对称稳定分布的对数累积量参数估计

基于第二类统计量,提出了估计对称稳定分布参数的有效方法。对累积分布函数求导数,获得对称稳定分布的绝对值的概率密度函数;对对称稳定分布的绝对值进行Mellin变换,推导出对称稳定分布的绝对值的第二类第一特征函数。由第二类第一特征函数推导出对称稳定分布的绝对值的前两阶对数累积量,可以估计对称稳定分布的参数。对数累积量估计拥有简洁的估计式,便于实现。参数估计实验结果表明,和传统的估计方法相比,该方法具有较高的估计性能,是对称稳定分布的高效参数估计方法。

基于矩阵对数累积量的极化合成孔径雷达数据去噪方法

噪声抑制是极化合成孔径雷达(PolSAR)数据处理中的重要步骤,首次将矩阵的对数累积量应用于PolSAR去噪当中,由数据点的子视数据集计算滤波系数并结合非局部方法的思想实现了PolSAR的斑点噪声抑制。所用方法基于非局部策略选取同质区域,然后利用相干矩阵对数累积量计算得到的滤波系数进行加权滤波。该方法的优点在于同质区域选取和滤波系数的计算均是针对相干矩阵进行的,相对于仅使用主对角线上的元素或SPAN图像,其对极化数据的处理更具合理性。与其他PolSAR去噪算法的对比实验结果表明,该方法在有效平滑同质区域的同时,能够更好地保留地物结构、细节以及纹理信息,并能更好地保持数据的极化相关性。

基于子矩阵对数累积量的极化合成孔径雷达图像等效视图数估计新方法

等效视图数是极化合成孔径雷达图像信息处理过程中的关键参数之一.首先提出了基于子矩阵对数累积量的极化合成孔径雷达图像等效视图数估计的最大似然估计方法及其子矩阵联合最大似然估计方法.所提估计方法是基于表征多视极化雷达图像数据的协方差矩阵及其子矩阵的对数累积量建立,打破了原有方法只能应用于图像数据符合高斯相干斑模型而不能应用于图像数据符合多变量乘积相干斑模型的限制,拓展了等效视图数估计方法的适用范围.然后给出了不同阶子矩阵对数累积量估计方法对估计精度的影响,并与已有方法和Cramér-Rao限进行了对比,给出了最佳的最大似然估计方案,同时针对估计方法对样本数目的依赖,给出了对数累积量估计的修正算法.最后对提出的估计方法进行了理论仿真和实测数据验证,结果表明了等效视图数估计新方法的正确性和有效性,特别适用于相干斑的乘积数据模型,提高了极化合成孔径雷达图像模型参数估计的快速性和准确性.

基于对数累积量的重尾分布脉冲干扰参数估计及性能分析

在无线通信网络中存在用对称α稳定分布来建模的脉冲重尾干扰.而在信号检测、信道译码、无线网络中断概率及误码率分析等应用场景,需要预先知道干扰的概率密度函数.本文利用重尾干扰复信号包络的对数累积量,给出了特征指数和分散系数的估计算法,并具体推导出了参数估计变量的概率分布,该分布可用于定量分析估计的可靠性.除此之外,在实际系统中,接收端不仅有复对称α稳定分布描述的重尾脉冲干扰,还包括与之相互独立的复Gauss噪声,称之为双变量混合噪声.本文提出了用单变量的复对称α稳定分布模型来近似双变量混合噪声的方法.通过仿真和数值计算,验证了这种近似是合理的.再者,在此基础上,本文给出了混合噪声参数与几何功率信噪比之间的关系.因此,在合理的近似下,对数累积量的估计算法及性能分析在双变量混合噪声下仍然有效.

