一种多目标环境下的SAR图像自适应CFAR检测方法

多数CFAR检测器在多目标检测环境下需要关于干扰目标的先验信息,当检测环境发生变化时,这些检测器很难维持稳定的检测性能。针对多目标环境下的SAR图像目标检测,提出一种新的自适应CFAR（恒虚警）检测器。该检测器利用局部的杂波功率水平估计以及目标和杂波的方差特征筛选出参考窗中的均匀杂波像素,同时剔除掉干扰目标像素;在筛选过程中,每一步使用的判决门限根据上一步的判决结果自动更新;最后对筛选出的样本点作单元平均处理形成检验统计量;完全不需要干扰目标的任何先验信息。利用实测数据仿真研究了该检测器的检测性能与运行效率,实验结果表明,相对单元平均CFAR检测器及有序统计量CFAR检测器,该检测器提高了检测性能,保留了目标精细的结构特征,而运行效率与有序统计量CFAR检测器相当,很具实用性。     

基于自动删除算法的分布式CFAR检测算法

研究分布式恒虚警(CFAR)检测系统在非均匀干扰背景中进行优化检测.针对多传感器分布式恒虚警检测系统在非均匀干扰背景中容易出现检测概率下降或者虚警率提高的问题,提出了一种基于自动删除算法的分布式恒虚警检测算法.算法是一种基于局部检测统计量的分布式CFAR检测算法,充分利用了局部检测器的观测信息,提高了检测性能,同时采用...     

一种基于AD检验的CFAR检测器

传统的恒虚警率(CFAR)检测器鲁棒性较差,为此,提出一种基于AD检验的CFAR检测器AD-CA。通过Monte Carlo仿真得到AD检验的临界值,并删除异常样本。仿真结果表明,在均匀背景下,AD-CA的检测性能与OS检测器相当;在多目标背景下,AD-CA的检测性能比OS检测器有所提升,当干扰目标个数大于N–k时,仍能保持较好的检测性能。     

分布式自适应CMLWCA CFAR检测方法

针对分布式多传感器系统中不同传感器的信噪比会影响检测决策,提出一种利用各传感器信噪比决定其权值的自适应删除均值加权单元平均（CMLWCA）恒虚警率（CFAR）检测的新方法．在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解．多种检测器数值分析的比较结果表明了该方法的有效性和优越性．     

基于多尺度静态小波分解的改进型CFAR船只检测算法

SAR船只目标检测是实现海上安全监测的有效手段。由于在海杂波较为复杂的情况下,传统CFAR算法对于弱小船只检测效果不佳,本文提出了基于多尺度静态小波分解的改进型CFAR检测算法。首先通过实验选出最优小波基及最佳小波分解级数,再利用幂运算对经多尺度乘性增强的小波系数进行优化,以增强船只与海洋背景的对比度,从而运用简单的CFAR算法即可得到较好的检测效果。最后,以新型星载ALOS-PALSAR数据为例,通过与传统CFAR算法的对比实验,验证本文算法的有效性。实验表明,利用Sym2最优小波基的较强边缘检测能力以及小波多尺度乘性增强,双重强化了船只目标的边缘影像特征,并有效抑制了海杂波噪声,使得本文算法在提高检测率与降低虚警率两方面都优于传统CFAR算法,有利于高海杂波下弱小船只的检测。     

利用高斯混合模型的SAR图像目标CFAR检测新方法

SAR（合成孔径雷达）图像杂波分布模型种类繁多且对实际地物的建模能力有限。在使用基于杂波统计模型的CFAR(恒虚警率)算法对SAR图像进行目标检测时,杂波统计模型的失配会导致检测结果产生较大的CFAR损失,算法精度不高。提出了一种基于高斯混合模型的CFAR检测新方法。该方法以理论上可以拟合任意形状概率密度分布的高斯混合模型对实际SAR图像的背景杂波进行拟合,利用拟合后得到的分布模型,根据CFAR检测的原理推导出目标检测阈值的计算公式完成目标的检测。新方法对服从不同分布模型的背景杂波,使用形式上统一的模型进行描述,克服了CFAR检测高度依赖背景杂波分布的缺点,提高了CFAR的通用性。实验结果表明,即使在背景杂波类型未知的情况下,新方法依然得到了良好的目标检测效果。     

