单元筛选后作最小选择的CFAR自适应检测器

为提高雷达自适应检测能力，本文针对多个干扰目标背景提出一种新的CFAR自适应检测方法。在斯威林2型目标的假设下对这种检测方法进行了检测性能分析，理论推导出均匀杂波背景和强干扰目标存在的情况下虚警概率和检测概率的数学模型，并把它同CA、GO、SO(smallest of)等检测方法用MATLAB仿真软件进行了比较。结果表明，这种方法在均匀杂波背景和多个干扰目标背景情况下都有很好的检测性能，尤其是多目标干扰条件下具有更大的优势。     

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     

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。     

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。     

基于UMVE算法的恒虚警检测器

基于无偏最小方差估计（UMVE）算法，提出了一种新的恒虚警检测器（UMVEM-CFAR）。它的前沿和后沿滑窗均采用UMVE算法来产生局部估计，再对两者求和得到背景功率水平估计。在SwerlingⅡ型目标假设下，推导出UMVEM-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只的解析表达式，与OS—CFAR相比，UMVEM在均匀背景和多目标环境下均具有最好的检测性能，并且它的处理时间只有OS的一半。     

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。     

MIMO雷达中单元平均恒虚警检测性能分析

针对高斯杂波背景,导出了MIMO雷达中CA-CFAR的虚警概率与检测概率的解析表达式,分析了CA-CFAR检测器在均匀杂波、多目标干扰及杂波边缘三种典型杂波背景中的检测性能。结果表明,CA-CFAR检测器在均匀杂波中性能较好,但在多目标干扰环境中性能严重下降。     

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。     

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index, ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring, AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。     

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。     

杂波图CFAR平面技术在均匀背景中的性能

典型的杂波图恒虚警检测技术常被用于时域平稳、空域变化较剧烈的杂波环境。它在每个杂波图单元处都形成一个独立的检测阈值,于是被称为杂波图ＣＦＡＲ点技术。而沈福民提出了一种杂波图ＣＦＡＲ平面技术的构想。这是一种在时空两维变化都比较平稳的杂波环境情况下尤为适用的杂波图ＣＦＡＲ检测技术,我们将其称为面技术。本文具体推导了这种技术在时空两维都均匀的背景中的检测性能表达式,并同杂波图点技术的性能进行较细致的分析     

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。     

OSSO和OSGO恒虚警检测器在Pareto分布混响背景下的性能分析

Pareto分布是一种重要的非高斯分布,被证明能够有效描述高分辨率主动声纳的混响统计特性。文章分析了有序统计选小(Ordered Statistic with Smallest Option, OSSO)和有序统计选大(Ordered Statistic with Greatest Option, OSGO)两种恒虚警(Constant Fales Alarm Rate, CFAR)检测器在Pareto分布混响背景下的性能。在尺度参数已知情况下,证明了OSSO-CFAR和OSGO-CFAR对形状参数具有恒虚警的特性。进一步分析了两种检测器在均匀Pareto混响背景、多目标干扰及混响边缘情况下的性能,并与有序统计(Ordered Statistic, OS)CFAR进行了对比。结果表明,在均匀混响背景下,OSGO-CFAR的检测性能与OS-CFAR相近,在混响边缘情况下具有最好的虚警控制能力;而对于多目标干扰情况,OSSO-CFAR比其他两种检测器的检测性能更优。      

基于LFMCW雷达测距的改进频域CFAR算法

复杂环境中,多径和杂波共存,杂波的存在严重影响了目标的检测;多径尤其在首径(FAP)不是最强路径时,首径的正确检测是提高测距和定位性能的关键。本文针对多径和杂波对目标检测的影响以及传统的首径检测算法的局限性,将频域恒虚警率(CFAR)算法运用到线性调频连续波(LFMCW)雷达中,并从抑制虚假目标,提高测距定位精确度的角度出发,提出了2种虚假目标抑制策略——距离分辨单元约束法和二元积累法。最后通过仿真比较考察了不同信杂比下不同首径检测算法对测距性能的影响。仿真结果表明修正的频域CFAR算法相比于传统的首径检测算法和修正前的频域CFAR算法具有更好的检测性能,论证了所提修正策略的有效性。     

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.     

广义最小选择恒虚警算法的性能分析

为了改善OSSO或GOSSO方法的性能,该文基于加权线性组合的有序统计量提出了广义最小选择(GSO)恒虚警检测器,文中讨论了线性组合有序统计量加权系数的选择与检测器性能的关系,在GSO特殊加权系数场合,提出了QBWSO、TMSO,CMSO三种性能较为优良的检测器。分析结果表明,TMSO和QBWSO在均匀背景及多目标环境中的性能均比OSSO的性能获得了改善,QBWSO在均匀背景中的性能比TMSO的略强;在均匀背景中,SO的性能最好。     

一种非平稳复杂环境下的自适应恒虚警算法

针对当前恒虚警算法在非平稳强干扰环境下检测适应性能较差的问题,提出了一种自适应恒虚警检测方法。该算法利用二阶统计假设与Shapiro-Wilk检验得到具有均匀分布的杂波背景估计,并且结合频域加窗处理方法,对超高射速脱壳弹弹丸多目标回波进行处理,消除了卡瓣频谱干扰的影响。实测数据表明,该算法不需要任何关于背景环境的先验信息,可以适应多种回波数据,实现了在复杂强干扰环境中对目标的精确检测。