CN106526545B - 一种鲁棒cfar检测器的检测方法 - Google Patents
一种鲁棒cfar检测器的检测方法 Download PDFInfo
- Publication number
- CN106526545B CN106526545B CN201610986597.0A CN201610986597A CN106526545B CN 106526545 B CN106526545 B CN 106526545B CN 201610986597 A CN201610986597 A CN 201610986597A CN 106526545 B CN106526545 B CN 106526545B
- Authority
- CN
- China
- Prior art keywords
- observation window
- clutter
- mean value
- sample
- target
- 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.)
- Active
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
-
- 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
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
- G01S7/418—Theoretical aspects
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种鲁棒CFAR检测器的检测方法,用于解决在先验信息未知或先验信息不准确条件下的检测性能损失问题。其实现步骤是:1.获得样本直方图;2.获得检测器前后数据窗的均值比;3.根据样本直方图和均值比判断观测区域杂波是否包括均匀杂波、杂波边缘和干扰目标;4.根据杂波环境选择合适的恒虚警检测算法进行检测。本发明方法通过估计观测区域杂波的样本幅度统计特性和均值比,初步判断杂波类型,然后自适应选择合适的CFAR检测算法得到目标检测概率和虚警概率,由于所提方法可以对观测杂波样本进行有效筛选,因此在不同杂波环境中均具有较好的检测性能。
Description
技术领域
本发明属于雷达技术领域,涉及一种复杂环境下目标检测信号的处理方法,可用于干扰目标、杂波边缘等多种复杂杂波环境下目标的稳健检测。
背景技术
传统的经典CFAR(Constant False Alarm Rate,恒虚警率)检测器主要包括单元平均CFAR检测器、单元平均选大CFAR检测器、单元平均选小CFAR检测器和有序统计类CFAR检测器。
单元平均CFAR检测器利用周围参考单元的观测值估计待检测单元的背景强度,这种估计方法不但要求临近单元所含杂波的统计特性与待检单元的一致,而且要求临近单元不包含任何干扰目标,仅仅存在噪声。当观测区域为非均匀环境时,单元平均CFAR检测器的性能会严重受到影响。单元平均选大CFAR(GOCA-CFAR)检测器适用于不大可能出现多目标干扰但杂波严重不均匀的场合,这种检测器分别对前后参考窗内的数据进行平均处理,但门限由两个估计值中较大值决定。单元平均选小CFAR检测器(SOCA-CFAR)适用于参考窗内存在干扰目标的情况,它利用前后窗数据估计平均值里较小的那个值作为门限值,从而避免目标遮蔽效应。有序统计类检测器(OS-CFAR)对参考单元的数据进行排序,以形成一个以升序排列的新序列,OS-CFAR选取第k个有序统计量的值作为干扰功率电平的估计值,从而求得门限值,k值的选取一般为3/4窗长。
当雷达***进行目标检测时,由于杂波边缘信息和干扰分布是未知的,需要一类能自适应于干扰目标数目和分布情况,且自适应于杂波边缘位置变化的CFAR检测器。上述四种类型的检测器一般只适用于一类特定的杂波环境,无法满足雷达***的目标检测要求。
发明内容
本发明解决的技术问题是:克服现有技术的不足,提供了一种CFAR检测器的鲁棒检测方法,解决在先验信息未知或先验信息不准确条件下的目标检测概率低或干扰、杂波导致的虚警概率高的问题。
本发明的技术解决方案是:一种鲁棒CFAR检测器的检测方法,包括如下步骤:
(1)统计来自雷达波束覆盖区域的目标观测窗数据,按照观测窗数据最大值和最小值对应的幅度将雷达回波平均分为N段,得到观测窗数据在每一段的出现概率;
(2)获取前后两个观测窗的均值比VMR,
其中前、后观测窗分别为观测窗A和观测窗B,和分别代表前后观测窗的均值,xi为观测窗数据;
(3)比较VMR与门限KMR=1+T(σA+σB)的关系,σA和σB分别代表前后观测窗的方差,T为常数,若满足则判定前后观测窗的均值相同,角标-1代表倒数运算;若满足或KMR<VMR则判定前后观测窗均值不同;
(4)根据样本直方图和均值比判断观测区域杂波是否包括均匀杂波、杂波边缘和干扰目标,具体为:
(41)对于步骤(1)中的观测窗数据,若有存在概率小于一定阈值的样本,则认为观测窗内有干扰目标存在,否则认为观测窗内无干扰目标;
(42)对于步骤(3)中,若则认为观测窗内无杂波边缘,否则认为观测窗内存在杂波边缘;
(43)若判断无干扰目标和杂波边缘,则认为是均匀杂波背景;
(5)根据杂波环境进行恒虚警检测,具体为:若只存在干扰目标,则调用干扰加权算法进行检测;若只存在杂波边缘,则对均值大的一半窗使用干扰加权算法进行检测,另一半窗数据不使用;若干扰目标和杂波边缘都有,则先使用干扰加权算法剔出干扰,然后再对均值大的一半窗使用干扰加权算法进行检测;若判断杂波属于均匀环境,则调用单元平均检测算法进行检测。
