两种具有自动筛选技术的广义有序统计恒虚警检测器及其在多目标环境下的性能

本文提出两种广义修正的有序统计恒虚警(OS-CFAR)检测器和一种自动筛选技术。对这两种新的OS-CFAR检测器,在Swerling 2型目标假设下我们推出了虚警和检测概率及度量平均判决门限的解析表达式。在均匀背景和强干扰目标情况下,文中分析了它们的检测性能,并把它们与几个以前提出的恒虚警处理器进行了比较。     

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。     

机载MIMO雷达广义最大似然检测器

该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。     

OSSO和OSGO恒虚警检测器在Pareto分布混响背景下的性能分析

Pareto分布是一种重要的非高斯分布,被证明能够有效描述高分辨率主动声纳的混响统计特性。文章分析了有序统计选小(Ordered Statistic with Smallest Option, OSSO)和有序统计选大(Ordered Statistic with Greatest Option, OSGO)两种恒虚警(Constant Fales Alarm Rate, CFAR)检测器在Pareto分布混响背景下的性能。在尺度参数已知情况下,证明了OSSO-CFAR和OSGO-CFAR对形状参数具有恒虚警的特性。进一步分析了两种检测器在均匀Pareto混响背景、多目标干扰及混响边缘情况下的性能,并与有序统计(Ordered Statistic, OS)CFAR进行了对比。结果表明,在均匀混响背景下,OSGO-CFAR的检测性能与OS-CFAR相近,在混响边缘情况下具有最好的虚警控制能力;而对于多目标干扰情况,OSSO-CFAR比其他两种检测器的检测性能更优。      

一种新的最大选择恒虚警检测器

本文提出了一种基于有序统计和单元平均产生局部估计，并应用最大选择产生检测单元杂波功率水平估计Ｚ的新的恒虚警检测器。我们推导出了该检测器在ＳｗｅｒｌｉｎｇⅡ型目标假设下的虚警概率、检测概率和度量平均判决门限解析表达式。分析了它在均匀背景和强干扰环境中的检测性能。     

两种具有自动筛选技术的广义有序统计恒虚警检测器及其在多目标…

本文提出两种广义修正的有序统计恒虚警（ＯＳ－ＣＦＡＲ）检测器和一种自动筛选技术。对这两种新的ＯＳ－ＣＦＡＲ检测器，在Ｓｗｅｒｌｉｎｇ ２型目标假设下我们推出了虚警和检测概率及度量平均判决门限的解析表达式。在均匀背景和强干扰目标情况下，文中分析了它们的检测性能，并把它们与几个以前提出的恒虚警处理器进行了比较。     

一类基于VMSR的恒虚警检测器

设计了一类基于VMSR的改进型恒虚警检测器,给出了检测器的检测结构框图,同时描述了该类检测器的检测模型并给出了相应的检测概率表达式。该类检测器通过VR删除算法自适应删除杂波背景中的干扰样本,并将剩余样本按照不同操作得到杂波背景功率估计,提高了复杂杂波背景下检测器的精确性及鲁棒性。通过与典型VMSR-CFAR检测器的仿真对比实验,验证了该类检测器的检测性能。     

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。     

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。     

基于杂波分布特性的恒虚警率检测器设计

针对单元平均恒虚警率(CA-CFAR)检测器在非平稳环境下检测性能下降的问题,提出了一种基于杂波分布特性的自适应恒虚警率检测器设计方法。主要思路为：在已知背景杂波类别的前提下,选择相匹配的恒虚警率检测器来提高目标的检测性能。基于实测数据,通过在不同杂波类别的区域人工加运动目标的方式,经过与CA-CFAR检测结果的仿真实验对比,验证了所提恒虚警率检测器的有效性。     

基于UMVE算法的恒虚警检测器

基于无偏最小方差估计（UMVE）算法，提出了一种新的恒虚警检测器（UMVEM-CFAR）。它的前沿和后沿滑窗均采用UMVE算法来产生局部估计，再对两者求和得到背景功率水平估计。在SwerlingⅡ型目标假设下，推导出UMVEM-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只的解析表达式，与OS—CFAR相比，UMVEM在均匀背景和多目标环境下均具有最好的检测性能，并且它的处理时间只有OS的一半。     

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.     

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.     

K分布杂波背景下次序统计恒虚警检测器的性能

本文证明了在形状因子已知条件下次序统计恒虚警（ＯＳ－ＣＦＡＲ）检测器在Ｋ分布杂波背景下能保持恒虚警的特性，分析了均匀Ｋ分布杂波背景下检测器的性能，研究了不同参考单元数的信杂比损失，对于未知形状因子，本文提出了一种有效的估计方法。     

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．．     

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。     

A generalized switching CFAR processor based on test cell statistics

In this paper, a new constant false alarm rate (CFAR) thresholding algorithm which is a generalisation of the switching CFAR (S-CFAR) that takes into account the statistics of the sample in the test cell for reference sample selection is proposed. It employs a composite approach based on the switching CFAR and the order statistic CFAR (OS-CFAR). A mathematical analysis in a homogeneous environment is provided for this detector. The results obtained show that the detection performance of the generalised S-CFAR (GS-CFAR) is improved both in homogenous background and non-homogenous environment caused by interfering targets and clutter edge.     

机载雷达多杂波分布类型的恒虚警检测方法

本文提出了一种检验杂波分布类型的有效方法,该方法首先通过概率密度变换方法对被检验的杂波序列进行变换,再应用简单的正态分布检验方法检验变换后的序列,以此来检验原杂波序列的分布类型.针对常用的瑞利、韦布尔、对数正态杂波类型,与χ²和KS拟合检验方法进行了仿真比较,结果表明该方法检验精度高,计算简单,并且通用性强,克服了经典检验方法受区间划分影响大,对参数估计精度要求高,计算复杂的缺点.在杂波检验的基础上,根据OS-CFAR和log-t CFAR检测方法设计了适应于多杂波分布类型的CFAR处理器,对特定杂波类型CFAR检测器与背景杂波类型失配的各种情况的检测性能进行了仿真和分析.