一种多目标环境下的SAR图像自适应CFAR检测方法

多数CFAR检测器在多目标检测环境下需要关于干扰目标的先验信息,当检测环境发生变化时,这些检测器很难维持稳定的检测性能。针对多目标环境下的SAR图像目标检测,提出一种新的自适应CFAR（恒虚警）检测器。该检测器利用局部的杂波功率水平估计以及目标和杂波的方差特征筛选出参考窗中的均匀杂波像素,同时剔除掉干扰目标像素;在筛选过程中,每一步使用的判决门限根据上一步的判决结果自动更新;最后对筛选出的样本点作单元平均处理形成检验统计量;完全不需要干扰目标的任何先验信息。利用实测数据仿真研究了该检测器的检测性能与运行效率,实验结果表明,相对单元平均CFAR检测器及有序统计量CFAR检测器,该检测器提高了检测性能,保留了目标精细的结构特征,而运行效率与有序统计量CFAR检测器相当,很具实用性。     

基于改进VI-CFAR的模糊距离扩展目标检测算法

为了提高主动声呐在高斯背景下对距离扩展目标的检测能力,本文提出了一种新的恒虚警(CFAR)检测方法。该方法首先利用最小选择无偏最小方差和单元平均(UMCASO)方法对可变指数恒虚警(VI-CFAR)进行改进,得到改进VI-CFAR方法,再将其用于对距离扩展目标检测的第一门限处理中,同时第二门限处理使用模糊积累方法。仿真结果表明,该方法在均匀背景下只有较小的CFAR损失,而在多目标干扰下相比传统方法有更强的鲁棒性,对抗多目标干扰性能优越。对于起伏目标模型,模糊代数积积累准则性能优于模糊代数和积累准则。在不同的背景下,选用与之相适应的积累准则,可获得较为理想的检测性能。     

基于SAR图像目标检测的优化CFAR检测器算法研究

在目前的SAR目标检测中CFAR检测器被广泛的应用,而对相同或不同分辨率的图像,优化的CFAR检测器可以作为无偏检测。本文对优化的CFAR．检测器进行了研究。     

稀疏距离扩展目标自适应检测及性能分析

在球不变随机向量杂波背景下,研究了稀疏距离扩展目标的自适应检测问题.基于有序检测理论, 利用协方差矩阵估计方法,分析了自适应检测器(Adaptive detector, AD).其中,基于采样协方差矩阵(Sample covariance matrix, SCM)和归一化采样协方差矩阵(Normalized sample covariance matrix, NSCM),分别建立了AD-SCM和AD-NSCM检测器.从恒虚警率特性和检测性能综合来看, AD-NSCM的性能优于AD-SCM和已有的修正广义似然比检测器.最后,通过仿真实验验证了所提方法的有效性.     

Pearson分布杂波背景下分布式模糊CA-CFAR检测器的性能分析

为了改善雷达的检测性能,本文分析了Peason分布杂波背景下,采用模糊逻辑方法设计CA-CFAR检测器的问题.提出了一种二元分布式模糊CA-CFAR检测器.两个检测器分别利用滑窗数据计算出映射到虚警空间的隶属函数值,通过融合中心的四种融合准则得到全局隶属函数值,实现背景杂波功率水平估计,从而进行目标判决.仿真结果表明,基于代数和融合准则的模糊CA-CFAR,在四种融合逻辑中检测性能是最稳健的,且相比传统的二进制"与"逻辑或者"或"逻辑CFAR检测器,能够提供更好的检测效果.     