基于第二类统计量的K分布参数估计

为了高效估计出K分布的参数,提出了对数累积量参数估计方法。基于第二类统计量,先对K分布的概率密度函数进行Mellin变换,从而获得K分布的第二类第一特征函数;然后对第二类第一特征函数进行对数变换,由此获得K分布的第二类第二特征函数;最后对第二类第二特征函数求导数,进而获得K分布的前两阶对数累积量,由此可以估计K分布的参数。与传统的最大似然估计方法相比,K分布的对数累积量估计具有解析的表达式,易于计算。Monte Carlo仿真表明,基于第二类统计量的K分布对数累积量估计可获得较高的估计精度。

SAR图像RCS模型的对数—正态分布参数估计

为了从观察图像中估计出合成孔径雷达(SAR)图像的雷达横截面积(RCS)模型的对数—正态分布的参数,提出了强度图像和幅值图像的参数估计方法。推导出斑点的前两阶对数累积量和对数—正态分布的前两阶对数累积量;基于第二类统计量和斑点的乘性模型,获得RCS模型的对数—正态分布的参数估计式。所提方法具有解析的表达式,易于实现。Monte Carlo仿真和SAR图像的参数估计实验表明,所提方法可以有效地从观察图像中估计出RCS模型的对数—正态分布的参数。

基于SISE方程的广义gamma分布参数估计方法

广义gamma分布(GΓD)是近年来用于SAR图像统计建模重要分布之一,参数估计是制约其应用的核心问题。该文提出了一种新的*GΓD参数估计方法。首先分析了*GΓD的对数累积量参数估计方法(Mehtod-of-Log-Culmulants,MoLC)的不足,接着推导了基于SISE(Scale-Independent-Shape-Estimation)方程的*GΓD参数估计表达式,并给出了具体的求解方法。最后,利用蒙特卡洛仿真的实验结果表明,该文方法稳定性和有效性优于MoLC。

Wishart分布矩阵行列式值的统计特性及其在参数估计中的应用

极化协方差矩阵行列式值表征了Pol-SAR图像目标散射极化散布程度,它在参数估计中表现出突出的优势,研究行列式值的物理内涵及其统计特性对揭示行列式值的优势的本质有着重要的理论价值.在此背景下,将表征目标散射极化散布程度的标准行列式值与表征目标散射随机性的极化熵、极化散度进行了比较,给出了它们与平面极化度和方向极化度的数学关系,指出他们在描述目标散射随机特性方面具有部分一致性,存在差异的本质在于三个随机性描述参数对极化方向随机度和平面极化度的加权方法的不同.然后研究了极化协方差矩阵行列式值的统计分布特性,给出了极化协方差矩阵行列式值的概率密度函数,指出在视图数和样本数足够的情况下,其行列式值的测量均值是渐进无偏估计.针对样本数较少时等效视图数参数估计误差较大的问题提出了最大似然修正算法,提高了小样本数目时的等效视图数参数估计精度.最后用仿真数据对理论推导进行了验证,结果表明了理论结果的正确性.极化协方差矩阵行列式值的统计特性和目标散射随机性参数的研究为目标极化散射随机特性、参数估计和目标检测等的研究提供了新思路.

一种PolSAR图像统计模型辨识新方法

多变量乘积模型在极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)图像建模领域中应用广泛,其纹理分量统计模型的选择直接影响到拟合的准确性.针对多变量乘积模型纹理分量分布的选择问题,提出了一种基于矩阵对数累积量(Matrix Log-Cumulant,MLC)的PolSAR图像统计模型无监督辨识方法.该方法首先将二阶和三阶MLC平面进行着色,然后将PolSAR数据投射到该平面上,根据像素点所在区域的颜色来辨识其对应的统计分布模型.新方法的优点是对全图中各区域的统计模型有简洁、宏观的辨识结果,能为后续的分类识别和目标检测等图像解译手段提供重要支撑.最后,用仿真数据和实测数据对该方法进行了分析.实验结果表明,该方法能实现对图像中不同区域分布模型的有效辨识.

采用梅林变换的帕累托分布参数估计方法

传统的海杂波帕累托分布模型参数估计方法存在估计范围受限,计算复杂,受脉冲积累个数限制等问题.针对上述问题,提出一种新的形状参数估计方法.首先对海杂波帕累托分布模型的概率密度函数进行梅林变换;然后分别计算了不同脉冲积累个数时帕累托分布的第二类特征函数,详细推导了帕累托分布的前两阶对数累积量;最后通过蒙特卡罗仿真实验将所提方法与现有方法的性能进行了对比.结果表明,所提出的方法与最大似然估计法相比具有更为简洁的解析表达式,与传统矩估计法相比,可以估计所有定义域内的形状参数,且不受脉冲积累个数限制.大量仿真实验证明,所提方法可将传统方法的相对偏差降低至少90%.