所述的干扰加权算法包括如下步骤:
(51)对步骤(1)中出现概率小于平均出现概率的观测窗数据进行删除,得到有效的观测窗数据,重新计算有效观测窗数据的均值和方差;
(52)对第i个有效观测窗,定义样本权值如下:
wi=exp(|zi-zav|/σ)
其中zav和σ分别代表步骤(51)中计算得到的均值和方差,zi为第i个观测窗数据均值;
(53)筛选出样本权值大于平均权值的观测窗数据并计算检测门限。
所述的N的选取与观测窗的长度成正比,与观测窗的雷达分辨率成反比。
本发明与现有技术相比的优点在于:本发明方法首先引入新的组合指标,提出了利用样本统计直方图和均值比判断观测窗杂波类型的方法,在此基础上,在不同杂波边缘环境中使用新的干扰加权算法,若杂波边缘出现在观测窗边界且同时存在干扰时,可将少量杂波边缘看做干扰,直接使用干扰加权算法;若杂波边缘出现在观测窗中间时,在均值大的一半窗使用干扰加权算法,因此所提方法具有较好的鲁棒性,同时可在各种先验信息未知的复杂杂波环境中得到较好的检测性能,克服了经典的CFAR检测器只适用于特定的杂波环境的缺点。
附图说明
图1为本发明检测方法的流程框图;
图2为本发明实施例中均匀杂波环境下,本发明方法与现有方法的性能对比图;
图3为本发明实施例中有干扰目标杂波环境下,本发明方法与现有方法的性能对比图。
具体实施方式
本发明的使用场景为:本发明可应用于各种先验信息未知的复杂杂波环境中。对均匀杂波环境和存在干扰目标的杂波环境,采用不同信噪比条件下的检测概率衡量其检测性能。对杂波边缘环境,采用固定信噪比条件下的虚警概率衡量其检测性能。本发明首先估计观测窗中的样本统计直方图和均值比,然后判断杂波类型,在此基础上,使用特定的恒虚警检测算法。
如图1所示,为本发明方法的流程框图,主要步骤如下:
步骤1 获取样本直方图(直方图即不同幅度杂波对应的概率值,在本发明中将杂波平均分为N段,得到每一段的出现概率)。
统计观测窗数据,此处观测窗数据指的是来自雷达波束覆盖区域的目标、杂波、干扰和噪声的叠加。按照观测窗数据最大值和最小值对应的幅度区间将雷达回波平均分为N段,得到观测窗接收数据在每一段的出现概率,以上N段数据对应的概率用于判断每段数据中是否有强干扰等坏点出现,具体用法见步骤3。N的选取与观测窗长度成正比,与观测窗分辨单元大小成反比,此处分辨单元指的是雷达的分辨率。
步骤2 获取检测器观测窗的均值比:
设前、后观测窗分别为观测窗A和观测窗B,计算观测窗杂波数据的均值比,均值比定义如下:
通过VMR与门限KMR=1+T(σA+σB)可判断出前后观测窗的均值差异,当前后观测窗差异很大时,即VMR值很大或很小,此时VMR满足或KMR<VMR。其中和分别代表前后观测窗的均值,σA和σB分别代表前后观测窗的方差,T为一常数(例如设为10)。观测窗方差较大时,门限KMR会相应地提高,这样可避免因杂波起伏导致的前后观测窗均值差异变大。
根据上面分析,前后观测窗均值相同。角标-1代表倒数运算。
或KMR<VMR,前后观测窗均值不同。
步骤3 根据样本直方图和均值比判断观测区域杂波是否包括均匀杂波、杂波边缘和干扰目标,具体判断准则如下:
1)对于统计样本直方图,若有存在概率小于一定阈值(样本平均出现概率)的样本,则认为观测窗内有干扰目标存在;否则认为观测窗内无干扰目标。
2)根据前后窗的均值比,判断观测窗是否存在杂波边缘。若则认为前后观测窗均值相同,观测窗内无杂波边缘,否则认为观测窗内存在杂波边缘。
3)若前两步判断无干扰目标和杂波边缘,则认为是均匀杂波背景。
步骤4 根据杂波环境提出如下恒虚警检测算法:
根据步骤3的判断准则,若只存在干扰目标,则调用干扰加权算法;若只存在杂波边缘,则对均值大的一半窗使用干扰加权算法,另一半窗数据不使用;若干扰目标和杂波边缘都有,由于干扰目标的剔出不影响杂波边缘的判断,因此先使用干扰加权算法剔出干扰,再对均值大的一半窗使用干扰加权算法。若判断杂波属于均匀环境,则调用单元平均检测算法。
基于不同杂波类型的特点,所提干扰加权算法具体步骤如下:
1)对样本直方图中出现概率小于平均出现概率的样本进行删除,得到有效样本,重新计算新样本(有效样本)的均值和方差。
2)对第i个新的样本,定义样本权值如下:
wi=exp(|zi-zav|/σ)
其中,zav和σ分别代表步骤1)中计算得到的样本均值和方差,zi为第i个新的样本的均值。
3)筛选出样本权值大于平均权值的样本并计算检测门限。
实施例
下面通过仿真实验对本发明的效果做进一步说明。
仿真结果如图2、图3所示。图2为均匀杂波环境下,比较了单元平均检测算法、单元平均选大检测算法、单元平均选小检测算法、有序统计检测算法以及本发明所提算法的检测性能。仿真参数设置如下:信噪比区间设为5dB-30dB、蒙特卡洛仿真次数为20000次,统计直方图一共分为10个区间,观测窗大小设为36,虚警概率设为10-6。图3在有干扰目标杂波环境下,比较了单元平均检测算法、单元平均选大检测算法、单元平均选小检测算法、有序统计检测算法以及所提算法的检测性能。仿真参数设置如下:信噪比区间设为5dB-30dB、虚警概率设为10-6,蒙特卡洛仿真次数为20000次,统计直方图一共分为10个区间,观测窗大小设为36。
仿真结果表明,在复杂环境下,本发明对应的目标检测性能均高于经典的几种CFAR检测器,另一方面,本发明在均匀环境中保留了单元平均检测器的检测性能,因此所提算法有着良好的工程应用前景。
