本發(fā)明涉及雷達信號處理的，更具體地，涉及一種廣義pareto分布的雷達海雜波參數(shù)估計方法。

背景技術(shù)：

1、復(fù)合高斯模型可以很好地實現(xiàn)高分辨低擦地角雷達探測場景下海雜波統(tǒng)計特性的描述，對于實現(xiàn)對海雷達目標探測與恒虛警檢測具有重要的實用價值。根據(jù)紋理分布的不同選擇(主要有伽馬分布、逆伽馬分布及逆高斯分布等)，可以將復(fù)合高斯模型分為k分布、廣義pareto分布及ic-cg分布等。其中，廣義pareto(帕累托)分布對復(fù)雜海洋環(huán)境下實測數(shù)據(jù)的統(tǒng)計建模具有更好地表現(xiàn)，此外該分布模型的最優(yōu)檢測器也是上述3種模型中唯一具有可實現(xiàn)的方案。分布模型參數(shù)的準確估計，對于雷達目標檢測性能的提升具有非常重要的影響。針對不同的應(yīng)用場景，在實際的工程中選擇合適的參數(shù)估計方法可以起到事半功倍的效果。

2、傳統(tǒng)的最大似然估計方法用于廣義pareto分布參數(shù)估計時，需要解決尺度參數(shù)非閉合表達式的數(shù)值計算問題，所以導(dǎo)致了該方法效率比較低。經(jīng)典的矩估計方法在求解廣義pareto分布參數(shù)估計式時，受到伽馬函數(shù)定義域的影響，形狀參數(shù)的估計范圍被限制在一定的區(qū)間內(nèi)，比如二四階矩估計不能解決形狀參數(shù)小于2的廣義pareto分布參數(shù)估計。現(xiàn)有技術(shù)提出了一階對數(shù)矩的參數(shù)估計方法，將形狀參數(shù)的估計范圍擴大到了大于1的情況，在一定程度上拓寬了廣義pareto分布的應(yīng)用范圍?，F(xiàn)有技術(shù)還在一階對數(shù)矩的基礎(chǔ)上，研究階數(shù)小于1的對數(shù)矩參數(shù)估計方法，將廣義pareto分布形狀參數(shù)的有效估計范圍進一步擴大到了1以內(nèi)。各類對數(shù)矩估計方法雖然擴展了廣義pareto分布的參數(shù)估計范圍，但是該方法的參數(shù)估計式中存在diagram函數(shù)，導(dǎo)致了形狀參數(shù)的估計范圍依然受到限制，并且在階數(shù)比較低時，參數(shù)估計表達式不閉合現(xiàn)象會增加參數(shù)估計的復(fù)雜度。

3、綜上所述，現(xiàn)有的廣義pareto分布傳統(tǒng)參數(shù)估計方法存在估計精度低、估計范圍受限及參數(shù)估計式存在非閉合表達式等問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明為克服上述現(xiàn)有技術(shù)所述的參數(shù)估計精度低且估計范圍受限的缺陷，提供一種估計范圍廣且估計結(jié)果精度高的廣義pareto分布的雷達海雜波參數(shù)估計方法。

2、為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

3、一種廣義pareto分布的雷達海雜波參數(shù)估計方法，包括以下步驟：

4、獲取若干條廣義pareto分布雜波數(shù)據(jù)；

5、基于所述廣義pareto分布雜波數(shù)據(jù)的累計分布函數(shù)和概率密度函數(shù)構(gòu)建適應(yīng)度函數(shù)，將所述適應(yīng)度函數(shù)代入遺傳算法中；

6、結(jié)合遺傳算法和粒子群優(yōu)化算法，迭代求解所述廣義pareto分布雜波數(shù)據(jù)的全局最優(yōu)粒子，當?shù)螖?shù)達到預(yù)設(shè)值，或，迭代過程中全局最優(yōu)粒子保持代數(shù)等于預(yù)設(shè)代數(shù)時，停止迭代，得到所述廣義pareto分布的最優(yōu)參數(shù)值；其中，所述最優(yōu)參數(shù)值為停止迭代時的全局最優(yōu)粒子，所述全局最優(yōu)粒子為使所述適應(yīng)度函數(shù)值達到最大的參數(shù)。

7、本發(fā)明還提出了一種廣義pareto分布的雷達海雜波參數(shù)估計系統(tǒng)，用于實現(xiàn)上述的廣義pareto分布的雷達海雜波參數(shù)估計方法，所述系統(tǒng)包括：

8、數(shù)據(jù)獲取模塊，用于獲取若干條廣義pareto分布雜波數(shù)據(jù)；

9、適應(yīng)度函數(shù)構(gòu)建模塊，用于基于所述廣義pareto分布雜波數(shù)據(jù)的累計分布函數(shù)和概率密度函數(shù)構(gòu)建適應(yīng)度函數(shù)，將所述適應(yīng)度函數(shù)代入遺傳算法中；

