ScienceDirect® Home Skip Main Navigation Links
You have guest access to ScienceDirect. Find out more.
 
Home
Browse
My Settings
Alerts
Help
 Quick Search
 Search tips (Opens new window)
    Clear all fields    
advertisementadvertisement
Signal Processing
Volume 80, Issue 6, June 2000, Pages 1115-1126
 
Font Size: Decrease Font Size  Increase Font Size
 Abstract - selected
Article
Purchase PDF (400 K)

 
 
 
Related Articles in ScienceDirect
View More Related Articles
 
View Record in Scopus
 
doi:10.1016/S0165-1684(00)00023-2    How to Cite or Link Using DOI (Opens New Window)
Copyright © 2000 Elsevier Science B.V. All rights reserved.

Maximum likelihood, ESPRIT, and periodogram frequency estimation of radar signals in K-distributed clutter

Fulvio GiniCorresponding Author Contact Information, E-mail The Corresponding Author, Monica Montanari and Lucio Verrazzani

Dipartimento di Ingegneria dell'Informazione, University of Pisa, Via Diotisalvi 2, 56126 Pisa, Italy

Received 22 April 1999;
revised 13 December 1999.
Available online 18 May 2000.

Purchase the full-text article



References and further reading may be available for this article. To view references and further reading you must purchase this article.

Abstract

The contribution of this paper is the derivation of the joint maximum likelihood (ML) estimator of complex amplitude and Doppler frequency of a radar target signal embedded in correlated non-Gaussian clutter modelled as a compound-Gaussian process. The estimation accuracy of the ML frequency estimator is investigated and compared with that of the well-known periodogram and ESPRIT estimators under various operational scenarios. The hybrid Cramér–Rao lower bound (HCRLB) and a large sample closed-form expression for the mean square estimation error are also derived for Swerling I target signal. Finally, numerical results obtained by Monte Carlo simulation are checked by means of measured sea clutter data for the general case of fluctuating target amplitude.

Zusammenfassung

Der Beitrag dieser Arbeit besteht in der Herleitung eines Verbund-Maximum-Likelihood (ML)-Schätzers der komplexen Amplitude und der Dopplerfrequenz eines Radarsignales eines Zieles, das sich innerhalb eines korrelierten nichtgaußischen Kluttersignals befindet, welches als ein verbundgaußischer Prozeß modelliert wird. Die Schätzgenauigkeit des ML-Frequenzschätzers wird untersucht und mit denen der bekannten Periodogramm- und ESPRIT-Schätzer bei unterschiedlichen Betriebsbedingungen verglichen. Die hybride Cramér–Rao Schranke (HCRLB) und ein geschlossener Ausdruck für den Mittlerenquadrateschätzfehler bei großem Datenumfang werden für das Swerling-I-Zielsignal hergeleitet. Zuletzt werden numerische Ergebnisse einer Monte-Carlo-Simulation durch gemessene Seeklutterdaten für den allgemeinen Fall einer fluktuierenden Zielamplitude überprüft.

Résumé

La contribution de cet article consiste en la dérivation de la probabilité maximale jointe de l'amplitude complexe et de la fréquence Doppler d'un signal de cible radar imbriqué dans un fouillis corrélé modélisé comme un processus Gaussien composé. La précision de l'estimation de l'estimateur de probabilité maximale de la fréquence est investiguée et comparée avec celle des estimateurs bien connus que sont le periodogramme et l'estimateur ESPRIT dans de nombreux scénarios opérationnels. La limite inférieure de Cramer–Rao et une expression analytique sur un échantillonnage large de l'estimation de la valeur quadratique moyenne sont aussi dérivées pour un signal Swerling I. Finalement, des résultats numériques obtenus par simulation Monté-Carlo sont analysés au moyen de données de fouillis de mer mesurés dans le cas général d'amplitudes de cibles fluctuantes.

Author Keywords: Parameter estimation; Radar signals; Non-Gaussian clutter; Doppler frequency; Performance analysis

Article Outline

1. Introduction
2. The MLE for compound-Gaussian clutter
3. Performance evaluation
3.1. Hybrid Cramér–Rao lower bounds
3.2. Simulations and comparisons with the HCRLB and mseas
3.3. Results with IPIX measured sea clutter data
4. Conclusions
Appendix A. Derivation of (8) by perturbation method
References











Signal Processing
Volume 80, Issue 6, June 2000, Pages 1115-1126
 
Home
Browse
My Settings
Alerts
Help
Elsevier.com (Opens new window)
About ScienceDirect  |  Contact Us  |  Information for Advertisers  |  Terms & Conditions  |  Privacy Policy
Copyright © 2008 Elsevier B.V. All rights reserved. ScienceDirect® is a registered trademark of Elsevier B.V.