威布尔杂波背景下的恒虚警检测

讨论了线性检波下威布尔杂波背景的恒虚警检测问题.对均匀杂波情形,由矩估计方法得到了参数估计的解析表达式,并分析了基于矩估计得到的恒虚警检测器的检测性能,结果表明:这种方法得到的估计参数的方差比由极大似然估计得到的要小,且基于此法的恒虚警检测损失比基于极大似然估计和次序统计量估计的也要小.对非均匀杂波情形,提出了贝叶斯恒虚警检测器,检测性能分析表明:贝叶斯恒虚警检测器的检测效果明显优于基于矩估计的恒虚警检测器,比基于极大似然估计和次序统计量估计的检测器效果好,且样本数越小效果越明显.     

利用RBF神经网络实现对非相参积累检测系统中阈值的精确估计

在非相参积累检测系统中 ,容易得到雷达虚警概率关于阈值的解析表达式 ,但难以得到阈值关于虚警概率的解析表达式 ,利用径向基函数 (RBF)神经网络具有良好的逼近任意非线性映射和快速收敛的特点 ,提出了一种精确估计阈值的RBF神经网络方法。仿真结果表明 ,本方法可得到较高的阈值估计精度     

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。     

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.     

CMCAM恒虚警率检测器性能分析

分析了CMCAM恒虚警率(CFAR)检测器在杂波边缘中的性能.在斯威林Ⅱ型目标假设下给出了它在杂波边缘情形中虚警尖峰的数学解析表达式,并与经典的有序统计(OS)恒虚警率检测器进行了比较.分析结果表明在杂波边缘环境中CMCAM检测器的虚警控制能力比OS检测器有效,当r≤7时它的虚警尖峰比OS检测器的虚警尖峰要低1-2个数量级,当7相似文献   

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。     

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.     

Powell搜索法和惯性权重非线性调整局部收缩微粒

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法. 该算法不需要计算梯度, 容易应用于实际问题中. 通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性. 首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法（PSO, GPSO和NM PSO算法）. 其次, 将新混合算法和最新的各种协同PSO算法进行分析比较. 结果表明, 新混合算法在解的搜索质量、 效率和关于初始点的鲁棒性方面都远优于其他算法.     

Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法

提出一种求解无约束最优化问题的新的混合算法Powell搜索法和惯性权重非线性调整局部收缩微粒群算法的混合算法.该算法不需要计算梯度, 容易应用于实际问题中.通过对微粒群算法的修正, 使混合算法具有更加精确和快速的收敛性.首先利用20个基准测试函数进行仿真计算比较, 计算结果表明, 新混合算法在求解质量和收敛速率上都优于其他算法(PSO, GPSO和NM-PSO算法).其次, 将新混合算法和最新的各种协同PSO算法进行分析比较.结果表明, 新混合算法在解的搜索质量、效率和关于初始点的鲁棒性方面都远优于其他算法.     

一种毫米波防撞雷达频域恒虚警处理新方法

针对毫米波防撞雷达中目标信号检测虚警率高的问题,提出一种基于有序统计量在瑞利分布杂波背景下的频域恒虚警检测(OS-CFAR)的方法。该方法通过对雷达差频信号的频谱进行检测,对检测后的信号进行杂波对消,使系统从雷达中频信号的频谱中检测出目标信号的谱线并滤除杂波。准确检测目标的同时去除干扰,从而降低目标信号检测虚警率。仿真结果证实了该方法适用于多目标干扰环境,能有效对抗杂波干扰,具有良好的虚警控制能力,提高了雷达系统的有效性。