ESTIMATION DES PARAMÈTRES D'UN CLUTTER GAUSSIEN COMPOSÉ AVEC TEXTURE DISTRIBUÉE PAR LA LIGNE DE NAKAGAMI
DOI :
https://doi.org/10.59277/RRST-EE.2026.2.17Mots-clés :
Estimation des paramètres, Modélisation du bruit de fond, Bruit de mer, Bruit de fond gaussien composé avec distribution de Nakagami (CGNG)Résumé
Cet article traite de l'estimation des paramètres du bruit de fond gaussien composé à texture de Nakagami (CGNG). La distribution CGNG a récemment été introduite pour modéliser le bruit de fond marin à haute résolution. Deux estimateurs sont proposés : l'estimateur de moments d'ordre fractionnaire (FOME) et l'estimateur de moments d'ordre fractionnaire négatif (FNOME). Les performances d'estimation des estimateurs proposés sont évaluées et comparées à celles des méthodes de moments d'ordre supérieur existantes (HOME) et de l'estimateur [zlog(z)]. À l'aide de données simulées et réelles, la précision de l'estimation et les performances de modélisation sont évaluées à l'aide du test du χ² et de l'erreur quadratique moyenne (EQM).
Références
(1) J. Ai, X. Yang, J. Song, Z. Dong, L. Jia, F. Zhou, An adaptively truncated clutter-statistics-based two-parameter CFAR detector in SAR imagery, IEEE Journal of Oceanic Engineering, 43, 1, pp. 267–279 (2017).
(2) F.D.A. García, A.C.F. Rodriguez, G. Fraidenraich, J.C.S. Santos Filho, CA-CFAR detection performance in homogeneous Weibull clutter, IEEE Geoscience and Remote Sensing Letters, 16, 6, pp. 887–891 (2018).
(3) I. Chalabi, Application of CFAR detection to multiple pulses for gamma distributed clutter, Remote Sensing Letters, 13, 10, pp. 1011–1019 (2022).
(4) L. Asalomia, G. Samoilescu, M. Mihăilescu, Un système avancé basé sur l’IA pour la surveillance intelligente des alarmes de pont sur les navires maritimes, Rev. Roum. Sci. Techn. – Électrotechn. et Énerg., 70, 2, pp. 223–228 (2024).
(5) A. Ballard, Detection of radar signals in log-normal sea clutter, TRW Systems Document, 7425, 8509-T0, pp. 1–10 (1966).
(6) D.C. Schleher, Radar detection in Weibull clutter, IEEE Transactions on Aerospace and Electronic Systems, 6, pp. 736–743 (1976).
(7) E. Jakeman, P. Pusey, A model for non-Rayleigh sea echo, IEEE Transactions on Antennas and Propagation, 24, 6, pp. 806–814 (1976).
(8) J. Carretero-Moya, J. Gismero-Menoyo, Á. Blanco-del-Campo, A. Asensio-Lopez, Statistical analysis of a high-resolution sea-clutter database, IEEE Transactions on Geoscience and Remote Sensing, 48, 4, pp. 2024–2037 (2009).
(9) G.V. Weinberg, Assessing Pareto fit to high-resolution high-grazing-angle sea clutter, Electronics Letters, 47, 8, pp. 516–517 (2011).
(10) A. Mezache, F. Soltani, M. Sahed, I. Chalabi, Model for non-Rayleigh clutter amplitudes using compound inverse Gaussian distribution: An experimental analysis, IEEE Transactions on Aerospace and Electronic Systems, 51, 1, pp. 142–153 (2015).
(11) I. Chalabi, High-resolution sea clutter modeling using compound inverted exponentiated Rayleigh distribution, Remote Sensing Letters, 14, 5, pp. 433–441 (2023).
(12) G. Yang, X. Zhang, P. Zou, P. Shui, Compound-Gaussian model with Nakagami-distributed textures for high-resolution sea clutter at medium high grazing angles, Remote Sensing, 16, 1, pp. 1–10 (2024).
(13) F. Gini, M. Greco, M. Diani, L. Verrazzani, Performance analysis of two adaptive radar detectors against non-Gaussian real sea clutter data, IEEE Transactions on Aerospace and Electronic Systems, 36, 4, pp. 1429–1439 (2000).
(14) M. Greco, B. Federica, F. Gini, X-band sea-clutter nonstationarity: Influence of long waves, IEEE Journal of Oceanic Engineering, 29, 2, pp. 269–283 (2004).
(15) I.R. Joughin, D.B. Percival, D.P. Winebrenner, Maximum likelihood estimation of K distribution parameters for SAR data, IEEE Transactions on Geoscience and Remote Sensing, 31, 5, pp. 989–999 (1993).
(16) D.R. Iskander, A.M. Zoubir, Estimation of the parameters of the K-distribution using higher order and fractional moments, IEEE Transactions on Aerospace and Electronic Systems, 35, 4, pp. 1453–1457 (1999).
(17) D. Blacknell, R.J.A. Tough, Parameter estimation for the K-distribution based on [z log (z)], IEE Proceedings – Radar, Sonar and Navigation, 148, 6, pp. 309–312 (2001).
(18) I. Chalabi, A. Mezache, Estimating the K-distribution parameters based on fractional negative moments, IEEE 12th International Multi-Conference on Systems, Signals & Devices (SSD15), Tunisia, pp. 1–6 (2015).
(19) I. Chalabi, A. Mezache, Estimators of compound Gaussian clutter with log-normal texture, Remote Sensing Letters, 10, 7, pp. 709–716 (2019).
(20) M. Greco, F. Gini, M. Rangaswamy, Statistical analysis of measured polarimetric clutter data at different range resolutions, IEEE Proceedings – Radar, Sonar and Navigation, 153, 6, pp. 473–481 (2006).
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright REVUE ROUMAINE DES SCIENCES TECHNIQUES — SÉRIE ÉLECTROTECHNIQUE ET ÉNERGÉTIQUE 2026
Ce travail est disponible sous licence Creative Commons Attribution - Pas d'Utilisation Commerciale - Pas de Modification 4.0 International.
