海杂波幅度分布特性认知

• 第一次接触雷达恒虚警目标检测这个领域，学习的大多都是处理参数事先给定的CFAR。但是CFAR面临的更多的是复杂多变的杂波和干扰背景，有些参数应该根据实际情况进行自适应估计，比如说删除干扰目标数和边缘杂波的位置等，这种CFAR就被称为自适应类CFAR。
• 又因为许多实际的检测问题中，杂波和干扰的包络概率密度函数可能不服从瑞利分布。所以又有了另一类CFAR。
  总之，从统计学角度研究海杂波幅度分布特性无论在过去还是当前都属于海杂波特性认知研究中的重点关注对象，其所涵盖的研究内容主要涉及实测海杂波经验分布特性及其随雷达参数和环境参数的变化规律、幅度分布建模与参数估计、以及特定场景和雷达参数条件下的海杂波仿真问题。通过海杂波幅度分布特性认知所建立的幅度分布模型对目标检测算法的优化设计、恒虚警(CFAR)检测器中检测阈值的选取等问题具有重要的理论指导意义。

在部分考虑或不考虑海表面散射机理的情况下，结合实测海杂波的时域起伏和经验分布特性(如动态范围、偏斜程度、拖尾程度等)，建立了一系列统计模型，包括幅度分布模型(又称为单点统计模型或1阶统计模型)和多维联合概率分布模型。其中，前者描述了单个距离单元内海杂波包络的统计起伏规律，而后者描述的是包络检波前一个相干处理间隔(CPI)内海杂波复矢量的联合分布特性，它在前者的基础上考虑了海杂波在不同脉冲之间的时间相关性，在模型中通过协方差矩阵实现对该相关性的定量描述。

具体见雷达学报https://radars.ac.cn//cn/article/pdf/preview/10.12000/JR16069.pdf

两大重要的前提条件包括杂波模型和背景杂波环境这两者会对CFAR算法的产生重要影响，是学界的研究重点。

1. 杂波模型
   在已知杂波服从瑞利分布的情况下，可以对杂波数据进行平方率检波，将瑞利分布的杂波转变为服从指数分布的杂波，从而简化后续计算处理，例如大部分的恒虚警检测算法的理论分析推导都是以杂波服从指数分布为背景进行的。

就目前来看，单参数分布模型已经不再适用于描述现在的高分辨率雷达得到的杂波数据，更多使用多参分布模型用于描述强杂波（如海杂波等）下的回波和高分辨率雷达扫描回波数据等。多参分布模型的典型代表有对数正态、韦布尔等分布模型。

2. 背景杂波环境

均匀环境
多目标环境
杂波边缘环境

3.目标模型
Swerling I 型与Swerling II 型目标服从指数分布，SwerlingI型目标用于描述目标回波慢起伏且具有一定相关性的情况，SwerlingII型目标用于描述目标回波快起伏但互相独立的情况。Swerling III 型与 Swerling IV 型目标服从卡方分布，Swerling III 型目标用于描述目标回波慢起伏且具有一定相关性的情况，SwerlingIV型目标用于描述目标回波快起伏但互相独立的情况。

• 进度：
  阅读完对数正态背景下的 log-t检测器，实现完全CFAR特性的证明。
  已阅读完威布尔背景下的 log-t检测器，没有进行证明。