CN115032606B - 一种基于局部最小选定单元平均的恒虚警检测器 - Google Patents
一种基于局部最小选定单元平均的恒虚警检测器 Download PDFInfo
- Publication number
- CN115032606B CN115032606B CN202210963233.6A CN202210963233A CN115032606B CN 115032606 B CN115032606 B CN 115032606B CN 202210963233 A CN202210963233 A CN 202210963233A CN 115032606 B CN115032606 B CN 115032606B
- Authority
- CN
- China
- Prior art keywords
- false alarm
- value
- sliding window
- detected
- 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.)
- Active
Links
Images
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
- G01S7/41—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
- G01S7/414—Discriminating targets with respect to background clutter
-
- 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
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/04—Systems determining presence of a target
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
本发明公开了一种基于局部最小选定单元平均的恒虚警检测器,其中的恒虚警处理模块包括背景杂波功率水平估计子模块和门限阈值计算子模块;背景杂波功率水平估计子模块用来采用子参考滑窗对待检测单元两侧的参考单元从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值;当滑窗采样结束,取所有采样值的平均数作为背景杂波功率估计值;门限阈值计算子模块用来将背景杂波功率估计值与标称化因子相乘得到门限阈值。本发明恒虚警检测器可避免杂波边缘和多目标带来的干扰,在非均匀背景下也能保持良好的检测性能和虚警控制性能。
Description
技术领域
本发明属于雷达信号智能处理技术领域,尤其涉及一种基于局部最小选定单元平均的恒虚警检测器。
背景技术
雷达信号处理中对目标的检测过程是通过恒虚警检测 (CFAR)来实现的,CFAR检测器通过处理待检测单元周围的参考单元来估计噪声。传统的CFAR检测器有基于单元平均的CA-CFAR检测器,其是通过将待检测单元附近的参考单元进行平均计算,来估计背景杂波功率水平。CA-CFAR检测器假设参考单元与背景噪声独立且同分布,即均匀背景环境,CA-CFAR检测器可提高待检测单元在均匀背景环境和邻近干扰目标环境中的检测性能。然而,当检测背景呈现复杂多样性时,例如包括杂波边缘、多目标干扰等情况,往往会使回波信号出现非均匀特性,使得背景杂波功率水平估计误差较大,从而降低检测概率。
为避免非均匀背景环境给恒虚警检测带来的影响,基于单元平均选小的SO-CFAR检测器、基于单元平均选大的GO-CFAR检测器、基于有序统计量的OS-CFAR检测器等被提出。SO-CFAR检测器通过比较待检测单元两侧窗口的平均背景功率水平,选择较小的一侧作为参考单元,可有效提高邻近多目标场景下的目标检测性能,但是虚警控制能力下降。GO-CFAR检测器通过比较待检测单元两侧窗口的平均背景功率水平,选择较大的一侧作为参考单元,可有效增强虚警抑制能力,但是目标检测性能下降。OS-CFAR检测器先将待检测单元邻单元的数据进行大小排序,再选择其中某一个表示估计背景功率水平。该检测器在多目标场景中效果优于CA-CFAR检测器,但在均匀高斯背景下有一定的性能损失,同时排序还带来了计算量的增加,OS-CFAR检测器的处理速度明显更慢。上述几类CFAR检测器对不同的非均匀背景各有优劣,且都存在各自的局限性。
发明内容
本发明的目的是提供一种基于局部最小选定单元平均的恒虚警检测器。
