由于低擦地角、高海况等易引起雷达海杂波序列的局部剧烈波动,传统的统计分布模型难以描述突然出现的具有冲激特性的强回波,因此,针对这一问题,将广义自回归条件异方差(Generalized Auto Regressive Conditional Heteroskedasticity,GAR...由于低擦地角、高海况等易引起雷达海杂波序列的局部剧烈波动,传统的统计分布模型难以描述突然出现的具有冲激特性的强回波,因此,针对这一问题,将广义自回归条件异方差(Generalized Auto Regressive Conditional Heteroskedasticity,GARCH)模型引入海杂波建模中,通过GARCH模型阶数步进搜索结合残差序列方差齐性检验,实现了海杂波数据的波动信息提取。经X波段雷达实测数据验证,所提出的波动信息提取方法,可以很好地提取实测海杂波数据在局部区域或时间段内的波动信息,为特征检测方法设计提供有效的特征支撑。展开更多
文摘由于低擦地角、高海况等易引起雷达海杂波序列的局部剧烈波动,传统的统计分布模型难以描述突然出现的具有冲激特性的强回波,因此,针对这一问题,将广义自回归条件异方差(Generalized Auto Regressive Conditional Heteroskedasticity,GARCH)模型引入海杂波建模中,通过GARCH模型阶数步进搜索结合残差序列方差齐性检验,实现了海杂波数据的波动信息提取。经X波段雷达实测数据验证,所提出的波动信息提取方法,可以很好地提取实测海杂波数据在局部区域或时间段内的波动信息,为特征检测方法设计提供有效的特征支撑。
