OSCAGO—CFAR检测器在干扰边缘中的性能分析

本文研究ＯＳＣＡＧＯ－ＣＦＡＲ检测器在干扰边缘中的性能，文中推导出了它在干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＧＯ、ＯＳ和ＣＡ－ＣＦＡＲ检测器进行了比较。结果表明，ＯＳＣＡＧＯ的抗边缘干扰性能比这三种ＣＦＡＲ检测器均有明显增强，同时，它在均匀背景和多目标环境中也保持了良好的检测性能。     

OSCAGO－CFAR检测器在干扰边缘中的性能分析

本文研究ＯＳＣＡＧＯ－ＣＦＡＲ检测器［１，２］在干扰边缘中的性能。文中推导出了它在干扰边缘环境中虚警概率的解析表达式，分析了它抗边缘干扰的性能，并且与ＧＯ、ＯＳ和ＣＡ－ＣＦＡＲ检测器进行了比较。结果表明，ＯＳＣＡＧＯ的抗边缘干扰性能比这三种ＣＦＡＲ检测器均有明显增强。同时，它在均匀背景和多目标环境中也保持了良好的检测性能。     

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     

分布式OS—CFAR检测在多脉冲非相干积累条件下的性能分析

在非均匀杂波背景中和两个局部检测器的条件下，本文分析了分布式ＯＳ－ＣＦＡＲ检测在多脉冲非相干积累条件下的性能，与单脉冲检测，单传感器检测以及相应的最优固定阈值检测进行了对比，结果表明，多脉冲积累使分布式检测的性能有明显增强，脉冲积累数的增加使之与最优固定阈值检测的差距减小，而且尽管脉冲积累数的增加使分布式检测相对于单传感器的优势减弱，但是优势依然存在，并且在信噪比较低时较为明显。     

一种综合型CFAR处理器（POS）及其性分析

本文通过分析现有的五种ＣＦＡＲ处理器检测性能的优劣。提出准有序ＣＦＲＡ方案,并在计算机模拟统计的基础上阐述了该处理器的检测性能,得出ＰＯＳ－ＣＦＡＲ能以较小的检测损失,换取对染波边界、多目标环境有较好适应性的结论。     

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。     

带有幅形比检测和非线性控制的宽屏幕电视接收机

宽屏幕电视接收机利用幅形比检测（ＡＳＰＥＣＴＤＥＴＥＣＴＩＯＮ）和非线性控制（ＮＯＮ－ＬＩＮＥＡＲ ＣＯＮ－ＴＲＯＬ）技术对输入的图像和字幕进行全自动控制,应用推断（ＦＵＺＺＹ－ＩＮＦＥＲＥＮＣＥ）技术进行画质控制。     

非高斯背景下高分辨雷达CFAR检测器

本文讨论了球不变随机过程（ＳＩＲＰ）非高斯杂波背景下高分辨雷达距离扩展目标检测问题。文中提出了ＣＡ—ＣＦＡＲ、ＯＳ—ＣＦＡＲ两种距离扩展目标检测器。文中证明了它们的形状因子和尺度因子未知的情形下具有恒虚警性,即双参数恒虚警性,并分析了这两种检测器的检测性能。这两种检测器亦可用作ＳＩＲＰ杂波背景下低分辨雷达检测器。     

一种具有自动筛选技术的恒虚警检测器及其在多目标情况下的性能

提出一种新的基于有序统计的恒虚警检测器和一种新的自动筛选技术。这种新的检测器是广义有序统计单元平均（ＧＯＳＣＡ）恒虚警算法。对这种新的恒虚警算法在斯威林２型目标假设下，我们获得了虚警概率、探测概率和度量ＡＤＴ的解析表达式。在均匀背景和强干扰存在的情况下，分析了它的探测性能，并把它与ＯＳ－ＣＦＡＲ进行了比较。分析结果表明，ＧＯＳＣＡ－ＣＦＡＲ在均匀干扰背景和多目标情况下均具有较好的探测性能，而ＧＯＳ     

多用户检测中盲自适应算法的研究

多用户检测中的盲目适应算法包括上输出能量（ＭＯＥ）算法、Ｓａｔｏ算法、恒模算法（ＣＭＡ）和约束恒模算法（Ｃ－ＣＭＡ）。本文比较了以上算法和均方误差（ＭＳＥ）算法的收敛性能,仿真表明在保证收敛的条件下,ＣＭＡ或Ｃ－ＣＭＡ算法具有收敛速度快、稳态性能好的优点,因此实际系统中可以先脾ＭＯＥ算法,当达到稳态后,转到ＣＭＡ或Ｃ－ＣＭＡ算法上以提高稳态性能,且计算复杂度只有Ｏ（Ｎ）。     

基于局部检测统计量的分布式CFAR检测及其融合方法研究

本文研究了分布式CFAR检测在Neyman-Pearson(NP)意义上的最优问题,阐述了基于二元局部判决和基于局部检测统计量的分布式CFAR检测在最优化上的差别.提出了R类和S类局部检测统计量,证明了基于这两种局部检测统计量的在NP意义上的最优分布式CFAR检测具有似然比检验形式.研究了它们的次优融合方法(OS-R-GLRT和OS-S-CA).结果表明,次优融合可以达到与相应的最优融合接近的性能.     

