CN106199537A - 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法 - Google Patents

Abstract

本发明公开了一种基于逆高斯纹理海杂波幅度分布参数的分位点估计方法，主要解决现有技术估计精度不稳定的问题。实现步骤为：1)计算基于逆高斯纹理海杂波幅度分布的概率密度函数，并计算该分布的累积分布函数；2)选取样本中两个累计概率，并根据分位点定义得到两个分位点；3)利用MATLAB软件，计算形状参数取不同值时两个分位点的比值，生成形状参数对照表；4)将杂波幅度数据排序，求出两个分位点的估计值；5)计算分位点的估值之比，对照形状参数对照表，得到形状参数的估计值，进而得到尺度参数的估计值。本发明减小了异常散射单元对样本的干扰，提高了参数估计性能，可用于海杂波背景下的目标检测。

Description

基于逆高斯纹理海杂波幅度分布参数的分位点估计方法

技术领域

本发明属于信息处理技术领域，具体涉及一种对海杂波幅度分布参数的估计方法，可用于海杂波背景下的目标检测。

背景技术

海杂波是在雷达探测过程中，客观存在的对海面目标检测产生干扰的电磁回波。由于海杂波受气候条件、海面环境等多种因素影响，海杂波背景下的雷达目标检测变的更为复杂。因此，海杂波模型的建立及其相应参数的确定在目标检测中具有很重要的意义。在过去的研究中，人们利用中心极限定理将杂波数据描述成高斯模型。但随着雷达分辨率的提高，海尖峰导致杂波幅度分布的拖尾现象加剧，高斯分布不再能较好的拟合杂波模型。对此，相比于纹理分量为gamma分布及逆gamma分布的经典复合高斯杂波模型，近几年相关科研人员提出的基于逆高斯纹理的海杂波幅度分布可以更好的描述杂波的拖尾特性。基于该分布在实际检测中的有效性，以该分布为工作背景的自适应目标检测器的研究也取得了较好的进展。文献“Adaptive Signal Detection in Compound-Gaussian Clutter withInverse Gaussian Texture”中提出了适用于基于逆高斯纹理的海杂波幅度分布的自适应信号检测方法。检测器的结构是依靠杂波幅度分布中的形状参数及尺度参数实现的，因此改善分布中参数的估计方法对目标检测具有很重要的意义。

对杂波幅度分布中相应参数的估计通常由矩估计实现，针对基于逆高斯纹理海杂波幅度分布，目前已实现了利用杂波幅度分布的二阶矩及四阶矩进行双参数的矩估计。但该矩估计方法存在对实测数据中异常点过于敏感的瑕疵，特别是对于幅度四阶矩的利用，使其在对存在野点的杂波数据进行估计时产生较大误差。在实际杂波数据的采集中，常常会出现由海况、岛礁等因素产生的功率很大的异常散射单元，使矩估计方法的精度大大降低，影响海面目标检测的实现。

发明内容

本发明的目的在于提出一种基于逆高斯纹理海杂波幅度分布参数的分位点估计方法，用以改善在实测杂波数据存在异常点的情况下，对基于逆高斯纹理海杂波幅度分布形状参数和尺度参数的估计准确性，较好地实现目标检测。

为实现上述技术目的，本发明的技术方案包括如下步骤：

(1)计算基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)：

$f\left(r,\mathrm{\μ},\mathrm{\η}\right)=\frac{2{\mathrm{\ηe}}^{1/\mathrm{\η}}r}{\mathrm{\μ}}{\left(1+\frac{2{\mathrm{\ηr}}^2}{\mathrm{\μ}}\right)}^{-3/2}\left(1+\frac{1}{\mathrm{\η}}\sqrt{1+\frac{2{\mathrm{\ηr}}^2}{\mathrm{\μ}}}\right)\exp \left(-\frac{1}{\mathrm{\η}}\sqrt{1+\frac{2{\mathrm{\ηr}}^2}{\mathrm{\μ}}}\right),$

其中，r表示海杂波幅度，μ表示基于逆高斯纹理海杂波幅度分布的尺度参数，η表示基于逆高斯纹理海杂波幅度分布的形状参数；

(2)利用基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)，得到该分布的累积分布函数F(r,μ,η)：

$F(r,\mathrm{\μ},\mathrm{\η})=1-e^{1/\mathrm{\η}}{(1+\frac{2{\mathrm{\ηr}}^2}{\mathrm{\μ}})}^{-1/2}\exp (-\frac{1}{\mathrm{\η}}\sqrt{1+\frac{2{\mathrm{\ηr}}^2}{\mathrm{\μ}}});$