本发明的技术方案如下:
本发明提供的一种基于局部最小选定单元平均的恒虚警检测器,包括信号接收处理模块、恒虚警处理模块和比较器,雷达回波信号经信号接收处理模块后获得待检测信号,恒虚警处理模块用来对待检测信号进行恒虚警处理,比较器用来判断待检测信号是否包含目标;
所述恒虚警处理模块进一步包括背景杂波功率水平估计子模块和门限阈值计算子模块;其中:
背景杂波功率水平估计子模块,用来采用子参考滑窗对待检测单元两侧的参考单元从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值;当滑窗采样结束,取所有采样值的平均数作为背景杂波功率估计值;
门限阈值计算子模块,用来将背景杂波功率估计值与标称化因子相乘得到门限阈值;
所述比较器用来比较待检测单元的功率采样值与门限阈值的大小,从而判断待检测单元是否包含目标。
在具体实施方式中,在待检测单元两侧分设预设数量的保护单元。
在具体实施方式中,信号接收处理模块进一步包括匹配滤波器和平方律检波器,雷达回波信号依次经匹配滤波器、平方律检波器获得待检测数据。
本发明基于局部最小选定单元平均的恒虚警检测器,其设置子参考滑窗,选择子参考滑窗中第一与最后一个参考单元采样值的最小值作为子参考滑窗的采样值,再利用一般单元平均技术计算背景杂波功率估计值。相比传统OS-CFAR 检测器,本发明处理时间明显更少。
在信号检测中通常对确定是否存在被噪声破坏的微弱信号感兴趣,而CFAR 检测器(包括前述基于局部最小选定单元平均的恒虚警检测器)均是将采样值与门限阈值进行对比,从而得出信号存在或不存在(即0或1)的结论。这是基于产生二进制输出的清晰阈值来实施决策规则,该不连续的决策规则会导致大量信息丢失,从而难以获得最佳检测性能。因此,本发明进一步将模糊逻辑融合引入前述基于局部最小选定单元平均的恒虚警检测器,将二进制阈值替换为平稳连续阈值,来产生平滑输出,以减少信息丢失,以进一步提高检测器的检测性能。
本发明还提供了一种基于局部最小选定单元平均的恒虚警检测器,该恒虚警检测器引入了模糊融合,其为分布式结构,包括两信号检测器、一融合中心和一比较器;
所述信号检测器进一步包括传感器、背景杂波功率水平估计子模块和隶属函数计算子模块;其中:
传感器,用来接收并预处理原始信号数据获得待检测信号;
背景杂波功率水平估计子模块,用来采用子参考滑窗对待检测单元两侧的参考单元从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值;当滑窗采样结束,取所有采样值的平均数作为背景杂波功率估计值;
所述融合中心用来接收两信号检测器输出的隶属函数值,并按预设的融合规则进行融合获得全局隶属函数值;
所述比较器用来比较全局隶属函数值与相应阈值的大小,从而判断待检测单元是否包含目标。
在一些具体实施方式中,两信号检测器中的两传感器分别接收同一时刻不同方向的原始信号数据、不同时刻相同方向的原始信号数据或不同时刻不同方向的原始信号数据。
在模糊逻辑检测中,决策不限于信号的存在与否,本发明进一步优选的基于局部最小选定单元平均的恒虚警检测器,其将固定阈值替换为作为隶属函数的平稳连续阈值,并在信号检测不确定性建模中引入模糊逻辑概念,再采用模糊规则融合。传统检测技术将观察结果视为随机变量,并在“信号存在”或“信号不存在”间选择,导致信息不完整;使用模糊逻辑融合可有效减小减少信息丢失,避免此问题对检测性能的影响。
和现有技术相比,本发明的有益效果如下:
(1)经典CA-CFAR检测器在非均匀背景环境下易出现漏检、虚警、遮蔽效应等问题,本发明则基于经典CA-CFAR检测器提出了基于局部最小选定单元平均的恒虚警检测器(简记为“MCA-CFAR 检测器”),MCA-CFAR 检测器可避免杂波边缘和多目标带来的干扰。
(2)又进一步在MCA-CFAR 检测器中引入模糊规则,提出了优化后的基于模糊融合规则的MCA-CFAR 检测器(简记为“FMCA-CFAR检测器”),FMCA-CFAR检测器可进一步提高在非均匀环境下的检测性能以及抗干扰性。
(3)通过仿真实验验证了在非均匀背景环境下,MCA-CFAR 检测器和FMCA-CFAR检测器更能保持良好的目标检测性能和虚警控制性能。
附图说明
图1为传统CA-CFAR检测器的原理框架图;
图2为本发明MCA-CFAR检测器的原理框架图;
图3为本发明FMCA-CFAR检测器的原理框架图;
图4为FMCA-CFAR检测器的检测流程示意图;
图5为均匀背景单目标环境下CA-CFAR与MCA-CFAR检测器的检测性能对比;
