1.一种基于原点矩偏导的K分布杂波参数估计方法，其特征在于，所述方法包括：根据零记忆非线性变换法获取幅度服从K分布的杂波序列数据；通过核平滑直方图对所述杂波序列数据进行处理，得到统计概率密度值；利用原点矩偏导的K分布杂波参数估计方法获取所述杂波序列数据的形状参数和尺度参数的估计值；根据所述形状参数和尺度参数的估计值进行概率密度计算，得到估计概率密度值；对所述统计概率密度值和估计概率密度值进行均方根误差计算，得到最小均方根误差；所述最小均方根误差对应的形状参数和尺度参数的估计值为最优的K分布杂波参数。
2.根据权利要求1所述的方法，其特征在于，通过核平滑直方图对所述杂波序列数据进行处理，得到统计概率密度值，包括：对所述核平滑直方图的统计区间进行定义，得到统计区间大小；根据所述统计区间大小、所述杂波序列数据的幅度最大值和幅度最小值进行计算，得到统计概率密度值。
3.根据权利要求2所述的方法，其特征在于，根据所述统计区间大小、所述杂波序列数据的幅度最大值和幅度最小值进行计算，得到统计概率密度值，包括：[fz0,ri]＝ksdensity(x,mi:stp:ma)其中，fz0表示统计概率密度值，ri表示统计区间的中心值，ksdensity()表示核平滑密度估计函数，mi表示杂波序列数据的幅度最小值，stp表示统计区间大小，ma表示杂波序列数据的幅度最大值，x表示杂波幅度。
4.根据权利要求1至3任意一项所述的方法，其特征在于，利用原点矩偏导的K分布杂波参数估计方法获取所述杂波序列数据的形状参数和尺度参数的估计值，包括：利用原点矩偏导的K分布杂波参数估计方法获取所述杂波序列数据的k阶原点矩和k阶原点矩的偏导；根据所述k阶原点矩和k阶原点矩的偏导，以及多个函数构建形状参数的估计值的求解方程；令所述求解方程为0进行求解，得到所述杂波序列数据的形状参数的估计值；根据所述形状参数的估计值和k阶原点矩，得到所述杂波序列数据的尺度参数的估计值。
5.根据权利要求4所述的方法，其特征在于，根据所述k阶原点矩和k阶原点矩的偏导，以及多个函数构建形状参数的估计值的求解方程，包括：fun＝@(v)0.5*k*psi(0.5*k+v)-log(gamma(0.5*k+v))+log(gamma(v))-k*(dk/d0)-log(d0)-0.5*k*psi(0.5*k+1)+log(gamma(0.5*k+1))v＝fsolve(fun,0.1)其中，@(v)表示求解v，v表示形状参数的估计值，k表示原点矩的阶数，d0表示k阶原点矩，dk表示k阶原点矩的偏导，psi()表示普西函数，gamma()表示伽玛函数。
6.根据权利要求5所述的方法，其特征在于，根据所述形状参数的估计值和k阶原点矩，得到所述杂波序列数据的尺度参数的估计值，包括：σ＝0.5*(d0*gamma(v)/(gamma(0.5*k+1)*gamma(0.5*k+v)))^(1/k)其中，σ表示尺度参数的估计值。
7.根据权利要求6所述的方法，其特征在于，根据所述形状参数和尺度参数的估计值进行概率密度计算，得到估计概率密度值，包括：fz＝(2/(σ*gamma(v))).*(ri/(2*σ)).^v.*besselk(v-1,ri/σ)其中，besselk()表示第二类贝塞尔函数。
8.一种基于原点矩偏导的K分布杂波参数估计装置，其特征在于，所述装置包括：获取杂波序列数据模块，用于根据零记忆非线性变换法获取幅度服从K分布的杂波序列数据；杂波序列数据处理模块，用于通过核平滑直方图对所述杂波序列数据进行处理，得到统计概率密度值；杂波序列估计模块，用于利用原点矩偏导的K分布杂波参数估计方法获取所述杂波序列数据的形状参数和尺度参数的估计值；概率密度计算模块，用于根据所述形状参数和尺度参数的估计值进行概率密度计算，得到估计概率密度值；K分布杂波参数估计模块，用于对所述统计概率密度值和估计概率密度值进行均方根误差计算，得到最小均方根误差；所述最小均方根误差对应的形状参数和尺度参数的估计值为最优的K分布杂波参数。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
