论文部分内容阅读
非高斯干扰下的主动信号检测中，高斯化模块往往不可或缺。通过对样本的抑大扬小，它可以有效地增强背景数据的高斯性，提高后续预白化和相关检测的性能。本文给出高斯化滤波的定义和效果评价方法，然后对比研究了基于概率密度函数及导数的U滤波和基于累积分布函数及反函数的G滤波两种高斯化实现方法、原理与性能，并使用一组湖试数据测试了它们各自的高斯化效果。最后，举例说明了高斯化在混合高斯Rao检测中的应用。