CN107024682A - 一种基于自适应剔除算法的目标检测方法 - Google Patents
一种基于自适应剔除算法的目标检测方法 Download PDFInfo
- Publication number
- CN107024682A CN107024682A CN201710202156.1A CN201710202156A CN107024682A CN 107024682 A CN107024682 A CN 107024682A CN 201710202156 A CN201710202156 A CN 201710202156A CN 107024682 A CN107024682 A CN 107024682A
- Authority
- CN
- China
- Prior art keywords
- reference unit
- target
- noise
- detection method
- unit
- 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
- G01S7/40—Means for monitoring or calibrating
- G01S7/4052—Means for monitoring or calibrating by simulation of echoes
-
- 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
- G01S7/38—Jamming means, e.g. producing false echoes
-
- 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
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
本发明提供一种基于自适应剔除算法的目标检测方法,该方法首先通过对参考窗中参考单元数量统计,对背景噪声功率进行估计,再对功率检测门限的计算,最后通过目标判别确定是否有目标。本发明解决现有方法存在检测率过小、漏检率和虚警率过高等技术问题。具有目标检测率高,漏警率和虚警率低的优点。
Description
技术领域
本发明属于雷达目标检测技术领域,具体涉及一种基于自适应剔除算法的目标检测方法。
背景技术
以下对本发明的相关技术背景进行说明,但这些说明并不一定构成本发明的现有技术。
随着雷达检测技术在车辆主动安全和智能车技术中的广泛应用,如行人、车辆、路标、路牌等的目标检测。目标检测方法是雷达检测的关键技术,目前大部分雷达目标检测方法均通过参考窗中的参考单元估计背景噪声功率,再乘以比例系数得到检测功率门限,然后将检测单元功率值和功率检测门限进行比较确定检测单元是否为有效目标的回波信号单元即是否有目标。各检测算法之前的主要差别在于背景噪声功率的估计方法不同。
单元平均恒虚警(Cell Averaging-Constant False Alarm Rate,CA-CFAR)目标检测方法通过将参考窗口中所有参考单元的功率值取均值作为背景噪声功率估计值,估计功率检测门限。在均匀噪声环境下具有最优的检测性能,但是在非均匀噪声环境下检测性能严重下降。
最大选择恒虚警(Greatest Of-Constant False Alarm Rate,GO-CFAR)目标检测方法和最小选择恒虚警(Smallest Of-Constant False Alarm Rate,SO-CFAR)目标检测方法是在CA-CFAR目标检测方法的基础上进行了改进,GO-CFAR目标检测方法针对杂波干扰和多干扰目标检测率过小,漏检率过高。而SO-CFAR目标检测方法检测率高,但是在杂波干扰和多干扰目标环境下,虚警率过高。
自动删除单元平均恒虚警(Automatic Censored Cell Averaging-ConstantFalse Alarm Rate,ACCA-CFAR)目标检测方法和自动双剔除单元平均恒虚警(AutomaticDual Censored Cell Averaging-Constant False Alarm Rate,ADCCA-CFAR)目标检测方法通过剔除参考窗口中极大和极小值参考单元,然后取平均值的方法得到功率检测门限,相比较CA-CFAR检测方法,具有较佳的检测性能,但是剔除门限的确定要依赖于先验知识,具有局限性。
发明内容
为解决现有方法存在检测率过小、漏检率和虚警率过高等技术问题,本发明提供一种基于自适应剔除算法的目标检测方法。
在根据本发明的一个优选的实施例中,一种基于自适应剔除算法的目标检测方法,其特征在于:所述方法包括以下步骤:
步骤1,对参考窗中参考单元数量统计;设定x0为测试单元;x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列;N为参考窗大小;X1,X2,X3,……XN为经过升序排列后的参考单元序列;Y1,Y2,Y3,……YN为经过归一化处理后得到的独立同分布序列;n1为参考窗中热噪声参考单元数量;n2为参考窗中热噪声参考单元加杂波干扰单元数量;Pfa为目标虚警率;
步骤2,对背景噪声功率值进行估计,设定背景噪声功率为Z;
步骤3,对功率检测门限进行计算,设定T表示功率检测门限,α为检测门限相关系数;
步骤4,对目标进行判别,设定Pd为目标检测率;Pfc为本检测方法剔除有效目标的概率;NC为参考窗中杂波干扰参考单元个数;m为参考窗中包含的干扰目标参考单元个数,H1表示有目标,H0表示无目标。
优选地,上述步骤1通过以下方式实现对参考窗中参考单元数量统计:首先对参考窗中参考单元按照幅值,进行升序排列,得到系列X1,X2,X3,……XN;然后进行归一化处理得到独立同分布序列Y1,Y2,Y3,……YN;其转化公式为:
Yi=(N-i+1)(X(i)-X(i-1)),i=1,2,…N (1)
其中X(0)=0;n1的计算公式为:
其中,j=1,2,3,…(N-1),α为本检测方法的相关参数,其计算公为:
α=Pfc -1/j-1 (3)
其中Pfc为ACS-CFAR检测器剔除算法剔除概率,n2的计算公式为:
其中l=1,2,…(N-1),如果n1>N/2时,则不计算n2,故设为0;β同样为本检测方法的相关参数,其计算公式为:
优选地,上述步骤2中背景噪声功率Z值的估计方式包括以下步骤:
(1)当n1=0,n2=0时,表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元,只有热噪声参考单元;Z的计算公式为:
(2)当0<k1≤N/2,k2=0时,表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中,再从X(1),X(2),…X(N)低端去掉n1个热噪声参考单元,选择高端剩余N-n1个参考单元用于估计Z,Z的计算公式为:
(3)当0<n1<N/2,n1<n2≤N/2时,表示测试单元在参考窗中,同时处于杂波信号和干扰目标回波信号参考单元当中,从X(1),X(2),……X(N)低端去掉n2个幅值较小的热噪声参考单元或者杂波信号参考单元,选择剩余N-n2个幅值较大的参考单元用于估计Z,Z的计算公式为:
(4)当k1>N/2,k2=0时,表示测试单元在参考窗中只处于热噪声参考单元当中,只选择低端n1个幅值较小的热噪声参考单元用于估计Z,Z的计算公式为:
(5)当0<k1≤N/2,k2>N/2时,表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中,从X(1),X(2),…X(N)低端去掉n1个幅值较小的热噪声参考单元和从高端去掉N-n2个幅值较大的参考单元;选择剩余的n2-n1个参考单元用于估计进行估计Z,Z的计算公式为:
优选地,上述步骤3中功率检测门限的计算方式为:设定T表示功率检测门限,则T的计算公式表示为:
T=Z·α (11)
其中α分别为门限系数。
优选地,上述目标判别的方式为:
Pfa=10-4,门限系数α的计算公式为:
α=(Pfa)1/N-1 (13)
优选地,上述参考窗大小N取24。
优选地,上述参考窗中包含的干扰目标参考单元个数m为4。
具体优点为:
1、本发明对参考窗中参考单元按照功率值的大小进行升序排列后,热噪声参考单元、杂波参考单元和干扰目标参考单元分别集中存放,便于计算出各类参考单元的数量。
2、本发明在排序的基础上,引入了归一化处理,得到独立同分布序列,继而得到热噪声参考单元、杂波参考单元和干扰目标参考单元的数量。然后根据测试单元在原参考窗中的位置,即可估计出测试单元在参考窗中是处于均匀噪声环境,还是非均匀噪声环境,从而从有序的参考单元序列中提取合适的参考单元估计背景噪声功率,间接剔除了杂波干扰参考单元和目标干扰参考单元,提高本检测方法的检测性能。
附图说明
通过以下参照附图而提供的具体实施方式部分,本发明的特征和优点将变得更加容易理解,在附图中:
图1是本发明中目标检测方法的结构示意图;
图2是本发明中本目标检测方法在均匀噪声仿真环境下的目标检测率仿真曲线图;
图3是本发明中本目标检测方法在杂波干扰仿真环境下的目标检测率仿真曲线图;
图4是本发明中本目标检测方法在多干扰目标仿真环境下的目标检测率仿真曲线图。
具体实施方式
下面参照附图对本发明的示例性实施方式进行详细描述。对示例性
