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.     

混响背景下基于自动删除算法的恒虚警检测器

该文提出了一种混响背景下基于自动删除算法的恒虚警检测器。该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人(2004)提出的方法所存在的缺点。推导了该检测器的平均虚警概率和平均检测概率。最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性。     

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。     

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。     

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     

基于排序方差的非参量自动删除检测算法

为了增强广义符号(GS)检测算法在多目标环境中的检测性能,基于自动删除单元平均(AC-CA)检测算法和GS统计量提出了一种新的非参量检测算法(ACGS),它的前沿和后沿均采用ACCA检测算法进行参考单元选择,然后与检测单元进行比较形成检验统计量.分别针对均匀背景和多目标环境分析了ACGS检测算法的性能,并与GS检测算法进行了比较,最后利用实测数据进行验证.结果表明在均匀杂波背景下,ACGS检测算法较GS检测算法有较小的CFAR损失,但在多目标背景下较GS检测算法取得了较大的性能改善.     

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。     

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。     

基于GIS信息的CFAR检测器

在雷达信号检测过程中,为了实现恒虚警处理,必须采用动态门限。恒虚警检测器的门限设置通常是利用待检测单元附近的距离单元杂波数据进行计算得到的。然而,杂波环境的非均匀性导致了杂波功率随着距离变化剧烈,常规的恒虚警检测器性能会显著下降。文中给出了基于地理信息系统的恒虚警检测算法,利用对杂波环境的了解程度,可以显著提高CFAR检测器的性能。利用IPIX雷达实测数据,验证了该算法性能优于常规的其他CFAR处理器。     

基于谱范数的矩阵CFAR检测器

基于信息几何的矩阵恒虚警率（Constant False Alarm Rate,CFAR）检测器为雷达目标检测问题提供了新的解决思路,其主要组成部分是均值矩阵的估计和检测统计量的计算,且检测性能与矩阵流形上的几何测度有紧密关系.现有的信息几何测度都是从Frobenius范数考虑,本文则基于谱范数考虑了矩阵流形上的几何测度和均值矩阵估计问题.将均值矩阵估计问题转化为矩阵流形上的优化问题,根据目标函数的性质得到了计算简便的近似均值矩阵.利用不同方法得到的均值矩阵,提出了几种新的基于谱范数的矩阵CFAR检测器.通过检测势分析和仿真实验验证了其检测性能优于现有的其他矩阵CFAR检测器,复杂度分析也表明了其计算复杂度低于现有的其他矩阵CFAR检测器,为海杂波背景下的雷达目标检测提供了新的有效技术手段.     

非高斯背景下基于ODV的距离扩展目标检测器

 本文研究了球不变随机向量杂波背景下的距离扩展目标检测问题.给出了修正的距离扩展目标检测器MSDD,推导了相应的虚警概率与检测阈值的解析表达式.MSDD需要事先估计目标散射点个数,而散射点个数估计失配时会出现严重的信杂比损失,针对这一问题,利用有序数据方差估计散射点个数,提出了ODV-MSDD检测器.仿真结果表明,ODV-MSDD对目标所占距离窗的大小具有很好的鲁棒性,并且其检测性能随着目标散射点个数、阵元数以及杂波尖峰的增加而提高.与MSDD相比,ODV-MSDD能根据实际观测数据自适应地估计散射点个数,有效提高检测器性能,增强系统的鲁棒性.     

基于广义符号最大或最小选择检测器

现代雷达系统中,杂波统计特性往往无法预先确定,此时针对性较强的参量检测方法就失去了恒虚警能力,因此非参量方法已成为一个重要的研究方向。通过对同一距离单元不同观测时间区间上由广义符号检测器形成的多个检验统计量进行排序后选大或选小,提出了两种广义符号检测器的改进型,即基于广义符号统计量的最大或最小选择检测器。在高斯杂波和实测海杂波数据下,分析了上述两种检测器对于Swerling 0和SwerlingⅡ目标的检测性能,研究表明,两种新型检测器的检测性能均优于GS检测器。     

基于恒虚警率的双阈值检测方法

针对对海导航雷达视频图像背景灰度值分布不均匀,不同位置的目标与背景对比度不同的特点,以及对海导航雷达视频图像目标检测处理效率的要求,结合传统的阈值分割处理思路,提出一种基于恒虚警率的双阈值检测方法。该方法在保证低虚警率的基础上,结合现有的全局阈值和局部阈值两种处理思路,实现对对海导航雷达视频图像目标的快速精确检测,并在实测数据上与常用阈值检测算法Otsu算法进行了验证比较。结果证明,该算法能有效提高目标检测的准确度。     

一种基于检测单元统计特性的CFAR

针对在多目标、强干扰非均匀环境下CA-CFAR、OS-CFAR检测器的检测性能严重下降的问题,本文提出一种基于检测单元统计特性来选择参考单元的CFAR.分析结果表明,相比于CA-CFAR、OS-CFAR,该CFAR在均匀环境中具有较小的损失,在非均匀环境中,具有较强的抗干扰能力.