一种改进的VI CFAR检测器

为得到不同杂波背景下的良好检测性能,给出了一种改进的VI CFAR检测器.该检测器主要利用均值类可变性指示（MLVI）CFAR检测器和有序统计类可变性指示（OSVI）CFAR检测器的各自优点以及VI CFAR的以背景均匀程度自动选择不同检测器思想.理论分析和仿真结果表明：该检测器在均匀背景下性能基本与MLVI CFAR重合;多目标背景下具有较强的抗多目标能力;杂波边缘背景下有较好的虚警概率控制能力且运算量小,是一种稳健的检测器.     

基于模糊积累的宽带雷达CFAR检测

采用传统的统计检测方法进行高分辨雷达目标检测时不能充分利用目标回波的全部能量,影响雷达的检测性能.基于二进制积累检测方法和模糊检测理论,提出了两种模糊积累的检测方法,从理论上对所提方法的检测性能进行了分析;在均匀杂波背景和多目标背景、杂波边缘背景下进行了性能仿真.理论分析和仿真结果表明:模糊积积累检测方法检测性能比二进制积累检测方法的检测性能有明显改善,是一种稳健的检测CFAR方法.     

基于统计量ODV的自适应TM-CFAR检测

基于有序数据变率(ODV)和削减平均恒虚警(TM-CFAR)检测,提出了自适应TM-CFAR检测,它能判决自动选择参数并估计背景噪声,仿真结果表明,在均匀背景和多目标背景下,其具有较好的检测性能,能提高抗干扰目标最大容限;在强杂波边缘时,其虚警概率控制能力优于有序统计CFAR检测和单元平均CFAR检测.采用两级结构和分块并行处理思想实现时,该算法所需硬件资源和运算复杂度都低于自动删除平均ODV检测,而且具有实时处理性高和时序控制方便的优点.     

一种与杂波类型无关的延展目标CFAR检测器

针对延展目标检测问题,提出了一种与杂波分布类型无关的CFAR检测器.首先从理论上分析了该处理方法的CFAR特性,导出了相应的检测性能解析式.同时,为了证实提出方法的有效性,将其与基于模糊积累的CFAR检测器和二进制积累CFAR检测器进行了实验比较.实验结果表明,该处理方法具有良好的通用性、实用性和稳健性.     

基于多杂波分布模型的自适应单元平均恒虚警检测

针对机载预警（AEW）雷达多杂波分布模型的恒虚警检测问题，提出一种自适应单元平均恒虚警（ACA-CFAR）检测方法．这种检测方法是在经典CA-CFAR检测方法基础上加入自适应判断选择背景参考子窗的一种CFAR处理方法．它是根据杂波功率水平的变化选择背景杂波单元，在此基础上结合CA-CFAR检测方法实现检测．仿真结果表明，ACA-CFAR恒虚警检测方法在均匀背景和多目标背景下均具有较好的检测性能，并且运算量小．     

Weibull杂波背景下扩展目标的恒虚警率检测

针对高分辨雷达检测问题，提出了一种基于高分辨雷达Weibull背号下单脉冲双参数恒虚警率（CFAR）检测方法，并对该方法进行了理论、参数估计等方面的分析．理论分析和仿真结果表明，该方法对高分辨雷达具有较好的检测性能．     

一种快速排序筛选SAR图像目标CFAR检测算法

传统SAR图像目标CFAR检测算法通常针对低分辨率图像,目标在高分辨率图像中表现为扩展目标时难以获得较好的检测性能.为解决高分辨率SAR图像的目标检测问题,借鉴3种传统CFAR检测算法,研究了一种快速排序筛选SAR图像目标CFAR检测算法.该算法引入杂波像素排序筛选机制,通过获取候选目标区域减少CFAR检测像素点,针对滑窗移动时杂波像素大量重合进行参数快速估计.实验结果表明,该算法与传统CFAR算法相比,在检测效果和检测效率上都有显著提升;而SAR图像的检测性能与筛选深度有关.     

严重拖尾杂波中距离扩展目标的自适应极化检测

为了解决统计特性未知的严重拖尾杂波背景下距离扩展目标的信号检测问题,提出了一种基于广义似然比检验(GLRT)的自适应极化检测器．该检测器利用了雷达回波的极化信息,并使用辅助数据估计杂波的协方差矩阵．推导了其虚警概率表达式,理论分析验证了该检测器对于杂波能量和杂波协方差矩阵具有恒虚警特性．仿真结果表明,该自适应极化检测器在较低信杂比下就可以获得好的检测性能,且相比于点目标自适应极化检测器和单极化自适应检测器,具有更优的检测性能．     

恒虚警问题研究

首先讨论了高斯杂波背景中雷达目标恒虚警检测的原理,然后通过分析慢门限CFAR、邻近单元平均恒虚警（CA—CFAR）检测性能的优劣,提出了改进型CFAR方案,并在计算机模拟统计的基础上对5种处理器的检测性能进行了分析比较,得出对数平均选大恒虚警电路在复杂杂波环境中工作最优,其它各有优越性。     

