非均匀噪声环境下分布式IVI-CFAR检测算法

为了解决传统分布式VI-CFAR(variability index-constant false alarm rate)和OS-CFAR(order statistic constant false alarm rate)算法在多杂波干扰环境下检测性能严重下降的问题,提出了一种分布式IVI-CFAR(improved VI-CFAR)检测算法。在VI-CFAR的基础上,引入双参考窗和双参量,通过各子参考窗参量与对应门限的比较,判断子参考窗中参考单元的分布情况,从而选择相应的参考单元集和检测器估计背景噪声功率。经过仿真对比,在单杂波和多目标干扰环境下,分布式IVI-CFAR算法检测性能接近于分布式VI-CFAR和OS-CFAR算法;在多杂波干扰环境下,分布式IVI-CFAR算法检测性能优于分布式VI-CFAR和OS-CFAR算法,采用“OR”融合规则时,检测性能最优。结果表明,提出的分布式IVI-CFAR算法在非均匀噪声环境下,均具有较优的检测性能。     

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.     

某医科大学新生适应状况调查研究

为了了解医科大学新生适应现状及影响因素,采取整群随机抽样的方式,在重庆市某医科大学抽取286名本科一年级学生,采用由方晓义等编写的大学生适应量表进行问卷调查,并对问卷调查结果进行相关的统计学分析,结果表明年龄是影响医科大学新生适应状况的最主要因素。在此研究结果上,建议医科高校应加强对新生适应性的教育,尤其是年龄较大的学生群体,以便及时发现医科大学新生入学后存在的心理适应问题。     

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.     

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。     

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。