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。     

一种基于二次Gamma核的SAR图像舰船目标检测方法

针对CFAR检测方法在强海杂波环境中虚警率过高的问题,该文提出了利用二次Gamma核的目标检测方法对SAR图像舰船目标进行检测。该方法可以克服CFAR目标检测方法的缺陷,在强海杂波环境中能有效检测目标,通过实验证明了该方法大大提高了图像的平均信杂比,降低了检测的虚警率。     

基于色斑联合推举的被遮挡运动目标跟踪

针对非刚体运动目标被遮挡的跟踪问题,提出一种以目标色斑子块相关匹配联合推举的跟踪方法。利用目标色调特征的不变性对目标色斑进行自适应分块,通过子块的运动状态联合估计目标整体的运动状态,在遮挡发生时判断被遮挡子块,并将其排除到联合推举之外。实验结果表明,该方法可实现对非刚体目标遮挡下的有效跟踪。     

分布式自适应CMLWCA CFAR检测方法

针对分布式多传感器系统中不同传感器的信噪比会影响检测决策,提出一种利用各传感器信噪比决定其权值的自适应删除均值加权单元平均（CMLWCA）恒虚警率（CFAR）检测的新方法．在假定目标服从Swerling II起伏的情况下,导出了相应的检测概率与虚警概率闭式解．多种检测器数值分析的比较结果表明了该方法的有效性和优越性．     

利用高斯混合模型的SAR图像目标CFAR检测新方法

SAR（合成孔径雷达）图像杂波分布模型种类繁多且对实际地物的建模能力有限。在使用基于杂波统计模型的CFAR(恒虚警率)算法对SAR图像进行目标检测时,杂波统计模型的失配会导致检测结果产生较大的CFAR损失,算法精度不高。提出了一种基于高斯混合模型的CFAR检测新方法。该方法以理论上可以拟合任意形状概率密度分布的高斯混合模型对实际SAR图像的背景杂波进行拟合,利用拟合后得到的分布模型,根据CFAR检测的原理推导出目标检测阈值的计算公式完成目标的检测。新方法对服从不同分布模型的背景杂波,使用形式上统一的模型进行描述,克服了CFAR检测高度依赖背景杂波分布的缺点,提高了CFAR的通用性。实验结果表明,即使在背景杂波类型未知的情况下,新方法依然得到了良好的目标检测效果。     

基于二维IFS-CFAR算法的海杂波微弱目标检测

一直以来,统计与分形理论是分别应用在目标检测中的;CFAR检测方法采用自适应门限代替固定门限,能根据被检测点的背景噪声、杂波和干扰的大小自适应地调整;文章首先介绍了CFAR恒虚警目标检测方法,给出2D-IFS二维迭代函数系统)预测误差算法;其次运用2D-IFS方法计算了雷达回波的预测误差,结合CA-CFAR统计学目标检测提出一种新的海杂波微弱目标检测方法;最后采用实测海杂波数据进行验证,仿真结果表明文章所提方法对低目标回波信杂比具有良好的检测能力。     

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。     

一种适用于激光测速系统的自适应CFAR算法

恒虚警（CFAR）检测广泛应用于复杂环境的检测系统中,本文基于单元恒虚警检测,设计了一种利用角系数调整来改变检测阈值的自适应CFAR算法,并将该算法应用于激光测速系统,通过飞行试验验证,算法能有效提高信号检测率。     

基于自聚焦的变门限SAR/GMTI动目标检测方法

高分辨率合成孔径雷达（Synthetic aperture radar,SAR）合成孔径时间长导致动目标散焦严重、信杂噪比（Signal clutter noise ratio,SCNR）降低,增加了对动目标的检测难度。针对这种情况,本文提出了一种基于自聚焦的变门限SAR/(Ground moving target indication,GMTI)动目标检测算法。该算法利用距离相位误差和方位相位误差之间存在的固定关系实现对动目标的两维相位误差的估计与补偿,达到提高SCNR的目的。通过两级不同门限的恒虚警率（Constant false alarm rate,CFAR）检测分别实现动目标检测和排除虚警。实测数据结果表明,本文算法能有效地检测动目标,降低虚警概率。     

基于混沌理论和形态学变换的海面分布目标检测

基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法.该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)栓测,然后用形态学变换来改善检测效果.用实测的机栽海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测.     