一种非均匀环境下多通道SAR动目标检测算法

针对非均匀环境中SAR-GMTI动目标检测性能下降的问题,提出了一种新的动目标检测算法。该算法首先通过广义内积（GIP）来修正杂波的协方差矩阵,从而达到抑制均匀杂波的目的,然后利用恒虚警（CFAR）检测技术提取动目标及强干扰目标,最后根据杂波抑制剩余信号的多普勒中心来剔除强干扰目标。理论分析及实验结果表明,该方法不仅能够很好地抑制均匀杂波,且能剔除强干扰目标,适用于强干扰存在的非均匀环境。     

两种检波方式CA—CFAR检测器性能分析

为了更全面地分析CFAR检测器的性能，对线性和平方律两种检波CA—CFAR检测器检测性能优劣问题进行了研究．首先从理论上分别导出了两种检波的最优检测解析式和在CA—CFAR处理时的CFAR损失结果，然后对两种检波方式的检测性能和CFAR损失进行了全面的比较，得到了相应的结论．     

DSP在靶场矢量脱靶测量领域的应用

为了实现信号实时高速处理以达到实时检测的目的,检测系统在硬件设计上采用了TMS320C30DSP处理芯片和2310FFT处理芯片,在结构上采用存储体乒乓切换工作,主从处理器并行动作方式。在软件算法上采用频域恒虚警或杂波图检测。     

A Mo LC+Mo M-based G~0 distribution parameter estimation method with application to synthetic aperture radar target detection

The accuracy of background clutter model is a key factor which determines the performance of a constant false alarm rate(CFAR) target detection method. G0 distribution is one of the optimal statistic models in the synthetic aperture radar(SAR) image background clutter modeling and can accurately model various complex background clutters in the SAR images. But the application of the distribution is greatly limited by its disadvantages that the parameter estimation is complex and the local detection threshold is difficult to be obtained. In order to solve the above-mentioned problems, an synthetic aperture radar CFAR target detection method using the logarithmic cumulant(Mo LC) + method of moment(Mo M)-based G0 distribution clutter model is proposed. In the method, G0 distribution is used for modeling the background clutters, a new Mo LC+Mo M-based parameter estimation method coupled with a fast iterative algorithm is used for estimating the parameters of G0 distribution and an exquisite dichotomy method is used for obtaining the local detection threshold of CFAR detection, which greatly improves the computational efficiency, detection performance and environmental adaptability of CFAR detection. Experimental results show that the proposed SAR CFAR target detection method has good target detection performance in various complex background clutter environments.     

基于TMS320VC5402的雷达目标检测器的设计

介绍一种用于空情网系统的雷达目标检测器,它以DSP芯片TMS320VC5402为核心处理器,利用其多通道缓冲同步串行口(McBSP)和AD7495芯片接口实现数据采集,具有异步串口通信功能.重点介绍了该系统的基本组成、工作原理及CFAR检测算法程序.该检测器满足警戒雷达的远程警戒、多目标和实时检测的要求,具有体积小、成本低、工作稳定和适应性强的优点.     

Improved Ship Target Detection Accuracy in SAR Image Based on Modified CFAR Algorithm

基于修正CFAR算法的高精度SAR图像舰船目标检测

王勇,郭天骄

(哈尔滨工业大学 电子与信息工程学院,哈尔滨 150001)

创新点说明：

本文基于舰船目标实测数据SAR成像结果,提出一种新的二维SAR图像舰船目标检测算法,具体创新性可说明如下：

1）首先使用Otsu算法大致确定舰船目标的大小,进而自适应地确定CFAR滑动窗的尺寸,使算法更有普适性。

2）介绍了CFAR算法的改进形式,在提高运算速度的同时大大提升了检测效率。

3）所用的综合算法包含了形态学分割算法,解决了传统Otsu、CFAR算法不能处理多目标融合、角反射过强等问题,降低了漏警概率。

研究目的：

传统CFAR舰船检测算法效率低、无法根据图像分辨率和舰船目标大小来确定滑动窗大小,而且无法解决多目标融合等问题,基于此,本文设计一种综合算法可解决基于SAR图像的舰船目标检测问题。

研究方法：

1）对图像进行Otsu二值分割处理,量取分割后的每个区域的尺寸;

2）采用改进的CFAR算法,将积分运算简化为求和迭代运算,将阈值初始化为二倍窗内灰度值均值,窗大小根据Otsu算法分割后的每个区域的长宽来确定;

3）对经过CFAR算法后的图像进行形态学开运算处理。开运算算子采用一条线段,长度同样根据Otsu算法分割后的每个区域的长宽来确定。

结果：

1）说明了SAR图像进行Otsu处理后的图像特点,以及Otsu算法可以迅速获得舰船目标大小的优点。

2）给出了改进的CFAR算法的计算流程,此算法能够根据上一步估计的舰船目标大小来调整滑动窗大小,计算高效迅速,而且比较精确。

3）采用形态学开运算算法,并能根据Otsu算法分割后的每个区域大小来确定开运算算子,开运算处理后融合的多目标彼此分离,强角反射得到了去除,降低了漏警概率和虚警概率。

结论：

对于一幅含有舰船目标的SAR图像,可以通过Otsu、CFAR、开运算处理来进行舰船目标检测,降低漏警概率和虚警概率,提高算法的普适性和精确性。此外,通过对CFAR算法改进可大大提升运算效率。本文的研究结果对SAR舰船目标检测算法的实际应用奠定了良好的理论和实验基础。

关键词：舰船检测,Otsu算法,恒虚警检测,开运算