MOSCM恒虚警检测器在非均匀背景中的性能分析

分析了MOSCM恒虚警（CFAR）检测器在多目标和杂波边缘非均匀背景中的性能，给出了它在杂波边缘情形中虚警尖峰的数学解析表达式．分析结果表明，它带来的优势主要体现在非均匀背景中，它在杂波边缘中的虚警控制能力比GOSCA和有序统计（OS）有效，对多目标情况也呈现了较好的鲁棒性，它可以均匀背景中较小的代价换取在多目标值况下性能的较大改善，如当IL＝4，IR＝2时，它比OS改善了近2dB．     

一种自适应的合成孔径雷达图像目标检测方法

目标检测是自动目标识别的一个重要步骤,论文提出了一种自适应的SAR图像目标检测方法,该方法采用基于Weibull分布模型的恒虚警率(CFAR)检测技术,将参考窗口分块,判断各子块类型,根据各子块类型不同,自适应选择参考样本确定阈值。在检测过程中,利用灰度和方差特征,预先排除明显不为目标的像素。对CFAR检测结果,利用目标基本形状特征排除虚警。实验证明,该方法在同质区和非同质区背景下都具有较好的检测性能。     

基于自适应脉冲压缩-Capon滤波器的MIMO阵列雷达CFAR检测器

针对强杂波背景和有限训练样本数量条件下采用脉内编码压缩波形的MIMO阵列雷达目标检测问题,借鉴自适应波束形成技术中Capon最小功率估计器的相干源信号对消思想,提出了自适应脉冲压缩—Capon滤波器(简记为APC-Capon滤波器),并基于此滤波器的输出设计了一种CFAR检测器.理论分析和数值仿真均表明,该滤波器能够在执行非迭代自适应脉冲压缩并抑制各发射波形自相关距离旁瓣和互相关干扰的同时,实现杂波信号对消,即杂波抑制功能.检测性能仿真表明,尽管相同尺寸参数(包括发射阵元数、接收阵元数、脉冲编码位数、相参脉冲个数)条件下,所设计的基于APC-Capon滤波技术的CFAR检测器的性能不如训练样本数量充足时基于匹配滤波+样本矩阵求逆(SMI)技术的AMF检测器,但是随着尺寸参数的适当增大,前者的检测性能将逐渐超过后者在较小尺寸参数时的检测性能,且不显著增加计算复杂度和训练样本数量,而后者则因大尺寸参数时对计算复杂度和训练样本数量的需求过高而在实际中难以实现.仿真还表明,APC-Capon滤波器及其相应的CFAR检测器对发射波形的相关性(包括自相关性能和互相关性能)有一定的依赖性,但随着发射波形数量的增加,这种依赖...     

频域CFAR技术在SAR图像目标检测中的效能评估

针对SAR图像目标检测缺乏客观效能评估的问题,提出了一种利用平均阀值ADT来评估频域CFAR检测性能的方法。实现了频域中三种CFAR处理器对于SAR图像中异质区域的MATLAB仿真,利用ADT对仿真效果进行评估,验证了频域CFAR技术在SAR图像自动目标检测处理中的可行性、准确性和有效性。     

一种改进MVI-CFAR检测器的性能分析

VI-CFAR检测器在均匀环境和非均匀环境下均具有较强的自适应性,但若前后两个参考滑窗均存在干扰目标时,VI-CFAR检测性能急剧下降。为克服该问题,本文采用有序统计平均CFAR和有序统计选小CFAR来替代VI-CFAR中最小选择CFAR。所提出的算法不但解决了干扰目标位置随机分布的问题,还解决了当其中一个滑窗的干扰目标数超过最大容限时检测性能下降的问题。在参考滑窗中干扰目标个数与扰噪比均不相同的情况下,分析了统计量VI的变化,有助于评估和设计VI-CFAR类检测器在多目标环境下抗干扰目标的最大容限。仿真结果表明,该改进算法提高了VI-CFAR在多目标环境下的鲁棒性,与其他改进算法相比,其排序处理时间降低一倍。     

基于ADSP21160的目标检测算法实现

强杂波背景中的雷达目标恒虚警检测是雷达信号处理的重要组成部分。本文首先介绍了数字信号处理芯片ADSP21160的主要特点，然后讨论了瑞利分布杂波背景中雷达目标恒虚警检测的原理，最后着重阐述了基于数字信号处理芯片ADSP21160实现杂波背景中雷达目标恒虚警检测的方法和仿真实验结果。     