本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。
Claims (3)
1.一种鲁棒CFAR检测器的检测方法,其特征在于包括如下步骤:
(1)统计来自雷达波束覆盖区域的目标观测窗数据,按照观测窗数据最大值和最小值对应的幅度将雷达回波平均分为N段,得到观测窗数据在每一段的出现概率;
(2)获取前后两个观测窗的均值比VMR,
其中前、后观测窗分别为观测窗A和观测窗B,和分别代表前后观测窗的均值,xi为观测窗数据;
(3)比较VMR与门限KMR=1+T(σA+σB)的关系,σA和σB分别代表前后观测窗的方差,T为常数,若满足则判定前后观测窗的均值相同,角标-1代表倒数运算;若满足或KMR<VMR则判定前后观测窗均值不同;
(4)根据样本直方图和均值比判断观测区域杂波是否包括均匀杂波、杂波边缘和干扰目标,具体为:
(41)对于步骤(1)中的观测窗数据,若有存在概率小于一定阈值的样本,则认为观测窗内有干扰目标存在,否则认为观测窗内无干扰目标;
(42)对于步骤(3)中,若则认为观测窗内无杂波边缘,否则认为观测窗内存在杂波边缘;
(43)若判断无干扰目标和杂波边缘,则认为是均匀杂波背景;
(5)根据杂波环境进行恒虚警检测,具体为:若只存在干扰目标,则调用干扰加权算法进行检测;若只存在杂波边缘,则对均值大的一半窗使用干扰加权算法进行检测,另一半窗数据不使用;若干扰目标和杂波边缘都有,则先使用干扰加权算法剔出干扰,然后再对均值大的一半窗使用干扰加权算法进行检测;若判断杂波属于均匀环境,则调用单元平均检测算法进行检测。
2.根据权利要求1所述的一种鲁棒CFAR检测器的检测方法,其特征在于:所述的干扰加权算法包括如下步骤:
(51)对步骤(1)中出现概率小于平均出现概率的观测窗数据进行删除,得到有效的观测窗数据,重新计算有效观测窗数据的均值和方差;
(52)对第i个有效观测窗,定义样本权值如下:
wi=exp(|zi-zav|/σ)
其中zav和σ分别代表步骤(51)中计算得到的均值和方差,zi为第i个观测窗数据均值;
(53)筛选出样本权值大于平均权值的观测窗数据并计算检测门限。
3.根据权利要求1或2所述的一种鲁棒CFAR检测器的检测方法,其特征在于:所述的N的选取与观测窗的长度成正比,与观测窗的雷达分辨率成反比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610986597.0A CN106526545B (zh) | 2016-11-09 | 2016-11-09 | 一种鲁棒cfar检测器的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610986597.0A CN106526545B (zh) | 2016-11-09 | 2016-11-09 | 一种鲁棒cfar检测器的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106526545A CN106526545A (zh) | 2017-03-22 |
CN106526545B true CN106526545B (zh) | 2018-11-23 |
Family
ID=58350526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610986597.0A Active CN106526545B (zh) | 2016-11-09 | 2016-11-09 | 一种鲁棒cfar检测器的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526545B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108037488B (zh) * | 2017-10-31 | 2020-03-24 | 西安空间无线电技术研究所 | 一种非均匀环境空时样本选择方法 |
CN108414991B (zh) * | 2018-02-08 | 2020-08-11 | 北京理工大学 | 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法 |
CN113296070B (zh) * | 2020-02-24 | 2024-06-11 | 光宝科技股份有限公司 | 用于物件检测的运算装置及物件检测方法 |
CN113189560B (zh) * | 2021-05-18 | 2023-04-28 | 湖北工业大学 | 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
CN103760542A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的变化指数恒虚警目标检测方法 |
CN103760543A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的恒虚警目标检测方法 |
US8872693B1 (en) * | 2009-04-29 | 2014-10-28 | The United States of America as respresented by the Secretary of the Air Force | Radar signature database validation for automatic target recognition |
