[发明专利]一种基于广义Pareto分布杂波统计建模的雷达目标检测方法

摘要

本发明公开了一种基于广义Pareto分布杂波统计建模的雷达目标检测方法，目的是提高雷达目标检测性能。技术方案是，将对数最大似然估计与粒子群优化算法相结合，通过对数最大似然估计准则来设计代价函数，并利用粒子群优化算法来最小化代价函数以获取最优的参数估计结果；利用最优的参数估计结果确定检测门限，完成雷达目标检测。采用本发明可确保待估计参数在最大似然意义下解的最优性，可提高参数估计的精度和鲁棒性，并提高检测门限的准确性，确保雷达目标检测结果的可靠性。

主权项

1.一种基于广义Pareto分布杂波统计建模的雷达目标检测方法，其特征在于包括以下步骤：第一步，定义并初始化粒子群，方法是：1.1定义粒子群G：粒子群为由一群粒子即待估计参数组成的集合，粒子群定义为G＝{p_i＝(σ_i,k_i),v_i＝(δσ_i,δk_i)；i＝1,2,…,I}   (2)式中，I为G中的粒子个数，p_i为G中第i个粒子的位置特征，σ_i为G中第i个粒子的尺度参数，k_i表示G中第i个粒子的形状参数；v_i为G中第i个粒子的速度特征，δσ_i为G中第i个粒子的尺度参数σ_i变化量，δk_i为G中第i个粒子的形状参数k_i变化量；1.2初始化粒子位置特征：将从杂波区观测得到的N个杂波数据样本记为z₁,...,z_n,...,z_N，1≤n≤N，n为整数，则N个杂波数据样本的均值和方差分别为和在没有先验信息的条件下，用和分别表示参数σ和k的粗估计值，k表示形状参数，σ表示尺度参数，σ＞0，将第i个粒子0时刻位置特征初始化为式中，I为正整数；上标0表示参数的初始状态即0时刻，为G中第i个粒子0时刻的位置特征，为G中第i个粒子0时刻的尺度参数，为G中第i个粒子0时刻的形状参数；表示均匀分布函数，区间下限为a，上限为b；“”表示从均匀分布函数中随机取数，即在区间[a,b]之间随机取一个数；表示是从均匀分布函数中随机取数，即在区间之间随机取一个数，为下限，为上限；表示是从均匀分布函数中随机取数，为下限，为上限；1.3初始化粒子速度特征：为G中第i个粒子0时刻的速度特征，为G中第i个粒子0时刻的尺度参数变化量，为G中第i个粒子0时刻的形状参数变化量，表示是从均匀分布函数中取的数，表示是从均匀分布函数中取的数；第二步，令迭代次数变量t＝0；第三步，求取第t次迭代时粒子的代价函数，方法是：3.1将广义Pareto分布模型的复杂指数分布转化为公式(9)所示的对数形式的似然函数，k≠0，即式中，ln(·)表示以自然常数e为底的对数函数，L(z|k,σ)表示包含未知分布参数k和σ的杂波信号幅度z的似然函数；参数k和σ的最大似然估计通过求解公式(9)的偏导数得到，此时有3.2根据公式(10)和(11)构建公式(12)所示的代价函数：式中，|·|为取绝对值符号，通过该代价函数的最小化使T(σ,k)不断向0逼近，这一过程等效于使公式(10)和公式(11)的解达到最优；3.3通过公式(12)求取G中I个粒子对应的适应性值，I个粒子经第t次迭代得到的I个粒子第t组适应性值，表示为第四步，计算第t次迭代中粒子群的个体极值pbest^t与全局极值gbest^t，方法是：4.1根据找到第t次迭代中与最小粒子适应性值对应的粒子，即式中，表示先找到中最小的值，并找到这个最小值对应的粒子，表示为参数对(σ′,k′)；4.2根据找出0～t次所有迭代过程中使得适应值最小的粒子，作为前t次迭代全局极值gbest^t，即(σ^*,k^*)为前t次最小适应值对应的粒子；第五步，令t＝t+1；第六步，根据获取的个体极值pbest^t与全局极值gbest^t，更新G中I个粒子的位置特征与速度特征；第七步，判断t是否等于最大迭代次数t_max，若满足，将全局极值gbest^t，也即(σ^*,k^*)作为参数对(σ,k)的最终估计结果，执行第八步；否则，转第三步；第八步，利用(σ^*,k^*)进行雷达目标检测，方法是：8.1利用(σ^*,k^*)重构与广义Pareto分布模型相对应的概率密度函数即式中，表示由(σ^*,k^*)重构得到的关于自变量z的近似函数；8.2给定目标检测虚警率P_f，根据公式(18)求检测门限th8.3目标检测，方法是：8.3.1通过雷达实时观测，获得J个观测数据，J≥1，令j＝1；8.3.2判断雷达实际获取的第j个观测数据y_j是否有目标，方法是：若y_j≥th，输出“第j个观测数据有目标”的结论；若y_j＜th，输出“第j个观测数据无目标”的结论；8.3.3判定j是否小于J，若满足，令j＝j+1，转8.3.2；否则，表示雷达实时观测数据处理结束，完成目标检测。