实施方式的描述仅仅是出于示范目的,而绝不是对本发明及其应用或用法的限制。
本发明提供一种基于自适应剔除算法的目标检测方法,该方法首先对参考窗中所有参考单元按照幅值大小升序排列,再通过归一化处理,得到独立同分布序列,然后根据独立同分布序列单元之间的相互比较得到两个参数,根据这两个参数就可以估计出参考窗中热噪声参考单元、杂波参考单元、干扰目标参考单元的数量,从而有效区分测试单元x0在参考窗口中是处于均匀噪声环境还是非均匀噪声环境,并从排序后的参考单元序列中有效提取合适的参考单元进行背景噪声功率估计,得到最优的背景噪声功率估计值,进而得到最优的功率检测门限,间接剔除了杂波干扰参考单元和目标干扰参考单元,提高本检测方法的检测性能。检测包络序列输入信号由毫米波雷达前端返回的雷达中频回波信号经过模拟信号处理、数字滤波以及快速傅里叶变换(Fast Fourier Transformation,FFT)后送入平方律检波器得到。参考窗中的参考单元从检测包络序列输入信号中有序提取。
具体实现方式如下:
参见图1所示,本发明提供的一种基于自适应剔除算法的目标检测方法,在该方法中I和Q为雷达回波信号,经过检波器后得到检测包络序列为输入信号;x0为测试单元;x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列;N为参考窗大小;X1,X2,X3,……XN为经过升序排列后的参考单元序列;Y1,Y2,Y3,……YN为经过归一化处理后得到的独立同分布序列;n1为参考窗中热噪声参考单元数量;n2为参考窗中热噪声参考单元加杂波干扰单元数量;Z为背景噪声功率估计值;α为检测门限相关系数;Pfa为目标虚警率;Pd为目标检测率;Pfc为本检测方法剔除有效目标的概率;NC为参考窗中杂波干扰参考单元个数;m为参考窗中包含的干扰目标参考单元个数。H1表示有目标,H0表示无目标。目标检测方法的执行步骤如下:
步骤1参考窗中参考单元数量统计。首先对参考窗中参考单元按照幅值,进行升序排列,得到系列X1,X2,X3,……XN。然后进行归一化处理得到独立同分布序列Y1,Y2,Y3,……YN。其转化公式为:
Yi=(N-i+1)(X(i)-X(i-1)),i=1,2,…N (1)
其中X(0)=0。n1的计算公式为:
其中,j=1,2,3,…(N-1),α为本检测方法的相关参数,其计算公式为:
α=Pfc -1/j-1 (3)
其中Pfc为ACS-CFAR检测器剔除算法剔除概率。n2的计算公式为:
其中l=1,2,…(N-1)。如果n1>N/2时,则没必要计算n2故设为0。β同样为本检测方法的相关参数,其计算公式为:
步骤2背景噪声功率Z值的估计。Z的估计方法如下:
(1)当n1=0,n2=0时,表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元,只有热噪声参考单元。Z的计算公式为:
(2)当0<k1≤N/2,k2=0时,表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中,为了避免噪声功率估计值偏低,导致过高的虚警率,从X(1),X(2),…X(N)低端去掉n1个热噪声参考单元,选择高端剩余N-n1个参考单元用于估计Z,Z的计算公式为:
(3)当0<n1<N/2,n1<n2≤N/2时,表示测试单元在参考窗中,同时处于杂波信号和干扰目标回波信号参考单元当中,为了避免背景噪声功率估计值偏低,而导致过高的虚警率,从X(1),X(2),……X(N)低端去掉n2个幅值较小的热噪声参考单元或者杂波信号参考单元,选择剩余N-n2个幅值较大的参考单元用于估计Z,Z的计算公式为:
(4)当k1>N/2,k2=0时,表示测试单元在参考窗中只处于热噪声参考单元当中,为了避免背景噪声功率值估计偏高,只选择低端n1个幅值较小的热噪声参考单元用于估计Z,Z的计算公式为:
(5)当0<k1≤N/2,k2>N/2时,表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中,为了避免背景噪声功率估计值偏低或者偏高,而导致过高的虚警率和过低的检测率,从X(1),X(2),…X(N)低端去掉n1个幅值较小的热噪声参考单元和从高端去掉N-n2个幅值较大的参考单元。选择剩余的n2-n1个参考单元用于估计进行估计Z,Z的计算公式为:
通过自适应选择相应的参考单元,用于估计背景噪声功率,间接剔除了杂波干扰参考单元和目标干扰参考单元,提高本检测方法的检测性能。
步骤3功率检测门限的计算。假设T表示功率检测门限,则T的计算公式表示为:
T=Z·α (11)
其中α分别为门限系数。
