排序方式: 共有14条查询结果,搜索用时 187 毫秒
11.
相关非高斯分布杂波的建模与仿真 总被引:22,自引:3,他引:19
对数正态分布、韦伯分布、K分布是三种适于描述叶簇背景杂波的非高斯分布模型,快速、准确地模拟叶簇背景杂波,对大积累角UWBSAR体制中叶簇覆盖人造目标检测与识别的算法研究是十分重要的。讨论了上述三种相关非高斯分布杂波的建模与仿真,在三种非高斯分布与高斯分布的相关系数之间的非线性关系的基础上,利用修正的零记忆非线性变换(ZMNL),模拟产生了三种相关的非高斯分布随机序列。仿真结果证明了这种方法是有效可靠的。 相似文献
12.
针对相干情形特征极化理论末涉及目标参数变化对特征极化的影响,结合同极化功率密度图详细研究了这一问题.首先对极化散射矩阵进行变极化基处理使其对角化;然后定义了矩阵幅度、绝对相位、幅度比及相位差等4个目标参数,将该对角阵参数化;在此基础上研究了4个目标参数变化对同极化通道目标特征极化的影响,包括其在功率密度图上的个数、位置及极性;最后利用Poincare极化球表征了这些特征极化,并得出了6点结论.实际目标特征极化求解的实验结果验证了理论分析的正确性. 相似文献
13.
基于Mellin变换的G0分布参数估计方法 总被引:1,自引:0,他引:1
G0分布模型具有广泛均匀度变化下的杂波区域建模能力和较强的模型兼容性,是目前合成孔径雷达(synthetic aperture radar,SAR)图像杂波统计建模领域最为重要的模型之一,在SAR图像解译方面有着广泛的应用.然而,G0分布参数的快速准确估计一直是制约其实际应用的主要技术瓶颈,至今尚无理想的解决方案.针对这一问题,首先详细分析了经典矩估计和最大似然估计应用于G0分布参数估计的理论缺陷。在此基础上,提出了一种基于Mellin变换的G0分布参数估计方法.该方法以Mellin变换为出发点,详细推导了G0分布对应的第一个、第二个第二类型的特征函数和它们各自对应的对数矩和对数累积量,最终获得了G0分布参数估计简洁的迭代表达式.该方法不但解决了矩估计所面临的参数不能实现全范围估计的难题,更重要的是把等效视数同形状参数、尺度参数一样视为待估计参数,且能够快速准确地迭代出它们的估计值,保证了G0分布的拟合精度.以KL(Kullback—Leibler)度量、MSE(meansquareerror)度量和K—S(Kolmogorov Smirnov)检验为定量评估准则,对不同分辨率、不同视数的实测SAR图像分别采用文中方法、矩估计、最大似然估计方法进行拟合实验,实验结果的全面对比分析证明了所提方法的有效性. 相似文献
14.
低频UWBSAR不同于窄带高频SAR信号。本文针对VHF/UHFUWBSAR目标与杂波特点,建立了信号模型;在综合现有的几种检测方法基础上,提出了一种新的检测方案,即结合的变化检测和双参数CFAR检测。实验仿真结果表明:这种方案检测过程简单,杂波抑制性能好。 相似文献