复杂环境下分布式多雷达系统检测性能仿真分析

分布式多雷达检测系统能够提高检测性能和适应性。针对Rayleigh杂波、杂波边缘、干扰目标三种环境,仿真分析了分布式有序统计恒虚警率（OS-CFAR）、分布式单元平均恒虚警率（CA-CFAR）的检测性能,并分析了融合方式选择、局部处理算法和参数调整对系统检测性能的影响,可为工程应用提供参考。     

基于时频融合的分布式目标的恒虚警率检测

从双门限检测理论出发,将时域、频域双门限检测法结合起来,推导出一种基于时频融合的分布式目标的恒虚警率检测方法。以同一目标的两个不同角域的距离像检测为例,通过仿真验证了时频融合检测法具有较好的检测性能,并将其与时域、频域双门限检测法和广义似然比检测法进行了性能比较。结果表明：时频融合检测法优于广义似然比检测法;而与时域、频域双门限检测法相比,时频融合检测法对不同角域距离像具有良好的稳健性。     

Threshold optimization of decentralized CFAR detection in weibull clutter using genetic algorithms

The use of genetic algorithms (GAs) tool for the solution of distributed constant false alarm rate (CFAR) detection for Weibull clutter statistics is considered. An approximate expression of the probability of detection (P _D) of the ordered statistics CFAR (OS-CFAR) detector in Weibull clutter is derived. Optimal threshold values of distributed maximum likelihood CFAR (ML-CFAR) detectors and distributed OS-CFAR detectors with a known shape parameter of the background statistics are obtained using GA tool. For the distributed ML-CFAR detection, we consider also the case when the shape parameter is unknown of the Weibull distribution. A performance assessment is carried out, and the results are compared and given as a function of the shape parameter and of system parameters.     

分布式检测系统的模糊有序统计融合算法

为提高基于二元局部判决的分布式检测系统的检测性能，研究了基于模糊隶属度函数的分布式检测系统融合算法，提出了模糊有序统计融合准则。通过对肼传感器进行分布式检测系统仿真，结果表明：模糊有序统计融合准则在均匀环境中能获得比基于二元判决准则更好的检测性能，也好于同样采用模糊隶属度函数的求和准则的检测性能，且在多目标环境下获得了较强的适应性。     

DISTRIBUTED CFAR SIGNAL DETECTION BASED ON AREA FUSION

The multisensor detection area partitioning is considered. An approach is presented to the fusion in each detection area where the sensor uses different thresholds and then at system level. The expressions of the detection probability and false alarm probability are given. An application of the method is illustrated to distributed CFAR detection systems. The result shows that the system detection probability may be improved by setting different thresholds for a detector.     

基于区域融合的分布式CPAR信号检测

本文提出了多传感器检测区域的划分,以及先分区融合再系统融合的方法,并且在不同的检测区域,传感器采用不同的门限。给出了该方法的虚警概率和检测概率表达式,并介绍了它在分布式CFAR检测系统中的应用。结果表明,通过设置不同的门限,可以提高系统的检测概率。     

分布式CFAR检测系统的最优门限求取新方法

针对并行分布式检测网络结构局部采用CFAR检测器的情形,提出了一种在融合规则给定时,局部CFAR检测器最优门限的求取方法。给出了在任意融合规则下融合中心的检测概率和虚警概率关于局部门限的一阶导数的数值计算公式,并利用Broyden方法求取最优的局部门限。该方法避免了传统方法需要计算二阶导数的复杂性,并且更容易推广到局部采用多类CFAR检测器的情形。实验分析表明了算法的有效性。     

Performance analysis of the modified versions of CFAR detectors in multiple-target and nonuniform clutter

A constant false alarm rate (CFAR) in the presence of variable levels of noise is usually a requirement placed on any modern radar. The CA- and OS-CFAR detectors are the most widely used ones in the CFAR world. The cell-averaging (CA) is the optimum CFAR detector in terms of detection probability in homogeneous background when the reference cells have identical, independent and exponentially distributed signals. The ordered-statistic (OS) is an alternative to the CA processor, which trades a small loss in detection performance, relative to the CA scheme, in ideal conditions for much less performance degradation in nonideal background environments. To benefice the merits of these well-known schemes, two modified versions (MX- and MN-CFAR) have been recently suggested. This paper is devoted to the detection performance evaluation of these modified versions as well as a novel one (ML-CFAR). Exact formulas for their false alarm and detection performances are derived, in the absence as well as in the presence of spurious targets. The results of these performances obtained for Rayleigh clutter and Rayleigh target indicate that the MN-CFAR scheme performs nearly as good as OS detector in the presence of outlying targets and all the developed versions perform much better than that processor when the background environment is homogeneous. When compared to CA-CFAR, the modified schemes perform better in ideal conditions, and behave much better in the presence of interfering targets.     

Robust radar detection of CA, GO and SO CFAR in Pearson measurements based on a non linear compression procedure for clutter reduction

This paper deals with the constant false alarm rate (CFAR) radar detection of targets embedded in Pearson distributed clutter. We develop new CFAR detection algorithms-notably cell averaging (CA), greatest of selection (GO) and smallest of selection SO-CFAR operating in Pearson measurements based on a non-linear compression method for spiky clutter reduction. The technique is similar to that used in non uniform quantization where a different law is used. It consists of compressing the output square law detector noisy signal with respect to a non-linear law in order to reduce the effect of impulsive noise level. Thus, it can be used as a pre-processing step to improve the performance of automatic target detection especially in lower generalised signal-to-noise ratio (GSNR). The performance characteristics of the proposed CFAR detectors are presented for different values of the compression parameter. We demonstrate, via simulation results, that the pre-processed compression procedure is computationally efficient and can significantly enhance detection performance.