Gamma分布在海面目标检测中的应用

本文通过对大量实测数据的处理与定量分析,证明Gamma分布可用于X波段雷达海杂波幅度分布的建模,并介绍了两种适用于Gamma分布杂波背景的恒虚警（CFAR）检测器：基于最大似然估计的MLG-CFAR和基于加权幅度循环迭代的WAI-CFAR。理论分析证明,MLG-CFAR检测器对Gamma分布的杂波平均功率估计值是渐进有效的,且在形状参数已知的前提下,该检测器对尺度参数具有恒虚警特性,在均匀、非均匀杂波背景中的检测性能仿真结果验证了该检测器在Gamma杂波中的最优性;WAI-CFAR检测器综合了均值类和有序统计量类CFAR算法的优点,在均匀杂波背景中具有较好的性能,在非均匀杂波背景中可通过灵活设定加权系数,获得较强的目标检测能力和鲁棒的虚警控制能力。     

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。      

OSGO-CFAR在K分布杂波边缘中的性能分析

研究有序统计选大（OSGO）恒虚警检测器在K分布杂波边缘中的性能。文中推导出了该检测器在K分布杂波边缘中虚警概率的解析表达式，分析了它抗干扰边缘的性能，并与OS、CA、OSSO等检测器进行了比较，结果表明OSGO-CFAR具有最好的抗K分布杂波边缘的性能。     

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     

基于准最佳加仅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     

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。     

雷达极化对角加载检测器的最优权重算法

针对复杂海杂波环境下极化SAR图像弱小目标检测难题,最近提出的雷达极化对角加载滤波器融合了极化白化滤波器（PWF）和极化检测优化滤波器（PDOF）的优势,通过选择合适的线性加权系数,能够突破非高斯杂波背景下的目标检测性能限制。但是如何获取该线性组合的最优加权权重是该方法的难点。首先重新构造了基于线性组合的雷达极化对角加载检测器,在此基础上从曲线下面积（AUC）的检测性能评估角度给出了线性组合的最优化数学模型,并提出了基于该准则的最优权重算法。为加快求解速度,分别提出了基于Fisher准则线性判别分析（LDA）、基于口袋感知机学习算法（PPLA）和以LDA解为初值AUC求解算法等三种简化求解方法。最后通过仿真和实测实验验证了以上方法的有效性和鲁棒性,结果表明以LDA解为初值的AUC求解算法综合性能最佳。     

一种基于有序统计的鲁棒CFAR检测器

本文提出了一种基于有序统计(OS)的VI-CFAR检测器(OSVI-CFAR).在均匀杂波背景下OSVI-CFAR较基于均值水平(ML)的VI-CFAR检测器(MLVI-CFAR)有较小的CFAR损失,在杂波边缘背景下二者的虚警控制能力基本一致,但在多个干扰目标位置随机分布的背景下检测性能较MLVI-CFAR取得了较大改善,在实际杂波环境中具有更强的鲁棒性.最后给出了OSVI-CFAR检测器的一些重要特性.     

基于符号检测器的修正双模融合检测算法

针对双模复合制导中的融合检测问题,提出了一种修正的符号检测器融合检测算法。通过对两局部统计量增加一个修正系数并使用修正的检验统计量进行判决,融合后系统的检测性能比传统符号检测器融合检测算法有明显提高。文中给出了修正系数和融合检测器的虚警概率表达式,仿真结果表明,文中提出的算法使检测概率比传统符号检测器略有下降,但虚警概率却大大降低,修正算法检测性能有很大改善,仿真结果还验证了修正系数和虚警概率关系的正确性。     

两种基于MIMO雷达体制的鲁棒CFAR检测器

针对MIMO雷达的体制特点,该文提出了两种有序统计与均值相给合的MIMO雷达CFAR检测器(OSCA- CFAR和LCIOSCA-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,OSCA-CFAR和LCIOSCA-CFAR检测器在均匀背景下较CA-CFAR有较小损失,在多目标干扰环境较CA-CFAR性能改善明显,在实际背景中具有更强的鲁棒性。最后比较了OSCA-CFAR和LCIOSCA-CFAR检测器的优缺点。     

