CN105866748A - 一种基于检测先验的固定窗长恒虚警检测方法 - Google Patents
一种基于检测先验的固定窗长恒虚警检测方法 Download PDFInfo
- Publication number
- CN105866748A CN105866748A CN201610166232.3A CN201610166232A CN105866748A CN 105866748 A CN105866748 A CN 105866748A CN 201610166232 A CN201610166232 A CN 201610166232A CN 105866748 A CN105866748 A CN 105866748A
- Authority
- CN
- China
- Prior art keywords
- detection
- sliding window
- cfar
- target
- stored
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
该发明公开了一种基于检测先验的固定窗长恒虚警检测方法,属于信号处理技术,具体涉及恒虚警检测方法。通过获取多个没有目标的检测单元的平均功率,再用该平均功率乘以称化因子获取目标检测门限值,用该门限值对比下一检测单元的功率,判定该检测单元是否存在目标,若不存在目标,则将该检测单元的功率纳入到计算门限值的平均功率中,依次循环。该发明具有计算简单,精确度高的效果。
Description
技术领域
本发明属于信号处理技术,具体涉及恒虚警检测方法。
背景技术
检测是信号处理的一个基本操作。恒虚警算法是检测技术中一种极为重要的方法,近几十年来经过深入的研究,被广泛应用于雷达、通信等领域。
所谓恒虚警(false alarm rate,CFAR),也就是在检测过程中保持恒定的虚警概率,不受背景杂波的影响。在实际雷达检测中,为了获得稳定检测性能和恒定的虚警概率,常常从实时测量得到的回波数据中估计背景杂波功率电平,从而自适应地调整检测门限。
CFAR处理的关键就是对背景杂波功率进行估计。相应的处理方法分为两大类:一类是空域CFAR,利用与待检测单元在空间上相邻的参考单元来估计杂波功率;另一类是时序CFAR,通过对同一单元多次扫描来进行功率估计,主要步骤是时域上的迭代。单元平均(cell average,CA)CFAR、最大选择(greatest of,GO)CFAR、最小选择(smallest of,SO)CFAR和有序统计(ordered statistics,OS)CFAR是最为经典的几种空域CFAR算法。它们在估计背景功率时均为排除已经被检测出的目标单元。
发明内容
本发明所要解决的技术问题是,提供一种计算量小、检测精度高的基于检测先验的固定窗长恒虚警检测方法。
本发明为解决上述技术问题所采用的技术方案是,一种基于检测先验的固定窗长(formerdetection information-constant window,FDI-CW)恒虚警检测方法,该方法包括:
步骤1:将同相分量和正交分量的两路信号经过匹配滤波,由平方律检波器求得当前检测单元内回波采样的功率值;
步骤2:将当前功率值和检测门限相比较,功率值不小于门限,判定为检测到目标;否则,判定为无目标;初始门限按以下方法求得:直接取开始的R个空间单元作为原始参考单元,求得它们的均值,乘上标称化因子T后作为检测门限,将这R个单元的功率值直接存入参考滑窗中,同时在检测结果滑窗中全部存入0,所述标称化因子T根据实际情况确定;
步骤3:若检测到目标,则将0存入参考滑窗,将1存入检测结果滑窗;若未检测到目标,则将当前功率值存入参考滑窗,将0存入检测结果滑窗;所述参考滑窗和检测结果滑窗长度相同为R,且其中的数据遵循先进先出原则;
步骤4:对此时的参考滑窗求和为sum,检测结果滑窗求和为m,用sum除以(R-m),得到检测统计量Z,Z乘以标称化因子T得到下次检测的门限;
步骤5:根据步骤1求得下一个检测单元的功率值,再进行步骤2,此时步骤2中的门限值为步骤4求得门限值,再依次进行接下来的步骤;最终循环求解,对目标信号进行目标检测。
进一步的,所述步骤2中标称化因子T采用联合如下两公式求得:
Pfa=(1+T/(R-m))-(R-m)
公式中Pfa为虚警概率,Pd为检测概率,λ为信杂比。
本发明的有益效果是:
1、在均匀背景单目标环境下,本发明的检测性能优于GO-CFAR、SO-CFAR以及OS-CFAR,且与CA-CFAR相当,但本发明计算量小,操作简单。由图2可知,在均匀背景单目标环境下,本发明和CA-CFAR的检测概率曲线完全重合。而在此环境下,本发明的性能优于GO-CFAR、SO-CFAR以及OS-CFAR。
2、在均匀背景多目标环境下,本发明的检测性能优于CA-CFAR、GO-CFAR、SO-CFAR和OS-CFAR算法。所谓多目标,是指参考滑窗中存在一个或多个干扰目标。在该环境下,已知SO-CFAR的性能优于GO-CFAR和CA-CFAR。由图3可知,本发明的检测性能优于SO-CFAR和OS-CFAR。因此,在均匀背景多目标环境下,本发明的检测性能优于上述四种算法。