图6为非均匀背景多目标环境下CA-CFAR与MCA-CFAR检测器的检测性能对比;
图7为杂波边缘背景多目标环境下CA-CFAR与MCA-CFAR检测器的检测性能对比;
图8 为均匀背景单目标与非均匀背景多目标环境下CA-CFAR检测器与MCA-CFAR检测器的检测性能曲线;
图9a、图9b 为均匀背景单目标环境下四种模糊融合规则检测器性能对比,其中,图9a为四种模糊融合规则检测器的性能曲线,图9b为图9a的局部扩大图;
图10a、图10b为均匀背景单目标与非均匀背景多目标环境下CA-CFAR检测器、MCA-CFAR检测器、基于代数积FMCA-CFAR检测器的检测性能对比,其中,图10a为CA-CFAR检测器、MCA-CFAR检测器、基于代数积FMCA-CFAR检测器的性能曲线,图10b为图10a的局部扩大图;
图11a、图11b为均匀背景单目标与非均匀背景多目标环境下CA-CFAR检测器、MCA-CFAR检测器、基于代数和FMCA-CFAR检测器的检测性能对比,其中,图11a为下CA-CFAR检测器、MCA-CFAR检测器、基于代数和FMCA-CFAR检测器的性能曲线,图11b为图11a的局部扩大图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下将结合附图对本发明所涉及的技术理论及具体实施过程进行详细描述。应当理解,此处所描述的具体实施方式仅仅用以解释本发明,并不限定本发明。此外,下面所描述的具体实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
为便于理解本发明的改进处及所产生的效果,下面先介绍传统CA-CFAR检测器。在均匀的瑞利杂波背景条件下,CA-CFAR检测器一般利用待检测单元D附近的一组独立且同分布的参考单元采样值的均值,来估计背景杂波功率水平。参见图1,所示为传统CA-CFAR检测器的框架图,传统CA-CFAR检测器模型包括匹配滤波器、平方律检波器、恒虚警处理模块和比较器。匹配滤波器,用来对雷达回波信号进行匹配滤波,获得回波信号的同相分量和正交分量;平方律检波器,用来对回波信号的同相分量和正交分量进行平方求和,获得平方律检波,即待检测信号;恒虚警处理模块,用来对待检测信号进行恒虚警处理获得门限阈值;比较器,用来比较待检测单元采样值与门限阈值的大小,从而判断待检测单元是否包含目标。
在恒虚警处理模块中,在待检测单元两侧共取n个参考单元,左侧的参考单元记为,右侧的参考单元记为。背景杂波功率估计值采用个参考单元采样值的均值,与标称化因子相乘得到门限阈值。将待检测单元的功率采样值与门限阈值输入比较器,通过比较待检测单元的功率采样值与门限阈值的大小,来判断待检测单元是否包含目标。
传统CA-CFAR检测器在均匀背景环境下检测性能优良,但是在非均匀、多目标背景环境下检测性能损失较大。为克服传统CA-CFAR检测器存在的缺陷,本发明提出了一种基于局部最小选定单元平均的恒虚警检测器(后文简记为MCA-CFAR检测器),来提升检测器在非均匀、多目标背景环境下的检测性能。
参见图2,所示为本发明所提出的MCA-CFAR检测器的框图,其与图1中所示CA-CFAR检测器的主要区别在于恒虚警处理模块的具体处理方法。见图2,待检测单元D两侧为参考单元,参考单元总数记为,左侧的参考单元记为,右侧的参考单元记为。设置长度为的子参考滑窗,即子参考滑窗可包括个参考单元。每次滑窗采样取子参考滑窗中第一和最后一个参考单元采样值的较小值,记为,即子参考滑窗每次的采样值。当子参考窗滑采样结束,获得较小值序列,计算所有的算术平均数作为背景杂波功率估计值。
本具体实施方式中MCA-CFAR检测器的检测过程如下:
(3)待检测信号输入恒虚警处理模块进行恒虚警处理,恒虚警处理具体包括背景杂波功率水平估计和门限阈值计算。为防止待检测单元D的能量泄露进参考单元,在待检测单元D两侧分别设保护单元,以将待检测单元D与左、右侧的参考单元间隔开。
背景杂波功率水平估计具体为:
对长度为的左侧参考单元和长度为的右侧参考单元,采用长度为的子参考滑窗从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值,记为;当完成滑窗采样,最终产生(n-m)个,求(n-m)个的算数平均数作为背景杂波功率估计值。由于子参考滑窗的长度不能小于匹配滤波器的主瓣宽度,所以将值优选为仅超过主瓣宽度的最小偶数。
下面将推导本发明MCA-CFAR检测器的标称化因子的计算公式。
累计分布函数通过对式(1)积分获得:
基于式(7)结合式(6)得到:
