韦布尔杂波下非参数量化秩检测器的性能

 非参数量化秩(RQ)恒虚警率检测器在雷达目标检测中占据着重要的地位,本文采用解析的方法分析了量化秩检测器在韦布尔分布中的检测性能,并考虑了均匀杂波背景和多目标环境情形,目标模型为Swerling II型.本文给出了非参数量化秩检测器在韦布尔杂波背景中的虚警概率和检测概率的解析计算表达式,并与参量型单元平均(CA)检测器的检测性能进行了对比.     

基于WPT-FRFT的微弱动目标检测及性能分析

针对杂波背景的微弱动目标检测问题,提出了一种应用小波包变换的分数阶Fourier域动目标检测算法。算法采用最小Shannon熵标准确定最优小波树,利用阈值删除技术,对杂波背景的参数精确估计,从而对不同频段信号进行滤波。建立了FRFT域的动目标检测模型,采用似然比准则设计检测器,抑制杂波后的信号在FRFT域形成检测统计量,门限比较后判断信号的有无。仿真得出了在高斯杂波和实测海杂波背景下的检测性能曲线,性能接近匹配滤波器,结果表明算法能够在低信杂比环境下有效检测出动目标信号。     

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.     

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。     

一种改进的VI-CFAR检测器

修正的削减平均MTM（modified trimmed mean）恒虚警（constant false alarm rate, CFAR）算法通过对前后滑窗的削减平均再求和实现杂波功率估计,其在多目标环境下具有很好的抗干扰性能。为了提高VI检测器在多目标背景尤其是前后滑窗都存在干扰目标时的检测性能,将MTM算法应用于VI（variability index）检测器,提出了一种改进的恒虚警检测器（VIMTM）,该检测器的检测阈值由CA、GO和MTM算法产生。同时本文推导了MTM算法标称化因子TMTM的表达式,在SwerllingⅡ假设下,对VIMTM在不同的杂波背景下的性能进行了仿真分析,并与VI和基于OS (order statistic )的OSVI进行了比较。结果表明,在均匀环境和多目标背景下,VIMTM检测性能较好,且具有更强的鲁棒性;在杂波边缘背景下,VIMTM控制虚警的能力与VI、OSVI相当。另外,与OSVI相比,VIMTM缩短了参考样本的排序时间,提高了检测器的工作效率。      

基于分数阶矩估计的非参量CFAR检测

该文针对杂波背景中的CFAR(恒虚警率)检测问题,提出了一种新的CFAR检测器Blind-CFAR检测器。该检测器通过估计杂波的分数阶矩,获得杂波的最大熵概率密度函数估计,进而确定CFAR检测门限。以Weibull杂波为例,仿真验证了Blind-CFAR检测器的有效性。由于采用了非参数估计方法,Blind-CFAR检测器具有结构简单、通用性好等优点,并可应用于未知杂波背景中的目标检测。     

基于CFAR的SAR目标检测

CFAR检测是由事先定好恒定虚警概率进行目标检测的一种算法,其前提是目标相对于背景具有较强的对比度。CFAR算法通过单个像素灰度和某一门限的比较达到检测目标像素的目的。文中研究了恒虚警概率检测算法,推导了不同拟合分布的具体形式,给出了几种代表性检测器,如CA-CFAR检测器,通过仿真结果证明,在均匀杂波区域中,3种检测器的结果相当,都能检测出目标。但从整体看,CA-CFAR的检测性能更好。     

基于两步法的海上目标智能检测方法

传统的恒虚警(CFAR)检测器虽然在多数目标场景中具有不错的检测效果,但在强杂波背景下其检测性能会下降。基于深度学习的雷达目标检测方法可以提取深度特征用于目标检测,然而深度学习算法耗时长,很难应用于实际场景。针对上述问题,文中提出了一种基于深度神经网络的两步检测法实现海杂波背景下的目标检测。首先将雷达回波的距离-多普勒图以窗口滑动的方式截取小尺寸样本,通过全连接层网络(FCNN)进行初步检测,然后在检测区域截取更大尺寸的样本用以深度特征提取,通过多层卷积神经网络(CNN)区分目标与杂波,得到最终的检测结果。实验结果表明,与传统CFAR检测器和基于CNN的一步检测方法相比,文中所提方法保持较高检测概率的同时,能有效提升检测效率。     

非高斯杂波下基于子空间的距离扩展目标检测器

在辅助数据缺失的非高斯杂波背景下,采用两步法设计策略研究了距离扩展目标检测方法.首先,在杂波纹理分量已知的条件下,对待检测数据进行高斯化,利用高斯背景下杂波协方差矩阵和目标散射点幅度的合适估计,建立检验统计量.其次,利用待检测数据在信号子空间正交补上的正交投影,估计杂波纹理分量,提出了基于子空间的距离扩展目标自适应检测器,并证明了其对杂波纹理分量的恒虚警率（CFAR,Constant False Alarm Rate）特性.仿真结果表明,在典型非高斯背景下,所提检测器的CFAR特性和检测性能均优于对比检测器;另外,阵元数、目标距离单元数或杂波尖峰的增加,能不同程度改善检测性能.     