步骤4目标判别。测试单元x0通过与功率检测门限T进行比较即可判别测试单元x0是否为有效目标的回波信号参考单元即是否有目标,假设H1表示有目标,H0表示无目标,目标有无判断方法如下:
本方法中的,N取24,Pfa=10-4,门限系数α的计算公式为:
α=(Pfa)1/N-1 (13)
参见图2所示,该图为本目标检测方法与CA-CFAR、GO-CFAR和ACCA-CFAR目标检测方法在均匀噪声环境下的检测率仿真对比曲线图。从该图中可以看出本检测方法在均匀噪声环境下,检测率大于GO-CFAR、ACCA-CFAR检测方法的检测率,接近于CA-CFAR检测方法的检测率,相差小于0.12%,表明本目标检测方法在均匀背景噪声环境下具有较好的检测性能。
参见图3所示,该图为本目标检测方法在N=24,Pfa=10-4,Pfc=10-3和NC=16的杂波干扰仿真环境下与各检测方法的检测性能仿真对比曲线图。从该图可看出,当SNR=25dB时,本目标检测方法检测率为98.53%,检测性能接近于GO-CFAR检测方法,优于ACCA-CFAR检测方法,表现出了在杂波边缘干扰环境下较佳的检测性能。
参见图4所示,该图为本目标检测方法在N=24,Pfa=10-4,Pfc=10-3和m=6的多干扰目标仿真环境下与各检测方法的检测性能仿真对比曲线,从图中可看出,当SNR=25dB时(信噪比SNR-SIGNAL-NOISERATIO),本目标检测方法的检测率高达98.43%,检测性能优于ACCA-CFAR检测方法。对比结果也表明本文本目标检测方法在多目标干扰环境下,也具有较优的检测性能。
本发明提供的以上方法对参考窗中参考单元按照功率值的大小进行升序排列后,热噪声参考单元、杂波参考单元和干扰目标参考单元分别集中存放,便于计算出各类参考单元的数量。并且排序的基础上,引入了归一化处理,得到独立同分布序列,继而得到热噪声参考单元、杂波参考单元和干扰目标参考单元的数量。然后根据测试单元在原参考窗中的位置,即可估计出测试单元在参考窗中是处于均匀噪声环境,还是非均匀噪声环境,从而从有序的参考单元序列中提取合适的参考单元估计背景噪声功率,间接剔除了杂波干扰参考单元和目标干扰参考单元,提高本检测方法的检测性能。同时根据测试单元在参考窗中的位置估计,选择相应的参考单元集,估计背景噪声功率值,不仅避免了噪声功率估计过低造成的虚警率过高的问题,同时也避免了噪声功率估计过高造成检测率过低的问题。
虽然参照示例性实施方式对本发明进行了描述,但是应当理解,本发明并不局限于文中详细描述和示出的具体实施方式,在不偏离权利要求书所限定的范围的情况下,本领域技术人员可以对所述示例性实施方式做出各种改进或变型。
Claims (7)
1.一种基于自适应剔除算法的目标检测方法,其特征在于:所述方法包括以下步骤:
1)对参考窗中参考单元数量统计;设定x0为测试单元;x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列;N为参考窗大小;X1,X2,X3,……XN为经过升序排列后的参考单元序列;Y1,Y2,Y3,……YN为经过归一化处理后得到的独立同分布序列;n1为参考窗中热噪声参考单元数量;n2为参考窗中热噪声参考单元加杂波干扰单元数量;Pfa为目标虚警率;
2)对背景噪声功率值进行估计,设定背景噪声功率为Z;
3)对功率检测门限进行计算,设定T表示功率检测门限,α为检测门限相关系数;
4)对目标进行判别,设定Pd为目标检测率;Pfc为本检测方法剔除有效目标的概率;NC为参考窗中杂波干扰参考单元个数;m为参考窗中包含的干扰目标参考单元个数,H1表示有目标,H0表示无目标。
2.根据权利要求1所述的基于自适应剔除算法的目标检测方法,其特征在于:所述步骤1通过以下方式实现对参考窗中参考单元数量统计:首先对参考窗中参考单元按照幅值,进行升序排列,得到系列X1,X2,X3,……XN;然后进行归一化处理得到独立同分布序列Y1,Y2,Y3,……YN;其转化公式为:
Yi=(N-i+1)(X(i)-X(i-1)),i=1,2,…N (1)
其中X(0)=0;n1的计算公式为:
其中,j=1,2,3,…(N-1),α为本检测方法的相关参数,其计算公为:
α=Pfc -1/j-1 (3)
其中Pfc为ACS-CFAR检测器剔除算法剔除概率,n2的计算公式为:
其中l=1,2,…(N-1),如果n1>N/2时,则不计算n2,故设为0;β同样为本检测方法的相关参数,其计算公式为:
。
3.根据权利要求2所述的基于自适应剔除算法的雷达目标检测方法,其特征在于:所述步骤2中背景噪声功率Z值的估计方式包括以下步骤:
(1)当n1=0,n2=0时,表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元,只有热噪声参考单元;Z的计算公式为:
