基于逆高斯分布的復合高斯海雜波建模研究

閆 亮 孫培林 易 磊 韓 寧 湯 俊

①(北京林業(yè)大學工學院 北京 100083)

②(清華大學電子工程系 北京 100084)

③(北京林業(yè)大學理學院 北京 100083)

1 引言

隨著雷達分辨率的提高，雜波的統(tǒng)計特性偏離了高斯分布，為此人們提出了諸如對數(shù)正態(tài)分布，Weibull分布，K分布，t分布等非高斯分布模型[1,2]。然而，復合高斯分布模型可以作為一種更為廣義的非高斯分布模型，其合理性已通過實測雜波數(shù)據(jù)的統(tǒng)計分析得到驗證。在復合高斯分布模型中，其紋理分量決定了雜波的非高斯特性，其中K分布假定其服從Gamma分布而得到了廣泛的應用。然而，K分布模型存在以下兩個缺點：(1)其概率密度函數(shù)曲線在峰值后段不能與海雜波幅度的統(tǒng)計直方圖精確地吻合；(2)服從Gamma分布隨機序列的生成過程涉及非線性變換，不能保證其具有任意功率譜密度。在文獻[3]中，Ollila采用服從逆高斯分布的紋理分量建立了一種僅含形狀參數(shù)的復合高斯(IG-CG)分布模型，相對于K分布模型具有較好的擬合精度。但對于偏態(tài)系數(shù)較大的非高斯雜波，K分布模型更能準確地與實際雜波數(shù)據(jù)相吻合。因此，K分布模型和單參數(shù)的IG-CG分布模型都具有一定的局限性。

本文主要在以下兩方面進行了研究：(1)采用包含形狀參數(shù)和均值參數(shù)的逆高斯分布調制復高斯過程建立了一種雙參數(shù)IG-CG分布模型，并推導了其統(tǒng)計特性；(2)利用IPIX雷達雜波數(shù)據(jù)研究了雙參數(shù)IG-CG分布模型、單參數(shù)IG-CG分布模型和K分布模型在不同非高斯程度下的擬合效果，結果表明本文提出的雙參數(shù) IG-CG分布模型相對于其它兩種分布模型不僅具有更高的擬合精度而且具有更廣泛的適用范圍。

2 IG-CG分布海雜波模型

2.1 復合高斯分布模型

復合高斯分布模型是由復高斯隨機矢量與非負尺度隨機變量混合形成[3－5]，其表達形式為：

其中，X稱為散斑分量，服從復高斯分布，即X～CNn(0,S),S為復高斯隨機矢量的協(xié)方差矩陣；τ為紋理分量，假定其概率密度函數(shù)為fτ(τ)，其典型分布有Gamma分布，逆Gamma分布等[4]。

記Z=[z1z2… zn]T為n維復合高斯隨機矢量，即Z～ CGn(0,S,fτ(τ))，則其聯(lián)合概率密度分布函數(shù)為：

其中，Cn為歸一化常數(shù)。

由復合高斯分布模型可知，對任意隨機變量zi,i=1,2,…,n都對應于同一分布的紋理分量。假設，令R=，則R的概率密度函數(shù)為：

由式(5)得，海雜波幅度的概率密度函數(shù)為：

根據(jù)復合高斯分布模型，相關學者提出了Weibull分布，t分布，K分布等模型，其中K分布模型在海雜波建模過程中得到廣泛的應用[2,6]。在K分布模型中，其紋理分量服從 Gamma分布，即，則：

將式(3)，式(4)及式(7)代入式(6)，得K分布的概率密度函數(shù)為：

其中，Γ(·)為 Gamma函數(shù)；Kv(·)為第 2類修正Bessel函數(shù)；a為尺度參數(shù)，v為形狀參數(shù)。

2.2 IG-CG分布模型建立

由于復合高斯分布模型中的紋理分量決定了雜波的非高斯特性，而逆高斯分布相對于Gamma分布具有更好的“高尖峰，長拖尾”特征，因此本文采用服從逆高斯分布的紋理分量建立復合高斯分布模型，即 τ ～ IG(μ,λ)，其概率密度函數(shù)為：

其中，λ為形狀參數(shù)；μ為均值參數(shù)。

逆高斯分布描述的是布朗運動中粒子首次到達固定距離所需的時間，其具有以下性質：

性質1 若 X ～ IG(μ,λ)，則 kX ～IG(k μ,kλ)。

性質2 若 Xi～ IG(μ,λ)，則Xi～IG(n μ,n2λ)。

根據(jù)以上兩個性質可知，服從逆高斯分布的隨機序列經(jīng)線性變換后仍服從逆高斯分布。該特性使得在生成相關逆高斯分布序列時，只需利用線性濾波器即可使其具有任意功率譜密度函數(shù)，進而簡化了相關IG-CG分布序列的生成過程。

將式(9)代入式(3)可得：

由式(5)，式(6)，式(10)得到 IG-CG 分布的概率密度函數(shù)為：

由于式(11)中包含有積分項，因此利用貝塞爾函數(shù)對其進行整理后得到 IG-CG分布的概率密度函數(shù)為：

其中，K3/2(·)為第2類修正貝塞爾函數(shù)。

根據(jù)式(12)可得IG-CG分布的期望和方差分別為：

在雙參數(shù)IG-CG分布模型中，令μ=1，則可得到單參數(shù)IG-CG分布模型：

3 IG-CG分布海雜波模型的驗證分析

本文選用了400組McMaster大學的IPIX型雷達于1998年在Grimsby采集的海雜波數(shù)據(jù)，每組數(shù)據(jù)都為一復數(shù)向量(向量大小約為60000)，代表雷達在同一距離單元不同時刻得到的回波數(shù)據(jù)[7]。針對每組雜波數(shù)據(jù)，分別利用K分布模型、單參數(shù)IG-CG分布模型和雙參數(shù)IG-CG分布模型進行了擬合，其參數(shù)通過最小二乘法估計得到[8,9]。同時，利用殘差平方和(Residual Sum of Squares,RSS)衡量每個模型的擬合精度，其定義見式(16)。