其中,s表示所有新的概率密度函数组成的函数线里的任意一点;符号*表示卷积运算。
MCA-CFAR检测器在待检测单元两侧的参考单元中设置子参考滑窗,以子参考滑窗中第一与最后一个参考单元采样值的较小值作为采样值,之后再应用单元平均技术来检测目标。然而在信号检测中,通常对确定是否存在被噪声破坏的微弱信号感兴趣。MCA-CFAR检测器将信号与门限阈值进行对比,最后得出信号存在或不存在(即为0或1)的结论,这种是基于产生二进制输出的清晰阈值来实施决策规则,这种不连续的决策规则会导致大量信息丢失,从而产生非最佳检测性能。在此基础上,本发明又进一步引入模糊规则,将二进制阈值替换为平稳连续阈值,来产生平滑输出,以减少信息丢失,从而进一步提高检测器的检测性能。在该优选方案中,将引入模糊规则的MCA-CFAR检测器简记为FMCA-CFAR检测器。
参见图3,所示为本发明所提出的FMCA-CFAR检测器的原理示意,图中D即表示待检测单元,也表示待检测单元的功率采样值。同样的,平方律检波器输出的平方律检波输入恒虚警处理模块进行处理。定义,则隶属函数,隶属函数用于观察空间映射到0至1之间的值,用来获得平稳连续阈值。
参见图4,所示为分布式FMCA-CFAR检测器的流程图,该FMCA-CFAR检测器包括两信号检测器、一融合中心和一比较器;信号检测器可为实体装置或虚拟装置,用来独立接收并处理信号数据,信号检测器处理后的数据输入融合中心;融合中心按预设的融合规则进行融合获得全局隶属函数值,全局隶属函数值输入比较器;比较器比较全局隶属函数值与对应阈值的大小,来判断是否存在目标:全局隶属函数值大于对应阈值,则存在目标;否则不存在目标。
信号检测器进一步包括传感器、背景杂波功率水平估计子模块和隶属函数计算子模块;传感器用来接收原始信号数据并进行预处理获得待检测信号,待检测信号输入背景杂波功率水平估计子模块;背景杂波功率水平估计子模块用来估计待检测单元的背景杂波功率估计值;隶属函数计算子模块用来根据背景杂波功率估计值计算待检测单元的隶属函数值,其中,。两信号检测器中传感器所接收的原始信号数据,可为同一时刻不同方向接收的原始信号数据,也可为不同时刻相同方向接收的原始信号数据,还可为不同时刻不同方向接收的原始信号数据。
为易于区别,在图4中,将两传感器分别记为第一传感器和第二传感器,两背景杂波功率水平估计子模块分别记为第一背景杂波功率水平估计子模块和第二背景杂波功率水平估计子模块,两隶属函数计算子模块分别记为第一隶属函数计算子模块和第二隶属函数计算子模块。
本具体实施方式中预设了四种融合规则:最大值、最小值、代数积、代数和融合规则,定义如下:
本实施例为仿真实验实施例。
(1)CA-CFAR与MCA-CFAR检测器的仿真实验性能对比
假设背景目标按照Swerling模型波动,在均匀背景下比较CA-CFAR检测器和MCA-CFAR检测器的检测性能。设置虚警概率P FA =10-4,参考单元长度n=20,总参考范围长度200,待测目标功率水平20dB,子参考滑窗大小m=6。用MATLAB模拟仿真,第一种情况:在均匀背景的条件下不添加任何其他干扰,在位置58 放置待测目标;第二种情况:分别在位置52、58、64放置三个目标,其中位置58为待测目标,位置52和64为待测目标的邻近干扰目标;第三种情况:测试杂波边缘性能,分别在44、50、96、102四个位置放置待测目标。图5展示了均匀背景单目标环境(即第一种情况)下CA-CFAR与MCA-CFAR检测器的检测性能对比,图6展示了非均匀背景多目标环境(即第二种情况)下CA-CFAR与MCA-CFAR检测器的检测性能对比,图7展示了杂波边缘背景多目标环境(即第三种情况)下CA-CFAR与MCA-CFAR检测器的检测性能对比。
仿真实验结果中以待测目标信号长度为横坐标,以待测目标信号对应点的功率水平为纵坐标。从图5和图6可知,均匀背景下CA-CFAR检测器与MCA-CFAR检测器均可正常检测目标,而当背景环境中待检测目标存在邻近干扰目标时,由于邻近干扰目标导致待检测目标附近检测门限升高,出现遮蔽效应,导致位置58的待测目标未被检测出。虽然MCA-CFAR检测器门限值也被抬高,但是在计算门限阈值时使用子参考滑窗进行滑窗,可滤除功率大的干扰目标,所以MCA-CFAR检测器有效解决了背景噪声中邻近干扰目标造成的目标遮蔽效应,提高了在多目标干扰背景下的检测性能。