(2)当0<k1≤N/2,k2=0时,表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中,再从X(1),X(2),…X(N)低端去掉n1个热噪声参考单元,选择高端剩余N-n1个参考单元用于估计Z,Z的计算公式为:
(3)当0<n1<N/2,n1<n2≤N/2时,表示测试单元在参考窗中,同时处于杂波信号和干扰目标回波信号参考单元当中,从X(1),X(2),……X(N)低端去掉n2个幅值较小的热噪声参考单元或者杂波信号参考单元,选择剩余N-n2个幅值较大的参考单元用于估计Z,Z的计算公式为:
(4)当k1>N/2,k2=0时,表示测试单元在参考窗中只处于热噪声参考单元当中,只选择低端n1个幅值较小的热噪声参考单元用于估计Z,Z的计算公式为:
(5)当0<k1≤N/2,k2>N/2时,表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中,从X(1),X(2),…X(N)低端去掉n1个幅值较小的热噪声参考单元和从高端去掉N-n2个幅值较大的参考单元;选择剩余的n2-n1个参考单元用于估计进行估计Z,Z的计算公式为:
。
4.根据权利要求3或2所述的基于自适应剔除算法的目标检测方法,其特征在于:所述步骤3中功率检测门限的计算方式为:设定T表示功率检测门限,则T的计算公式表示为:
T=Z·α (11)
其中α分别为门限系数。
5.根据权利要求4所述的基于自适应剔除算法的目标检测方法,其特征在于:所述目标判别的方式为:
Pfa=10-4,门限系数α的计算公式为:
α=(Pfa)1/N-1 (13) 。
6.根据权利要求5所述的基于自适应剔除算法的目标检测方法,其特征在于:所述参考窗大小N取24。
7.根据权利要求5所述的基于自适应剔除算法的目标检测方法,其特征在于:所述参考窗中包含的干扰目标参考单元个数m为4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202156.1A CN107024682B (zh) | 2017-03-30 | 2017-03-30 | 一种基于自适应剔除算法的目标检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710202156.1A CN107024682B (zh) | 2017-03-30 | 2017-03-30 | 一种基于自适应剔除算法的目标检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107024682A true CN107024682A (zh) | 2017-08-08 |
CN107024682B CN107024682B (zh) | 2020-06-23 |
Family
ID=59526636
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710202156.1A Active CN107024682B (zh) | 2017-03-30 | 2017-03-30 | 一种基于自适应剔除算法的目标检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107024682B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490789A (zh) * | 2017-08-16 | 2017-12-19 | 成都纳雷科技有限公司 | 基于恒虚警检测的车载雷达信号目标检测方法及装置 |
CN107703495A (zh) * | 2017-09-01 | 2018-02-16 | 中国科学院声学研究所 | 一种目标信号检测方法及*** |
CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
CN109672494A (zh) * | 2019-01-11 | 2019-04-23 | 河南宏泰控飞信息技术有限公司 | 一种无人机探测平台中wifi信号抑制方法及装置 |
CN109686108A (zh) * | 2019-02-19 | 2019-04-26 | 山东科技大学 | 一种车辆目标轨迹跟踪***及车辆轨迹跟踪方法 |
CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、***、装置及可读存储介质 |
CN111098890A (zh) * | 2019-12-18 | 2020-05-05 | 中铁电气化局集团有限公司 | 一种基于毫米波雷达的列车防撞方法及装置 |
