之一相同。
【具体实施方式】 [0048] 五:本实施方式与一至四之一不同的是:所述步骤四 中计算不同分段间的同质化水平，对分区矩阵R进行赋值;具体过程为：
[0049] 令分区矩阵R(1，1 ) = 1;计算第（1，1)段取幅值得到雷达回波幅值数据矩阵的数据 段与第（i，j)段取幅值得到雷达回波幅值数据矩阵的数据段同质化水平，
，计算所得同质化水平与步骤二进位的和即为分区矩阵R(i，j)的值。
[0050] 其它步骤及参数与【具体实施方式】一至四之一相同。
[0051] 【具体实施方式】六:本实施方式与【具体实施方式】一至五之一不同的是:所述计算第 (1，1)段取幅值得到雷达回波幅值数据矩阵的数据段与第（i，j)段取幅值得到雷达回波幅 值数据矩阵的数据段同质化水平
具体过程为：
[0052] 计算第（1，1)段取幅值得到雷达回波幅值数据矩阵的数据段与第（i，j)段取幅值 得到雷达回波幅值数据矩阵的数据段的标准化的检验统计量T kN;分区矩阵R的第1行第1列 元素值为1;
[0053] 根据标准化的检验统计量TkN及K-AD同质性检验临界值表设置同质化水平，设定-5 〈TkN < 0 · 326同质化水平为1，0 · 326〈TkN < 1 · 225同质化水平为2，1 · 225〈TkN < 1 · 960同质化水 平为3，1·960〈Τω< 2.719同质化水平为4,2.719〈丁_< 3.752同质化水平为5,3.752〈丁咖< 100同质化水平为6 ;K_AD为K样本Anderson-Darling。
[0054] 其它步骤及参数与【具体实施方式】一至五之一相同。
【具体实施方式】 [0055] 七:本实施方式与一至六之一不同的是:所述步骤六 中寻找分区矩阵R中大于进位的数据元素，如果能够找到则进行同质化水平计算再进行步 骤五，如果不能够找到，则进行步骤七;具体过程为：
[0056] 从分区矩阵R的第（1，1)个元素开始，寻找第一个大于步骤五中进位的数据元素的 位置，若能寻找到并且第一个大于步骤五中进位的数据元素的位置位于分区矩阵R第X行第 y列，则进行同质化水平计算，X取值范围为
，y取值范围为，执行步 骤五；
[0057] 若不能寻找到大于步骤五中进位的数据元素，则执行步骤七。
[0058] 其它步骤及参数与【具体实施方式】一至六之一相同。
【具体实施方式】 [0059] 八:本实施方式与一至七之一不同的是:所述从分区 矩阵R的第（1，1)个元素开始，寻找第一个大于步骤五中进位的数据元素的位置，若能寻找 到并且其位于第X行第y列，则进行同质化水平计算，具体过程为：
[0060] 根据分区矩阵R的X行y列确定取幅值得到雷达回波幅值数据矩阵的第(x，y)处数 据段，更新分区矩阵R第X行第y列数据元素为步骤五中进位+1，继续寻找分区矩阵R的数据
元素大于步骤五中进位的所有位置，位置表示为（i 1，j 1) 示位置所在行数，jl表示位置所在列数，根据il行jl列确定取幅值得到雷达回波幅值数据 矩阵的第(il，jl)处数据段，计算第(a，b)处数据段与第(il，jl)处数据段的同质化水平，更 新分区矩阵R第Π 行第jl列数据元素为计算的同质化水平+步骤五中进位。
[0061 ]其它步骤及参数与【具体实施方式】一至七之一相同。
【具体实施方式】 [0062] 九:本实施方式与一至八之一不同的是:所述步骤七 中根据分区矩阵R生成新的分区矩阵tt;具体过程为：
[0063] 新的分区矩阵tt大小与取幅值得到雷达回波幅值数据矩阵大小相同，为m行，η列；
>则令tt矩阵中第a(m'-l)+l到am'行，第b(n'-l)+l至Ijbn'列 的数据元素的值等于分区矩阵R中第a行第b列数据元素的值；
[0064]
，则令 tt 矩阵中第&(111'-1) + 1至1」1]1行，第13(11'-1) + 1至1」 bn'列的数据元素的值等于分区矩阵R中第a行第b列数据元素的值；
[0065]
，则令 tt 矩阵中第a(m'_l) + l 到am'行，第b(n'_l)+l 到n列的数据元素的值等于分区矩阵R中第a行第b列数据元素的值；
[0066]
，则令 tt 矩阵中第a(m' -1 )+1 至Ijm行，第b(n '-1 )+1 至Ijn 列 的数据元素的值等于分区矩阵R中第a行第b列数据元素的值。
[0067]其它步骤及参数与【具体实施方式】一至八之一相同。
