各向同性二维复杂波建模.docVIP

各向同性二维复杂波建模 　　摘要：雷达散射环境的散射特性直接影响雷达对目标的检测、跟踪性能,杂波是雷达信号检测与处理的固有环境，雷达系统模拟中，最重要的工作就是建立描述及环境的数学模型。因此研究雷达杂波信号模拟算法对于雷达设备的研发和调试具有重要意义。本文利用Alpha稳定分布的分解定理，推导出用各向同性分布模型来模拟复的海杂波等雷达杂波模型的建立算法。利用该算法仿真产生了各向同性分布序列，并利用估计单变量Alpha稳定分布参数的算法检验在不同方向上投影分布的参数，验证了仿真序列各向同性的性质。 　　关键词：杂波；Alpha稳定分布；分布 ；二维；建模仿真 　　 1.引言 　　 在海面上应用雷达时，海洋具有毛细波，这些毛细波会将雷达信号分散。海洋重力波的波动特性会导致给定分布的信号的变化。雷达回波的瞬时值，可以由复合杂波模型来表示。关于杂波的建模，在文献[1]中提到了复杂波模型，并研究了用复Gauss-Markov随机信号来模拟杂波信号的统计特性和谱特性。文献[2]提出用相干K分布模型来模拟复的海杂波。 　　 各向同性分布具有表达式，其中和是联合分布。文献[3]即提出用各向同性分布来模拟海杂波，并通过将在一定的环境和条件下采集到的实际海杂波数据的同相分量用分布来建模，并估计出模型的值近似为1.75,通过绘制实际海杂波数据的同相分量的概率密度(PDF)曲线与近似为1.75的实分布模型的概率密度(PDF)曲线，发现二者具有很好的拟和性。本文即研究用各向同性分布模型来模拟海杂波的具体模型的建立过程。 　　2.Alpha稳定分布的分解 　　 一个Alpha稳定分布变量可以分解为两个Alpha稳定分布变量的乘积，如下述定理所示[4], 　　 令X,Y为两个独立的随机变量，，，其中，并且，则 　　 (1) 　　 其中 　　 (2) 　　 (3) 　　 (4) 　　 其中 　　 (5) 　　 若，，可得到(6) 　　 应用上述定理可以得到这个定理的一个特例，即对称稳定分布随机变量的分解，如下所述， 　　 对称稳定分布随机变量(即)可分解为正向斜稳定分布随机变量(即)与高斯随机变量的乘积，若,,则 　　 (7) 　　 (8) 　　 其中 　　 ＝，＝1，＝，＝0 (9) 　???3.复杂波模型 　　 利用2中的结论，用正向斜稳定分布序列调制实高斯序列可得到实对称稳定分布随机变量，那么用正向斜稳定分布序列调制复高斯序列，可得复的各向同性杂波序列的表达式如式(10)所示。 　　 (10) 　　 其中和为服从的相互独立的高斯序列。得到的杂波序列的两个正交分量和的联合分布是各向同性的，具有均匀的相位，以及不相关然而统计依赖的分量[5]。 　　 因此要产生各向同性杂波序列，首先要生成两个相互独立的高斯序列和正向斜稳定分布序列，再将它们复合即可。 　　 两相互独立的高斯随机变量可利用瑞利随机变量到高斯随机变量的映射来产生[6]。由于瑞利随机变量可由两个正交的高斯随机变量产生，可以推出，瑞利随机变量的正交投影可以产生一对高斯随机变量。因此，假设R是瑞利随机变量，在上均匀分布，则通过下两式可产生高斯随机变量和 　　(11) 　　 （12) 　　 瑞利随机变量R可由均匀随机变量U产生，如式(5-17)所示， 　　 (13) 　　 和都是均值为零，方差为的随机变量。根据它们是高斯变量且不相关，可以推出和为统计独立的。因此，一对独立的高斯随机变量可由一对(0,1)区间均匀分布的随机变量和通过如下算式产生 　　 (14) 　　 (15) 　　 接下来研究正向斜稳定分布序列的产生， 　　 根据稳定分布随机变量的产生方法, 可以推导出服从式(16) 　　 (16) 　　 所示分布的随机变量X的产生方法如下所示, 　　 V是区间上的均匀分布，W是均值为1的指数分布，且W和V相互独立，则具有特征指数的满足分布的随机变量的产生如下 　　 (17) 　　 其推导过程如下， 　　 由于 ，故 　　 (18) 　　 (19) 　　 得式(20) 　　 (20) 　　 服从式(21)所示的分布， 　　 (21) 　　 那么X与的关系如式(22)所示， 　　 (22) 　　 得X的生成式如式(23)所示， 　　 (23) 　　 令 (由于V是区间上的均匀分布，则是区间上的均匀分布) 可得X 的简化生成式(24)， 　　 (24) 　　4.各向同性的证明 　　产生的各向同性分布序列要证明其是各向同性的，该分布在不同方向的投影，则应为实的单变量分布，利用估计单变量Alpha稳定分布参数的算法检验在不同方向上投影分布的参数是否相同来验证各向同性。 　　 产生的各向同性的分布序