CN112099103A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人信息检测方法、装置及电子设备 |
CN112285654A (zh) * | 2020-10-19 | 2021-01-29 | 中国人民解放军陆军边海防学院 | 一种基于边境环境自适应的低小慢目标恒虚警检测方法 |
CN113534064A (zh) * | 2021-07-23 | 2021-10-22 | 成都九洲迪飞科技有限责任公司 | 一种确定译码门限的方法、脉冲雷达接收机、装置及介质 |
CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076602A (zh) * | 2012-12-27 | 2013-05-01 | 中国人民解放军海军航空工程学院 | 针对多目标背景的雷达自适应恒虚警率融合检测方法 |
KR20150131779A (ko) * | 2014-05-16 | 2015-11-25 | 한국전자통신연구원 | 순차통계 일정 오경보율 검파의 처리 속도 향상방법 |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
-
2017
- 2017-03-30 CN CN201710202156.1A patent/CN107024682B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103076602A (zh) * | 2012-12-27 | 2013-05-01 | 中国人民解放军海军航空工程学院 | 针对多目标背景的雷达自适应恒虚警率融合检测方法 |
KR20150131779A (ko) * | 2014-05-16 | 2015-11-25 | 한국전자통신연구원 | 순차통계 일정 오경보율 검파의 처리 속도 향상방법 |
CN105182312A (zh) * | 2015-09-29 | 2015-12-23 | 西安知几天线技术有限公司 | 自适应环境变化的恒虚警检测方法 |
Non-Patent Citations (2)
Title |
---|
YI CUI ET AL.: "New CFAR target detector for SAR images based on kernel density estimation and mean square error distance", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 * |
郭裕兰等: "一种基于最大选择的Switching-CFAR检测器", 《国防科技大学学报》 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107490789B (zh) * | 2017-08-16 | 2019-07-16 | 成都纳雷科技有限公司 | 基于恒虚警检测的车载雷达信号目标检测方法及装置 |
CN107490789A (zh) * | 2017-08-16 | 2017-12-19 | 成都纳雷科技有限公司 | 基于恒虚警检测的车载雷达信号目标检测方法及装置 |
CN107703495A (zh) * | 2017-09-01 | 2018-02-16 | 中国科学院声学研究所 | 一种目标信号检测方法及*** |
CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
CN109672494A (zh) * | 2019-01-11 | 2019-04-23 | 河南宏泰控飞信息技术有限公司 | 一种无人机探测平台中wifi信号抑制方法及装置 |
CN109686108A (zh) * | 2019-02-19 | 2019-04-26 | 山东科技大学 | 一种车辆目标轨迹跟踪***及车辆轨迹跟踪方法 |
CN109686108B (zh) * | 2019-02-19 | 2023-11-21 | 广州华南路桥实业有限公司 | 一种车辆目标轨迹跟踪***及车辆轨迹跟踪方法 |
CN110095762B (zh) * | 2019-05-27 | 2022-12-27 | 广东工业大学 | 雷达二维恒虚警检测方法、***、装置及可读存储介质 |
CN110095762A (zh) * | 2019-05-27 | 2019-08-06 | 广东工业大学 | 雷达二维恒虚警检测方法、***、装置及可读存储介质 |