(3)选取样本中两个累计概率α₁和α₂，且0<α₁<1,0<α₂<1，根据其相应分位点和分位点分别满足：得出样本中两个分位点和的比值：

$\frac{r_{{\mathrm{\&alpha;}}_2}}{r_{{\mathrm{\&alpha;}}_1}}=\frac{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_2)}\right)-1}}{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_1)}\right)-1}},$

其中，W(·)表示Lambert W函数；

(4)利用MATLAB软件，计算基于逆高斯纹理海杂波幅度分布的形状参数η取不同值时，样本中两个分位点和的比值，生成形状参数对照表；

(5)雷达发射机发射脉冲信号，雷达接收机接收经过海面散射形成的回波数据，并利用MATLAB软件产生样本数为N的基于逆高斯纹理海杂波幅度分布的回波数据，得到杂波幅度序列r₁,r₂,…,r_i,…,r_N，其中N为杂波的样本数，并对该序列按杂波幅度大小进行升序排列，得到递增杂波幅度序列z₁,z₂,…,z_i,…,z_N，利用递增杂波幅度序列求出这两个分位点和的估计值：

当i＝Nα₁时，z_i为分位点的估计值，用表示；

当i＝Nα₂时，z_i为分位点的估计值，用表示；

(6)利用样本中两个分位点的估计值和根据形状参数对照表得到基于逆高斯纹理海杂波幅度分布的形状参数η的估计值

(7)根据基于逆高斯纹理海杂波幅度分布的形状参数η的估计值计算基于逆高斯纹理海杂波幅度分布的尺度参数μ的估计值

$\widehat{\mathrm{\&mu;}}=\frac{2\widehat{\mathrm{\&eta;}}{\hat{r}}_{{\mathrm{\&alpha;}}_1}^2}{{\widehat{\mathrm{\&eta;}}}^2{W}^2(e^{1/\widehat{\mathrm{\&eta;}}}/(\widehat{\mathrm{\&eta;}}\left(1-{\mathrm{\&alpha;}}_1\right)\left)\right)-1},$

其中，W(y)表示关于y的Lambert W函数，式中

本发明利用样本中两个分位点实现基于逆高斯纹理海杂波幅度分布参数的估计，相比于现有方法中利用杂波幅度的二阶矩和四阶矩实现的参数的估计，在实测样本中存在功率较大的异常散射单元时，能大幅度减小该因素对估计精度的影响，提高估计结果的稳健性，极大地改善目标检测效果。

附图说明

图1为本发明的实现流程图；

图2为累计概率α₂取不同值情况下，利用本发明得到的基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差结果图；

图3为利用本发明和现有矩估计方法得到的基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差结果图；

图4为利用本发明和现有矩估计方法得到的基于逆高斯纹理海杂波幅度分布的尺度参数估计值与尺度参数真实值的均方根误差结果图。

具体实施方式

下面结合附图对本发明作进一步说明。

参照图1，本发明的实现步骤如下：

步骤1，计算基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)。

(1.1)计算海杂波的纹理分量τ的概率密度函数p_μ,η(τ)：

$p_{\mathrm{\&mu;},\mathrm{\&eta;}}\left(\mathrm{\&tau;}\right)=\sqrt{\frac{\mathrm{\&mu;}}{2{\mathrm{\&pi;\&eta;\&tau;}}^3}}\exp (-\frac{\mathrm{\&mu;}\mathrm{\&tau;}}{2\mathrm{\&eta;}}{\left(\frac{1}{\mathrm{\&mu;}}-\frac{1}{\mathrm{\&tau;}}\right)}^2),\mathrm{\&tau;}>0,---<1>$

其中，μ表示基于逆高斯纹理海杂波幅度分布的尺度参数，η表示基于逆高斯纹理海杂波幅度分布的形状参数；

(1.2)利用式<1>，得到基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)：

$f\left(r,\mathrm{\&mu;},\mathrm{\&eta;}\right)=\frac{2{\mathrm{\&eta;e}}^{1/\mathrm{\&eta;}}r}{\mathrm{\&mu;}}{\left(1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}\right)}^{-3/2}\left(1+\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}}\right)\exp \left(-\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}}\right),---<2>$

其中，r表示海杂波幅度。

步骤2，利用基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)，得到该分布的累积分布函数F(r,μ,η)。

对基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)求积分，得到该分布的累积分布函数F(r,μ,η)：

$F(r,\mathrm{\&mu;},\mathrm{\&eta;})=1-e^{1/\mathrm{\&eta;}}{(1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}})}^{-1/2}\exp (-\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}}).---<3>$

