[發明專利]一種基于K統計分布模型背景的目標檢測方法

有效

• 申請號: 201711001621.1
• 申請日: 2017-10-24
• 公開（公告）號: CN109696662B
• 公開（公告）日: 2021-04-09
• 發明（設計）人: 徐達;羅海力;郝程鵬;劉明剛;李娜;施博;閆晟;宿曉靜;朱東升
• 申請（專利權）人: 中國科學院聲學研究所
• 主分類號: G01S7/41
• 分類號: G01S7/41;G01S7/539
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;武玥

本發明公開了一種基于K統計分布模型背景的目標檢測方法，所述方法包括以下步驟：步驟1)獲取符合K統計分布模型的觀測樣本數據{z_i}，i＝1，2，...，N；步驟2)利用觀測樣本數據{z_i}，i＝1，2，...，N，構造R估計器，從而對K統計分布模型的形狀參數進行估計；步驟3)利用得到的K統計分布模型的形狀參數，計算恒虛警檢測方法中的自適應檢測門限值；將待檢測量與門限值進行對比；若大于門限值，判斷為有目標；否則，判斷為無目標。本發明的方法中利用R估計器對K統計分布模型的參數進行估計，該R估計器不論觀測樣本大小，對于取值范圍在0.2～10之間的待估形狀參數都有著較為優秀的估計精度，打破了現有估計器對于不同估計情況的局限性，使得同一個估計器能夠適應更廣泛的應用。

技術領域

本發明涉及雷達和聲納數據處理領域，具體涉及一種基于K統計分布模型背景的目標檢測方法。

背景技術

近年來，隨著高分辨率雷達和聲納的應用，空間內散射體回波的統計特性已經不滿足中心極限定理的條件，故其背景統計特性偏離瑞利分布，即重拖尾性質的非瑞利分布。而這類系統中廣泛使用的恒虛警(CFAR)方法依賴于背景的統計分布模型。背景分布模型的偏離會導致虛警率的提高，降低系統的檢測性能，甚至導致系統不能正常工作。因此，尋找更符合實際背景噪聲統計分布模型參數的估計方法，為建立模型提供更好的支持成為該領域重要的問題之一。

K分布是目前最常用的一種描述非高斯混響的分布模型，它的兩個分布參數(形狀參數和尺度參數)具有明確的物理解釋，允許我們將聲納系統的實際環境與匹配濾波輸出的混響包絡的概率密度函數有機地聯系起來，使預測不同聲納系統配置的性能成為可能。K分布的形狀參數與主動聲納系統每個分辨單元內散射體數目有關，決定著分布的拖尾程度，相較于尺度參數，對聲納系統虛警概率和檢測性能的影響更大。因此，對K分布形狀參數估計方法的研究是目前聲納領域的研究熱點之一。

關于K分布雜波的參數估計問題，國內外學者做了大量工作，提出了多種方法，大致可以分為3類。第一類是基于最大似然的估計方法，當分布形式已知時，最大似然估計是最佳的參數估計的方法。這一方法估計精度高，但是由于K分布概率密度函數的復雜性，不能得到似然函數最大值的閉型解，只能通過搜索或者最優化方法大約估計進行求解，運算復雜度高；第二類是矩估計方法，樣本數越大，估計越準確，其計算量相對較小。但由于樣本數的限制，其估計精度有待提高。基于矩估計的參數求解方法較多，如Raghavan提出了基于觀測數據算術均值和幾何均值的估計器。Oliver討論了另外3種估計器——U估計器，V估計器和W估計器，Blacknell、Lombardo和Oliver則具體分析了這3種方法的精度。Joughin比較了數值ML估計器和基于二、四階矩的V估計器。Iskander和Zoubir討論了基于小數矩和高階矩的Y估計器。Blacknell和Touch提出了X估計器。胡文琳等人基于z^rlog(z)期望的K分布最優參數估計討論了r的取值，以及孫增國等人考量了基于第二類統計量的K分布參數估計；第三類是混合估計方法，包括將矩估計與最大似然估計相結合的方法以及將矩估計與神經網絡相結合的方法等。以上這些方法散見于各類文獻中，各自具有優缺點，但是對于不同的實際估計情況，暫時還缺乏選擇估計方法進行有效估計的標準，給實際應用造成極大的不便。

因為K分布海雜波的形狀參數通常在0.2～10之間變化，目前已存在的任意一個估計器(因為最大似然估計準則的運算復雜度過高，實際應用價值低，這里不予討論)都不能對該范圍的所有形狀參數進行有效估計，即對較小形狀參數(0.2～2)估計精度高的估計器對較大形狀參數(2～10)估計精度低，對較大形狀參數(2～10)估計精度高的估計器對較小形狀參數(0.2～2)估計精度低。除此之外，樣本長度還影響著估計器的估計精度。在實際應用中，很難知道待估形狀參數的大小，因此，如何選擇估計器進行有效估計便成了難題。

發明內容