广义Pareto杂波的参数估计算法实现任务书

1．查阅与课题相关的文献资料，整理、总结国内外的研究成果和发展方向，系统了解课题研究背景和意义。

2．掌握海杂波幅度建模的物理机理和统计特性，熟悉推导参数估计的具体计算公式。

3．结合实测数据，分析和比较不同参数估计方法的精确度和适用范围。

4．熟练运用MATLAB软件，深入了解广义Pareto杂波的特性。调试程序，给出处理后结果，分析其处理结果。

5．结合分析结果撰写毕业设计。

1. 学习逆gamma分布的概念及计算方法。

2. 系统学习matlab软件工具的使用。

3. 使用逆gamma分布对海杂波纹理进行建模，理论推导获得广义Pareto分布模型，进而理解复合高斯模型的物理含义。

4. 推导广义Pareto分布下的分数阶估计和最大似然估计，获得具体的估计表达式。

5. 使用MATLAB进行编程，仿真产生服从广义Pareto分布的海杂波时间序列数据。

6. 基于MATLAB软件，获得实测数据的经验概率密度函数，并采用广义Pareto分布进行参数估计，验证参数估计方法的有效性。

[1] 孙明. 数字信号处理[M].北京：清华大学出版社，2018.

[2] 李芾. 基于实测海杂波数据的统计特性分析[D].上海：西安电子科技大学，2013.

[3] 张玉石, 许心瑜, 尹雅磊, et al. L波段小擦地角海杂波幅度统计特性研究[J]. 电子与信息学报, 2014, 36(5):1044-1048.

[4] 赵巨波, 万建伟, 王永杰, et al. 海面雷达杂波建模技术研究[J]. 现代防御技术, 2007, 35(3):86-89.

[5] 张玉石, 尹志盈. 雷达海杂波统计特性建模研究[J]．装备环境工程,2017.7,14(7):29-34.

[6] 丁昊, 李建忠, 安昕, et al. 实测海杂波数据的多普勒谱特性[J]. 雷达科学与技术, 2012, 10(4):400-408.

[7] 王信峰，李承耕.概率论与数理统计[M].清华大学出版社。 2016.

[8] Balleri A , Nehorai A , Wang J. Maximum likelihood estimation for compound-Gaussian clutter with inversegamma texture[J]. IEEE Transactions on Aerospace and Electronic Systems,2007, 43(2):775-779.

[9] Anastassopoulos, Lampropoulos GA, Drosopoulos A , et al. High resolution radar clutter statistics[J]. IEEETransactions on Aerospace and Electronic Systems, 2002, 35(1):43-60.

[10] Farina A, Gini F, Greco M V, etal. High resolution sea clutter data: statistical analysis of recorded livedata[J]. IEE Proceedings-Radar, Sonar and Navigation, 1997, 144(3):121-130.

[11] CarreteroMoya, GismeroMenoyo,BlancodelCampo, et al. Statistical analysis of a high-resolution sea-clutterdatabase[J]. IEEE Transactions on Geoscience Remote Sensing, 2010,48(4):2024-2037.

[12] Weinberg, G. V. AssessingPareto fit to high-resolution high-grazing-angle sea clutter[J]. ElectronicsLetters, 2011, 47(8):516-517.

[13] Sangston K J, Gini F, Greco MS. Coherent radar target detection in heavy-tailed compound-Gaussianclutter[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012,48(1):64-77.