[0068]采用以下实施例验证本发明的有益效果：
[0069] 实施例一：
[0070] 本实施例一种基于同质性检验的数据分区方法具体是按照以下步骤制备的：
[0071] 实验中采用仿真数据，仿真数据形式如图1所示。共有1396个距离门，128个多普勒 单元，其中lognl为对数正态分布1:分区满足对数正态分布，对数均值为7,对数标准差为 0.7。411为韦伯分布1:分区满足韦伯分布，尺度参数为400,形状参数为2。1〇〖112为对数正 态分布2:分区满足对数正态分布，对数均值为5，对数标准差为0.4。412为韦伯分布2:分区 满足韦伯分布，尺度参数为200，形状参数为8。仿真数据dB值如图2所示。
[0072] 本仿真数据模拟的是机载下视雷达的某通道数据，对此数据进行分区的目的是便 于后续空时自适应处理算法的实施。由于后续STAP算法采用3DT-STAP快速算法，且模拟的 雷达回波数据包含20个通道，为满足RMB准则则最小的分区包含的数据量应大于等于120。 所以利用基于同质性检验的数据分区方法，采用120*1(距离门单元*多普勒单元)的参考窗 口类型。得到的分区结果如图3所示，整个过程共用时8.0852s。随后对各个分区进行瑞利分 布，对数正态分布，韦伯分布的概率分布拟合，计算参数大小，利用KS拟合优度检验逐个比 较每个分区与三种概率分布的接近程度，选择最接近的作为该分区的概率分布类型。得到 结果与实际情况的比较如表1所示。
[0073] 表1实际情况与检测结果对比
[0074]
[0075] 图3显示，基于同质性检验的数据分区方法能够实现对不同概率分布的区分。但这 里的分区结果与实际情况并不完全相同。仿真数据中距离门单元1-698属于同种概率分布， 但该方法得到的结果为距离门单元1-720属于同种概率分布。这是因为参考窗口的选择造 成的，K-AD同质性检验算法首先就假定参考窗口内数据满足同一概率分布，即每120个距离 单元为一个分段样本，样本内数据属于同一概率分布。720是离698最近的分段，所以会得到 上述情况。观察图4到图7,显示不同分区的概率分布拟合情况，其中与实际情况存在出入的 是第二个分区，实际情况该分区满足韦伯分布，但检测结果显示此分布满足对数正态分布。 这种情况产生的原因也是参考窗口选择造成的，每个多普勒单元的第699到720距离门间的 数据被划分入与自身概率分布不同的分区，同时使该分区的概率分布发生变化。如图4和图 5所示，第一个分区（图4)受这种影响较小没有对概率分布拟合造成太大影响，第二分区受 这种影响较大，使原本的概率分布产生变化，由韦伯分布转向了更倾向于对数正态分区。但 这种差异并不影响K-AD同质性检验分区有效性的验证，同样能够实现K-AD同质性检验的分 区能力。
[0076] K-AD同质性检验又称为K样本Anderson-Darling检验可以理解为广义AD检验，其 能够在样本分布函数表达式未知的情况下检验各样本是否同分布，Ho: Fi = F2 = F3…Fn，Ho为 原假设，其中Fr"FN为各样本分布函数(CDF)。对于样本向量父二⑶此^妃^表示数据段 个数(K 2 2)，本方法K取2，，用& = {X1，X2，…χη}表示数据段，m和孓表示数据段&内数据样 本数及其经验分布函数(EDF)，Ν= Σιη表示向量X中所有数据样本数，Hn(x)为所有数据样本 的EDFI-AD同质性检验统计量可以表示为：
[0078]其中，0〃=&61?:抱&)〈1}，0〃为样本，将向量乂中所有样本展开，从小到大排列得 到Z&XZN令^为数据段Ml < i <K)中不大于匕（1 < j <N)的数据样本数。离散形式的K-AD同质性检验统计量尤γ可以表示为：
[0080] K-AD同质性检验统计量4ν数学期望五和方差4分别如下所示：
[0083] 其中abed由下式计算得到：
[0085] 式中，Η为所有数据段的样本数量倒数的和；
[0086] 可以通过衡量与高斯分布族的相似程度来检验原假设Η0。经过归一化处理 后得到Tkn，用σΝ表示 < 的标准差。
[0088] TkN为标准化检验统计量；
[0089]与AD分布族辨识类似，K-AD同质性检验通过查找临界值表，判断样本是否同分布。 若TKN小于高斯分布族在置信度水平α下的临界值tK-Κα)，则接受原假设H0,否则拒绝原假 设。
[0