基于准最佳加仅有序统计的最大选择CFAR检测算法

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性，本文提出了一种准最佳加权（ＱＢＷ）有序统计方法。基于这种方法，还提出了准最佳加权最大选择恒虚警检测器（ＱＢＷＧＯ－ＣＦＡＲ），它的前、后沿滑窗均采用ＱＢＷ方法来产生局部估计，将局部估计中的最大值作为检测器对杂波波功率水平的的估计，设置自适应检测门限，应用文献［３］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标及瑞利杂波假设下，推导出了     

一种新的基于有序统计和剔除平均的最大选择恒虚警检测器

本文基于有序统计（ＯＳ）和剔除平均（ＴＭ）提出了一种新的恒虚警检测器（ＯＳＴＭＧＯ）它的前尚滑窗和后尚滑窗分别采用ＯＳ和ＴＭ来产生局部估计，再选择两者之中的最大值用为杂波功率水平的估计，并应用于文献（４）提出自己筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ，Ｐｄ和度量，ＡＤＴ的解析表达式，并与其它方案进行了比较，分析结果表明它的均匀背景及多目标和杂波边缘引起的非均匀背景中，均     

有序统计恒虚警（OS—CFAR）检测器在韦尔尔扰背景中的性能

本文研究韦尔干扰背景前的有序统计恒虚警算法，并在均匀干扰背景中分析它的性能，对于未知的形状参数Ｃ，本文基于来自参考滑窗随机变量的期望和中提提出一种估计方法，同时在均匀干扰背景中研究了这种估计方法的性能，结果表明，这种估计方案具有很的随加恒虚警损失，当Ｎ＝１６，Ｃ＝２，Ｋ＝１２时，它的恒虚警损失比两参数有序统计恒虚警检测器小。     

一种新的基于剔除平均的最大选择恒虚警检测器

本文基于剔除平均(TM)提出了一种新的最大选择(GO)恒虚警检测器,它的前、后沿滑窗均采用TM来产生局部估计,再选择两者之中的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限,并应用了何友(1994)提出的自动筛选技术。分析结果表明,它在均匀背景及多目标和杂波边缘引起的非均匀背景中的性能,均比GOSGO或OSGO获得了改善,并且它的样本排序时间还不到OS的一半。一些流行的恒虚警方法如GO、GOSGO或OSGO、CMGO可看作是TMGO的特例。     

一种新的基于剔除平均的量大选择恒虚警检测器

本文基于剔除平均（ＴＭ）提出了一种新的最大选择（ＧＯ）恒虚警检测器,它的前、后沿滑窗均采用ＴＭ来产生局部估计,再选择两者之间的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限,并应用了何友（１９９４）提出的自动筛选技术,分析结果表明,它在均匀背景及多目标和杂波边缘引起的非均匀背景中的性能,均比ＧＯＳＧＯ或ＯＳＧＯ获得了改善,并且它的样本排序时间还不到ＯＳ的一半,一充行的恒虚警方法如ＧＯ、     

广义最小选择恒虚警算法的性能分析

为了改善OSSO或GOSSO方法的性能,该文基于加权线性组合的有序统计量提出了广义最小选择(GSO)恒虚警检测器,文中讨论了线性组合有序统计量加权系数的选择与检测器性能的关系,在GSO特殊加权系数场合,提出了QBWSO、TMSO,CMSO三种性能较为优良的检测器。分析结果表明,TMSO和QBWSO在均匀背景及多目标环境中的性能均比OSSO的性能获得了改善,QBWSO在均匀背景中的性能比TMSO的略强;在均匀背景中,SO的性能最好。     

一种新的基于有序统计和剔除平均的恒虚警检测器

基于有序统计（ＯＳ）和剔除平均（ＴＭ）提出了一种新的恒虚警检测器（ＭＯＳＴＭ），它采用ＯＳ与ＴＭ来产生局部估计，再对二者平均来实现对杂波功率水平的估计，并应用文献（４）提出的自动筛选技术，在ＳｗｅｒｌｉｎｇＩＩ型目标假设下，推导出它的Ｐｆａ，Ｐ４和度量ＡＤＴ的解析表达式，并与其它方案进行了比较，分析结果表明，ＭＯＳＴＭ在均匀背影及多目标和杂波边缘引起的非均匀背景中，它的性能比ＯＳ和ＧＯＳＣＡ获得了     

有序统计恒虚警（OS－CFAR）检测器在韦布尔干扰背景中的性能

本文研究韦布尔干扰背景前的有序统计恒虚警算法，并在均匀干扰背景中分析它的性能，对于未知的形状参数Ｃ，本文基于来自参考滑窗随机变量的期望和中值提出一种估计方法，同时在均匀干扰背景中研究了这种估计方法的性能，结果表明，这种估计方案具有很小的附加恒虚警损失，当Ｎ＝１６，Ｃ＝２，ｋ＝１２时，它的恒虚警损失比两参数有序统计恒虚警检测器小．．     

两种改进的适用于多目标情况的恒虚警检测算法

本文基于筛选平均和无偏筛选平均提出了两种改进的恒虚警检测器－ＭＣＭ－ＣＦＡＲ和ＭＵＣＭ－ＣＦＡＲ，并应用了何友提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标似假设下，并考虑瑞利分布杂波和单脉冲检测情形，本文推导出了ＭＣＭ－ＣＦＡＲ和ＭＵＣＭ－ＣＦＡＲ检测器的Ｐｆα，Ｐｄ和平均判决门限的解析表达式，并与其它方案进行了比较。     

基于有序统计和自动删除平均的最大选择恒虚警检测器

基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(OSACGO)以提高CFAR检测的性能,它采用OS和ACCA产生两个局部估计,然后取二者中最大值作为背景功率水平估计,从而设置自适应检测门限.在SwerlingⅡ型目标假设下,推导出OSACGO在均匀背景下虚警概率Pfa的解析表达式.通过与其它现有方案进行比较,结果表明在均匀背景及多目标和杂波边缘引起的非均匀背景中,OSACGO均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的一半.     

一种新的基于UMVE和OS的恒虚警检测算法

为了充分利用参考单元所提供的信息,减少恒虚警损失,该文基于无偏最小方差估计(UMVE)方法和有序统计(OS)方法,提出了一种新的恒虚警检测器(MOSUM-CFAR)。它的前沿和后沿滑窗分别采用UMVE和OS方法产生两个局部估计,再对二者求和得到背景功率水平估计。在Swerling II型目标假设下,文中推导出MOSUM-CFAR在均匀背景下虚警概率Pfa和检测概率Pd及多目标环境下检测概率Pd的解析表达式,并与其它方案作了比较。分析结果表明MOSUM-CFAR在均匀背景和多目标环境下均具有相当好的检测性能。     

基于自动删除算法的最大选择恒虚警检测器

基于自动删除单元平均(ACCA)恒虚警算法,提出一种新的恒虚警检测器(ACCAGO-CFAR)以提高CFAR检测的性能。它的前沿和后沿滑窗均采用ACCA算法来产生2个局部估计,取其中最大值作为总的背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出ACCAGO-CFAR在均匀背景下虚警概率P_(fa)的解析表达式。通过与其他现有方案进行比较,结果表明ACCAGO在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能,尤其是在杂波边缘环境中,它的虚警尖峰比ACCA小近2个数量级,并且处理时间也比ACCA大为缩短。     

两种改进的适用于多目标情况的恒虚警检测算法

本文基于筛选平均(CM)和无偏筛选平均(UCM)提出了两种改进的恒虚警检测器MCM-CFAR和MUCM-CFAR,并应用了何友(1994)提出的自动筛选技术.在Swerling Ⅱ型目标假设下,并考虑瑞利分布杂波和单脉冲检测情形,本文推导出了MCM-CFAR和MUCM-CFAR检测器的Pfa、Pd和平均判决门限(ADT)的解析表达式,并与其它方案进行了比较.分析结果表明,它们在均匀背景和多目标环境中的性能均明显优于GOSCA和OS;当IL=4,IR=2时,MCM-CFAR比OS改善了2dB,MUCM-CFAR也比OS改善了1.5dB;MCM的性能略优于CM,MUCM与UCM接近,但它们的样本排序时间不足CM、UCM和OS的一半,便于工程实现.     

A NEW CFAR DETECTOR WITH GREATEST OPTION

This paper presents a new CFAR detector based on Ordered Statistics (OS) and Cell-Averaging (CA) forming local estimates, and using Greatest-Of selection (GO) to form clutter power level estimate Z in test cell(OSCAGO). Under the Swerling II assumption, the analytic expressions of Pfa,Pd and ADT of this detector are derived, its detection performance in homogeneous background and in strong interfering targets environment are analyzed and compared it with OS, GOSGO detectors. The results show that the detection performance of OSCAGO in homogeneous background and in multiple-target situations are obviously better than those of OS and GOSGO. When the number of interfering targets is equal to certain value, the CFAR loss of OSCAGO is about 3dB less than that of GOSGO.     

一种新的最大选择恒虚警检测器

本文提出一种基于有序统计(OS)和单元平均(CA)产生局部估计,并应用最大选择(GO)产生检测单元杂波功率水平估计Z的新的恒虚警检测器(OSCAGO)。我们推导出了该检测器在Swerling Ⅱ型目标假设下的虚警概率(Pfa)、检测概率(Pd)和度量平均判决门限(ADT)解析表达式。分析了它在均匀背景和强干扰环境中的检测性能。并且把它与OS-,GOSGO-CFAR进行了比较。结果表明,OSCAGO在均匀杂波背景和多目标情况下的检测性能与OS和GOSGO相比,都有很明显的提高。在干扰目标数为某些值时,OSCAGO的CFAR损失比GOSGO小近3dB。