一种新的基于UMVE和CA的恒虚警检测器

在雷达自动检测系统中,通常是将自动检测和恒虚警(CFAR)技术结合使用以保持在变化的杂波环境中获得可预测的检测性能和恒定虚警率.将无偏最小方差估计(UMVE)方法和单元平均(CA)方法结合,提出了一种新的恒虚警检测器(MUMCA-CFAR).采用UMVE和CA方法产生两个局部估计.再取二者的平均值作为背景噪声功率水平估计.在Swer-lingⅡ型目标假设下,推导出了MUMCA-CFAR在均匀背景下虚警概率和检测概率及多目标环境下检测概率的解析表达式.并与其它方法作了比较,结果表明该检测器在均匀背景和多目标环境下均具有相当优越的检测性能.     

一种SAR图像机动目标检测与分析方法

从SAR(合成孔径雷达)图像中检测和分析目标是进行SAR自动目标识别的关键步骤,提出了一种SAR图像中地面机动目标检测与分析的方法,该方法在对图像进行预处理后首先利用背景杂波强度分布为指数分布假设的恒虚警率算法以及形态学运算对原始的SAR场景数据进行快速检测获得感兴趣的目标区域,然后提取目标区域8个特征构成特征矢量以详细描述目标。实验结果表明,该方法计算速度快,能够从获得的目标区域得到大量有用的信息,而且该方法具有一定的通用性。     

Signal detection using the radial basis function coupled maplattice

From observation sea clutter, radar echoes from a sea surface, is chaotic rather than random. We propose the use of a spatial temporal predictor to reconstruct the chaotic dynamic of sea clutter because electromagnetic wave scattering is a spatial temporal phenomenon which is physically modeled by partial differential equations. The spatial temporal predictor used here is called radial basis function coupled map lattice (RBF-CML) which uses linear combination to fuse either measurements in different spatial domains for an RBF prediction or predictions from several RBF nets operated on different spatial regions. Using real-life radar data, it is shown that the RBF-CML is an effective method to reconstruct the sea clutter dynamic. The RBF-CML predictor is then applied to detect small targets in sea clutter using the constant false alarm rate (CFAR) principle. The spatial temporal approach is shown, both theoretically and experimentally, to be superior to a conventional CFAR detector.     

A reassigned bilinear transformation and Gaussian kernel function-based approach for detecting weak targets in sea clutter

This article proposes an efficient approach for weak target detection in sea clutter by using reassigned bilinear transformation based on the Gaussian kernel function (KF). This approach, which makes no assumptions on the sea clutter, mainly incorporates three steps: time-frequency analysis, feature extraction, and pattern classification. Bilinear transformation is utilized to transform sea clutter data into a time-frequency image, and the suitable Gaussian KF is applied to restrain the cross-term interference. Subsequently, to obtain a better performance in focus-ability, readability, and time-frequency resolution, we reassign the time-frequency distribution. In addition, we employ its marginal distribution of frequency (MARF) as classification feature vectors to decrease the dimensions of time-frequency features. Finally, a multilayered feed-forward neural network (NN) is selected as a classifier in the pattern classification process. Detection performances using the IPIX radar experimental sea clutter data are compared among the proposed method, the method based on continuous wavelet transform, and the conventional constant false alarm rate (CFAR) method based on spectral properties. A comparison of the results shows that the proposed method is more effective and efficient than the other two methods for weak target detection in sea clutter.     

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。     

Weibull杂波背景下的GO—CFAR处理

恒虚警处理技术（CFAR）,是用来在杂波环境变化的时候维持雷达虚警概率基本不变。当高分辨率雷达在低视角观察的海杂波或者地杂波背景中进行检测时,目标就是包含在非瑞利杂波中。最常用的描述非瑞利包络杂波的统计模型是Weibull分布模型。通过matlab仿真平台,分别对有无目标的Weibull分布杂波环境进行最大选择恒虚警（G0—CFAR）处理,依此研究其有效性。