高分三号SAR精准海陆分割的混合策略方法

高分三号(GF-3)是我国第一颗多极化雷达卫星,主要用于海洋遥感和海面监测,其中海陆分割是重要的预处理步骤.文章针对GF-3多极化合成孔径雷达(synthetic aperture radar,SAR)的精准海陆分割,提出了创新的混合策略方法,可提高分割性能对于相干斑噪声、风浪、成像等因素的稳健性.针对不同的极化通道采取三种不同的策略:1)对数混合高斯模型,用于确定海陆比,将纯陆地和纯海洋图像与海陆图像区分开,同时根据混合模型参数对海陆图像进行精细聚类;2)大津法,通过分别在对数域和复数域实现类间方差最大化,产生基于灰度信息的海陆掩膜;3)对数累积量,分析纹理信息,通过对数二阶矩与对数三阶矩之间的联系判断海陆大致分布,用作对投票机制产生的海陆掩膜进行验证与再分割,增强海陆分割精确性.针对大量GF-3数据进行实验,结果均达到理想效果,具备实际应用价值.

一种基于KummerU分布的SAR图像统计建模方法

提出一种基于KummerU分布的SAR图像统计建模方法。首先在SAR图像乘积模型框架下,假设SAR图像的相干斑和雷达截面积分量分别服从Gamma分布和Fisher分布,导出了SAR图像的KummerU分布。接着,基于Mellin变换得到了KummerU分布的对数累积量参数估计方法。最后,利用KummerU分布对TerraSAR-X和AIRSAR系统获取的不同场景的SAR图像数据进行统计建模。定性和定量分析的实验结果表明,与经典SAR图像分布模型相比,KummerU分布具有更优的SAR图像统计建模能力。

基于拖尾分布的高分辨率合成孔径雷达图像建模

基于中心极限定理的合成孔径雷达(SAR)图像统计分布不能反映高分辨率SAR图像尖峰和厚尾的统计特征.文中使用广义中心极限定理,由雷达回波的实部和虚部的对称稳定分布,得到SAR图像的拖尾分布(幅值图像的拖尾Rayleigh分布以及强度图像的拖尾指数分布),并以拖尾Rayleigh分布为例,讨论了拖尾分布的代数拖尾特征以及尖峰厚尾的统计特性.为了实现拖尾分布对高分辨率SAR图像的精确建模,基于第二类统计量,提出了对数累积量的参数估计方法,从而高效估计出拖尾分布的参数.真实SAR图像的建模实例表明,基于广义中心极限定理的拖尾分布可以精确描述高分辨率SAR图像的尖峰和厚尾的统计特征.

POLSAR图像杂波L分布建模及其参数估计

基于乘积模型的杂波统计建模是进行高分辨极化合成孔径雷达(POLSAR)图像非均匀区域杂波统计特性分析的有效方法,其核心在于纹理分量随机分布的类型选择.广义伽马分布(GΓD)是一种普适性很强的分布类型,Weibull分布、伽马分布、逆伽马分布等都是GΓD分布的特例,因此基于GΓD分布的图像乘性杂波建模既满足杂波建模的高精度要求,同时成为各种雷达杂波辨识的有效工具.本文首先推导了服从GΓD分布的随机变量的高阶矩特征及其对数累积量(MLC),利用纹理分量服从GΓD分布情形构建了乘积相干斑模型,得到了适用于POLSAR图像处理的L分布杂波多视处理的协方差矩阵的概率分布函数,同时推导了其高阶矩特征及其对数累积量,提出了基于对数累积量的L分布参数估计新方法.针对样本数较少的情况下对数累积量参数估计失效问题提出了基于混合矩(MME)的参数估计方法来解决.然后给出了不同分布的高阶矩和对数累积量,通过二三阶对数累积量关系图辨析了常用分布与L分布的内在关系,得到了L分布是目前乘积模型中适用范围较为广泛的统计分布的结论.最后用仿真数据验证了理论推导的正确性,并将基于对数累积量的参数估计方法与已有方法进行了比较,结果证明新参数估计方法具有更高的估计精度和运算效率;另外,还用实测数据进行了统计模型检验,其结果验证了理论推导的正确性.极化SAR中多视图像L分布杂波的统计建模及其参数估计方法为极化SAR目标检测和识别等领域的新技术研究提供了新手段.