前言: 找到的第一篇文献,里面的密度函数出现了明显问题,在CSDN里面找也经常是只找到一个或者两个分布的估计,但是有时候得四个分布一起用,找来找去难免会有些麻烦,找到一篇文献:邓泽怀的硕士学位论文《基于实测数据的海杂波统计建模》,里面详细地讲解了上面提到的四种分布参数的矩估计、极大似然估计,并作了拟合优度检验。实践证明这里面讲到的关于参数估计的内容非常准确。
文章目录
1 背景知识
对于海洋雷达来说,回波信号中不可避免地会包含海面和海面上其他物体的散射信号,亦即海杂波。其在信号中的比重与雷达的工作频率、电磁波的极化状态、照射条件及海面风速、风向等密切相关,强的杂波干扰甚至会把有用的信号湮灭,因此,海杂波在很大程度上影响了雷达对海上目标的预警能力。为了提高现代海洋雷达的监测性能,有必要对海杂波特性进行精确的分析,以降低其虚警率。其中,幅度分布特性作为海杂波重要的统计特性,一直是研究的热点。
雷达分辨单元内有许多随机分布的散射体,它们的大小尺寸、轮廓形状等往往也都是随机变量。同时,雷达和散射体之间的相对运动也导致杂波幅度和相位在不断变化。因此雷达杂波具有随机起伏的特性,但这种随机起伏的特性中又隐含一定的统计规律,这就是本节所要讲述的雷达回波在经过包络检波后的幅度概率密度函数(Probability density function, PDF) 。常用的杂波模型有Rayleigh分布、Log-normal分布、Weibull分布和K分布等。下面将分别对它们进行简单介绍。
2 典型分布模型
2.1 瑞利分布
2.2 对数正态分布
2.3 韦布尔分布
2.4 K分布
3 模型参数估计
对于某一组杂波数据,想要知道它最符合哪种分布模型,需要先对各种模型的分布参数进行估计,再通过拟合优度检验来确定最适合的分布模型。常用的参数估计方法有:矩估计法、最大似然估计法、最小二乘法、遗传算法等,本文主要采用前两种方法。接下来就对矩估计法和最大似然估计法进行简单介绍。
3.1 矩估计法
3.2 极大似然估计法
以下均假设得到的杂波幅度序列为 { X i } i = 1 N \{X_i\}_{i=1}^{N} {
Xi}i=1N。