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     

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     

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。     

两种改进的适用于多目标情况的恒虚警检测算法

本文基于筛选平均和无偏筛选平均提出了两种改进的恒虚警检测器－ＭＣＭ－ＣＦＡＲ和ＭＵＣＭ－ＣＦＡＲ，并应用了何友提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标似假设下，并考虑瑞利分布杂波和单脉冲检测情形，本文推导出了ＭＣＭ－ＣＦＡＲ和ＭＵＣＭ－ＣＦＡＲ检测器的Ｐｆα，Ｐｄ和平均判决门限的解析表达式，并与其它方案进行了比较。     

K—分布杂波的顺序统计恒虚警性能分析

研究 Ｋ—分布杂波背景下的顺序统计恒虚警检测器的性能,分析检测器在均匀统计独立杂波背景下的性能,给出了理论门限系数值及其仿真的门限系数值,并讨论相关杂波的恒虚警性能。分析了检测器在杂波的边缘和存在多目标及干扰时的目标检测性能。从仿真结果分析得出, Ｏ Ｓ— Ｃ Ｆ Ａ Ｒ 检测器在杂波边缘及多目标情况下具有比单元平均恒虚警（ Ｃ Ａ— Ｃ Ｆ Ａ Ｒ）好得多的性能,特别是在参考单元比较少的情况下。     

K分布杂波背景下次序统计恒虚警检测器的性能

本文证明了在形状因子已知条件下次序统计恒虚警（ＯＳ－ＣＦＡＲ）检测器在Ｋ分布杂波背景下能保持恒虚警的特性，分析了均匀Ｋ分布杂波背景下检测器的性能，研究了不同参考单元数的信杂比损失，对于未知形状因子，本文提出了一种有效的估计方法。     

基于准最佳加权有序统计的最大选择CFAR检测算法

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性，本文提出了一种准最佳加权（ＱＢＷ）有序统计方法．基于这种方法，还提出了准最佳加权最大选择恒虚警检测器（ＱＢＷＧＯ－ＣＦＡＲ），它的前、后沿滑窗均采用ＱＢＷ方法来产生局部估计，将局部估计中的最大值作为检测器对杂波功率水平的估计，设置自适应检测门限，应用文献［３］提出的自动筛选技术在ＳｗｅｒｌｉｎｇⅡ型目标及瑞利杂波假设下，推导出了它的Ｐｆａ、Ｐｄ、ＡＤＴ及杂波边缘虚警尖峰的数学解析表达式分析结果表明，它在均匀背景及多目标和杂波边缘引起的非均匀背景中的性能，均比ＧＯＳＧＯ或ＯＳＧＯ获得了改善．在特殊情况下，ＱＢＷＧＯ退化为ＧＯ和ＭＸ－ＣＭＬＤ     

基于准最佳加仅有序统计的最大选择CFAR检测算法

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性，本文提出了一种准最佳加权（ＱＢＷ）有序统计方法。基于这种方法，还提出了准最佳加权最大选择恒虚警检测器（ＱＢＷＧＯ－ＣＦＡＲ），它的前、后沿滑窗均采用ＱＢＷ方法来产生局部估计，将局部估计中的最大值作为检测器对杂波波功率水平的的估计，设置自适应检测门限，应用文献［３］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标及瑞利杂波假设下，推导出了     

Ll－CFAR：灵活而有韧性的替换技术

本文介绍了一类新的恒虚警率（ＣＦＡＲ）处理器。Ｌｌ－ＣＦＡＲ通过线性地从参考装置上滤去分级样本来进行噪声功率的估测，这种组合的权数不仅取决于等级，还依赖于样本和检测单元的相对接近度。从Ｌｌ－ＣＦＡＲ的一大类中，可以选择出（１）能有效地探测出假目标的；（２）能在杂波边界存在的情况下有效地控制虚警的；（３）适用上述两种非均相性情况的具有韧性的方案。当按这些方案进行设计时，其实际工作量并不比单纯的有序统计ＣＦＡＲ（ＯＳ－ＣＦＡＲ）大。本文在对Ｌｌ－ＣＦＡＲ的随机训练进行讨论之后，在所遇到的最普遍的环境条件下，对其性能进行了充分的评估，并且将其性能与传统的ＣＦＡＲ技术的性能作了比较。     

