基于最大值参考单元的双剔除门限恒虚警目标检测算法

针对传统恒虚警目标检测算法在非均匀噪声环境下虚警率过高的问题,提出一种基于最大值参考单元的双剔除门限恒虚警(dual censoring threshold based on maximal reference cell-constant false alarm rate,DCT-MRC-CFAR)目标检测算法.基于参考窗最大值参考单元得到剔除比较门限,通过比较,剔除极大值参考单元,根据剩余参考单元的数量选择参考窗中剔除后剩余参考单元或者参考窗中全部参考单元来估计背景噪声功率,并得到功率检测门限.与其他算法进行仿真对比,DCT-MRC-CFAR算法在均匀噪声环境下,检测性能接近于单元平均恒虚警(cell averaging-constant false alarm rate,CA-CFAR)算法;在非均匀噪声环境下,检测性能较稳定,且优于自动删除单元平均恒虚警(automatic censored cell averaging-constant false alarm rate,ACCA-CFAR)和自动双删除单元平均恒虚警(automatic dual censored cell averaging-constant false alarm rate,ADCCA-CFAR)算法.结果表明,提出的DCT-MRC-CFAR目标检测算法在均匀和非均匀噪声环境下,均具有较优和较稳定的检测性能.     

基于排序的自动剔除Switching-CFAR检测器

针对传统恒虚警(Constant False-Alarm Rate,CFAR)检测器在非均匀噪声环境下检测性能较差的问题,本文提出了一种基于排序的自动剔除Switching-CFAR(Automatic Censoring Switching-CFAR Detector Based on Sorting,ACS-CFAR)检测器.选择参考窗中间单元为测试单元,其余单元按照幅值升序排列,根据两个分界点位置参数,选择合适的参考单元集进行背景噪声功率估计以及结合参考单元数和目标恒虚警率计算相关系数,得到最优检测门限.经过仿真对比,ACS-CFAR检测器在均匀噪声环境下检测率为98.73%,接近于单元平均恒虚警(CA-CFAR)检测器;在非均匀噪声环境下检测率为98.16%,优于可变索引恒虚警(VI-CFAR)和自动删除平均恒虚警(ACCA-CFAR)检测器,虚警率误差均控制在0.10%以内.结果表明,本文提出的ACS-CFAR检测器在均匀噪声环境以及杂波和多目标干扰环境下均具有较好的检测性能.     

多目标环境下的雷达CFAR 检测

提出了一种基于对参考单元进行比较筛选的雷达恒虚警(CFAR)检测方法，并对其在不同背景条件下参考单元的分布变化与检测性能进行了分析。结果表明，该方法在不降低均匀环境下检测性能的条件下，可以明显改善CA和OS—CFAR在多目标干扰环境下的检测性能。     

基于OS和UMVE的最大选择恒虚警检测算法

为了提高恒虚警检测器在多目标环境下的检测性能及有效控制杂波边缘环境中虚警率的上升,基于结合高效的无偏最小方差估计(UMVE)算法提出了一种新的最大选择恒虚警检测算法(OSUMGO-CFAR),它的前、后沿滑窗分别采用OS和UMVE方法得到两个局部估计,将其中的最大值作为背景杂波功率水平估计,去设置自适应检测门限。在SwerlingⅡ型目标假设下,推导了该算法在均匀背景下的矩产生函数MGF、平均判决阈值ADT、多目标环境下检测概率Pd和杂波边缘环境中虚警尖峰的数学解析表达式。采用数值计算的方法,将恒虚警损失及虚警尖峰分别作为衡量算法在多目标和杂波边缘环境下性能优劣的标准。分析结果表明,该算法在多目标和杂波边缘引起的非均匀背景中的性能,均比OSTMGO和GOSGO算法得到了改善。     

与初始噪声分布无关的恒虚警处理器

为提高单元平均类恒虚警 (CA- CFAR)检测的性能 ,提出一种新的与噪声初始分布无关的恒虚警处理方法 ,即 Gauss双参数恒虚警检测 (GB- CFAR)方法。其特点是根据独立同分布噪声的非相参积累结果近似 Gauss分布的特性 ,用不同的参考单元估计积累后噪声的均值和标准差 ,然后将待检测单元减去均值估计值 ,再与标准差估计值和固定门限的乘积相比较 ,从而实现恒虚警检测。结果表明 ,由于剔除积累后的噪声均值等价于剔除了部分噪声能量 ,因此提高了信噪比 ,使得检测性能明显优于传统的 CA - CFAR检测器     

