[发明专利]一种海杂波幅度分布参数估计方法及系统

说明书

本发明实施例提供一种海杂波幅度分布参数估计方法及系统。该方法包括获取海杂波幅度分布的实测数据；对实测数据进行幅度统计，得到实测概率数据；将实测概率数据输入至统计分布模型，得到统计分布模型输出的实测统计模型参数；其中统计分布模型是基于海杂波幅度分布的仿真训练数据和仿真训练数据对应的仿真统计模型参数进行训练得到的。本发明实施例提出使用深度学习的方法进行海杂波的参数估计，通过将实测数据进行处理得到实测概率数据，并基于仿真数据进行神经网络模型训练，再将实测概率数据输入至训练好的统计分布模型得到实测统计模型参数，其中模型训练可采用仿真数据离线进行，训练好的模型在处理实测数据时具有很好的实时性，参数估计精度高。

技术领域

本发明涉及信号处理技术领域，尤其涉及一种海杂波幅度分布参数估计方法及系统。

背景技术

对于海面上雷达来说，海面对雷达的后向散射回波中不可避免的包含其他物体的散射信号，即海杂波。雷达作为目标探测的重要手段，主要是通过向空间发射特定信号，接收并处理目标回波信号实现。传输过程中，不可避免的会产生各种干扰，降低雷达的检测性能。海杂波与雷达的工作频率、极化方式、周围环境的温度、风向等因素密切相关，强海杂波信号对有用信号产生严重干扰，因此，海杂波在很大程度上影响了雷达对海上目标的检测能力。

海杂波幅度分布特性认知方面，瑞利模型是最早应用的海杂波模型之一，主要适用于中等或较高掠射角条件下低分辨率雷达海杂波的幅度分布建模，高分辨率海杂波偏离瑞利模型，表现为尖峰和拖尾的增强，低掠射角下更为明显。为了提高模型的拟合准确度，一些双参数或三参数非高斯模型，如对数正态、韦布尔、K分布、GK分布等，在海杂波幅度分布建模中得到应用，在解决拖尾问题上，仍然缺乏体系化的建模方法。由于不同雷达参数及海洋环境参数条件下海杂波幅度分布特性存在较大差异，且不同模型在动态范围、拖尾程度上各异，因此目前不存在一个通用的模型形式来概括已有的幅度分布模型。海杂波谱特性认知方面，由于海面状态和天线扫描调制以及雷达平台运动等因素的影响，海杂波谱将产生多普勒频移。谱特征分析可以辅助特征域目标检测方法设计，提取和筛选出一系列能够区分海杂波单元与目标单元的差异特征，通过特征抽取和特征筛选将海杂波映射到低维特征空间，并在特征空间中选取一个能包含大多数海杂波特征向量的区域，以便有效分离目标和海杂波的回波特征，实现目标检测的目的。这些模型中的参数，通常采用数理统计的方法进行估计，其主要局限性在于，单次参数估计均需以大样本实测数据输入为支撑，这不利于海杂波模型参数的在线实时估计，而且在多参数条件下，通过统计优化方法得到的估计结果容易陷入局部最优解，导致建模准确度下降。

因此，在海杂波幅度分布参数估计领域亟需提出一种精度较高，具有实时性的参数估计方法。

发明内容

本发明实施例提供一种海杂波幅度分布参数估计方法及系统，用以解决现有技术中针对数理统计参数估计方法的非实时性和局限性，导致参数估计准确度下降的问题。

第一方面，本发明实施例提供一种海杂波幅度分布参数估计方法，包括：

获取海杂波幅度分布的实测数据；

对所述实测数据进行幅度统计，得到实测概率数据；

将所述实测概率数据输入至统计分布模型，得到所述统计分布模型输出的海杂波的实测统计模型参数；其中所述统计分布模型是基于海杂波幅度分布的仿真训练数据和所述仿真训练数据对应的仿真统计模型参数进行训练得到的。

其中，所述统计分布模型包括多个参数统计子模型，每一所述参数统计子模型对应一个参数；

对应地，所述将所述实测概率数据输入至统计分布模型，得到所述统计分布模型输出的海杂波的实测统计模型参数，具体包括：

将所述实测概率数据输入至所述统计分布模型中的任一参数对应的参数统计子模型中，获取所述任一参数对应的参数统计子模型输出的所述实测统计模型参数。