见图7,CA-CFAR检测器在低杂波区域同样出现了邻近干扰目标导致待检测目标出现漏检,并且在杂波边缘处,由于背景噪声功率上升,CA-CFAR检测器门限阈值急剧升高,导致在信号低杂波区域的位置96处的目标也出现漏检。而MCA-CFAR检测器因为采用子参考滑窗滤除了功率大的干扰目标,并未出现漏检现象,较好地检测出了待测目标。无论是在离散强干扰环境下或者杂波边缘环境下,MCA-CFAR检测器的检测性能都比CA-CFAR检测器损失的更小。然而从整体上来看,在均匀背景环境下CA-CFAR检测器的整体门限值比MCA-CFAR检测器门限值波动更小,更加稳定。
为了更好的展现MCA-CFAR检测器在复杂环境下的检测性能,使用蒙特卡罗模拟方法进行106次的实验,此次实验的虚警概率仍然为P FA =10-4,待测目标的信噪比从0dB依次增加到30dB,对比均匀背景与非均匀多目标背景环境下CA-CFAR检测器与MCA-CFAR检测器的检测性能,对比结果见图8。
图8中以信噪比为横坐标,以检测概率为纵坐标。从图8可以看出,在均匀背景环境下,相对于CA-CFAR检测器,MCA-CFAR检测器的检测性能损失较小,验证了图5和图6中CA-CFAR检测器比MCA-CFAR检测器检测概率曲线整体门限阈值较为稳定的现象。但当背景参考单元中存在20dB的离散目标干扰时,MCA-CFAR检测器明显有着更优的抗干扰能力,而CA-CFAR检测器的检测概率由于干扰目标的存在,导致检测性能损失较大。MCA-CFAR检测器在背景参考单元中添加离散干扰的情况下,仍然具有较好的虚警控制能力。验证了MCA-CFAR检测器在背景噪声存在离散干扰的情况下比CA-CFAR检测器的性能更加优越。
(2)CA-CFAR与FMCA-CFAR检测器的仿真实验性能对比
仍然使用蒙特卡罗模拟方法对比CA-CFAR检测器与FMCA-CFAR检测器在均匀背景与非均匀多目标背景环境下的检测性能。表1给出了四种融合规则对应的融合中心阈值。在P FA =10-4的虚警概率以及均匀背景环境下,CA-CFAR检测器与FMCA-CFAR检测器的检测性能见图9a。
表1 模糊融合规则的融合中心阈值
见图9a和图9b,其中图9a为四种模糊融合规则检测器在均匀背景下检测性能对比,图9b为图9a的局部扩大图,基于最大值、最小值、代数积、代数和融合规则的FMCA-CFAR检测器分别记为MAX-MCA、MIN- MCA、PRODUCTS- MCA、SUM-MCA。从图9a和图9b可以看到,基于代数和融合规则检测器检测性能较好,而基于最小值融合规则检测器的检测性能最差。
接下来在背景参考单元中加入20dB的离散干扰目标,来找出在检测性能较好的同时,对存在干扰的情况下检测性能损失较小的检测器。见图10a和图10b,其中图10a展示了均匀背景与非均匀多目标背景环境下,传统经典CA-CFAR检测器与MCA-CFAR检测器,还有基于代数积的FMCA-CFAR检测器的检测性能对比,图10b为图10a的局部扩大图。见图11a和图11b,其中图11a展示了均匀背景与非均匀多目标背景下,传统经典CA-CFAR检测器与MCA-CFAR检测器,还有基于代数和的FMCA-CFAR检测器的检测性能对比,图11b为图11a的局部扩大图。
对比图10b 和图11b的局部扩大图,可知在均匀背景下,传统经典CA-CFAR检测器检测性能依然是最好的,而MCA-CFAR检测器,还有基于代数和与基于代数积的FMCA-CFAR检测器,分别对于传统CA-CFAR检测器检测性能有着不同程度的损失,其中基于代数和的FMCA-CFAR检测器损失较小。然而,在背景参考单元中添加20dB离散干扰目标的情况下,由于干扰目标的存在,传统CA-CFAR检测器对目标的检测概率开始急剧下降,出现了很严重的目标遮蔽效应;MCA-CAFR检测器相对于传统经典CA-CFAR检测器,虽然子参考窗口滑窗将功率大的干扰目标滤除,检测性能损失较小,但仍然会出现不同程度的漏检虚警情况;基于代数和的FMCA-CFAR检测器则展现出了很好的抗干扰能力,主要原因是,MCA-CFAR检测器虽然能够通过子参考滑窗剔除一些强干扰点,但是MCA-CFAR检测器还是与传统经典CA-CFAR检测器一样产生二进制输出阈值来实施决策规则,这种不连续的决策规则难免会导致一些目标信息点的丢失,很难达到最佳的检测性能。而基于代数和的FMCA-CFAR检测器在MCA-CFAR检测器的基础上融入了模糊融合规则,产生了一个新的模糊阈值,提供了平稳连续的决策,可以从确定检测到目标到确定未检测到目标平稳过渡。通过这种方式,FMCA-CFAR检测器比二进制检测器保留了更多信息,有效的弥补了MCA-CFAR检测器在非均匀环境等情况下检测性能的缺失。