Performance evaluation of OSSO-CFAR with binary integration in Weibull background

The performance of the Ordered-Statistic Smallest Of (OSSO) Constant False Alarm Rate (CFAR) with binary integration in Weibull background with known shape parameter is analyzed, in the cases that the processor operates in homogeneous background and non-homogeneous situation caused by multiple targets and clutter edge. The analytical models of this scheme for the performance evaluation are given. It is shown that the OSSO-CFAR with binary integration can greatly improve the detection performance with respect to the single pulse processing case. As the clutter background becomes spiky, a high threshold S of binary integration (S/M) is required in order to obtain a good detection performance in homogeneous background. Moreover, the false alarm performance of the OSSO-CFAR with binary integration is more sensitive to the changes of shape parameter or power level of the clutter background.     

单元筛选后作最大选择的CFAR自适应检测器

提出一种新的CFAR自适应检测方法，对这种新的检测方法在斯威林2型目标的假设下进行了检测性能的分析，得到了在均匀背景和强干扰目标存在的情况下的虚警概率和检测概率，并把它同CA、GO、SO等检测方法进行了比较。分析结果表明：这种方法在均匀背景和非均匀背景情况下都有很好的检测性能。     

A generalized switching CFAR processor based on test cell statistics

In this paper, a new constant false alarm rate (CFAR) thresholding algorithm which is a generalisation of the switching CFAR (S-CFAR) that takes into account the statistics of the sample in the test cell for reference sample selection is proposed. It employs a composite approach based on the switching CFAR and the order statistic CFAR (OS-CFAR). A mathematical analysis in a homogeneous environment is provided for this detector. The results obtained show that the detection performance of the generalised S-CFAR (GS-CFAR) is improved both in homogenous background and non-homogenous environment caused by interfering targets and clutter edge.     

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。     

CFAR Detectors for MIMO Radars

CFAR (Constant False-Alarm Rate) processors are useful for detecting radar targets in a background for which the parameters in the statistical distribution are not known. A variety of CFAR techniques such as CA (Cell Averaging), Go (Greatest Of), SO (Smallest Of), OS (Ordered Statistics) and ACMLD (Automatic Censored Mean-Level Detector) processors have been proposed for SISO (Single Input–Single Output) radars in a non-homogeneous background. In this paper, conventional CFAR algorithms including CA, SO, OS and ACMLD processors are generalized for MIMO (Multiple Input–Multiple Output) radars. The exact expressions for false-alarm probabilities of the proposed algorithms in a homogeneous background are presented. In addition, the detection performance of the proposed detectors is studied by means of simulation in the presence of interfering targets and also colored Gaussian clutter. Besides, the proposed CFAR processors are compared, and it is shown that the ACML-based algorithm is superior to the other investigated methods.     

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。     

方差均值平方比恒虚警检测器

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。     

Robust Centralized CFAR Detection for Multistatic Sonar Systems

This paper proposes a novel centralized Constant false alarm ratio (CFAR) detector for multistatic sonar systems. The detector employs the idea of Variability index (VI) CFAR detection, to adaptively select the matched detection algorithm in diversified undersea environments. All the echo data from mutistatic sonar receivers are transmitted into the centralized fusion center. Firstly, the background statistics of reference cells from different nodes are analyzed. Then choose one appropriate centralized detection algorithm according to the background statistics, which refers to the centralized Cell averaging CFAR (CA-CFAR), greatest of CFAR, order statistic CFAR detection algorithms. The performance of the proposed detector is analyzed by computer simulation and measured sonar data. The results show that, compared to the centralized CA-CFAR detector, the introduced centralized detector achieves a better robustness in multiply heterogeneous undersea environments.     

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