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.     

一种新的基于有序统计和筛选平均的最大选择恒虚警检测器

本文基于有序统计（OS）和筛选平均（CM）提出了一种新的恒虚警检测器（OSCMGO），它采用OS和CM来产生局部估计，再采用最大选择逻辑来产生对杂波功率水平的估计，并应用了文献[4]提出的自动筛选技术，在SwerlingII型目标假设下，推导出了它的Pa、Pd和度量ADT的解析表达式，并与其它方案进行了比较，分析结果表明它在均匀背景和多目标环境中均具有较好的检测性能。     

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。     

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。     

OSCA-CFAR在K分布杂波背景下的性能分析

本文证明了形状因子已知条件下有序统计平均（OSCA）恒虚警检测器在K分布杂波背景下具有恒虚警性能，分析了均匀K分布杂波背景和多目标情况下该检测器的性能，并与OS和OSGO-CFAR进行了比较，仿真结果表明OSCA在两种环境下均具有最好的检测性能。     

一种改进的VI-CFAR检测器

修正的削减平均MTM（modified trimmed mean）恒虚警（constant false alarm rate, CFAR）算法通过对前后滑窗的削减平均再求和实现杂波功率估计,其在多目标环境下具有很好的抗干扰性能。为了提高VI检测器在多目标背景尤其是前后滑窗都存在干扰目标时的检测性能,将MTM算法应用于VI（variability index）检测器,提出了一种改进的恒虚警检测器（VIMTM）,该检测器的检测阈值由CA、GO和MTM算法产生。同时本文推导了MTM算法标称化因子TMTM的表达式,在SwerllingⅡ假设下,对VIMTM在不同的杂波背景下的性能进行了仿真分析,并与VI和基于OS (order statistic )的OSVI进行了比较。结果表明,在均匀环境和多目标背景下,VIMTM检测性能较好,且具有更强的鲁棒性;在杂波边缘背景下,VIMTM控制虚警的能力与VI、OSVI相当。另外,与OSVI相比,VIMTM缩短了参考样本的排序时间,提高了检测器的工作效率。      

量化秩非参数CFAR检测器在杂波边缘中的性能分析

人们常用均匀背景、多目标和杂波边缘3种典型背景来衡量雷达目标检测器的性能,但在现有文献中缺乏量化秩（Rank Quantization,RQ）非参数检测器在杂波边缘中虚警概率的理论模型,缺乏RQ非参数检测器与经典的参量型检测器在杂波边缘中虚警控制能力的比较.本文给出了RQ检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累CA （Cell Averaging）,GO （Greatest Of）,OS （Ordered Statistic）恒虚警方法在杂波边缘中的虚警控制能力.可以看出,采用高秩量化门限的RQ检测器的虚警控制能力要优于低秩量化门限的情况,在瑞利分布杂波边缘情况下,RQ检测器的虚警控制能力与非相干积累OS方法接近.但是当强杂波变为长拖尾分布的非高斯杂波时,非相干积累CA,GO和OS参量型检测方法的虚警概率产生了3个数量级以上的上升,且不能降回到原始设定的虚警概率.而RQ检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定.     

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。     

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。     

Log-normal分布杂波背景下有序统计恒虚警检测器性能分析

该文证明了在形状参数已知的均匀对数-正态(Log-normal)杂波背景下有序统计恒虚警(OS-CFAR)检测器能保持恒虚警的特性,导出了该背景下OS-CFAR检测器对非起伏目标的检测性能表达式和平均判决阈值(ADT)表达式。最后用数值方法讨论了最佳序值的选取以及OS-CFAR检测器在取不同参考单元数时相对于理想CFAR的信杂比损失。     

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．．     

A NEW CFAR DETECTOR WITH GREATEST OPTION

This paper presents a new CFAR detector based on Ordered Statistics (OS) and Cell-Averaging (CA) forming local estimates, and using Greatest-Of selection (GO) to form clutter power level estimate Z in test cell(OSCAGO). Under the Swerling II assumption, the analytic expressions of Pfa,Pd and ADT of this detector are derived, its detection performance in homogeneous background and in strong interfering targets environment are analyzed and compared it with OS, GOSGO detectors. The results show that the detection performance of OSCAGO in homogeneous background and in multiple-target situations are obviously better than those of OS and GOSGO. When the number of interfering targets is equal to certain value, the CFAR loss of OSCAGO is about 3dB less than that of GOSGO.     

秩和非参数检测器在杂波边缘中的性能

人们常用Rohling教授提出的3种典型背景即均匀背景、多目标和杂波边缘来对检测器的恒虚警率(CFAR)性能进行衡量,但在现有的文献中缺乏秩和(RS)非参数检测器在杂波边缘中虚警概率的解析表达式,缺乏RS检测器与经典的参量型恒虚警率(CFAR)检测器在杂波边缘中虚警控制能力的比较,这在理论研究上是不完整、不全面的。该文给出了RS检测器在杂波边缘中虚警概率的解析表达式,并比较了它与非相干积累单元平均(CA),选大(GO)和有序统计(OS)恒虚警方法在杂波边缘中的虚警控制能力。可以看出,在强、弱杂波均为瑞利分布的情况下,RS检测器在杂波边缘的虚警控制能力处于非相干积累CA方法和非相干积累OS方法之间。但是当长拖尾分布的非高斯杂波进入参考滑窗时,非相干积累CA, GO和OS参量型检测方法的虚警概率都产生了3个以上数量级的上升,且不能回到原始设定的虚警概率。而RS检测器显示出了非参量检测器的优势,即当杂波背景的分布类型发生变化后,它仍然可以保持虚警概率的恒定。     

韦布尔杂波下非参数量化秩检测器的性能

 非参数量化秩(RQ)恒虚警率检测器在雷达目标检测中占据着重要的地位,本文采用解析的方法分析了量化秩检测器在韦布尔分布中的检测性能,并考虑了均匀杂波背景和多目标环境情形,目标模型为Swerling II型.本文给出了非参数量化秩检测器在韦布尔杂波背景中的虚警概率和检测概率的解析计算表达式,并与参量型单元平均(CA)检测器的检测性能进行了对比.     

OSGO-和OSSO-CFAR在K分布杂波背景下的性能分析

该文证明了形状因子已知条件下OSGO-CFAR和OSSO-CFAR检测器在均匀统计独立的K分布杂波背景下具有恒虚警性能,分析了两种检测器在均匀杂波背景、杂波边缘和存在强干扰目标情况下的检测性能。并与OS-CFAR进行了比较,结果表明OSGO-CFAR在均匀杂波背景和存在强干扰目标情况下带来的附加检测损失很小, 在杂波边缘具有更好的虚警控制能力。所以,OSGO-CFAR是K分布杂波背景下一种性能比较好的恒虚警检测器。     

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(CM)和无偏筛选平均(UCM)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(1994)提出的自动筛选技术.在Swerling Ⅱ型目标假设下,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Pfa、Pd和平均判决门限(ADT)的解析表达式,并与其它方案进行了比较.分析结果表明,它们在均匀背景和多目标环境中的性能均明显优于GOSCA和OS;当IL=4,IR=2时,MCM-CFAR比OS改善了2dB,MUCM-CFAR也比OS改善了1.5dB;MCM的性能略优于CM,MUCM与UCM接近,但它们的样本排序时间不足CM、UCM和OS的一半,便于工程实现.