10、最優(yōu)參數(shù)值輸出模塊，用于結(jié)合遺傳算法和粒子群優(yōu)化算法，迭代求解所述廣義pareto分布雜波數(shù)據(jù)的全局最優(yōu)粒子，當?shù)螖?shù)達到預(yù)設(shè)值，或，迭代過程中全局最優(yōu)粒子保持代數(shù)等于預(yù)設(shè)代數(shù)時，停止迭代，得到所述廣義pareto分布的最優(yōu)參數(shù)值；其中，所述最優(yōu)參數(shù)值為停止迭代時的全局最優(yōu)粒子，所述全局最優(yōu)粒子為使所述適應(yīng)度函數(shù)值達到最大的參數(shù)。

11、本發(fā)明還提出了一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，其特征在于，所述計算機可讀指令被所述處理器執(zhí)行時，使得所述處理器執(zhí)行上述的廣義pareto分布的雷達海雜波參數(shù)估計方法的步驟。

12、與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：

13、本發(fā)明通過獲取若干條廣義pareto分布雜波數(shù)據(jù)；基于所述廣義pareto分布雜波數(shù)據(jù)的累計分布函數(shù)和概率密度函數(shù)構(gòu)建適應(yīng)度函數(shù)，將所述適應(yīng)度函數(shù)代入遺傳算法中；結(jié)合遺傳算法和粒子群優(yōu)化算法，迭代求解所述廣義pareto分布雜波數(shù)據(jù)的全局最優(yōu)粒子，當?shù)螖?shù)達到預(yù)設(shè)值，或，迭代過程中全局最優(yōu)粒子保持代數(shù)等于預(yù)設(shè)代數(shù)時，停止迭代，得到所述廣義pareto分布的最優(yōu)參數(shù)值；本發(fā)明的參數(shù)估計方法不依賴于復(fù)雜數(shù)學(xué)估計表達式，參數(shù)估計精度較高且估計范圍較廣。

技術(shù)特征：

1.一種廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，所述廣義pareto分布雜波數(shù)據(jù)利用直接抽樣法，通過抽樣公式進行廣義pareto分布隨機序列模擬得到；

3.根據(jù)權(quán)利要求1所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，所述適應(yīng)度函數(shù)的表達式包括：

4.根據(jù)權(quán)利要求1～3任一項所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，結(jié)合遺傳算法和粒子群優(yōu)化算法，對所述廣義pareto分布雜波數(shù)據(jù)進行最優(yōu)參數(shù)搜索的步驟包括：

5.根據(jù)權(quán)利要求4所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，利用隨迭代次數(shù)非線性遞減慣性權(quán)重更新權(quán)重因子的表達式包括：

6.根據(jù)權(quán)利要求4所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，利用當前迭代的權(quán)重因子、粒子個體極值和全局極值對每個粒子的速度和位置進行更新的表達式包括：

7.根據(jù)權(quán)利要求4所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，所述隨迭代次數(shù)非線性遞減的雜交概率pc的表達式包括：

8.根據(jù)權(quán)利要求4所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，所述雜交公式的表達式包括：

9.一種廣義pareto分布的雷達海雜波參數(shù)估計系統(tǒng)，用于實現(xiàn)權(quán)利要求1～8任一項所述的廣義pareto分布的雷達海雜波參數(shù)估計方法，其特征在于，包括：

10.一種計算機設(shè)備，包括存儲器和處理器，所述存儲器中存儲有計算機可讀指令，其特征在于，所述計算機可讀指令被所述處理器執(zhí)行時，使得所述處理器執(zhí)行如權(quán)利要求1～8任一項所述廣義pareto分布的雷達海雜波參數(shù)估計方法的步驟。

技術(shù)總結(jié)
本發(fā)明涉及雷達信號處理的技術(shù)領(lǐng)域，提出一種廣義Pareto分布的雷達海雜波參數(shù)估計方法，包括以下步驟：獲取若干條廣義Pareto分布雜波數(shù)據(jù)；基于所述廣義Pareto分布雜波數(shù)據(jù)的累計分布函數(shù)和概率密度函數(shù)構(gòu)建適應(yīng)度函數(shù)，將所述適應(yīng)度函數(shù)代入遺傳算法中；結(jié)合遺傳算法和粒子群優(yōu)化算法，迭代求解所述廣義Pareto分布雜波數(shù)據(jù)的全局最優(yōu)粒子，當?shù)螖?shù)達到預(yù)設(shè)值，或，迭代過程中全局最優(yōu)粒子保持代數(shù)等于預(yù)設(shè)代數(shù)時，停止迭代，得到所述廣義Pareto分布的最優(yōu)參數(shù)值；其中，所述最優(yōu)參數(shù)值為停止迭代時的全局最優(yōu)粒子，所述全局最優(yōu)粒子為使所述適應(yīng)度函數(shù)值達到最大的參數(shù)；本發(fā)明的參數(shù)估計方法不依賴于復(fù)雜數(shù)學(xué)估計表達式，參數(shù)估計精度較高且估計范圍較廣。

技術(shù)研發(fā)人員：楊斌
受保護的技術(shù)使用者：無錫學(xué)院
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19