基于准最佳加权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功率水平的估计，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，推导出了它的Ｐｆａ、Ｐｄ、ＡＤＴ及杂波边缘虚警尖峰的数学解析表达式分析结果表明，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．在特殊情况下，ＱＢＷＧＯ退化为ＧＯ和ＭＸ－ＣＭＬＤ     

一种新的基于单元逼近的恒虚警率检测器

基于删除平均（CM）和单元平均（CA）提出了一种新型的恒虚警率检测器,它采用CM和CA产生局部估计,再将这两个局部估计与检测单元进行比较,取逼近于检测单元的局部估计作为总的杂波功率估计。在SwerlingⅡ型目标假设和高斯杂波下,推导出它的检测概率Pd和虚警概率Pfa的解析表达式。     

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。     

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。     

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。     

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、     

基于局部累积概率密度函数估计的CFAR检测门限获取新方法

在恒虚警率（CFAR）检测中,传统基于全局概率密度函数（GPDF）估计获得门限的方法,受模型失配或参数估计误差的影响可能致使恒虚警率性能恶化。为解决该问题提出了基于局部累积概率密度函数（LCDF）估计的非模型化CFAR检测门限获取方法,对影响虚警的杂波幅值较大部分采用简单多项式逼近,根据检测门限、虚警概率、LCDF之间的关系计算门限,最后利用仿真数据和实测数据验证了该方法的有效性。实验结果表明,该方法不仅能保持较好的恒虚警率性能,而且克服了传统方法基于模型假设的局限性。      

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。     

一种新的基于有序统计和筛选平均的最大选择恒虚警检测器

本文基于有序统计（OS）和筛选平均（CM）提出了一种新的恒虚警检测器（OSCMGO），它采用OS和CM来产生局部估计，再采用最大选择逻辑来产生对杂波功率水平的估计，并应用了文献[4]提出的自动筛选技术，在SwerlingII型目标假设下，推导出了它的Pa、Pd和度量ADT的解析表达式，并与其它方案进行了比较，分析结果表明它在均匀背景和多目标环境中均具有较好的检测性能。     

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。     

基于删除平均和单元平均的CFAR检测器性能分析

基于删除平均(CM)和单元平均(CA),提出了一类恒虚警率(CFAR)检测器,其采用CM和CA产生局部估计,再对局部估计进行平均、选大、选小等逻辑运算实现对杂波功率的估计。分析了所提3种检测器的在均匀和非均匀背景下的检测性能。结果表明,在均匀背景和多目标环境下,对局部估计进行平均的检测器性能最优。     

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。     

CFAR处理中检测门限系数的研究

雷达系统在进行恒虚警处理时,通常采用的参考单元数是有限的。此时若采用理论的检测门限,将使虚警率大大增加。本文中我们通过仿真的方法确定CFAR中的实际门限系数,研究有限的参考单元数对虚警性能的影响。给出邻近单元平均恒虚警,选大恒虚警,选小恒虚警与加权单元平均恒虚警等四种检测器在不同参考单元数下的门限系数值。同时得出了不同恒虚警率下的门限系数。     

一种基于排序和平均的新恒虚警检测器

基于有序统计和单元平均方法及文献中的自动筛选技术，提出了一种新的恒虚警检测器，它被称作排序与平衡均值（ＭＯＳＣＡ）处理器。对这种新的恒虚检测器，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，我们获得了虚警和检测概率及度量ＡＤＴ的解析表达式。在均匀背景和存在强干扰目标的情况下，分析了它的检测性能，并将其与ＣＡ和ＯＳ－ＣＦＡＲ进行了比较。结果表明ＭＯＳＣＡＣＦＡＲ在均匀干扰背景中的性能位于ＣＡ和ＯＳ之间，在多目标     

雷达恒虚警性能分析

用蒙特卡罗方法，结合某炮位侦察雷达的恒虚警检测器，对雷达的恒虚警检测性能进行了定量分析，给出了线性接收机和对数接收机在不同恒虚警处理时的门限因子及相应的虚警概率，并分析了对数起点变化对虚警率的影响。     

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。     

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．．     

雷达杂波环境恒虚警率处理的实现

恒虚警率检测器是雷达信号处理机中的重要组成部分.对雷达自动检测和恒虚警率处理方法进行了综述,讨论了瑞利分布杂波背景中雷达目标恒虚警检测的原理,阐述了实现杂波背景中雷达目标恒虚警检测的方法.     

基于改进型恒虚警的毫米波雷达检测算法

为了提高毫米波雷达在多目标环境下的检测性能,在变化指数恒虚警（Variability Index CFAR,VI-CFAR）的基础上提出了一种改进算法,即当背景环境为多目标环境时,采用KL散度单元筛选恒虚警（Kullback–Leibler Trimmed Mean CFAR,KLTM-CFAR）替换单元平均恒虚警（Cell Averaging CFAR,CA-CFAR）与最小选择恒虚警（Smallest of CFAR,SO-CFAR）进行策略选择,有效避免了毫米波雷达在多目标环境下的目标遮蔽问题,提升了检测性能。对改进后的检测算法进行了仿真分析,结果表明,多目标环境下,在其他几种检测器基本丧失检测能力的情况下,该检测器仍保持着90%以上的检测概率,并且在均匀环境和杂波边缘环境下,也有较为良好的表现。     

OSCA-CFAR在K分布杂波背景下的性能分析

本文证明了形状因子已知条件下有序统计平均（OSCA）恒虚警检测器在K分布杂波背景下具有恒虚警性能，分析了均匀K分布杂波背景和多目标情况下该检测器的性能，并与OS和OSGO-CFAR进行了比较，仿真结果表明OSCA在两种环境下均具有最好的检测性能。