非瑞利雷达的建模与仿真外文翻译.doc

非瑞利雷达的建模与仿真 绪论 摘要：作为从雷达环境当中得到的不良回波(杂波)往往不是瑞利分布的，具体的杂波作为一个非高斯随机过程,在对计算机生成的杂波进行模拟过程中，就会产生问题。本论文显示，将这些杂波进行模拟化处理，作为一种复合高斯或球不变随机过程，就可以让一个规格完整的杂波在雷达中使用。它也可以快速的导入到计算机模拟程序当中去，生成杂波具体程序或所分配的与之特性相关的K型或韦布尔分布振幅会予以暗示指出，并通过统计检验得到了验证。那么考虑到韦伯分布与K分布之间的问题的解决，与实证部分特征的假说相关的测试就要进行计算。 1. 简介 我们认为，不好的数学建模归咎与雷达环境(杂波)。 一个精确的模型的值是双重的：在分析阶段，它允许雷达处理器进行工作，可以进行预报；在设计阶段，允许优化，或者至少最佳接收机可以合成完成。在需要用计算机进行模拟的情况下，这种方法是可取的，这种杂波模式符合特定模式，很容易产生算法程序。杂波建模所涉及的随机过程的第一步，按照联合分布的法则，转变成一组内部分布一致的有限维随机向量。这种高层次的联合分布优化设计了雷达处理器，例如： 聂曼皮尔逊探测器。 此外，为了使模型具有现实性，一些外部一致性条件必须得到满足，以确保通过给出的模型计算得到的期望值与那些实验所得的数据相符合。 具体来说，我们心目当中所希望得到的包括振幅分布和相关的一些功能。 关于杂波的振幅分布，最常假设为瑞利分布。它暗示了所收到的回波的正交分量被联合高斯化处理的过程： 通常的解释是，源自于大量叠加的杂波相当于同类的初等散射，彼此之间相互独立，从计算结果的过程来看高斯化是应用了中心极限定理的结果。 在这种情况下，经验分布比瑞利分布(海杂波)所预期得到的会呈现出较高的尾巴和较大的标准差均值比率，因此，一个单一的振幅概率密度函数(联合)不能容纳所有的不同情况。 相比之下，我们必须考虑一个家族振幅分布， 并且我们要求它将瑞利分布作为一个成员包括在内。 这一规定排除了对正态分布进行的进一步的研究，虽然在一些实验当中得到了一些合适的数据， 但并不包括雷伊射线分布。 相反，包括韦伯分布和K分布， 以减少瑞利分布特别值参数; 除此之外， 这两种分布已进行了实验数据的验证。 本论文介绍了相干模型的杂波， 即在其中的每一个幅值的杂波被指定作为一个复杂的随机过程， 它显示了联合统计特性任意阶的正交分量。 这种模式必须遵守与振幅分布相关的限制条款和相关功能。 我们采用了复合类型的杂波， 即我们假设收到的杂波回波产品是一个迅速变化的复合高斯过程，和一个独立的慢慢变化的调制过程; 按照这种方法， 整个过程的相关特性都取决于这些高斯分量。 复合模式早已经成为很多文献的写作对象。 它基于理论的论点， 以PDF格式的动力分散型为蓝本，作为一个伽玛变量与随机参数， 但是它并没有注意到接收到的杂波回波的相关特性。参考一个瑞利快变和一个发散的慢慢变化过程的产品， 即复合类型的K分布杂波，见参考资料3和5。 自从第一实验结果在参考3中出现后，海波杂波模型的有效性就得到了一套完整的数据的支持， 考虑到对于不同的几何和电磁因素对杂波统计得影响， 如K分布和相关特性的两个组成部分的形状参数，内容摘要被总结在参考7当中。在参考10 当中可以了解到慢慢变化的组分的交互作用物产。紧随其后， 对bidimensional 案件的引申在参考11 和12中可以涉及得到， 并且在参考13当中能找到为这样的慢慢变化的组分而提出的模拟算法。慢慢变化的组分的交互作用物产被学习在参考10 。本文提出一种较为普遍的复合模型， 从某种意义上说，原则上它允许进行更广泛一类角位置数字转换 ， 虽然样例指的是韦伯和K分布， 因为这些是角位置数字杂波所收到的最引人注目的部分。 我们很少注意对于相关性质成分的调制， 因为它是整体相关的复合过程，在确定系统性能的实际应用当中，我们预测与分析雷达处理器对于非高斯杂波的工作性能。 事实上，在参考6上已经显示出了相干空间的杂波， 这也反映在相关的慢变分量中，我们也可以考虑预测目的，适度调整对应于收到的杂波的形状参数。 作为其他用途，例如： 观察雷达照射的连贯表面的空间特性。它包含这些特征信息的慢慢变化的构件。 因此，需要不同的做法， 其中慢变分量主要集中在造型和加工， 而快变分量则集中在散斑。 从这个意义上讲，我们的工作是相辅相成的，完成的工作见于参考10和13中。 2杂波模型 2.1陈述问题 在特殊情况c = 2时，瑞利联合是威尔布家族分布的一个成员，在极限情况v=78.05的情况下其属于K分布家族中的一员。在特殊情况下，用经典的方法可以解决具体化过程，因为作为正交分量的联合高斯过程， 联合网路的任何命令仅依赖于相关的功能。高斯过程的另一个优势是，与仿真任务相关的线性变换下的封闭性质