附图说明
图1为本发明一种基于检测先验的固定窗长恒虚警检测方法示意图;
图2为均匀背景单目标环境下,本发明和CA-CFAR的检测概率曲线示意图;图2中两曲线完全重合,检测结果一直,但本发明计算量更小,速度更快;
图3为在均匀背景多目标环境下,本发明检测性能对比图;其中(a)为本发明和SO-CFAR对比,(b)为本发明和OS-CFAR对比图。
具体实施方式
本发明中包含I/Q两路数字信号进入本发明检测器。
初始时,I路和Q路信号经过匹配滤波,由平方律检波器求得当前检测单元内回波采样的功率值。
将当前功率值和检测门限相比较,功率值不小于门限,判定为检测到目标,即H1;否则,判定为无目标,即H0。
判定结束后,若H1,将0存入参考滑窗,作为下一个检测单元的参考单元;若H0,将当前功率值存入参考滑窗。这样,参考滑窗剔除了已经检测出的目标。同时,将本次检测结果存入检测结果滑窗,若H1,存入1;H0,存入0。
本次检测的检测门限由以下方法得到:
本发明中有两个滑窗,分别是参考滑窗和检测结果滑窗,窗长都固定为R。
本次判定完成之前,对参考滑窗和检测结果滑窗求和,和值分别为sum和m。则(R-m)表示当前参考滑窗中非目标个数。用sum除以(R-m),得到检测统计量Z,检测统计量是对背景杂波的估计。Z乘以标称化因子T就可以得到本次检测的门限。
本发明具体结构和工作流程如图1所示:
图1中,D表示当前检测单元的功率值,Xi(i=1,…,R)表示参考单元,共同构成参考滑窗。H(i)表示Xi作为检测单元时的检测结果,共同组成检测结果滑窗。m表示参考滑窗中目标个数,Z为检测统计量,T为标称化因子,S表示检测门限。
对于本发明检测器,虚警概率Pfa和检测概率Pd分别为:
Pfa=(1+T/(R-m))-(R-m)
式中,λ表示信杂比。
1、在均匀背景单目标环境下,本发明的检测性能优于GO-CFAR、SO-CFAR以及OS-CFAR,且与CA-CFAR相当。由图2可知,在均匀背景单目标环境下,本发明和CA-CFAR的检测概率曲线完全重合。而在此环境下,已知CA-CFAR的性能优于GO-CFAR、SO-CFAR以及OS-CFAR。因此,在均匀背景单目标环境下,本发明的检测性能也优于上述三种算法。
2、在均匀背景多目标环境下,本发明的检测性能优于CA-CFAR、GO-CFAR、SO-CFAR和OS-CFAR算法。所谓多目标,是指参考滑窗中存在一个或多个干扰目标。在该环境下,已知SO-CFAR的性能优于GO-CFAR和CA-CFAR。由图3可知,本发明的检测性能优于SO-CFAR和OS-CFAR。因此,在均匀背景多目标环境下,本发明的检测性能优于上述四种算法。
Claims (2)
1.一种基于检测先验的固定窗长恒虚警检测方法,该方法包括:
步骤1:将同相分量和正交分量的两路信号经过匹配滤波,由平方律检波器求得当前检测单元内回波采样的功率值;
步骤2:将当前功率值和检测门限相比较,,功率值不小于门限,判定为检测到目标;否则,判定为无目标;初始门限按以下方法求得:直接取开始的R个空间单元作为原始参考单元,求得它们的均值,乘上标称化因子T后作为检测门限,将这R个单元的功率值直接存入参考滑窗中,同时在检测结果滑窗中全部存入0,所述标称化因子T根据实际情况确定;
步骤3:若检测到目标,则将0存入参考滑窗,将1存入检测结果滑窗;若未检测到目标,则将当前功率值存入参考滑窗,将0存入检测结果滑窗;所述参考滑窗和检测结果滑窗长度相同为R,且其中的数据遵循先进先出原则;
步骤4:对此时的参考滑窗求和为sum,检测结果滑窗求和为m,用sum除以(R-m),得到检测统计量Z,Z乘以标称化因子T得到下次检测的门限;
步骤5:根据步骤1求得下一个检测单元的功率值,再进行步骤2,此时步骤2中的门限值为步骤4求得门限值,再依次进行接下来的步骤;最终循环求解,对目标信号进行目标检测。
2.如权利要求1所述的一种基于检测先验的固定窗长恒虚警检测方法,其特征在于所述步骤2中标称化因子T采用联合如下两公式求得:
Pfa=(1+T/(R-m))-(R-m)
公式中Pfa为虚警概率,Pd为检测概率,λ为信杂比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166232.3A CN105866748B (zh) | 2016-03-22 | 2016-03-22 | 一种基于检测先验的固定窗长恒虚警检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610166232.3A CN105866748B (zh) | 2016-03-22 | 2016-03-22 | 一种基于检测先验的固定窗长恒虚警检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105866748A true CN105866748A (zh) | 2016-08-17 |