Pearson分布杂波背景下分布式模糊CA-CFAR检测器的性能分析

为了改善雷达的检测性能,本文分析了Peason分布杂波背景下,采用模糊逻辑方法设计CA-CFAR检测器的问题.提出了一种二元分布式模糊CA-CFAR检测器.两个检测器分别利用滑窗数据计算出映射到虚警空间的隶属函数值,通过融合中心的四种融合准则得到全局隶属函数值,实现背景杂波功率水平估计,从而进行目标判决.仿真结果表明,基于代数和融合准则的模糊CA-CFAR,在四种融合逻辑中检测性能是最稳健的,且相比传统的二进制"与"逻辑或者"或"逻辑CFAR检测器,能够提供更好的检测效果.     

SAR图像CFAR检测的快速算法综述

针对合成孔径雷达(Synthetic aperture radar, SAR)图像目标检测中恒虚警率(Constant false alarm rate, CFAR)算法的广泛应用, 进行CFAR检测的快速算法分析具有重要研究价值. 首先概述了当前国内外对SAR图像CFAR检测快速算法的研究现状; 然后分别从快速预筛选和迭代计算方法两个方面对各类快速算法的实时性及性能进行了分析总结, 给出了四种基本CFAR检测器的迭代计算公式, 并提出了一种研究CFAR检测快速算法的基本框架, 现有的快速算法均可纳入该理论框架予以分析; 最后, 以经典双参数CFAR检测算法为例, 对该基本框架进行仿真实现和性能分析, 验证了其可行性与检测性能．结果表明: 新的CFAR检测快速算法基本框架充分融合了快速预筛选思想和迭代计算方法的优势, 有效提高了CFAR算法在SAR图像检测应用中的执行效率.     

基于渐近优化检测器的数字水印最佳检测阈值的确定

数字水印系统中检测阈值的大小会影响到检测器的检测效果。渐近优化检测器是一种采用Rao检验方式的盲水印检测算法,但其检测阈值是完全凭经验人为设定的,为了使渐近优化检测器阈值的确定客观与精确,利用最小差错概率准则对检测阈值进行了理论分析,并具体给出了一个水印检测系统错误率达到最小的最佳检测阈值的计算公式。实验结果表明,该方法能使水印检测系统的错误率在理论上达到最小,同时检测阈值的大小具有自适应性和客观性。     

一种改进MVI-CFAR检测器的性能分析

VI-CFAR检测器在均匀环境和非均匀环境下均具有较强的自适应性,但若前后两个参考滑窗均存在干扰目标时,VI-CFAR检测性能急剧下降。为克服该问题,本文采用有序统计平均CFAR和有序统计选小CFAR来替代VI-CFAR中最小选择CFAR。所提出的算法不但解决了干扰目标位置随机分布的问题,还解决了当其中一个滑窗的干扰目标数超过最大容限时检测性能下降的问题。在参考滑窗中干扰目标个数与扰噪比均不相同的情况下,分析了统计量VI的变化,有助于评估和设计VI-CFAR类检测器在多目标环境下抗干扰目标的最大容限。仿真结果表明,该改进算法提高了VI-CFAR在多目标环境下的鲁棒性,与其他改进算法相比,其排序处理时间降低一倍。     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

Matrix CFAR detectors based on symmetrized Kullback–Leibler and total Kullback–Leibler divergences

Target detection in clutter is a fundamental problem in radar signal processing. When the received radar signal contains only few pulses, it is difficult to achieve a satisfactory performance using the traditional detection algorithm. In recent times, a generalized constant false alarm rate (CFAR) detector on the Riemannian manifold of Hermitian positive-definite (HPD) matrix was proposed. The employment of this detector, which compares the Riemannian distance between the covariance matrix of the cell under test (CUT) and an average matrix of reference cells with a given threshold, has significantly improved the detection performance. However, the application of this detector in real scenarios is still limited by two problems; it is computationally expensive and the detection performance is not very good since the Riemannian distance is utilized. In this paper, the symmetrized Kullback–Leibler (sKL) and the total Kullback–Leibler (tKL) divergences, instead of the Riemannian distance, are used as dissimilarity measures in the matrix CFAR detector. According to sKL and tKL divergences, three average matrices, the sKL mean, the sKL median, and the tKL t center, are derived. Furthermore, the relationship between the detection performance and the anisotropy of the distance measure used in the matrix CFAR detector is explored. Numerical experiments and real radar sea clutter data are given to confirm the superiority of the proposed algorithms in terms of the computational complexity and the detection performance.     

Constant false alarm rate detector based on the maximal reference cell

In order to improve the detection performance of constant false alarm rate (CFAR) detectors in multiple targets situations, a CFAR detector based on the maximal reference cell (MRC) named MRC-CFAR is proposed. In MRC-CFAR, a comparison threshold is generated by multiplying the amplitude of MRC by a scaling factor. The number of the reference cells left, whose amplitudes are smaller than the comparison threshold, is counted and compared with a threshold integer. Based on the comparison result, proper reference cells are selected for detection threshold computation. A closed-form analysis for MRC-CFAR in both homogeneous and non-homogeneous environments is presented. The performance of MRC-CFAR is evaluated and compared with other CFAR detectors. MRC-CFAR exhibits a very low CFAR loss in a homogeneous environment and performs robustly during clutter power transitions. In multiple targets situations, MRC-CFAR achieves a much better detection performance than switching CFAR (S-CFAR) and order-statistic CFAR (OS-CFAR). Experiment results from an X-band linear frequency modulated continuous wave radar system are given to demonstrate the efficiency of MRC-CFAR. Because ranking reference cells is not required for MRC-CFAR, the computation load of MRC-CFAR is low; it is easy to implement the detector in radar system in practice.     

一种新的基于UMVE和CA的恒虚警检测器

在雷达自动检测系统中,通常是将自动检测和恒虚警(CFAR)技术结合使用以保持在变化的杂波环境中获得可预测的检测性能和恒定虚警率.将无偏最小方差估计(UMVE)方法和单元平均(CA)方法结合,提出了一种新的恒虚警检测器(MUMCA-CFAR).采用UMVE和CA方法产生两个局部估计.再取二者的平均值作为背景噪声功率水平估计.在Swer-lingⅡ型目标假设下,推导出了MUMCA-CFAR在均匀背景下虚警概率和检测概率及多目标环境下检测概率的解析表达式.并与其它方法作了比较,结果表明该检测器在均匀背景和多目标环境下均具有相当优越的检测性能.     

An adaptive cell averaging-based CFAR detector for interfering targets and clutter-edge situations

In practice, there are two common situations when the independent and identically distributed (IID) assumption no longer holds: (i) there is a clutter edge and (ii) there is an outlier, e.g., a clutter spike, an impulsive interference, or another interfering target. These can result in masking of weaker targets near stronger ones and excessive false alarms at clutter edge transitions. In this paper, a new constant false alarm (CFAR) detector is proposed, which uses a goodness of fit test to verify the IID assumption. If it is decided that the data in the reference window is IID, the cell averaging (CA)-detector is applied. Otherwise, a range-heterogeneous detection algorithm is applied to provide homogeneous samples to develop a CA-based detector. The performance study shows that the proposed detector performs like the CA detector in the homogeneous situation and outperforms other competing CFAR detectors in heterogeneous situations caused by multiple targets and clutter edge.     

基于位置和速度的点状运动目标Bayes跟踪

采用结合概率数据关联的卡尔曼滤波方法,研究一种基于位置、速度信息的微弱点动目标Bayes跟踪技术。其关键是在跟踪区域检测时,检测器以Basyes模式进行工作,检测门限随目标先验概率比变化。提出一种新的门限计算方法。与基于恒虚警概率准则的跟踪技术相比,跟踪过程中检测到的虚警目标明显减少,仿真结果验证了该算法的实时性与精确性。