开了一种基于K统计分布模型背景的目标检测方法，所述方法包括以下步骤：步骤1)获取符合K统计分布模型的观测样本数据{z_i}，i＝1，2，...，N；步骤2)利用观测样本数据{z_i}，i＝1，2，...，N，构造R估计器，从而对K统计分布模型的形状参数进行估计；步骤3)利用得到的K统计分布模型的形状参数，计算恒虚警检测方法中的自适应检测门限值；将待检测量与门限值进行对比；若大于门限值，判断为有目标；否则，判断为无目标。本发明的方法中利用R估计器对K统计分布模型的参数进行估计，该R估计器不论观测样本大小，对于取值范围在0.2～10之间的待估形状参数都有着较为优秀的估计精度，打破了现有估计器对于不同估计情况的局限性，使得同一个估计器能够适应更广泛的应用。

技术领域

本发明涉及雷达和声纳数据处理领域，具体涉及一种基于K统计分布模型背景的目标检测方法。

背景技术

近年来，随着高分辨率雷达和声纳的应用，空间内散射体回波的统计特性已经不满足中心极限定理的条件，故其背景统计特性偏离瑞利分布，即重拖尾性质的非瑞利分布。而这类系统中广泛使用的恒虚警(CFAR)方法依赖于背景的统计分布模型。背景分布模型的偏离会导致虚警率的提高，降低系统的检测性能，甚至导致系统不能正常工作。因此，寻找更符合实际背景噪声统计分布模型参数的估计方法，为建立模型提供更好的支持成为该领域重要的问题之一。

K分布是目前最常用的一种描述非高斯混响的分布模型，它的两个分布参数(形状参数和尺度参数)具有明确的物理解释，允许我们将声纳系统的实际环境与匹配滤波输出的混响包络的概率密度函数有机地联系起来，使预测不同声纳系统配置的性能成为可能。K分布的形状参数与主动声纳系统每个分辨单元内散射体数目有关，决定着分布的拖尾程度，相较于尺度参数，对声纳系统虚警概率和检测性能的影响更大。因此，对K分布形状参数估计方法的研究是目前声纳领域的研究热点之一。

关于K分布杂波的参数估计问题，国内外学者做了大量工作，提出了多种方法，大致可以分为3类。第一类是基于最大似然的估计方法，当分布形式已知时，最大似然估计是最佳的参数估计的方法。这一方法估计精度高，但是由于K分布概率密度函数的复杂性，不能得到似然函数最大值的闭型解，只能通过搜索或者最优化方法大约估计进行求解，运算复杂度高；第二类是矩估计方法，样本数越大，估计越准确，其计算量相对较小。但由于样本数的限制，其估计精度有待提高。基于矩估计的参数求解方法较多，如Raghavan提出了基于观测数据算术均值和几何均值的估计器。Oliver讨论了另外3种估计器——U估计器，V估计器和W估计器，Blacknell、Lombardo和Oliver则具体分析了这3种方法的精度。Joughin比较了数值ML估计器和基于二、四阶矩的V估计器。Iskander和Zoubir讨论了基于小数矩和高阶矩的Y估计器。Blacknell和Touch提出了X估计器。胡文琳等人基于z^rlog(z)期望的K分布最优参数估计讨论了r的取值，以及孙增国等人考量了基于第二类统计量的K分布参数估计；第三类是混合估计方法，包括将矩估计与最大似然估计相结合的方法以及将矩估计与神经网络相结合的方法等。以上这些方法散见于各类文献中，各自具有优缺点，但是对于不同的实际估计情况，暂时还缺乏选择估计方法进行有效估计的标准，给实际应用造成极大的不便。

因为K分布海杂波的形状参数通常在0.2～10之间变化，目前已存在的任意一个估计器(因为最大似然估计准则的运算复杂度过高，实际应用价值低，这里不予讨论)都不能对该范围的所有形状参数进行有效估计，即对较小形状参数(0.2～2)估计精度高的估计器对较大形状参数(2～10)估计精度低，对较大形状参数(2～10)估计精度高的估计器对较小形状参数(0.2～2)估计精度低。除此之外，样本长度还影响着估计器的估计精度。在实际应用中，很难知道待估形状参数的大小，因此，如何选择估计器进行有效估计便成了难题。

发明内容