CN105866748B CN105866748B (zh) | 2018-05-18 |
Family
ID=56625493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610166232.3A Expired - Fee Related CN105866748B (zh) | 2016-03-22 | 2016-03-22 | 一种基于检测先验的固定窗长恒虚警检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105866748B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110954879A (zh) * | 2019-12-02 | 2020-04-03 | 北京无线电测量研究所 | 一种移动门限的数字检波方法及*** |
CN111856406A (zh) * | 2020-06-02 | 2020-10-30 | 珠海微度芯创科技有限责任公司 | 一种基于fmcw雷达回波的目标检测方法及装置 |
CN112492888A (zh) * | 2019-07-12 | 2021-03-12 | 华为技术有限公司 | 用于物体检测***的方法和装置 |
CN115032606A (zh) * | 2022-08-11 | 2022-09-09 | 湖北工业大学 | 一种基于局部最小选定单元平均的恒虚警检测器 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3968490A (en) * | 1974-05-03 | 1976-07-06 | General Electric Company | Radar MTI processor with CFAR |
GB2299910A (en) * | 1995-04-11 | 1996-10-16 | Commw Of Australia | Target detection |
CN102012503A (zh) * | 2010-07-29 | 2011-04-13 | 中国人民解放军海军航空工程学院 | 基于秩和局部估计的选大和选小非参量恒虚警检测器 |
CN102353939A (zh) * | 2011-06-28 | 2012-02-15 | 清华大学 | 一种改进的恒虚警方法 |
CN104035090A (zh) * | 2014-05-16 | 2014-09-10 | 奇瑞汽车股份有限公司 | 一种基于雷达目标检测的自由滑窗式cfar控制方法 |
CN105116380A (zh) * | 2015-08-13 | 2015-12-02 | 电子科技大学 | 一种排序式恒虚警门限的计算方法 |
-
2016
- 2016-03-22 CN CN201610166232.3A patent/CN105866748B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3968490A (en) * | 1974-05-03 | 1976-07-06 | General Electric Company | Radar MTI processor with CFAR |
GB2299910A (en) * | 1995-04-11 | 1996-10-16 | Commw Of Australia | Target detection |
CN102012503A (zh) * | 2010-07-29 | 2011-04-13 | 中国人民解放军海军航空工程学院 | 基于秩和局部估计的选大和选小非参量恒虚警检测器 |
CN102353939A (zh) * | 2011-06-28 | 2012-02-15 | 清华大学 | 一种改进的恒虚警方法 |
CN104035090A (zh) * | 2014-05-16 | 2014-09-10 | 奇瑞汽车股份有限公司 | 一种基于雷达目标检测的自由滑窗式cfar控制方法 |
CN105116380A (zh) * | 2015-08-13 | 2015-12-02 | 电子科技大学 | 一种排序式恒虚警门限的计算方法 |
Non-Patent Citations (3)
Title |
---|
JING WU ET.AL: "CFAR Detection Method in Multi-target Environments for Foreign Object Debris Surveillance Radar", 《THE PROCEEDINGS OF THE SECOND INTERNATIONAL CONFERENCE ON COMMUNICATIONS,SIGNAL PROCESSING,AND SYSTEMS》 * |