一种新的分块恒虚警率检测技术

经典的参量型恒虚警率检测器只在特定的背景环境下才能得到较高的检测性能,而低空监视雷达的工作环境较为复杂,需要一种对杂波环境具有较强稳定性的检测器。为此,对传统的检测技术进行了改进,提出了一种新的分块恒虚警率检测技术。该技术通过对参考单元进行适当分块来提高对不同环境的适应能力,弥补了传统恒虚警率检测技术需要杂波背景分布的不足,增强了检测算法的通用性。给出了该算法在均匀杂波环境和杂波边缘环境下的虚警概率理论公式。计算机仿真验证了该技术的可行性和有效性。     

一种K-分布杂波背景下的双参数恒虚警检测器

该文基于改进的M-估计器和OSGO-CFAR检测器,提出了K-分布杂波背景下一种新的双参数恒虚警检测器,然后在均匀干扰背景中研究了这种检测器的性能,并与固定形状参数的OSGO-CFAR检测器进行了比较。结果表明,具有形状参数估计的OSGO相对于理想固定形状参数OSGO只带来很小的附加损失,同时具有更广泛的K-分布杂波适应性。     

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.     

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。     

基于地形融合分类的分区二维恒虚警检测器

在非均匀杂波背景下,由于恒虚警( CFAR)检测器与杂波背景幅度分布不匹配,导致检测器性能出现剧烈下降。针对此问题,提出了一种基于地形融合分类的分区二维CFAR检测器。首先提出一种基于拟合优度( GoF)的地形融合分类算法来对非均匀杂波背景下的地形进行分类编号,同时记录各地形的幅度分布及幅度分布参数;再根据地形编号及记录的幅度分布选择相匹配的CFAR处理窗实现分区二维CFAR;最后利用实测数据验证了该地形融合分类算法的有效性,并用半实测、实测数据对所提出CFAR检测器性能进行了仿真验证,结果表明相比传统二维CFAR检测器,所提出的CFAR检测器在非均匀背景下性能有明显提高。     

改进的SAR图像双参数CFAR舰船检测算法

双参数CFAR检测中设置了目标窗口、保护窗口和背景窗口3个窗口,并且窗口的大小,滑动步长都要进行经验训练得到,效率低,对距离很近的舰船SAR图像会产生漏检。针对这些不足, 该文提出了一种改进的双参数CFAR检测算法,该算法只取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除并对背景窗口中的剩余部分进行均值和方差估计来检测舰船,并且将窗口滑动步长取为目标窗口尺寸。相对双参数CFAR算法,结构得到了简化,检测结果的虚警率减小, 对距离很近的舰船不会产生漏检, 计算效率得到了改善。仿真结果表明了方法的有效性。     

Automatic censoring CFAR detector for heterogeneous environments

In radar detection, many constant false alarm rate (CFAR) processors have been proposed in the literature. It is well known that a processor is optimal only for one type of environment and that its detection performances are seriously degraded in presence of unknown irregularities. In such situations, the main difficulty resides in the estimation of the background configuration. That is, depending upon the non-homogeneity of the environment, one would choose the adequate optimal detection algorithm among a variety of known conventional ones that offer the best detection probability. Based on unknown transitions; i.e., in the presence of a priori unknown numbers of interfering targets and/or clutter edge, we propose an automatic censoring CFAR (AC-CFAR) detector for heterogeneous Gaussian clutter. The censoring technique used in this work offers a good discrimination between homogeneous and non-homogeneous environments. The proposed detector dynamically switches to the optimal conventional detector CA-, CMLD- or TM-CFAR. The performances of the proposed detector is evaluated and compared to existing detectors in various background situations. Monte Carlo simulations show that the AC-CFAR detector performs like the CA-CFAR in a homogeneous background. Moreover, the proposed detector exhibits considerable robustness in the presence of interfering targets and/or clutter-edge situations.     

基于杂波跟踪的CFAR检测研究

通过设立专门通道将图像处理技术应用于雷达检测域杂波功率数据处理,对特征杂波进行跟踪,为恒虚警处理提供背景信息.本文介绍了对抗杂波边缘的自适应CFAR检测器设计中的研究工作,设计了基于杂波跟踪的杂波属性CF(clutter feature)-CFAR检测器和结构元素SE(structuring element)-CFAR检测器,对其检测性能进行了分析.并通过蒙特卡罗(Monte Carlo)仿真方法对上述两种检测器的检测性能进行了仿真.     

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。     

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。