机场跑道异物监测雷达的杂波图恒虚警率检测

随天线扫描平稳变化的强地杂波是实现机场跑道异物(FOD)检测的主要干扰,传统的空域恒虚警率(CFAR)处理不能有效地检测到目标,针对上述问题,提出了一种单元平均杂波图恒虚警率检测算法。首先基于系统特性和跑道环境建立了回波信号模型;然后通过杂波图划分、单元平均、递归滤波等处理技术,实现了距离—方位二维恒虚警率检测;最后进一步分析影响检测性能的主要参数。仿真结果表明,所提算法在低信杂比背景下能有效检测到弱目标,并获得较高的检测概率。     

一种基于ODV和CA的恒虚警检测器

基于有序数据方差(ODV)方法和单元平均(CA)方法提出一种新的恒虚警检测器(MODVCA),它的前沿和后沿滑窗分别采用ODV和CA产生局部估计,再取二者的和作为背景功率水平估计.在Swerling Ⅱ型目标假没下,推导出MODVCA在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较,结果表明在均匀背景及多于扰目标情况下,MODVCA的性能均比MOSCA获得了改善,同时该检测器的样本排序时间只有ODV的四分之一.     

A versatile hardware architecture for a constant false alarm rate processor based on a linear insertion sorter

Constant False Alarm Rate (CFAR) algorithms are used in digital signal processing applications to extract targets from background in noisy environments. Some examples of applications are target detection in radar environments, image processing, medical engineering, power quality analysis, features detection in satellite images, Pseudo-Noise (PN) code detectors, among others. This paper presents a versatile hardware architecture that implements six variants of the CFAR algorithm based on linear and nonlinear operations for radar applications. Since some implemented CFAR algorithms require sorting the input samples, a linear sorter based on a First In First Out (FIFO) schema is used. The proposed architecture, known as CFAR processor, can be used as a specialized module or co-processor for Software Defined Radar (SDR) applications. The results of implementing the CFAR processor on a Field Programmable Gate Array (FPGA) are presented and discussed.     

雷达恒虚警检测系统仿真

恒虚警(CFAR)处理技术对常采用机载下视或类似工作条件的PD雷达进行目标检测非常重要,文章首先对恒虚警检测原理进行论述,重点讨论单元平均CA-CFAR,最大选择GO(greatest of)-CFAR和最小选择SO(smallest of)-CFAR这三种均值类恒虚警处理方法,建立其数学模型.接下来对接收机噪声信号进行模拟,同时建立目标信号模型,并将所产生的噪声信号与目标信号相叠加仿真雷达系统的接收信号,注入所建立的恒虚警模型中进行检测仿真,给出仿真结果的分析,试验证明了仿真系统的有效性.     

Constant false alarm rate detector based on the maximal reference cell

In order to improve the detection performance of constant false alarm rate (CFAR) detectors in multiple targets situations, a CFAR detector based on the maximal reference cell (MRC) named MRC-CFAR is proposed. In MRC-CFAR, a comparison threshold is generated by multiplying the amplitude of MRC by a scaling factor. The number of the reference cells left, whose amplitudes are smaller than the comparison threshold, is counted and compared with a threshold integer. Based on the comparison result, proper reference cells are selected for detection threshold computation. A closed-form analysis for MRC-CFAR in both homogeneous and non-homogeneous environments is presented. The performance of MRC-CFAR is evaluated and compared with other CFAR detectors. MRC-CFAR exhibits a very low CFAR loss in a homogeneous environment and performs robustly during clutter power transitions. In multiple targets situations, MRC-CFAR achieves a much better detection performance than switching CFAR (S-CFAR) and order-statistic CFAR (OS-CFAR). Experiment results from an X-band linear frequency modulated continuous wave radar system are given to demonstrate the efficiency of MRC-CFAR. Because ranking reference cells is not required for MRC-CFAR, the computation load of MRC-CFAR is low; it is easy to implement the detector in radar system in practice.