广义Pareto分布海杂波背景下非相干检测器恒虚警性能分析

该文在广义Pareto分布海杂波背景下研究了单元平均(CA)和有序统计量(OS)两种非相干检测器的恒虚警(CFAR)性质,推导了两种非相干检测器的虚警概率公式,发现了两种检测器对杂波的尺度参数是恒虚警的.然而,两种检测器对杂波的散斑协方差矩阵结构和杂波形状参数是非恒虚警的.为了实现全场景的恒虚警检测,预先通过白化方法将具有相关性的海杂波去相关,并通过查表方法使用了匹配杂波形状参数、累积脉冲数和参考单元数的检测门限.在这种情况下,实验结果表明两种非相干检测器能确保全场景恒虚警.     

相参雷达K分布海杂波背景下非相干积累恒虚警检测方法

相参雷达系统下的非相干积累检测方法,可以提高雷达的目标检测速度,达到实时处理的要求。然而,相参雷达系统下的非相干积累检测方法对参考单元数、脉冲积累数、杂波散斑协方差矩阵以及海杂波模型的形状参数均是非恒虚警(CFAR)的。该文基于块白化的海杂波预白化方法,提出预白化单元平均恒虚警(PWCA-CFAR)检测方法和预白化单元中值恒虚警(PWCM-CFAR)检测方法,并使用了匹配于参考单元数、脉冲积累数、形状参数的自适应门限,确保提出检测方法的恒虚警特性。实验结果表明,当存在异常单元时,PWCM-CFAR检测方法的检测性能优于PWCA-CFAR检测方法。     

秩和非参数检测器在杂波边缘中的性能

人们常用Rohling教授提出的3种典型背景即均匀背景、多目标和杂波边缘来对检测器的恒虚警率(CFAR)性能进行衡量,但在现有的文献中缺乏秩和(RS)非参数检测器在杂波边缘中虚警概率的解析表达式,缺乏RS检测器与经典的参量型恒虚警率(CFAR)检测器在杂波边缘中虚警控制能力的比较,这在理论研究上是不完整、不全面的。该文给出了RS检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累单元平均(CA),选大(GO)和有序统计(OS)恒虚警方法在杂波边缘中的虚警控制能力。可以看出,在强、弱杂波均为瑞利分布的情况下,RS检测器在杂波边缘的虚警控制能力处于非相干积累CA方法和非相干积累OS方法之间。但是当长拖尾分布的非高斯杂波进入参考滑窗时,非相干积累CA, GO和OS参量型检测方法的虚警概率都产生了3个以上数量级的上升,且不能回到原始设定的虚警概率。而RS检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定。     

非高斯海杂波背景最优相干检测性能分析

非高斯海杂波背景下雷达目标检测一直是研究的重点。海杂波分布参数形式的多样化使得检测器对杂波平均功率的恒虚警特性无法保证,因此文中对描述非高斯海杂波的K分布、广义Pareto分布和逆高斯纹理复合高斯分布的参数形式进行了规范化,得到了规范化后的三种杂波分布对应的最优相干检测器。理论分析和实验验证了三个自适应检测器分别对杂波平均功率、目标多普勒频率和散斑协方差矩阵具有恒虚警特性。仿真实验表明:散斑协方差矩阵估计方法和辅助数据的数量均影响着自适应检测器的检测概率和虚警概率。     

利用北斗反射信号探测目标的初步实验

通过实测海杂波数据,研究了海杂波的统计特性,实测数据拟合结果表明,弱海杂波的概率密度分布函数服从瑞利分布;强海杂波概率密度分布呈现较强的非高斯特性,该试验实测数据拟合结果为对数正态分布,因此强海杂波背景下小目标检测,常规恒虚警检测器性能受到限制。同时采用了常规单元平均恒虚警与自适应匹配滤波两种方法进行目标检测,通过结果对比可以得出,对于强杂波背景下小目标,自适应匹配滤波的方法能检测出更多的目标点迹,检测性能较常规单元平均恒虚警好。     