上述实施例所述是用以具体说明本发明,文中虽通过特定的术语进行说明,但不能以此限定本发明的保护范围,熟悉此技术领域的人士可在了解本发明的精神与原则后对其进行变更或修改而达到等效目的,而此等效变更和修改,皆应涵盖于权利要求范围所界定范畴内。
Claims (10)
1.一种基于局部最小选定单元平均的恒虚警检测器,包括信号接收处理模块、恒虚警处理模块和比较器,雷达回波信号经信号接收处理模块后获得待检测信号,恒虚警处理模块用来对待检测信号进行恒虚警处理,比较器用来判断待检测信号是否包含目标;其特征是:
所述恒虚警处理模块进一步包括背景杂波功率水平估计子模块和门限阈值计算子模块;其中:
背景杂波功率水平估计子模块,用来采用子参考滑窗对待检测单元两侧的参考单元从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值;当滑窗采样结束,取所有采样值的平均数作为背景杂波功率估计值;
门限阈值计算子模块,用来将背景杂波功率估计值与标称化因子相乘得到门限阈值;
所述比较器用来比较待检测单元的功率采样值与门限阈值的大小,从而判断待检测单元是否包含目标。
3.如权利要求1所述的基于局部最小选定单元平均的恒虚警检测器,其特征是:
所述待检测单元两侧分设预设数量的保护单元。
4.如权利要求1所述的基于局部最小选定单元平均的恒虚警检测器,其特征是:
所述信号接收处理模块进一步包括匹配滤波器和平方律检波器,雷达回波信号依次经匹配滤波器、平方律检波器获得待检测数据。
5.一种基于局部最小选定单元平均的恒虚警检测器,其特征是:
为分布式结构,包括两信号检测器、一融合中心和一比较器;
所述信号检测器进一步包括传感器、背景杂波功率水平估计子模块和隶属函数计算子模块;其中:
传感器,用来接收并预处理原始信号数据获得待检测信号;
背景杂波功率水平估计子模块,用来采用子参考滑窗对待检测单元两侧的参考单元从头至尾进行滑窗采样;每次滑窗采样时,取子参考滑窗中第一和最后一个参考单元采样值的较小值作为采样值;当滑窗采样结束,取所有采样值的平均数作为背景杂波功率估计值;
所述融合中心用来接收两信号检测器输出的隶属函数值,并按预设的融合规则进行融合获得全局隶属函数值;
所述比较器用来比较全局隶属函数值与相应阈值的大小,从而判断待检测单元是否包含目标。
6.如权利要求5所述的基于局部最小选定单元平均的恒虚警检测器,其特征是:
所述两信号检测器中的两传感器分别接收同一时刻不同方向的原始信号数据、不同时刻相同方向的原始信号数据或不同时刻不同方向的原始信号数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963233.6A CN115032606B (zh) | 2022-08-11 | 2022-08-11 | 一种基于局部最小选定单元平均的恒虚警检测器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210963233.6A CN115032606B (zh) | 2022-08-11 | 2022-08-11 | 一种基于局部最小选定单元平均的恒虚警检测器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115032606A CN115032606A (zh) | 2022-09-09 |
CN115032606B true CN115032606B (zh) | 2022-11-04 |
Family
ID=83130648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210963233.6A Active CN115032606B (zh) | 2022-08-11 | 2022-08-11 | 一种基于局部最小选定单元平均的恒虚警检测器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115032606B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116559810A (zh) * | 2023-04-10 | 2023-08-08 | 北京盛安同力科技开发有限公司 | 一种有序的杂波图恒虚警检测算法 |
CN118112513A (zh) * | 2024-04-30 | 2024-05-31 | 山东科技大学 | 用于探测无人机目标的雷达信噪比计算方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647192A (zh) * | 2011-02-17 | 2012-08-22 | 中兴通讯股份有限公司 | 数据处理方法和装置 |
