一种新的基于有序统计和剔除平均的最大选择恒虚警检测器

本文基于有序统计（ＯＳ）和剔除平均（ＴＭ）提出了一种新的恒虚警检测器（ＯＳＴＭＧＯ）它的前尚滑窗和后尚滑窗分别采用ＯＳ和ＴＭ来产生局部估计，再选择两者之中的最大值用为杂波功率水平的估计，并应用于文献（４）提出自己筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ，Ｐｄ和度量，ＡＤＴ的解析表达式，并与其它方案进行了比较，分析结果表明它的均匀背景及多目标和杂波边缘引起的非均匀背景中，均     

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     

一种新的基于剔除平均的最大选择恒虚警检测器

本文基于剔除平均(TM)提出了一种新的最大选择(GO)恒虚警检测器,它的前、后沿滑窗均采用TM来产生局部估计,再选择两者之中的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限,并应用了何友(1994)提出的自动筛选技术。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,并且它的样本排序时间还不到OS的一半。一些流行的恒虚警方法如GO、GOSGO或OSGO、CMGO可看作是TMGO的特例。     

基于有序统计和自动删除平均的最大选择恒虚警检测器

基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(OSACGO)以提高CFAR检测的性能,它采用OS和ACCA产生两个局部估计,然后取二者中最大值作为背景功率水平估计,从而设置自适应检测门限.在SwerlingⅡ型目标假设下,推导出OSACGO在均匀背景下虚警概率Pfa的解析表达式.通过与其它现有方案进行比较,结果表明在均匀背景及多目标和杂波边缘引起的非均匀背景中,OSACGO均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的一半.     

一种新的基于剔除平均的量大选择恒虚警检测器

本文基于剔除平均（ＴＭ）提出了一种新的最大选择（ＧＯ）恒虚警检测器,它的前、后沿滑窗均采用ＴＭ来产生局部估计,再选择两者之间的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限,并应用了何友（１９９４）提出的自动筛选技术,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,并且它的样本排序时间还不到ＯＳ的一半,一充行的恒虚警方法如ＧＯ、     

一种新的最大选择恒虚警检测器

本文提出了一种基于有序统计和单元平均产生局部估计，并应用最大选择产生检测单元杂波功率水平估计Ｚ的新的恒虚警检测器。我们推导出了该检测器在ＳｗｅｒｌｉｎｇⅡ型目标假设下的虚警概率、检测概率和度量平均判决门限解析表达式。分析了它在均匀背景和强干扰环境中的检测性能。     

一种新的最大选择恒虚警检测器

本文提出一种基于有序统计(OS)和单元平均(CA)产生局部估计,并应用最大选择(GO)产生检测单元杂波功率水平估计Z的新的恒虚警检测器(OSCAGO)。我们推导出了该检测器在Swerling Ⅱ型目标假设下的虚警概率(Pfa)、检测概率(Pd)和度量平均判决门限(ADT)解析表达式。分析了它在均匀背景和强干扰环境中的检测性能。并且把它与OS-,GOSGO-CFAR进行了比较。结果表明,OSCAGO在均匀杂波背景和多目标情况下的检测性能与OS和GOSGO相比,都有很明显的提高。在干扰目标数为某些值时,OSCAGO的CFAR损失比GOSGO小近3dB。     

一种新的基于单元逼近的恒虚警率检测器

基于删除平均（CM）和单元平均（CA）提出了一种新型的恒虚警率检测器,它采用CM和CA产生局部估计,再将这两个局部估计与检测单元进行比较,取逼近于检测单元的局部估计作为总的杂波功率估计。在SwerlingⅡ型目标假设和高斯杂波下,推导出它的检测概率Pd和虚警概率Pfa的解析表达式。     

