[發明專利]一種海雜波參數估計方法、系統、設備及存儲介質

在審

• 申請號: 202110668819.5
• 申請日: 2021-06-16
• 公開（公告）號: CN113189561A
• 公開（公告）日: 2021-07-30
• 發明（設計）人: 何華鋒;韓曉斐;楊立浩;周濤;張琪;張鑫
• 申請（專利權）人: 中國人民解放軍火箭軍工程大學
• 主分類號: G01S7/41
• 分類號: G01S7/41
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 馬貴香

本發明一種海雜波參數估計方法、系統、設備及存儲介質。方法包括獲取實測海雜波數據；利用形狀參數與多點擬合法中多個特征點的關系模型對實測海雜波數據的形狀參數進行估計；基于估計出的形狀參數利用球不變隨機過程法建立出最終K分布海雜波模型。將本發明方法和其他方法的參數估計結果進行海雜波建模仿真對比，通過均方誤差檢驗法驗證了采用本發明方法進行參數估計后建立的海雜波模型擬合度更高。

技術領域

本發明涉及海雜波建模及其參數估計領域；特別涉及一種海雜波參數估計方法、系統、設備及存儲介質。

背景技術

精確擬合實況海雜波建立海雜波模型是進行雷達導引頭抗海雜波干擾性能評估的基礎，同時為雷達導引頭抑制海雜波干擾提高雷達對目標的檢測跟蹤性能提供重要理論支撐，研究具有重要的現實意義。

對于海雜波統計模型研究初期，把海雜波當作Gaussian噪聲。由于海雜波分布函數存在較長“拖尾”，LogNormal分布、Weibull分布和K分布相繼產生。K分布可以兼顧海雜波的幅度分布特性和時間相關性，因此成為了模擬海雜波最常用的模型。

對于海雜波模型的仿真方法，通常使用無記憶非線性變換法(ZMNL)或球不變隨機過程法(SIRP)。針對相干相關雜波，以往的方法都是將非相干的ZMNL法加以推廣得到相干的ZMNL模型。應用這種方法的前提是需要已知非線性變換前后雜波相關系數的非線性關系，而相干相關K分布很難找到其非線性變換關系。相對而言，SIRP法對海雜波模型進行仿真更加符合復合散射機理，便于理解。

對于海雜波模型參數估計，目前主要利用經驗公式法、最大似然估計法、矩估計法、混合估計法等。這些傳統的參數估計方法計算復雜、估計精度較低。在此類方法參數估計的基礎上建立海雜波模型較難實現對海雜波幅度分布曲線多個特征點的擬合。因此采用多點擬合法和RBF神經網絡對海雜波模型進行參數估計，應用于海雜波的建模仿真具有重要意義。

發明內容

本發明所要解決的技術問題是：如何對海雜波進行較準確的參數估計，使得基于該參數建立的模型能夠更好擬合海雜波幅度分布特性的多個特征點，更加貼近實際海況。因而提供了一種基于多點擬合法和RBF神經網絡的海雜波參數估計方法。

本發明所采用的技術方案是：

一種海雜波參數估計方法，包括以下步驟：

獲取實測海雜波數據；

利用形狀參數與多點擬合法中多個特征點的關系模型對實測海雜波數據的形狀參數進行估計；

基于估計出的形狀參數利用球不變隨機過程法建立出最終K分布海雜波模型。

作為本發明的進一步改進，所述形狀參數與多點擬合法中多個特征點的關系模型的建立方法包括：

通過改變形狀參數的值，利用球不變隨機過程法進行K分布海雜波建模，根據多點擬合法獲得多組海雜波幅度分布曲線的特征點數據；

利用Bootstrap法對數據進行擴充滿足訓練RBF神經網絡模型所需數據量；

將每組數據的特征點數據作為RBF神經網絡模型的輸入，將相應海雜波模型的形狀參數作為輸出，通過RBF神經網絡模型訓練得到形狀參數與多點擬合法中多個特征點的關系。

作為本發明的進一步改進，根據多點擬合法獲得多組海雜波幅度分布曲線的特征點數據具體包括：

根據海雜波幅度分布特性曲線選取出多個特征點；

依據選取的特征點對K分布海雜波進行參數估計，即多點擬合。

作為本發明的進一步改進，所述特征點數據選取海雜波幅度分布曲線上的特征點，包括：概率密度最大處對應的幅度，概率密度最大的點，概率密度最大值的1/2、1/3、2/3處對應的幅度寬度，以及概率密度為0.01時所對應的幅度。