步骤3，选取样本中两个累计概率α₁和α₂，根据分位点定义得到样本中两个分位点和的比值。

(3.1)将海杂波幅度r对应于累计概率α的分位点定义为r_α，该分位点r_α满足分位点函数F(r_α,μ,η)：

F(r_α,μ,η)＝p(r≤r_α)＝α，# <4>

计算分位点函数F(r_α,μ,η)关于分位点r_α的反函数，得到海杂波幅度r的分位点r_α：

r_α＝F^-1(α,μ,η)； <5>

(3.2)选取样本中两个累计概率α₁＝0.5，0.75≤α₂<1，根据其相应分位点和分位点分别满足：得出两个分位点方程：

$\begin{array}{c}\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}_{{\mathrm{\&alpha;}}_1}^2}{\mathrm{\&mu;}}}\exp \left(\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}_{{\mathrm{\&alpha;}}_1}^2}{\mathrm{\&mu;}}}\right)=\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}\left(1-{\mathrm{\&alpha;}}_1\right)}\\ \frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}_{{\mathrm{\&alpha;}}_2}^2}{\mathrm{\&mu;}}}\exp \left(\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}_{{\mathrm{\&alpha;}}_2}^2}{\mathrm{\&mu;}}}\right)=\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}\left(1-{\mathrm{\&alpha;}}_2\right)}\end{array};---<6>$

(3.3)由于样本中两个分位点和的比值与基于逆高斯纹理海杂波幅度分布的尺度参数μ的大小无关，所以令μ＝1，计算式<6>表示的两个分位点方程之比，得到样本中两个分位点和的比值：

$\frac{r_{{\mathrm{\&alpha;}}_2}}{r_{{\mathrm{\&alpha;}}_1}}=\frac{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_2)}\right)-1}}{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_1)}\right)-1}},---<7>$

其中，W(·)表示函数，基于式<7>的单调性，本发明采用查表法实现参数的分位点估计，见以下步骤。

步骤4，利用MATLAB软件，计算基于逆高斯纹理海杂波幅度分布的形状参数η取不同值时，样本中两个分位点和的比值，生成形状参数对照表。

(4.1)将基于逆高斯纹理的海杂波幅度分布的形状参数η在区间[0.01,100]之间以间隔为0.01遍历取值；

(4.2)将上述η分别代入式<7>，计算出相应的这两个分位点和的比值，得到形状参数对照表。该表格中，基于逆高斯纹理海杂波幅度分布的形状参数η与样本中两个分位点和的比值一一对应，如表1所示：

表1 形状参数对照表

表1中，基于逆高斯纹理海杂波幅度分布的形状参数η从0.01开始，以0.01为间隔递增取值至100，共10000个值，样本中两个分位点和的比值与这10000个形状参数的值一一对应，此表只给出这10000个值中的前21个值。

步骤5，求出样本中两个分位点和的估计值。

(5.1)雷达发射机发射脉冲信号，雷达接收机接收经过海面散射形成的回波数据，并利用MATLAB软件产生样本数为N的基于逆高斯纹理海杂波幅度分布的回波数据，得到杂波幅度序列r₁,r₂,…,r_i,…,r_N，其中N为杂波的样本数；

(5.2)对该序列按杂波幅度大小进行升序排列，得到递增杂波幅度序列z₁,z₂,…,z_i,…,z_N，利用递增杂波幅度序列求出样本中两个分位点和的估计值：

当i＝Nα₁时，z_i为分位点的估计值，用表示；

当i＝Nα₂时，z_i为分位点的估计值，用表示。

步骤6，利用样本中两个分位点的估计值和根据形状参数对照表得到基于逆高斯纹理海杂波幅度分布的形状参数η的估计值

(6.1)利用步骤(5)求出的样本中两个分位点的估计值和得到分位点估值之比，记为

(6.2)利用步骤(6.1)表示的分位点估值之比在形状参数对照表中找出与之对应的两个分位点和的比值该比值下的形状参数η就是基于逆高斯纹理海杂波幅度分布的形状参数η的估计值

步骤7，根据基于逆高斯纹理海杂波幅度分布的形状参数η的估计值计算基于逆高斯纹理海杂波幅度分布的尺度参数μ的估计值

将基于逆高斯纹理海杂波幅度分布的形状参数η的估计值代入<6>式中的第一个分位点方程，得到基于逆高斯纹理海杂波幅度分布的尺度参数μ的估计值

$\widehat{\mathrm{\&mu;}}=\frac{2\widehat{\mathrm{\&eta;}}{\hat{r}}_{{\mathrm{\&alpha;}}_1}^2}{{\widehat{\mathrm{\&eta;}}}^2{W}^2(e^{1/\widehat{\mathrm{\&eta;}}}/(\widehat{\mathrm{\&eta;}}\left(1-{\mathrm{\&alpha;}}_1\right)\left)\right)-1},---<8>$

