共查询到19条相似文献,搜索用时 46 毫秒
1.
2.
文章针对多基地雷达的目标RCS在入射角分布起伏较大的问题,提出了基于目标入射角RCS分布未知的检测融合方法。由于目标RCS在入射电波观测角的起伏较大且未知,导致局部雷达站接收目标回波SNR(信噪比)无法确定,无法应用传统的贝叶斯方法获得最佳的融合检测性能。该方法是一种基于无信噪比信息的检测融合算法,通过传输其他雷达站接收信号的检验统计量来完成全局的CFAR检测。并且根据该方法设计了一种自适应门限的检测方法,其中本地雷达站的检测门限是基于其他雷达站接收信号的检验统计量生成。仿真结果表明,该检验方法的综合检测性能接近信噪比已知的融合检测性能。 相似文献
4.
5.
本文提出并研究在参考单元中有干扰目标时使用的三种检测器。在加权单元平均恒虚警率(WCA—CFAR)检测器中,根据干扰电平对由超前和滞后距离单元产生的均值加权。最佳权重既保持获得 CFAR 又使检测概率最大。接着研究校对平均电平检测器(CMLD),它要求准确地知道干扰目标的数目。研究 CMLD 对SwerlingⅣ目标的检测性能,并同 SwellingⅡ目标的检测性能相比较。然后,介绍广义校对平均电平检测器(GCMLD)。GCMLD 不要求事先知道干扰目标的数量并获得良好的性能。它先确定干扰目标的数量,然后删除它们对应的采样。推导删除干扰目标概率和总检测概率的精确表达式。本文还给出了 GCMLD 与近来提出的CFAR 检测器的性能比较,以证明 GCMLD 的优越性。 相似文献
7.
8.
基于准最佳加仅有序统计的最大选择CFAR检测算法 总被引:2,自引:1,他引:2
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 相似文献
9.
分析了适用于瑞利分布、非瑞利分布、多目标环境及强点干扰时参量CFAR技术的基本原理,介绍了由此原理指导下研制成功的两块ASIC芯片的功能和关键的设计思想。 相似文献
10.
毛子鹰;窦泽华 《电子技术与软件工程》2017,(13):72-73
本文对积分图在常规雷达检测中的应用进行了研究,对比分析了不同方式实现的二维CFAR的计算性能,并提出了进一步改进积分图CFAR性能的方法。 相似文献
11.
12.
13.
14.
采用自适应功率回归门限设定的HF雷达舰船探测 总被引:1,自引:0,他引:1
高频(HF)雷达能够探测和跟踪极远距离上的目标。但是,包含外部噪声、各种不同杂波和干扰的信号环境将大大限制探测性能和系统能力。文中研究了一种新方法来解决复杂HF雷达信号环境中的目标探测问题。该方法采用传统的恒虚警率(CFAR)检测方法,但其门限设置是基于沿距离和多普勒单元功率谱值的回归分析。就中,CFAR检测试验规则与局部峰值测量方法相结合。文中所提探测方法已经真实HF雷达数据试验,得到了很有前景的结果。 相似文献
15.
在非均匀杂波背景下,传统的恒虚警检测算法,比如CA鄄CFAR,所选择的参考单元与待检测单元往往无法满足独立同分布的条件,导致背景杂波功率水平的估计值存在偏差,使得检测性能降低。针对上述问题,文中提出了一种基于雷达知识库的知识辅助恒虚警检测算法。首先,利用雷达环境知识来构建动态的雷达知识库;然后,利用雷达知识库中的先验信息来辅助参考单元的选择,提高背景杂波功率水平的估计准确性,从而降低非均匀背景带来的影响;最后,利用线性调频连续波雷达采集的实测数据对该算法性能进行了验证。结果表明:在非均匀杂波环境下,基于雷达知识库的知识辅助恒虚警检测算法比传统算法有更好的检测性能。 相似文献
16.
17.
18.
该文针对机载MIMO雷达在未知统计特性的杂波中目标检测问题,首先给出广义最大似然(GLRT)检测器(MIMO-GLRT),利用MIMO雷达的空间分集特性提高检测性能,并推导出检测概率和虚警概率表达式。然后,基于MIMO雷达杂波协方差矩阵的块对角特性,给出一种简化MIMO-GLRT检测器,大大减小算法的复杂度,同时降低对参考单元数目的要求,并在只有两个接收雷达单元的情形下,推导出简化GLRT检测性能的表达式。结果表明,上述两种检测器相对于杂波协方差矩阵都具有恒虚警特性,能够在未知杂波背景下有效地检测目标。 相似文献
19.
为了提高雷达恒虚警(Constant False Alarm Rate,CFAR)检测器在多目标背景下的鲁棒性,更好地检测目标,提出了一种新的基于方差均值平方比(VMSR)的恒虚警检测器,并建立了相应的检测器模型,得出了标称化因子T值和置信区间(a,b)。在均匀背景和多目标背景下,对VMSR检测器进行了仿真分析。在均匀背景下,VMSR检测性能优于OS,相比CA仅有很小的检测损失;在多目标背景下,VMSR检测性能相比OS得到了提升,特别是在干扰目标个数r>N-k时,OS不能有效检测出目标,而VMSR仍能保持较好的检测性能。结果表明,VMSR在多目标背景下检测性能优于OS,其在多目标背景下具有较强的鲁棒性。 相似文献