CN104346380A (zh) * | 2013-07-31 | 2015-02-11 | 华为技术有限公司 | 基于MapReduce模型的数据排序方法和*** |
CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
KR20150131779A (ko) * | 2014-05-16 | 2015-11-25 | 한국전자통신연구원 | 순차통계 일정 오경보율 검파의 처리 속도 향상방법 |
CN105866748A (zh) * | 2016-03-22 | 2016-08-17 | 电子科技大学 | 一种基于检测先验的固定窗长恒虚警检测方法 |
CN106646396A (zh) * | 2016-11-18 | 2017-05-10 | 西安电子工程研究所 | 一种雷达杂波图检测门限自适应设置方法 |
CN112346029A (zh) * | 2020-10-30 | 2021-02-09 | 中国人民解放军空军预警学院 | 基于待检测单元的可变参考窗单元平均恒虚警检测方法 |
CN112965040A (zh) * | 2021-02-05 | 2021-06-15 | 重庆邮电大学 | 一种基于背景预筛选的自适应cfar目标检测方法 |
CN113534094A (zh) * | 2021-05-28 | 2021-10-22 | 西安电子科技大学 | 一种基于纠缠态的量子探测恒虚警检测***及检测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101598208B1 (ko) * | 2014-05-20 | 2016-02-26 | 현대모비스 주식회사 | 레이더를 이용한 타겟 검출 장치 및 방법 |
WO2021007704A1 (en) * | 2019-07-12 | 2021-01-21 | Huawei Technologies Co., Ltd. | Method and apparatus for object detection system |
-
2022
- 2022-08-11 CN CN202210963233.6A patent/CN115032606B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102647192A (zh) * | 2011-02-17 | 2012-08-22 | 中兴通讯股份有限公司 | 数据处理方法和装置 |
CN104346380A (zh) * | 2013-07-31 | 2015-02-11 | 华为技术有限公司 | 基于MapReduce模型的数据排序方法和*** |
KR20150131779A (ko) * | 2014-05-16 | 2015-11-25 | 한국전자통신연구원 | 순차통계 일정 오경보율 검파의 처리 속도 향상방법 |
CN104502899A (zh) * | 2014-12-27 | 2015-04-08 | 长安大学 | 一种自适应的恒虚警率目标检测方法 |
CN105866748A (zh) * | 2016-03-22 | 2016-08-17 | 电子科技大学 | 一种基于检测先验的固定窗长恒虚警检测方法 |
CN106646396A (zh) * | 2016-11-18 | 2017-05-10 | 西安电子工程研究所 | 一种雷达杂波图检测门限自适应设置方法 |
CN112346029A (zh) * | 2020-10-30 | 2021-02-09 | 中国人民解放军空军预警学院 | 基于待检测单元的可变参考窗单元平均恒虚警检测方法 |
CN112965040A (zh) * | 2021-02-05 | 2021-06-15 | 重庆邮电大学 | 一种基于背景预筛选的自适应cfar目标检测方法 |
CN113534094A (zh) * | 2021-05-28 | 2021-10-22 | 西安电子科技大学 | 一种基于纠缠态的量子探测恒虚警检测***及检测方法 |
Non-Patent Citations (5)
Title |
---|