基于异常单元删除的改进CFAR检测器

雷达在大入射余角海杂波下进行检测时易受到功率突然增大的杂波异常单元影响,虚警率及误检率较高。为解决此问题,提出具有杂波抑制模块与恒虚警模块的二级检测器。杂波抑制模块通过参考单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,根据功率水平设置一个动态门限,剔除异常单元后的杂波作为待检测信号输入恒虚警模块,恒虚警模块使用基于有序数据可变性的自动删除平均（ACCA-ODV-）CFAR检测器来改进传统变化指数恒虚警（VI-CFAR）检测器。仿真结果表明,新检测器在均匀杂波环境中检测性能与单元平均恒虚警(CA-CFAR)检测器几乎相同,在多目标环境中检测性能远远优于最大选择恒虚警(GO-CFAR)检测器、最小选择恒虚警(SO-CFAR)检测器、CA-CFAR检测器及VI-CFAR检测器,在杂波边缘环境中虚警控制能力仅次于VI-CFAR检测器与GO-CFAR检测器。综合考虑实测数据中各个检测器的检测结果,改进后的检测器在高分辨率大入射余角情况下具有最优的检测性能。     

Gamma分布在海面目标检测中的应用

本文通过对大量实测数据的处理与定量分析,证明Gamma分布可用于X波段雷达海杂波幅度分布的建模,并介绍了两种适用于Gamma分布杂波背景的恒虚警（CFAR）检测器：基于最大似然估计的MLG-CFAR和基于加权幅度循环迭代的WAI-CFAR。理论分析证明,MLG-CFAR检测器对Gamma分布的杂波平均功率估计值是渐进有效的,且在形状参数已知的前提下,该检测器对尺度参数具有恒虚警特性,在均匀、非均匀杂波背景中的检测性能仿真结果验证了该检测器在Gamma杂波中的最优性;WAI-CFAR检测器综合了均值类和有序统计量类CFAR算法的优点,在均匀杂波背景中具有较好的性能,在非均匀杂波背景中可通过灵活设定加权系数,获得较强的目标检测能力和鲁棒的虚警控制能力。     

Log-normal分布杂波背景下有序统计恒虚警检测器性能分析

该文证明了在形状参数已知的均匀对数-正态(Log-normal)杂波背景下有序统计恒虚警(OS-CFAR)检测器能保持恒虚警的特性,导出了该背景下OS-CFAR检测器对非起伏目标的检测性能表达式和平均判决阈值(ADT)表达式。最后用数值方法讨论了最佳序值的选取以及OS-CFAR检测器在取不同参考单元数时相对于理想CFAR的信杂比损失。     

海杂波背景下的双参数单元平均恒虚警检测器

介绍了海杂波的幅度分布模型,指出了对于同一门限系数"尖锐"海杂波背景下的虚警率要明显高于噪声背景下的虚警率,提出了双参数单元平均恒虚警(CA-CFAR)检测器的结构框图,仿真分析了其检测性能.最后分别利用双参数CA-CFAR检测器和常规CA-CFAR检测方法对实测数据进行处理和比较,指出在虚警率一定的前提下前者相对于后两者在空间上可以自适应地改变门限系数以有效地抑制海杂波引起的高虚警.     

量化秩非参数CFAR检测器在杂波边缘中的性能分析

人们常用均匀背景、多目标和杂波边缘3种典型背景来衡量雷达目标检测器的性能,但在现有文献中缺乏量化秩（Rank Quantization,RQ）非参数检测器在杂波边缘中虚警概率的理论模型,缺乏RQ非参数检测器与经典的参量型检测器在杂波边缘中虚警控制能力的比较.本文给出了RQ检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累CA （Cell Averaging）,GO （Greatest Of）,OS （Ordered Statistic）恒虚警方法在杂波边缘中的虚警控制能力.可以看出,采用高秩量化门限的RQ检测器的虚警控制能力要优于低秩量化门限的情况,在瑞利分布杂波边缘情况下,RQ检测器的虚警控制能力与非相干积累OS方法接近.但是当强杂波变为长拖尾分布的非高斯杂波时,非相干积累CA,GO和OS参量型检测方法的虚警概率产生了3个数量级以上的上升,且不能降回到原始设定的虚警概率.而RQ检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定.     

Threshold optimization of decentralized CFAR detection in weibull clutter using genetic algorithms

The use of genetic algorithms (GAs) tool for the solution of distributed constant false alarm rate (CFAR) detection for Weibull clutter statistics is considered. An approximate expression of the probability of detection (P _D) of the ordered statistics CFAR (OS-CFAR) detector in Weibull clutter is derived. Optimal threshold values of distributed maximum likelihood CFAR (ML-CFAR) detectors and distributed OS-CFAR detectors with a known shape parameter of the background statistics are obtained using GA tool. For the distributed ML-CFAR detection, we consider also the case when the shape parameter is unknown of the Weibull distribution. A performance assessment is carried out, and the results are compared and given as a function of the shape parameter and of system parameters.     