复杂条件下分布式OS-CFAR检测系统性能分析

对分布式恒虚警（ＣＦＡＲ）检测系统,特别是分布式统计排序（ＯＳ）ＣＦＡＲ检测系统的研究,往往局限于较为理想的简单条件。在本文中,通过对一个典型的３站分布式ＯＳ－ＣＦＡＲ检测系统在复杂条件（检测条件变化而且非一致）下检测性能的仿真和分析,研究了分布式检测系统在接近实际工作环境下的性能特点以及不同融合方式对检测环境变化的适应能力。结果表明,分布式检测ＣＦＡＲ系统在复杂条件下的性能与融合方式密切相关,其中“ＯＲ”融合分布式系统在条件变化而且非一致的检测环境中具有良好的鲁棒性。     

信号自适应检测的并行处理系统

介绍了一种采用伪随机码调相连续波的相控阵制导雷达的检测器，它将一般ＣＦＡＲ检测器的纯理论性与实际数字系统实时处理的要求相结合，提出了以热噪声为检测背景的具有非相参积累的双门限ＣＡ－ＣＦＡＲ检测器的理论模型，并采用国际上流行的ＤＳＰ芯片ＤＳＰ５６０１１构造了信号自适应检测器的并行处理物理模型。     

两种恒虚警检测器在干扰边缘中的性能分析

本文研究ＧＯＳＧＯ和ＧＯＳＳＯ－ＣＦＡＲ检测器在干扰边缘中的性能。     

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环境下的性能

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。     

一种新的基于有序统计和剔除平均的恒虚警检测器

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（ＭＯＳＴＭ），它采用ＯＳ与ＴＭ来产生局部估计，再对二者平均来实现对杂波功率水平的估计，并应用文献（４）提出的自动筛选技术，在ＳｗｅｒｌｉｎｇＩＩ型目标假设下，推导出它的Ｐｆａ，Ｐ４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，ＭＯＳＴＭ在均匀背影及多目标和杂波边缘引起的非均匀背景中，它的性能比ＯＳ和ＧＯＳＣＡ获得了     

雷达恒虚警及视频积累处理器

在雷达信号处理领域,雷达恒虚警（ＣＦＡＲ）及雷达视频积累器是一个十分重要的部分,他对雷达回波信号的检测起着很重要的作用。雷达ＣＦＡＲ处理器,强使回波信号的检测在满足发现慨率的同时,保持恒定的虚警概率。而视频积累器则可提高对目标检测信噪比,提高对目标的发现慨率。本篇以在甘雷达的具体应用实例,来阐述雷达ＣＦＡＲ及雷达视频积累器设计一些基本思想。     

基于专用集成电路的雷达动目标检测信号处理器

雷达动目标检测的实时信号处理原来一般用模拟器件和通用数字信号处理器（ＤＳＰ）实现。本文设计了基于数字专用集成电路的雷达目标检测实时信号处理系统，本文对该信号处理系统的雷达背景视频产生，单元平均恒虚警率（ＣＦＡＲ）检测，杂波图形成，动目标提取，视频信号积累，雷达定时器和控制等用现场可编程门阵列（ＦＰＧＡ）进行了专用集成电路设计，该系统性能稳定，抗干扰能力强，体积小，便于调试，已投入实用。     

海洋环境下基于神经网络的雷达检测

提出了利用相干Ｘ波段雷达检测小块流冰的新的检测方案。这种方法利用威格讷－维尔（ＷＶ）分布在相关时间－频率空间进行检测。介绍了两种独立的分类法。第一种方法从接收信号的模糊函数中提取分类特性，并根据这些特性用神经网络进行检测。第二种方法用主分量分析（ＰＣＡ）法从时间－频率空间提取适用于分类的主要信息。利用实雷达数据介绍了结果，而且还把所提出的方法与一般的多卜勒恒虚警率（ＣＦＡＲ）处理机作了比较。