基于杂波分布特性的恒虚警率检测器设计

针对单元平均恒虚警率(CA-CFAR)检测器在非平稳环境下检测性能下降的问题,提出了一种基于杂波分布特性的自适应恒虚警率检测器设计方法。主要思路为：在已知背景杂波类别的前提下,选择相匹配的恒虚警率检测器来提高目标的检测性能。基于实测数据,通过在不同杂波类别的区域人工加运动目标的方式,经过与CA-CFAR检测结果的仿真实验对比,验证了所提恒虚警率检测器的有效性。     

海杂波背景下的双参数单元平均恒虚警检测器

介绍了海杂波的幅度分布模型,指出了对于同一门限系数"尖锐"海杂波背景下的虚警率要明显高于噪声背景下的虚警率,提出了双参数单元平均恒虚警(CA-CFAR)检测器的结构框图,仿真分析了其检测性能.最后分别利用双参数CA-CFAR检测器和常规CA-CFAR检测方法对实测数据进行处理和比较,指出在虚警率一定的前提下前者相对于后两者在空间上可以自适应地改变门限系数以有效地抑制海杂波引起的高虚警.     

基于改进型恒虚警的毫米波雷达检测算法

为了提高毫米波雷达在多目标环境下的检测性能,在变化指数恒虚警（Variability Index CFAR,VI-CFAR）的基础上提出了一种改进算法,即当背景环境为多目标环境时,采用KL散度单元筛选恒虚警（Kullback–Leibler Trimmed Mean CFAR,KLTM-CFAR）替换单元平均恒虚警（Cell Averaging CFAR,CA-CFAR）与最小选择恒虚警（Smallest of CFAR,SO-CFAR）进行策略选择,有效避免了毫米波雷达在多目标环境下的目标遮蔽问题,提升了检测性能。对改进后的检测算法进行了仿真分析,结果表明,多目标环境下,在其他几种检测器基本丧失检测能力的情况下,该检测器仍保持着90%以上的检测概率,并且在均匀环境和杂波边缘环境下,也有较为良好的表现。     

基于GIS信息的CFAR检测器

在雷达信号检测过程中,为了实现恒虚警处理,必须采用动态门限。恒虚警检测器的门限设置通常是利用待检测单元附近的距离单元杂波数据进行计算得到的。然而,杂波环境的非均匀性导致了杂波功率随着距离变化剧烈,常规的恒虚警检测器性能会显著下降。文中给出了基于地理信息系统的恒虚警检测算法,利用对杂波环境的了解程度,可以显著提高CFAR检测器的性能。利用IPIX雷达实测数据,验证了该算法性能优于常规的其他CFAR处理器。     

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。     

某些修正型单元平均恒虚警处理器在多目标环境下的性能分析

单元平均恒虚警(CA-CFAR)检测器中检测概率的严重降低,已知是由于参考单元组存在干扰目标引起的。为了防止在杂波“边缘”上出现过大虚警,经常采用在超前和滞后单元组之间选大(GO-CFAR)的技术。但是,业已证实,对瑞利目标而言,上述抑制作用在选大恒虚警装置中更加严重。实际上,几乎不能检测出相隔很近的目标。建议对自适应门限均值选小来减轻这个问题。还导出了这种检测器的P_d的分析表示式,并且证明,虽然它确实防止了这种抑制作用,但是,除非参考单元数足够多,否则,会引入大的灵敏度损失。为了在复杂的非均匀环境中实现自动检测,建议采用修正型选大恒虚警检测器与一个“检查(censoring)”电路相结合的办法。     

一种基于检测统计量的SOSGO-CFAR 检测算法

提出了一种新的恒虚警检测算法SOSGO-CFAR.该算法应用检测单元采样作为选择参考单元的依据,使用了基于转换恒虚警(S-CFAR)和排序选大恒虚警(OSGO-CFAR)的复合算法.文章给出了该算法在均匀背景中的数学分析.并在均匀背景、杂波边缘和多目标情况下,用MonteCarlo方法进行了仿真分析.结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在杂波边缘环境中,具有接近OSGO-CFAR的性能,且在多目标环境中,其性能明显好于S-CFAR.     

一种基于有序统计的MIMO雷达CFAR检测器

针对多输入多输出(MIMO)雷达的体制特点,提出了一种基于有序统计的MIMO雷达CFAR检测器(LCIOSOS-CFAR),给出了虚警概率与检测概率的表达式;然后在各种杂波背景下对检测器性能进行了仿真分析,并与经典的CA-CFAR检测器进行比较.仿真结果表明,LCIOSOS-CFAR检测器在均匀杂波背景下较CA-CFAR有较小损失,在多目标干扰环境下较CA-CFAR性能改善明显,在杂波边缘背景下虚警峰值小于CA-CFAR,实际应用中具有较强的鲁棒性.文中还分析了序值选取对LCIOSOS-CFAR检测性能的影响.     

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。     

基于卷积构型的单元平均CFAR目标检测算法

提出一种基于卷积构型的单元平均恒虚警率(convolution based cell averaging constant false alarm rate, CCA-CFAR)快速检测算法.该算法首先根据背景杂波分布模型计算待检测合成孔径雷达(synthetic aperture radar, SAR)图像统计量矩阵, 然后对单元平均恒虚警率(cell averaging constant false alarm rate, CA-CFAR)检测器构建卷积模型, 利用卷积运算实现对背景杂波的矩估计, 并求出详细的背景杂波分布函数, 最后根据分布函数计算出每个像素的判定阈值, 并对所有待检测像素是否为目标点进行判定.该检测算法复杂度低, 运算效率高, 能够快速实现SAR图像实时目标检测.仿真实验证明了该方法的有效性和工程实用价值.