基于Rayleigh分布杂波模型的动态目标检测算法

为了解决传统的动态目标检测算法在功率波动明显的非均匀复杂背景噪声下,检测性能严重下降的问题,基于杂波分布模型和恒虚警理论,提出一种基于Rayleigh分布杂波模型的单元最大最小平均恒虚警(CMMA-CFAR)检测算法,通过均值和均方差估计噪声平均功率并动态调整检测门限参数,在保持较低虚警率的前提下,提高目标的检测率.采用了数字滤波器组降低旁瓣功率,抑制强杂波干扰.经过与其它算法仿真对比,该算法具有最优的检测性能,检测率大于95.00%.该方法已应用于车辆开门防撞预警系统,在奇瑞G5车型上进行了标定测试,针对典型接近目标:自行车、摩托车和轿车,平均预警率大于97.50%,误警率小于3.00%.结果表明,该算法在杂波边缘干扰和非均匀噪声背景下,仍具有良好的检测性能.     

非均匀噪声下基于双剔除门限的恒虚警目标检测算法

为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.     

一种新的基于删除平均和单元平均的恒虚警率检测器

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(CMCAM—C5、CFAR)，它采用CM和CA产生局部估计，再对二者平均实现对杂波功率估计。在SwerlingⅡ型目标假设和均匀背景下，推导出了它的检测概率(Pd)、虚警概率(Pfa)和平均判决阈值(ADT)的解析表达式，并与有序统计(0S)恒虚警率(CFAR)检测器进行了比较。分析结果表明在均匀背景和多目标环境下CMCAM—CFAR检测器的性能均优于0S—CFAR检测器的性能。     

基于沿航向干涉的星载双通道合成孔径雷达系统地面运动目标检测技术

目前在轨的星载合成孔径雷达（SAR）系统,大都局限于沿航向排列的两个通道用于地面运动目标检测、测速与重定位．沿航向干涉ATI（along-track interfterometry）技术利用两通道雷达图像间动目标和杂波干涉相位的差异,提高了地面慢速、弱小运动目标的检测能力,具有稳健性好,适用范围广,对地面场景RCS（radar cross section）起伏不敏感等特点,是双通道星载SAR系统普遍采用的一种GMTI（ground moving target indication）技术．基于干涉幅度／相位的联合分布和二元假设条件“杂波”及“杂波＋动目标”,文中系统地分析了SARATI技术中,常见的单边相位恒虚警检测和独立分布二级恒虚警检测方法,提出了条件分布二级检测和幅度／相位二维联合检测两种恒虚警检测方法,并以最优的基于NP（Neyman—Pearson）准则的似然比检测方法作为其他恒虚警检测方法性能的上限,对其性能进行分析和对比．仿真实验和性能分析结果表明,幅度／相位二维联合恒虚警检测方法稳健性好,实用性强,在低信杂比或低杂噪比条件下,检测性能良好．     

一种非均匀背景下的多策略CFAR检测器

为了提高非均匀背景下的雷达目标恒虚警(CFAR)检测性能,该文基于变化指数CFAR(VI-CFAR)检测器,提出一种多策略CFAR(MS-CFAR)检测器。该检测器通过对参考窗中的杂波背景进行估计,自适应选择单元平均CFAR(CA-CFAR)、逼近CFAR(AC-CFAR)和交互式CFAR(S-CFAR)中的一种作为最优检测策略。仿真结果表明,MS-CFAR在继承了VI-CFAR优点的基础上,在均匀背景、杂波边缘和多目标干扰等背景下都表现出更好的检测性能,且具有更稳健的抗杂波边缘和抗多目标干扰性能。     

基于威布尔分布杂波模型的加权有序统计模糊CFAR检测算法

为了解决有序统计恒虚警(order statistic constant false alarm rate,OS-CFAR)、有序统计最大选择恒虚警(order statistic greatest of-constant false alarm rate,OSGO-CFAR)和有序统计最小选择恒虚警(order statistic smallest of-constant false alarm rate, OSSO-CFAR)检测算法在非均匀噪声环境下检测性能严重下降的问题,基于威布尔分布模型和模糊量化的软决策方法,提出了一种加权有序统计量的模糊恒虚警(weighted order statistic and fuzzy rules constant false alarm rate, WOSF-CFAR)检测算法。通过计算 Leading和Lagging子窗口对应的模糊隶属函数值,采用代数积、代数和、最大选择和最小选择4种融合规则对2个子窗口的模糊输出量进行融合,并与比较门限进行比较判别目标有无。仿真表明,提出的检测方法与OSGO-CFAR, OSSO-CFAR算法相比,在均匀噪声、杂波边缘干扰和多目标干扰环境下均具有较好的检测性能,尤其是采用代数积融合规则时,检测性能最优,且提出的检测算法在均匀噪声环境下也具有最佳的检测性能。     

采用自适应背景窗的舰船目标检测算法

针对合成孔径雷达(SAR)图像应用中,传统滑动窗口检测算法无法对近距、近岸或不同大小目标实现精确检测的问题,提出了一种自适应窗口的舰船目标检测算法。该算法首先利用阈值滤波实现海面的分离,然后通过对分离后待检目标的像素体积统计,剔除大体积陆地目标,得到待检目标,并根据其像素分布设置自适应窗口,通过对自适应窗口内目标像素和背景像素的分离统计,最终拟合得到待检目标附近背景的K-分布概率模型进行恒虚警检测。相对于传统滑动窗口检测算法,自适应窗口检测算法可实现对目标背景像素的精确统计及K-分布拟合,以及对舰船类目标的精确检测。实验结果证明,在相同的虚警概率条件下,对复杂海面情况的SAR图像进行舰船检测,自适应窗口检测算法比传统局部窗K-分布的恒虚警检测结果的品质因子高0.34。     

基于改进 YOLOv3 算法的水下小目标分类与识别

针对声纳图像中小目标检测识别率低、虚警率高的问题, 提出一种改进的 YOLOv3 算法. 改进的 YOLOv3 网络在原始 YOLOv3 的基础上进行优化, 改变网络的层级连接, 融合更浅层的特征与深层特征, 形成新的更大尺度的检测层, 提高了网络对水下小目标检测的能力; 同时, 使用线性缩放的 $K$-means 聚类算法优化计算先验框个数和宽高比, 提高了先验框与 ground truth box 之间的匹配度, 较原始 YOLOv3 算法均值平均精度提高了 7%. 实验结果表明, 所提出的改进 YOLOv3 算法能够有效分类与识别小目标且有更高的准确率和更低的虚警率, 同时保持了原始 YOLOv3 算法的实时性.     

基于虚警识别与空-频域显著性映射的红外弱小目标检测算法

为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显著性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显著性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显著性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。     

调频连续波雷达的二维截断统计量恒虚警检测方法

针对调频连续波(FMCW)雷达在密集多目标环境中检测能力降低的问题,提出了采用右截断瑞利分布模型的二维截断统计量恒虚警(TS-CFAR)检测方法。首先对目标回波信号进行二维快速傅里叶变换(FFT)得到二维幅度谱,接着采用二维参考窗在幅度谱上滑动以剔除二维滑窗内幅度过高的参考单元,进而采用右截断瑞利分布模型描述剩余参考单元,最后采用基于最大似然估计的查表法估计门限参量并进行目标检测。与FMCW雷达常用的有序统计量恒虚警(OS-CFAR)和单元平均恒虚警(CA-CFAR)方法相比,TS-CFAR方法在密集多目标环境中检测能力更强。仿真分析表明,当参考窗内有6个干扰目标且检测概率为0.9时,TS-CFAR方法的CFAR损失比CA-CFAR方法小3dB,比OS-CFAR方法小0.8dB,而且由于在运算过程中采用了查表法,TSCFAR方法的计算量远小于OS-CFAR方法。实验结果验证了TS-CFAR方法对FMCW雷达的目标检测的有效性。     

基于双剔除门限的Switching-CFAR目标检测算法

为了解决传统的目标检测算法在非均匀噪声环境下检测性能严重下降的问题,提出了一种基于双剔除门限的Switching-CFAR（switching-constant false alarm rate based on dual censoring thresholds,DCS-CFAR）目标检测算法。基于参考窗参考单元样本期望值和测试单元,得到双重剔除功率比较门限。通过双重比较,剔除参考窗中极大值参考单元,根据剩余参考单元数,选择合适的参考单元来估计背景噪声功率,并得到功率检测门限。在Matlab环境下,通过蒙特卡洛方法和SwerlingII模型对DCS-CFAR目标检测算法的关键参数,以及在各种仿真环境下与其它目标检测算法的检测性能进行了仿真对比分析,DCS-CFAR目标检测算法在均匀背景噪声下,检测率为98.76%,接近于CA-CFAR算法;在杂波和多干扰目标环境下,检测率分别为97.83%和98.23%。在均匀和非均匀噪声环境下,DCS-CFAR检测算法均优于ACCA-CFAR和GO-CFAR算法。结果表明,提出的DCS-CFAR检测算法在均匀和非均匀噪声环境下, 均具有良好的检测性能。     

两种CFAR算法的比较与DSP实现

在不同的参考背景条件下,雷达恒虚警的实际检测性能往往也会有很大的不同。当参考背景单元呈现为瑞利分布时,GO-CFAR有着最好的检测性能。但在多目标同时存在的干扰环境下,GO-CFAR的检测性能会随着干扰点的增加而迅速下降。基于有序统计量的OS-CFAR具有良好的抗干扰能力,因此在有多目标干扰的条件下,选择OS-CFAR可以获得最好的检测性能。该文使用MATLAB分析了两种检测方法的性能,并且用DSP分别进行了工程实现与检测性能对比。     

基于极化分类辅助的复杂场景多通道SAR-GMTI方法

在复杂场景下,人造建筑物受到系统噪声、通道误差等因素影响,容易造成大量虚警,影响动目标检测性能.提出一种基于极化分类辅助的多通道合成孔径雷达地面动目标检测方法,在传统相位中心偏置天线方法基础上,结合H/α-Wishat极化分类,判断图像中的人造建筑物,并在恒虚警检测结果中剔除由人造建筑物造成的虚警.与传统相位中心偏置天线方法相比,该方法能有效抑制复杂环境下由建筑物造成的虚警,提升了动目标检测性能.通过国内首批多通道全极化合成孔径雷达地面动目标检测实测数据验证了所提方法的有效性.     

基于微波多普勒雷达的海杂波区小目标特征联合检测

针对海杂波区小目标回波能量较弱,多普勒域与海杂波接近甚至重叠的特点,采用特征联合检测算法提高目标检测性能。首先,对雷达回波进行中位数自适应杂波抑制预处理;然后,对待检测单元提取多普勒峰值、峭度和熵值特征,形成特征向量,对残余杂波训练单元采用凸包算法获得判别区域;最后,以判别区域是否包括待检测特征向量对应点初步判断目标有无,再根据凸包混合积分布设定恒虚警门限滤除虚警。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致。采用蒙特卡洛仿真对算法性能进行分析,表明该算法的检测性能优于对比算法,为雷达海杂波区目标检测提供了新方案。     

AMTD系统频域双参数恒虚警性能分析

在机载雷达动目标检测系统中 ,用于目标检测的Doppler通道中的杂波剩余严重影响着系统检测性能。为在一定的虚警概率下提高系统的检测概率 ,针对抑制杂波后目标检测 Doppler通道存在 Rice分布干扰的情况 ,提出一种频域双参数恒虚警 (bi- parameter constant false alarm rate,BP- CFAR)处理方法。BP- CFAR处理方法分别在频域与距离域估计干扰的均方差与均值 ,取其线性组合作为各通道的检测判决门限。在频域存在杂波剩余的情况下 ,BP- CFAR与干扰的双参数分布相匹配 ,是统计意义下的最优检测器 ;与传统的单参数恒虚警处理方法相比 ,明显改善了系统的适应性和检测性能。