"An Improved CA-CFAR Method for Ship Target Detection in Strong Clutter Using UHF Radar";Chunming Kuang等;《IEEE SIGNAL PROCESSING LETTERS》;20200811;1445-1449 * |
"Compressed Sensing-Based Multitarget CFAR Detection Algorithm for FMCW Radar";Zhihui Cao等;《 IEEE Transactions on Geoscience and Remote Sensing》;20210209;9160-9172 * |
"Multi-targets Detection in a Non-homogeneous Radar Environment Using Modified CA-CFAR";Jiwa Abdullah等;《2019 IEEE Asia-Pacific Conference on Applied Electromagnetics (APACE)》;20200305;1-5 * |
"基于改进的剔除平均多目标恒虚警处理方法";李钦等;《探测与控制学报》;20150430;59-65 * |
"最小选择恒虚警检测器的统一模型——TMSO";孟祥伟等;《仪器仪表学报》;19971031;481-491 * |
Also Published As
Publication number | Publication date |
---|---|
CN115032606A (zh) | 2022-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
CN104502899B (zh) | 一种自适应的恒虚警率目标检测方法 | |
CN107884757B (zh) | 恒虚警目标检测方法、装置及车辆 | |
CN109188388B (zh) | 一种对抗多目标干扰的恒虚警检测方法 | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及*** | |
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 | |
CN107153180B (zh) | 一种目标信号检测方法及*** | |
CN111157953B (zh) | 一种强地杂波下两级门限恒虚警检测算法 | |
CN111693961B (zh) | 一种基于kl散度单元筛选的cfar检测器 | |
CN107703495B (zh) | 一种目标信号检测方法及*** | |
CN107102308B (zh) | 一种分布式雷达异构信号级融合目标检测方法 | |
CN107024682A (zh) | 一种基于自适应剔除算法的目标检测方法 | |
CN111551903A (zh) | 改进型二维变化指数恒虚警目标检测方法 | |
CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN112965040B (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
CN104459644A (zh) | 一种用于雷达视频信号检测的自适应恒虚警检测方法 | |
CN109274438B (zh) | 一种自适应双门限协同干扰检测方法及装置 | |
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 | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN113391306A (zh) | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 | |
CN117055000A (zh) | 基于信噪比加权融合的多通道雷达目标检测方法 | |
CN108718223B (zh) | 一种非合作信号的盲频谱感知方法 | |
CN111337894B (zh) | 一种智能参考单元平均恒虚警检测方法 | |
Hezarkhani et al. | Performance analysis of a CA-CFAR detector in the interfering target and homogeneous background |
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 |