一种基于OS和UCM的恒虚警检测算法

有序统计(OS)和无偏筛选平均(UCM)均具有较强的抗干扰目标能力,本文基于文献[5]提出的自动筛选技术将二者组合在一起,得到一种新的恒虚警检测器MOSUCM-CFAR。在SwerlingII型目标假设下,并考虑瑞利分布杂波和单脉冲检测情形,推导出了MO-SUCM-CFAR检测器的P_(fa)、P_d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,MOSUCM-CFAR检测器在均匀背景中的性能是优于GOSCA和OS的,在多目标情况下,从总体上讲也是优于GOSCA和OS的。并且它的样本排序时间还不及OS的一半。     

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     

有序统计恒虚警（OS—CFAR）检测器在韦尔尔扰背景中的性能

本文研究韦尔干扰背景前的有序统计恒虚警算法，并在均匀干扰背景中分析它的性能，对于未知的形状参数Ｃ，本文基于来自参考滑窗随机变量的期望和中提提出一种估计方法，同时在均匀干扰背景中研究了这种估计方法的性能，结果表明，这种估计方案具有很的随加恒虚警损失，当Ｎ＝１６，Ｃ＝２，Ｋ＝１２时，它的恒虚警损失比两参数有序统计恒虚警检测器小。     

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。     

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。     

基于自动删除算法的最大选择恒虚警检测器

基于自动删除单元平均(ACCA)恒虚警算法,提出一种新的恒虚警检测器(ACCAGO-CFAR)以提高CFAR检测的性能。它的前沿和后沿滑窗均采用ACCA算法来产生2个局部估计,取其中最大值作为总的背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出ACCAGO-CFAR在均匀背景下虚警概率P_(fa)的解析表达式。通过与其他现有方案进行比较,结果表明ACCAGO在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能,尤其是在杂波边缘环境中,它的虚警尖峰比ACCA小近2个数量级,并且处理时间也比ACCA大为缩短。     

一种新的基于UMVE和OS的恒虚警检测算法

为了充分利用参考单元所提供的信息,减少恒虚警损失,该文基于无偏最小方差估计(UMVE)方法和有序统计(OS)方法,提出了一种新的恒虚警检测器(MOSUM-CFAR)。它的前沿和后沿滑窗分别采用UMVE和OS方法产生两个局部估计,再对二者求和得到背景功率水平估计。在Swerling II型目标假设下,文中推导出MOSUM-CFAR在均匀背景下虚警概率Pfa和检测概率Pd及多目标环境下检测概率Pd的解析表达式,并与其它方案作了比较。分析结果表明MOSUM-CFAR在均匀背景和多目标环境下均具有相当好的检测性能。     

有序统计恒虚警（OS－CFAR）检测器在韦布尔干扰背景中的性能

本文研究韦布尔干扰背景前的有序统计恒虚警算法，并在均匀干扰背景中分析它的性能，对于未知的形状参数Ｃ，本文基于来自参考滑窗随机变量的期望和中值提出一种估计方法，同时在均匀干扰背景中研究了这种估计方法的性能，结果表明，这种估计方案具有很小的附加恒虚警损失，当Ｎ＝１６，Ｃ＝２，ｋ＝１２时，它的恒虚警损失比两参数有序统计恒虚警检测器小．．     

关于MOLSCA恒虚警检测器的改进—MTMCA检测器

本文基于剔除平均和单元平均提出一种新的ＣＦＡＲ检测器。我们预计这种检测器在均匀背景下将具有良好的检测性能。     

有序统计恒虚警定点数排序的硬件实现

针对有序统计恒虚警硬件实现中的定点数排序问题,提出一种架构,将排序算法分解,并映射为比较、选择两级硬件阵列,每一级硬件阵列都由基本的比较单元和选择单元组成.针对硬件实现的特点,对比较操作加以简化.利用定点数补码表示正值最高位为0、负值最高位为1的特点,将待比较的两个数值相减,取其差值的最高位作为两个待比较数值大小关系的标志.当一个数值与其所在序列的其他所有值比较之后,就得到一个标志序列,当该数值小于其所在序列中其他一个数值时,标志序列中就有一位为1,则将标志序列累加,所得的值就是该数值在序列中应排的序号.     

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