其中，W(y)表示关于y的Lambert W函数，式中

基于步骤1到步骤7，实现了基于逆高斯纹理海杂波幅度分布参数的分位点估计。

下面结合仿真实验对本发明的效果做进一步说明。

1.仿真参数

仿真实验中采用的海杂波数据是由MATLAB软件产生的基于逆高斯纹理海杂波幅度分布的回波数据。考虑到实测杂波数据中存在由岛礁等因素产生的异常散射单元，实验2及实验3的仿真参数中加入了1％功率异常的样本点，其功率大小为正常杂波平均功率的倍数，为了模拟实测杂波数据异常点的功率随机性，本发明设置该倍数为10dB到30dB范围内的随机数。

2.仿真实验内容

仿真实验中分别采用本发明方法和由杂波幅度二阶矩及四阶矩实现的矩估计方法得到基于逆高斯纹理海杂波幅度分布参数的估计，通过均方根误差RMSE检验方法分析比较两种估计方法的结果，其中RMSE的值越小，表示估计误差越小，估计效果越好。

仿真1：仿真海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差。

利用MATLAB软件生成样本数N＝10³的基于逆高斯纹理海杂波幅度分布的杂波数据；

选取两个累计概率分别为α₁＝0.5，α₂＝0.75,0.8,0.85,0.9或0.95，利用本发明分别得到基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差曲线，如图2所示，其中图2的横轴表示基于逆高斯纹理海杂波幅度分布的形状参数η，纵轴表示基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差。

从图2可以看出，随着累计概率α₂逐渐增大并趋于1，形状参数估计值与形状参数真实值的均方根误差减小，估计精度变高。

仿真2：用本发明和现有方法仿真得到海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差。

考虑到实际杂波数据中少量异常散射单元的存在，本实验取两个累计概率分别为α₁＝0.5，α₂＝0.95，并分别产生两个样本数N＝10³及10⁴，且均含有1％异常点的杂波数据。

利用本发明方法与现有的矩估计方法分别对基于逆高斯纹理海杂波幅度分布的形状参数η进行估计，得到基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差曲线，如图3所示，其中图3的横轴为基于逆高斯纹理海杂波幅度分布的形状参数η，纵轴为基于逆高斯纹理海杂波幅度分布的形状参数估计值与形状参数真实值的均方根误差。

从图3可以看出，在相同样本数N下，本发明对基于逆高斯纹理海杂波幅度分布的形状参数η的估计误差比现有的矩估计方法的估计误差小，估计精度高，由此证明本发明比矩估计方法的估计结果更稳定，不会受异常散射单元的影响；另外，在样本数N＝10⁴时本发明的估计误差比N＝10³时更小，表明随着样本数N的增大，本发明估计效果变的更好。

仿真3：用本发明和现有方法仿真得到海杂波幅度分布的尺度参数估计值与尺度参数真实值的均方根误差。

考虑到实际杂波数据中少量异常散射单元的存在，本实验取两个累计概率分别为α₁＝0.5，α₂＝0.95，并分别产生两个样本数N＝10³及10⁴，且均含有1％异常点的杂波数据。

利用本发明方法与现有的矩估计方法分别对基于逆高斯纹理海杂波幅度分布的尺度参数μ进行估计，得到基于逆高斯纹理海杂波幅度分布的尺度参数估计值与尺度参数真实值的均方根误差曲线，如图4所示，其中图4的横轴为基于逆高斯纹理海杂波幅度分布的形状参数η，纵轴为基于逆高斯纹理海杂波幅度分布的尺度参数估计值与尺度参数真实值的。

从图4可以看出，在相同样本数N下，本发明对基于逆高斯纹理海杂波幅度分布的尺度参数μ的估计误差比现有的矩估计方法的估计误差小，估计精度高，由此证明本发明比矩估计方法的估计结果更稳定，不会受异常散射单元影响过大；另外，在样本数N＝10⁴时本发明的估计误差比N＝10³时更小，表明随着样本数N的增大，本发明估计效果变的更好。

综上所述，本发明的分位点估计方法，可以有效抑制幅值较大的异常散射单元对估计精度的影响，在实际目标检测中更具有实用性。

Claims (3)