其中，ys和分別為擬合模型和實際觀測數(shù)據(jù)在各點的取值。

在該文中給出了其中4組數(shù)據(jù)的擬合結果，其相關參數(shù)及RSS見表1，對應的擬合效果如圖1所示。

表1 仿真參數(shù)及擬合指標Tab.1 Parameters of models and RSS

圖1結果初步表明雙參數(shù)IG-CG分布模型始終能夠更加準確地與實測雜波數(shù)據(jù)的統(tǒng)計直方圖相吻合，而單參數(shù)IG-CG分布模型和K分布模型僅在一定的雜波特性下才具有較好的擬合效果。為了進一步研究以上3種模型在不同雜波特性下的擬合精度，本文采用峰態(tài)系數(shù)和偏態(tài)系數(shù)描述雜波數(shù)據(jù)的非高斯特性，其統(tǒng)計表達式見式(17)和式(18)。

其中，mn是n階樣本中心距，xi為第i個樣本值，為樣本平均值。

根據(jù)式(16)，式(17)可得到400組峰態(tài)系數(shù)和偏態(tài)系數(shù)，按其取值大小等間隔地分為40組，并對間隔內(nèi)數(shù)據(jù)對應的3種模型的RSS進行均值處理。圖2，圖3分別為3種模型的RSS與峰態(tài)系數(shù)和偏態(tài)系數(shù)的關系曲線。

圖2結果表明，相對于單參數(shù)IG-CG分布模型和K分布模型，雙參數(shù)IG-CG分布模型具有更小的RSS，其擬合效果最好。圖3結果表明，當偏態(tài)系數(shù)小于5.2時，單參數(shù)IG-CG分布模型較K分布模型具有較好的擬合效果；而當偏態(tài)系數(shù)大于 5.8時，K分布模型具有較高的擬合精度。然而，雙參數(shù) IG-CG分布模型在偏態(tài)系數(shù)范圍內(nèi)始終具有更高的擬合精度。因此，本文建立的雙參數(shù)IG-CG分布模型較其它兩種分布模型具有明顯的優(yōu)勢。

4 結束語

本文利用逆高斯分布建立了一種雙參數(shù)IG-CG分布模型，經(jīng)IPIX雷達雜波數(shù)據(jù)統(tǒng)計分析表明相對于單參數(shù)IG-CG分布模型和K分布模型，該模型對不同非高斯特性的雜波數(shù)據(jù)都能準確地與其統(tǒng)計直方圖相吻合。然而，針對IG-CG分布海雜波模型，仍有部分研究內(nèi)容需要開展，其中該模型的相關性研究對基于零記憶非線性變換法(ZMNL)的海雜波仿真實現(xiàn)有著重要的意義[10,11]。

[1]Skolnik M I.Radar Handboo-3Rd[M].New York: McGraw-Hill,2008: 720-752.

[2]Marier L J.Correlated K-distributed clutter generation for radar detection and track[J].IEEE Transactions on Aerospace and Electronic Systems,1995,31(2): 568-580.

[3]Ollila E,Tyler D E,Koivunen V,et al..Compound gaussian clutter modeling with an inverse gaussian texture distribution[J].IEEE Signal Processing Letters,2012,19(12):876-879.

[4]Raj R G and Bovik A C.The multilinear compound gaussian distribution[C].2012 IEEE International Conference on Acoustics,Speech and Signal Processing(ICASSP),Kyoto,Japan,2012: 3849-3852.

[5]Stinco P,Greco M,and Gini F.Adaptive detection in compound-gaussian clutter with inverse-gamma texture[C].2011 IEEE CIE International Conference on Radar,Chendu,China,2011: 434-437.

[6]王穎,毛二可,寒月秋,等.相關K分布雜波的建模與仿真[J].信號處理,1997,13(2): 141-146.Wang Ying,Mao Er-ke,Han Yue-qiu,et al..Modeling and simulation of correlated K-distributed clutter[J].Signal Processing,1997,13(2): 141-146.

[7]McMaster University. IPIX radar database[OL].http://soma.ece.mcmaster.ca/ipix/grimsby/index.html.1998.

[8]姜斌,和湘,任雙橋,等.廣義復合雜波模型參數(shù)估計方法[J].電路與系統(tǒng)學報,2009,14(1): 87-92.Jiang Bin,He Xiang,Ren Shuang-qiao,et al..Parameter estimation method for generalized compound clutter model[J].Journal of Circuits and Systems,2009,14(1): 87-92.

[9]任雙橋,劉永祥,黎湘,等.廣義K分布雜波模型參數(shù)估計[J].電子學報,2006,34(12): 2278-2281.Ren Shuang-qiao,Liu Yong-xiang,Li Xiang,et al..Parameters estimation for generalized K-distributed clutter model[J].Acta Electronica Sinica,2006，34(12): 2278-2281.

[10]Watts S.A new method for the simulation of coherent sea clutter[C].IEEE Radar Conference (RADAR),Kansas City,USA,2011: 052-057.

[11]陳金明.基于ZMNL的相關廣義K分布寬帶雷達雜波仿真[J].電子科技,2010,23(10): 72-75.Chen Jin-ming.Simulation of correlated generalized K-distribution wide band radar clutter based on ZMNL[J].Electronic Science & Technology,2010,23(10): 72-75.