OSGO-和OSSO-CFAR在K分布杂波背景下的性能分析

该文证明了形状因子已知条件下OSGO-CFAR和OSSO-CFAR检测器在均匀统计独立的K分布杂波背景下具有恒虚警性能,分析了两种检测器在均匀杂波背景、杂波边缘和存在强干扰目标情况下的检测性能。并与OS-CFAR进行了比较,结果表明OSGO-CFAR在均匀杂波背景和存在强干扰目标情况下带来的附加检测损失很小, 在杂波边缘具有更好的虚警控制能力。所以,OSGO-CFAR是K分布杂波背景下一种性能比较好的恒虚警检测器。     

A novel threshold optimization of ML-CFAR detector in Weibull clutter using fuzzy-neural networks

This paper provides a novel and effective approach based on an adaptive neuro-fuzzy inference system for the solution of constant false alarm rate (CFAR) detection for Weibull clutter statistics. The optimal detection thresholds of the maximum-likelihood CFAR (ML-CFAR) and the Censored ML-CFAR (CML-CFAR) detectors in Weibull clutter with unknown shape parameter are obtained using fuzzy-neural networks (FNN) technique. The theory of the FNN is presented and the genetic learning algorithm (GA) is applied for the training of the FNN threshold estimator. The proposed FNN-ML-CFAR and FNN-CML-CFAR detectors proved to be efficient particularly in the case of spiky clutter. Experimental results showed the effectiveness of an adaptive neuro-fuzzy threshold estimator under different system conditions and it is also shown that the optimal FNN-ML-CFAR and FNN-CML-CFAR detectors can achieve better performances than the conventional ML-CFAR and CML-CFAR algorithms.     

Robust radar detection of CA, GO and SO CFAR in Pearson measurements based on a non linear compression procedure for clutter reduction

This paper deals with the constant false alarm rate (CFAR) radar detection of targets embedded in Pearson distributed clutter. We develop new CFAR detection algorithms-notably cell averaging (CA), greatest of selection (GO) and smallest of selection SO-CFAR operating in Pearson measurements based on a non-linear compression method for spiky clutter reduction. The technique is similar to that used in non uniform quantization where a different law is used. It consists of compressing the output square law detector noisy signal with respect to a non-linear law in order to reduce the effect of impulsive noise level. Thus, it can be used as a pre-processing step to improve the performance of automatic target detection especially in lower generalised signal-to-noise ratio (GSNR). The performance characteristics of the proposed CFAR detectors are presented for different values of the compression parameter. We demonstrate, via simulation results, that the pre-processed compression procedure is computationally efficient and can significantly enhance detection performance.     

复合高斯杂波下距离扩展目标的自适应检测

 研究了复合高斯杂波下的距离扩展目标自适应检测问题.基于辅助数据,利用采样协方差矩阵(SCM)和迭代(RE)估计矩阵,建立了自适应检测器AMSDD和基于动态阈值的ADT检测器,并分析了检测器的恒虚警率(CFAR)特性.理论分析表明,基于SCM的检测器只能保持对杂波协方差矩阵结构的自适应特性;而基于RE的检测器能同时获得对杂波协方差矩阵结构和纹理分量的CFAR特性.性能分析表明,对于AMSDD和ADT来说,与采用SCM估计器相比,采用RE估计器能使检测器获得更好的CFAR特性和检测性能.另外,基于RE的ADT检测器在目标散射点个数失配时具有很好的鲁棒性.     

复合高斯杂波中距离扩展目标的参数化Wald检测

本文研究复合高斯杂波环境中的距离扩展目标的自适应检测问题。有色杂波采用参数未知的自回归（AR）过程描述。结合Wald检测准则,仅需对H1假设条件下的未知参数进行最大似然估计,给出了一种新的基于参数化模型的扩展目标检测器——参数化Wald检测器。该检测器的检验统计量可解释为首先针对各个待测单元分别计算检验统计量,然后将所有待测单元的输出进行非相参累加,其对杂波的随机功率起伏具有恒虚警率(CFAR)特性。相比于常规的基于协方差矩阵的检测方法,参数化检测算法的执行过程不需要依赖辅助数据,仅利用待测扩展目标数据即可实现自适应处理,有效缓解了训练压力并降低了计算量。仿真实验表明,所提出的参数化Wald检测器的检测性能优于之前提出的参数化广义似然比检测器的性能。      

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。