1.一种基于逆高斯纹理的海杂波幅度分布参数的分位点估计方法，其特征在于，包括以下步骤：

(1)计算基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)：

$f\left(r,\mathrm{\&mu;},\mathrm{\&eta;}\right)=\frac{2{\mathrm{\&eta;e}}^{1/\mathrm{\&eta;}}r}{\mathrm{\&mu;}}{\left(1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}\right)}^{-3/2}\left(1+\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}}\right)\exp \left(-\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}}\right),$

其中，r表示海杂波幅度，μ表示基于逆高斯纹理海杂波幅度分布的尺度参数，η表示基于逆高斯纹理海杂波幅度分布的形状参数；

(2)利用基于逆高斯纹理海杂波幅度分布的概率密度函数f(r,μ,η)，得到该分布的累积分布函数F(r,μ,η)：

$F(r,\mathrm{\&mu;},\mathrm{\&eta;})=1-e^{1/\mathrm{\&eta;}}{(1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}})}^{-1/2}\exp (-\frac{1}{\mathrm{\&eta;}}\sqrt{1+\frac{2{\mathrm{\&eta;r}}^2}{\mathrm{\&mu;}}});$

(3)选取样本中两个累计概率α₁和α₂，且0＜α₁＜1,0＜α₂＜1，根据其相应分位点和分位点分别满足：得出样本中两个分位点和的比值：

$\frac{r_{{\mathrm{\&alpha;}}_2}}{r_{{\mathrm{\&alpha;}}_1}}=\frac{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_2)}\right)-1}}{\sqrt{{\mathrm{\&eta;}}^2{W}^2\left(\frac{e^{1/\mathrm{\&eta;}}}{\mathrm{\&eta;}(1-{\mathrm{\&alpha;}}_1)}\right)-1}},$

其中，W(·)表示Lambert W函数；

(4)利用MATLAB软件，计算基于逆高斯纹理海杂波幅度分布的形状参数η取不同值时，样本中两个分位点和的比值，生成形状参数对照表；

(5)雷达发射机发射脉冲信号，雷达接收机接收经过海面散射形成的回波数据，并利用MATLAB软件产生样本数为N的基于逆高斯纹理海杂波幅度分布的回波数据，得到杂波幅度序列r₁,r₂,…,r_i,…,r_N，其中N为杂波的样本数，并对该序列按杂波幅度大小进行升序排列，得到递增杂波幅度序列z₁,z₂,…,z_i,…,z_N，利用递增杂波幅度序列求出这两个分位点和的估计值：

当i＝Nα₁时，z_i为分位点的估计值，用表示；

当i＝Nα₂时，z_i为分位点的估计值，用表示；

(6)利用样本中两个分位点的估计值和根据形状参数对照表得到基于逆高斯纹理海杂波幅度分布的形状参数η的估计值

(7)根据基于逆高斯纹理海杂波幅度分布的形状参数η的估计值计算基于逆高斯纹理海杂波幅度分布的尺度参数μ的估计值

$\widehat{\mathrm{\&mu;}}=\frac{2\widehat{\mathrm{\&eta;}}{\hat{r}}_{{\mathrm{\&alpha;}}_1}^2}{{\widehat{\mathrm{\&eta;}}}^2{W}^2(e^{1/\widehat{\mathrm{\&eta;}}}/(\widehat{\mathrm{\&eta;}}\left(1-{\mathrm{\&alpha;}}_1\right)\left)\right)-1},$

其中，W(y)表示关于y的Lambert W函数，式中

2.如权利要求1所述的基于逆高斯纹理海杂波幅度分布参数的分位点估计方法，其特征在于，步骤(4)中利用MATLAB软件，计算基于逆高斯纹理海杂波幅度分布的形状参数η取不同值时，样本中两个分位点和的比值，生成形状参数对照表，按如下步骤进行：

4a)将基于逆高斯纹理海杂波幅度分布的形状参数η在区间[0.01,100]之间以间隔为0.01遍历取值；

4b)将上述η分别代入步骤(3)，计算出相应的样本中两个分位点和的比值，得到形状参数对照表，该表格中，基于逆高斯纹理海杂波幅度分布的形状参数η与样本中两个分位点和的比值一一对应。

3.如权利要求1所述的基于逆高斯纹理海杂波幅度分布参数的分位点估计方法，其特征在于，所述步骤(6)中根据形状参数对照表得到基于逆高斯纹理海杂波幅度分布的形状参数η的估计值按如下步骤进行：

6a)利用步骤(5)求出的样本中两个分位点的估计值和得到分位点估值之比，记为

6b)利用步骤6a)表示的分位点估值之比在形状参数对照表中找出与之对应的两个分位点和的比值该比值下的形状参数η就是基于逆高斯纹理海杂波幅度分布的形状参数η的估计值