吴静等: "非高斯背景下跑道异物监测雷达的杂波图CFAR技术", 《现代雷达》 * |
李华琼等: "CFAR方法在机场跑道FOD检测中的性能分析", 《无线电工程》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112492888A (zh) * | 2019-07-12 | 2021-03-12 | 华为技术有限公司 | 用于物体检测***的方法和装置 |
CN110954879A (zh) * | 2019-12-02 | 2020-04-03 | 北京无线电测量研究所 | 一种移动门限的数字检波方法及*** |
CN111856406A (zh) * | 2020-06-02 | 2020-10-30 | 珠海微度芯创科技有限责任公司 | 一种基于fmcw雷达回波的目标检测方法及装置 |
CN111856406B (zh) * | 2020-06-02 | 2023-07-07 | 珠海微度芯创科技有限责任公司 | 一种基于fmcw雷达回波的目标检测方法及装置 |
CN115032606A (zh) * | 2022-08-11 | 2022-09-09 | 湖北工业大学 | 一种基于局部最小选定单元平均的恒虚警检测器 |
CN115032606B (zh) * | 2022-08-11 | 2022-11-04 | 湖北工业大学 | 一种基于局部最小选定单元平均的恒虚警检测器 |
Also Published As
Publication number | Publication date |
---|---|
CN105866748B (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105182312B (zh) | 自适应环境变化的恒虚警检测方法 | |
CN109814073B (zh) | 一种mtd雷达解模糊测速方法 | |
CN108802722B (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN104569948B (zh) | 海杂波背景下子带自适应glrt‑ltd检测方法 | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及*** | |
CN103954951B (zh) | 基于功率中值和归一化协方差估计的海面目标检测方法 | |
CN106872958A (zh) | 基于线性融合的雷达目标自适应检测方法 | |
KR101109150B1 (ko) | 계산량을 향상시킨 순차통계 일정 오경보율 검파방법 | |
CN107024682A (zh) | 一种基于自适应剔除算法的目标检测方法 | |
CN105866748A (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN104267388B (zh) | 一种慢速目标杂波图检测方法 | |
CN109154655A (zh) | 目标信号检测方法、设备、无人机及农业无人机 | |
CN105373518A (zh) | 恒虚警检测中算法的选择方法 | |
CN109782248A (zh) | 一种雷达杂波处理方法 | |
CN105372636A (zh) | 一种基于自适应遗忘因子的杂波图更新方法及装置 | |
CN101984360A (zh) | 基于frft的归一化泄露lms自适应动目标检测器 | |
CN106093903A (zh) | 基于单边检测单元累积平均的多目标恒虚警检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN103197297A (zh) | 基于认知框架的雷达动目标检测方法 | |
CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
CN108627819B (zh) | 基于雷达观测的距离扩展目标检测方法和*** | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 | |
Huang et al. | UAV target detection and parameter estimation in non‐homogeneous clutter | |
Farrouki et al. | Automatic censored mean level detector using a variability-based censoring with non-coherent integration | |
CN105548994B (zh) | 一种基于压缩感知的水下多亮点目标的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180518 Termination date: 20210322 |