CN111098890A (zh) * | 2019-12-18 | 2020-05-05 | 中铁电气化局集团有限公司 | 一种基于毫米波雷达的列车防撞方法及装置 |
CN112099103A (zh) * | 2020-09-14 | 2020-12-18 | 北京数衍科技有限公司 | 行人信息检测方法、装置及电子设备 |
CN112285654A (zh) * | 2020-10-19 | 2021-01-29 | 中国人民解放军陆军边海防学院 | 一种基于边境环境自适应的低小慢目标恒虚警检测方法 |
CN112285654B (zh) * | 2020-10-19 | 2024-02-09 | 中国人民解放军陆军边海防学院 | 一种基于边境环境自适应的低小慢目标恒虚警检测方法 |
CN113534064A (zh) * | 2021-07-23 | 2021-10-22 | 成都九洲迪飞科技有限责任公司 | 一种确定译码门限的方法、脉冲雷达接收机、装置及介质 |
CN113534064B (zh) * | 2021-07-23 | 2024-03-22 | 成都九洲迪飞科技有限责任公司 | 一种确定译码门限的方法、脉冲雷达接收机、装置及介质 |
CN116643248A (zh) * | 2023-07-26 | 2023-08-25 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
CN116643248B (zh) * | 2023-07-26 | 2023-11-14 | 成都航空职业技术学院 | 一种恒虚警检测方法、存储介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN107024682B (zh) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107024682A (zh) | 一种基于自适应剔除算法的目标检测方法 | |
CN106646419B (zh) | 一种检测杂波边缘雷达目标的自适应恒虚警方法 | |
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 | |
CN104007434B (zh) | 基于多普勒过采样的海杂波背景下雷达动目标的检测方法 | |
CN105259541B (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
CN105044686B (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN108802722A (zh) | 一种基于虚拟谱的弱目标检测前跟踪方法 | |
CN109188388B (zh) | 一种对抗多目标干扰的恒虚警检测方法 | |
CN108872961B (zh) | 基于低门限的雷达微弱目标检测方法 | |
CN109521412B (zh) | 基于局部统计量融合的雷达组网空域目标检测方法 | |
CN107703495A (zh) | 一种目标信号检测方法及*** | |
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 | |
CN106842149A (zh) | 运用聚类思想改进的序列差值直方图分选方法 | |
CN107045122A (zh) | 一种目标检测***及其检测方法 | |
CN103901408A (zh) | 根据平均分割参考信号方法的cfar检波方法及雷达*** | |
CN107024680A (zh) | 一种基于双删除门限的目标检测方法 | |
CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
CN107271973A (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 | |
CN105259540B (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
CN112965040A (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN104880696B (zh) | 一种基于通道优选的多通道目标检测方法 | |
CN106093925A (zh) | 一种多雷达联合检测方法 | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |