一种双模式双参数杂波图恒虚警检测器的实现

介绍了一种双模式双参数杂波图恒虚警 (constantfalsealarmrate ,CFAR)检测器的系统设计和硬件实现。该检测器采用静态杂波图和动态杂波图两种工作模式 ,分别处理时域平稳和非平稳的杂波环境 ,并且引入双参数恒虚警的工作原理 ,从而显著提高了恒虚警检测单元的检测性能 ,有效地抑制了虚警。同时 ,在硬件设计上采用一种以DSP芯片作为数据处理核心、以EPLD(embeddedprogrammablelogicdevice)作为流程控制中心的结构 ,提高了整个模块的可编程性和设计灵活性 ,并能够满足系统实时处理的要求。     

气象杂波环境下二维次序统计量恒虚警检测器

利用实际的气象杂波数据 ,研究了其CFAR处理问题。基于FFT处理技术 ,比较了CAGO -CFAR检测器、CLUTTERMAPPING -CFAR检测器和MX -OS -CFAR检测器的抑制气象杂波性能。针对存在的问题 ,提出了将通常在一维距离向进行的CFAR处理改为在R-Fd(距离 -多普勒频率 )二维平面进行 ,并利用次序统计量估计杂波幅度 ,形成新的稳健的 2D -OS -CFAR检测器。对实际杂波数据和仿真目标数据的处理结果表明所提出的 2D -OS -CFAR检测器具有良好的性能     

准最佳加权有序统计恒虚警检测器

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有序统计恒虚警检测器,并应用了文献[3]提出的自动筛选技术。在Swerling Ⅰ型目标及瑞利杂皮假设下,本文推导出了它的P_(fa)、P_d及ADT的数学解析表达式。分析结果表明,它在均匀背景和杂波边缘背景中的性能均比TM获得了改善,同时对多目标也呈现了较好的鲁棒性。在特殊情况下,QBW退化为CMLD。     

机载监视雷达地杂波背景中的CFAR检测方法

在充分考虑了具体雷达体制和工作环境的基础上认为,采用二维有序统计恒虚警处理方法(2D OS CFAR)适合于机载监视雷达地杂波背景中的恒虚警概率(constantfalsealarmrate,CFAR)检测。同时,对该方法在不同杂波背景、不同窗口大小、不同干扰数目时的检测性能进行了理论分析和实验仿真。仿真结果表明,该方法能有效地提高机载监视雷达对地工作方式时的CFAR检测能力。     

基于最大似然差的智能恒虚警检测器

为了增强恒虚警(constant false alarm rate, CFAR)检测器在杂波边缘环境中的鲁棒性,结合无偏非均匀杂波估计CFAR(HCE CFAR)检测器检测概率高和可变性指示CFAR(VI-CFAR)检测器虚警控制能力强的优点,提出一种基于最大似然差(maximum likelihood difference, MLD)的智能CFAR检测器MLD-CFAR。MLD-CFAR通过计算MLD和均值比判断前、后沿滑窗的杂波环境,进而选择相应参考单元和均值类CFAR算法计算检测门限。仿真结果表明,同HCE-CFAR、VI-CFAR和自动删除单元平均CFAR(ACCA-CFAR)检测器等相比,MLD-CFAR在杂波边缘环境中能够保持恒虚警率,提高目标检测概率,减少目标遮蔽现象,在均匀环境中检测损失很小。论文还在一部线性调频连续波雷达上用实测数据验证了算法的正确性和有效性。     

舰载雷达实时虚警仿真技术研究

虚警仿真是雷达系统建模仿真和跟踪算法测试评估中一个重要组成部分。现代舰载雷达接收机通常具有恒虚警(CFAR)检测功能，可以根据回波自适应地调整检测门限以达到恒定的虚警率。本文针对舰载雷达提出了一种通用的实时虚警仿真模型，在仿真模型中主要考虑了系统噪声和海杂波对雷达接收机的影响。最后以K分布海杂波为例，通过计算机仿真验证了虚警仿真模型的有效性。     

自适应门限恒虚警检测的研究

雷达根据单个接收脉冲进行检测是不常见的，通常都要采用积累技术，积累分为相参积累和非相参积累。本文讨论的是非相参积累后的自适应门限恒虚警检测问题。幅度为瑞利分布的噪声，经非相参积累后的噪声分布已发生了变化，幅度不再服从瑞利分布，本文讨论了非相参积累后的噪声分布，并对恒虚警检测方案进行了研究。     

一种新的最小选择恒虚警检测器

本文基于有序统计(OS)和剔除平均(TM)提出了一种新的恒虚警检测器(OSTMSO),它采用OS和TM来生产局部估计,再采用最小选择逻辑来实现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P_(?)P_d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,OSTMSO在均匀背景及多目标环境中的性能都比GOSSO获得了改善,同时,它的样本排序时间还不到OS的一半.     

脉冲多普勒雷达高度表恒虚警技术

本文介绍了恒虚警技术在雷达高度表中应用的基本原理，讨论了在高斯噪声背景、杂波干扰背景中恒虚警门限ＶＴ的确定方法以及相应的恒虚警措施，确定了基于高速ＤＳＰ芯片实现的自适应恒虚警方法。     

多分布类型杂波背景下恒虚警处理器性能分析

针对恒虚警(CFAR)处理器在多分布类型杂波中的应用背景,分析了杂波分布检验恒虚警(CT-CFAR)处理器的检测性能。该处理器在CFAR处理前首先进行杂波分布检验,因而较瑞利(Rayleigh)分布假设杂波背景下的CFAR(Rayleigh-CFAR)处理器取得了较小的CFAR损失。通过与Rayleigh-CFAR处理器以及利用杂波分布先验信息的CFAR(D-CFAR)处理器性能比较,揭示了三种CFAR处理器之间的内在联系。仿真结果表明,在信杂比较低时,CT-CFAR较常规的Rayleigh-CFAR取得了较大的性能改善。     

杂波图CFAR平面检测技术

本文提出了一种适合对海浪杂波进行恒虚警率（ＣＦＡＲ）处理和检测的新方法，它有效地改善了常规恒虚警率处理的性能。文中还给出了这种处理方法的硬件实现框图，并就检测性能作定量分析。     

带有非相参积累的序列统计恒虚警检测器

雷达检测中,为了改善检测性能经常采用非相参积累的方法以获取高信杂比的目标回波,本文讨论了平方律检波后带有非相参积累的序列统计恒虚警检测器,分析了Swerling起伏目标情况下的检测性能,并介绍了该检测器在实际工作中的一种应用。     

高斯背景下距离扩展目标的恒虚警率检测

对宽带高分辨率雷达(HRR)中的距离扩展目标进行检测,若还采用分辨雷达的检测方案,目标回波的全部能量得不到充分利用,会影响雷达的检测性能。提出了一类基于二进制积累的距离扩展目标检测算法,推导出了它们的平均虚警概率和平均检测概率的数学解析式,并进行了性能分析和比较。这些方法较常规低分辨雷达方法可获得目标信噪比8个多分贝的性能改善,且这些次优积累的高分辨雷达距离扩展目标检测方法具有易于工程实现的优点。     

基于神经网络的恒虚警处理

本文首先回顾了神经网络的Ｂ—Ｐ算法。根据Ｂ—Ｐ网络的非线性映射特性和恒虚警（ＣＦＡＲ）处理的实质，分析了基于Ｂ—Ｐ网络的恒虚警处理的原理和方法。     

对低信噪比下的红外点目标高检测率的研究

低信噪比(≤2)条件下的低虚警率、高发现率点目标检测是对常规检测方法的挑战,必须采取边检测边跟踪边确认的方法才能达到所要求的性能指标。利用二项分布的理论,解决了该方法中的相关帧数和门限的确定问题。为确保低虚警率、高发现率检测识别问题提供了理论保证。仿真结果验证了理论分析的正确性。     

一种新的基于有序统计的恒虚警处理器

本文提出一种新的基于有序统计的恒虚警检测器。这种新的检测器是广义有序统计单元平均（ＧｅｎｅｒａｌｉｚｅｄＯｒｄｅｒｅｄＳｔａｔｉｓｔｉｃＣｅｌｌＡｖｅｒａｇｉｎｇ－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，我们获得了虚警和探测概率的解析表达式。与ＯＳ－ＣＦＡＲ相比，ＧＯＳＣＡ－ＣＦＡＲ在均匀干扰背景和多目标情况下均具有最好的检测性能，并且其参考滑窗单元幅值排序时间还不到ＯＳ－ＣＦＡＲ的一半。     

基于最大和最小选择的两种新的恒虚警检测器

本文提出两种基于有序统计（ＯＳ）和单元平均（ＣＡ）产生局部估计，并分别应用最大选择（ＧＯ）和最小选择（ＳＯ）产生检测单元干扰功率水平估计Ｚ的新的恒虚警检测器（ＯＳＣＡＧＯ）和（ＯＳＣＡＳＯ）。我们推导出了它们在ＳｗｅｒｌｉｎｇⅡ型目标假设下的Ｐ＿（ｆａ），Ｐ＿（ｃｌ）和度量ＡＤＴ的解析表达式。分析了它们在均匀背景和强干扰目标环境之中的检测性能，并把它们与ＯＳ－、ＧＯＳＧＯ－、ＧＯＳＳＯ－ＣＦＡＲ进行了比较。结果表明，ＯＳＣＧＯ在均匀干扰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３ｂＢ。在均匀背景中，ＯＳＣＡＳＯ的检测性能与ＧＯＳＳＯ相近。但是，在多目标环境中，一定条件下的ＯＳＣＡＳＯ的检测性能甚至超过了ＯＳ和ＧＯＳＧＯ。     

自适应伪码捕获的双限切除恒虚警概率方法

在无人机测控与数据链技术中,直接序列扩频通信技术成为重要的发展方向.直接序列扩频通信中,扩频同步是至关重要的环节.提出一种适用于直接序列扩频通信的自适应伪码捕获方法--双限切除恒虚警概率(DE-CFAR)方法.与仅设置切除上限的单限切除恒虚警概率(E-CRAR)方法相比,DE-CFAR方法设置了切除双限--切除上限和切除下限,在进行单元平均之前不仅切除信号的强分量,还切除信号的弱分量.在信噪比较高的情况下,DE-CFAR方法的性能与E-CFAR方法相比几乎没有下降,而在信噪比较低的情况下,DE-CFAR方法的性能要优于E-CFAR方法.     

数学形态学在SAR图像目标识别中的应用

提出了一种能够从复杂背景的SAR图像中识别出圆状目标的方法。该方法首先对SAR图像进行双参数恒虚警(B-CFAR)预处理,排除明显的非目标区,增强下一步对目标的识别效果,然后着重分析了上下文相关加权的形态模板生成算法,在此基础上采用不同的数学形态学变换滤波方法对预处理后的SAR图像候选目标区进行识别,并与相关文献比较,对圆状目标得到了良好的识别效果。     

基于迁移学习的雷达杂波幅度统计模型选择

在对目标进行探测和识别的过程中, 雷达杂波幅度统计模型选择是重要步骤。为了提升杂波幅度统计模型选择的准确率, 基于样本分布适配, 提出了一种加权再均衡分布适配的迁移学习方法, 实现了仿真数据的信息向实测海杂波IPIX数据的迁移。通过与已有算法进行比较, 实验结果表明改进后的算法在IPIX数据集上能取得更好的分类准确率, 在迁移学习公共数据集Office-Caltech10上的验证结果也表明了算法的普适性。