CN104459644A (zh) * | 2014-11-07 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种用于雷达视频信号检测的自适应恒虚警检测方法 |
-
2016
- 2016-11-09 CN CN201610986597.0A patent/CN106526545B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8872693B1 (en) * | 2009-04-29 | 2014-10-28 | The United States of America as respresented by the Secretary of the Air Force | Radar signature database validation for automatic target recognition |
CN101975940A (zh) * | 2010-09-27 | 2011-02-16 | 北京理工大学 | 基于分割组合的sar图像自适应恒虚警率目标检测方法 |
CN102495403A (zh) * | 2011-12-19 | 2012-06-13 | 无锡市雷华科技有限公司 | 一种雷达信号处理方法 |
CN103760542A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的变化指数恒虚警目标检测方法 |
CN103760543A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的恒虚警目标检测方法 |
CN104459644A (zh) * | 2014-11-07 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种用于雷达视频信号检测的自适应恒虚警检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106526545A (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526545B (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN104502899B (zh) | 一种自适应的恒虚警率目标检测方法 | |
CN103076602B (zh) | 针对多目标背景的雷达自适应恒虚警率融合检测方法 | |
CN101329400B (zh) | 一种基于拟合优度检验的雷达目标恒虚警检测方法 | |
CN103995259B (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
CN109633633B (zh) | 一种基于分段分类增强处理的生命信号增强方法 | |
CN103760542A (zh) | 一种基于多模式的变化指数恒虚警目标检测方法 | |
CN112346029A (zh) | 基于待检测单元的可变参考窗单元平均恒虚警检测方法 | |
CN105044686B (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN106093904A (zh) | 基于多帧双门限两级检测机制的杂波图恒虚警方法 | |
CN107703495A (zh) | 一种目标信号检测方法及*** | |
CN106526585A (zh) | 基于高斯粒子势概率假设密度滤波的目标检测前跟踪方法 | |
CN114114192B (zh) | 集群目标检测方法 | |
CN107271973B (zh) | 韦布尔杂波环境下基于偏斜度和均值比的恒虚警检测方法 | |
CN108919223A (zh) | 宽带雷达目标自适应结构化匹配滤波方法 | |
CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN116482642A (zh) | 一种基于改进vi的距离扩展目标自适应恒虚警检测方法 | |
CN109709526B (zh) | 一种知识辅助分组广义似然比检测方法 | |
CN105046859B (zh) | 基于振动信号空时二维稀疏表示k‑s检验的光纤入侵检测方法 | |
CN104483661B (zh) | 基于恒虚警率的概率统计目标检测***及方法 | |
Richmond | Statistical performance analysis of the adaptive sidelobe blanker detection algorithm | |
Behar et al. | Hough detector with adaptive non-coherent integration for target detection in pulse jamming | |
Qin et al. | VIHCEMOS-CFAR Detector Based on Improved VI-CFAR | |
Liu et al. | A new detection algorithm based on CFAR for radar image with homogeneous background |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |