一种基于二维Gamma分布的SAR图像变化检测方法

对于隐藏在强杂波环境中的人造目标,传统的恒虚警率（constant false alarm rate, CFAR）目标检测算法受到较大程度的制约。为了改善检测性能,提出了一种基于二维Gamma分布的变化检测算法,并给出了参数估计、变化分析、CFAR归一化、目标聚类等关键步骤的实现方法。该算法在拟合精度较高的二维Gamma分布的基础上,充分利用图像间的相关性抑制强杂波。对实际数据的处理表明,该算法具有较好的检测性能,能在低虚警率的基础上实现较高的检测率。     

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。     

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。     

恒虚警检测器的检测性能

近十几年来,雷达信号检测的理论和实践已取得了飞速的发展。信号检测已成为雷达系统不可缺少的一部分。通常,因雷达数据处理系统中能处理的目标总数总是有限的,所以要求雷达信号检测能保持虚警概率恒定(CFAR),这样的检测器称为恒虚警检测器。为了获得这些检测器的检测性能,用     

SαS分布下的累积分布检测器

针对对称α稳定（symmetric α stable,SαS）分布背景下局部最优检测（locally optimal detector,LOD）结构复杂、难以进行恒虚警处理的问题,提出一种自适应累积分布检测器（cumulative distribution detector,CDD）。该检测器首先利用累积分布函数对接收信号进行非线性变换,然后再进行匹配滤波处理。根据双参数柯西-高斯混合（bi-parameter Cauchy-Gaussian mixture,BCGM）模型对SαS分布进行近似,在此基础上对CDD的检测性能进行了系统分析,证明了其恒虚警特性,并通过Sigmoid函数对该检测器进一步简化得到了近似累积分布检测器（near CDD,NCDD）。理论和仿真结果都表明,当α较大时,NCDD性能接近LOD,但结构更加简单,更易于恒虚警处理。     

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。     

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。     

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。     

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。     

海杂波环境下改进的中值矩阵检测方法

考虑到最大特征值具有较优的信号检测能力,将基于信息几何的矩阵恒虚警率检测方法与最大特征值相结合,提出了基于最大特征值的改进中值矩阵恒虚警率检测方法。利用矩阵流形上不同的几何测度估计杂波的中值矩阵;采用协方差矩阵的最大特征值作为检测统计量,将最大特征值与不同的中值矩阵估计值相结合得到6种改进的中值矩阵检测方法。通过复杂度分析和基于仿真数据和实测数据的仿真实验验证了改进算法的有效性。     

求解探测概率门限因子的一种重要度抽样方法

在不同探测环境下确定探测概率时 ,首先需要根据给定的虚警率来确定相应的探测概率门限因子 ,这时需要在杂波和被检测单元的概率分布密度函数已知条件下 ,对其进行积分 .实际应用中 ,概率分布密度函数非常复杂 ,这时直接积分法很难奏效 ,必须用数值模拟法来解决 .但常规的 Monte Carlo方法在模拟像虚警概率这类小概率事件时既耗费机时 ,精度又差 ,目前国际上正在研究应用重要度抽样法(Importance Sampling)来解决该问题 .本文在前人研究成果的基础上 ,针对两大类雷达探测处理器——单元平均恒虚警 (CA-CFAR)和修整平均恒虚警处理器 (TM-CFAR) ,对相应的重要度抽样方法进行了研究和推导 ,结果表明方法高效可靠.     

目标检测性能的定量评估方法

提出了一种对目标检测算法性能进行定量评估的方法。该方法基于ROC曲线定义了不同检测算法在Gaussian分布假设下的等效输入信杂比(EISCR),并用该EISCR的大小来对不同检测算法的性能进行定量评估。提出用Sigmoid函数对Gaussian分布函数逼近的方法推导了EISCR的简化计算公式。该方法克服了以往性能评估方法不能对检测算法的性能进行定量评估的缺点,不仅可以评价不同CFAR算法的性能,还能定量评估CFAR算法与非CFAR算法之间的性能差异。仿真结果表明了该方法的有效性。     

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。     

Distribution-based CFAR detectors in SAR images

1. INTRODUCTION Many researches have been made on automatic target recognition (ATR) from SAR images in the past few years. Lincoln Laboratory has developed a complete, end-to-end ATR system[1-4]. The whole system inclu- des three stages: detection (or prescreening), discri- mination and classification. In the detection stage, a two-parameter CFAR (constant false alarm rate) detector is used as a prescreener to select candidate targets in an SAR image on the basis of local brightne…     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

复杂背景下的二维检测研究

由于雷达检测背景的复杂和起伏 ,经典CFAR检测不能保持稳定的检测性能。利用噪声和目标在距离 -多普勒二维平面上的信息构成特殊的二维窗 ,异常值剔除后进行二维窗的检测统计量计算。实验中 ,各种经典CFAR检测的稳定性和检测性能得到了不同程度的提高 ,本文提出的混合检测方式获得了最佳的检测性能。     

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。