CN116559810A - 一种有序的杂波图恒虚警检测算法 - Google Patents
一种有序的杂波图恒虚警检测算法 Download PDFInfo
- Publication number
- CN116559810A CN116559810A CN202310371120.1A CN202310371120A CN116559810A CN 116559810 A CN116559810 A CN 116559810A CN 202310371120 A CN202310371120 A CN 202310371120A CN 116559810 A CN116559810 A CN 116559810A
- Authority
- CN
- China
- Prior art keywords
- detected
- unit
- algorithm
- detection
- false alarm
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 135
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 108
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004088 simulation Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000003446 memory effect Effects 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
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
本发明主要关于一种有序的杂波图恒虚警检测算法,涉及雷达检测算法技术领域,首先以OS‑CFAR算法对雷达扫描数据进行处理,计算获得待检测单元;然后以CM‑CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限;最后将检测门限与待检测单元幅值进行比较完成恒虚警检测。本申请所提供的有序的杂波图恒虚警检测算法能够实现不同类型环境下的实际需求,在均匀环境下、多目标环境下及杂波边缘环境下,检测概率均快速向最优检测器收敛,检测性能高、抗干扰能力强,在复杂环境下的恒虚警检测中保证了目标检测的效能。
Description
技术领域
本发明主要关于雷达检测算法技术领域,特别是关于一种有序的杂波图恒虚警检测算法。
背景技术
雷达技术中,在复杂的电磁回波信号中对目标信号与杂波信号(包含接收机噪声)进行区分判别是必要的,在雷达科学发展早期,目标检测是由专门的雷达操作员进行回波视频信号监视并根据历史经验进行目标真伪判别,该方法耗费人力物力,且受到人为主观因素影响较大。后续发展出固定门限检测,该方法根据精确已知的背景杂波统计数据和相关虚警概率计算固定数值的检测门限进行目标判别,但是在实际应用中杂波功率是变化的,因而该方法的虚警概率波动较大,严重影响雷达***性能。恒虚警检测(ConstantFalse Alarm Rate,CFAR)是现代雷达进行目标检测的主流方法,该方法可以在保持一定虚警概率的同时获得随杂波数据变化而变化的检测门限,大大降低了虚警和漏报的产生,在目标检测领域有着重要地位。
现有的恒虚警检测算法也被迁移应用于外辐射源雷达***中使用,这些算法属于通用型的算法,没有针对外辐射源雷达***的一些特性进行专门的调整优化,在实际使用中会出现一些问题。
单元平均(Cell Averaging,CA)-CFAR算法采用单帧雷达扫描数据的待检测单元临近杂波数据求取平均值来计算检测门限,计算逻辑简单,算法复杂度低,在工程中被广泛应用。但是CA-CFAR只在均匀环境中性能表现优秀,在多目标及杂波边缘环境中无法消除临近目标与空域杂波能量突变对算法检测性能的影响,因而检测概率损失严重、虚警概率偏离预设值。有序统计(Order Statistics,OS)-CFAR算法先对参考滑窗中的数据进行按大小排序,之后利用第k大数据值来计算检测门限,其在多目标与杂波边缘环境中检测性能较好,但是在均匀环境中检测性能有一定损失。针对均匀环境、多目标和杂波边缘环境的特点,变化指数(Varibility Index,VI)-CFAR算法通过计算前后参考窗中的变化指数和均值比来统计杂波区域的特征,然后利用这两个参数和检测门限的比较结果来判定待检测单元所处的杂波环境,最后使用与该杂波环境相匹配的其它检测算法来进行处理,其本质是多种恒虚警检测算法的组合。杂波图(Clutter Map,CM)-CFAR算法是一种将历史杂波数据进行处理保存,利用历史数据进行检测门限计算的算法,CM-CFAR将杂波数据划分为杂波图单元用以缓存历史数据,每个杂波图单元依靠当前数据和历史数据进行迭代更新。在算法的迭代初期,其需要逐步迭代采样历史数据,所以检测性能较差;在时序维度杂波功率发生突变的情况下,算法依然参考了历史数据,所以在应对时序维度功率突变环境时,反馈实时性较差。
CM-CFAR是属于时序CFAR,细分为点杂波图算法和面杂波图算法两种。点杂波图算法通过算法迭代计算对多帧待检测单元回波数据进行处理并缓存,利用待检测单元的历史数据计算检测门限。面杂波图算法按照距离-方位将雷达探测的范围划分为若干个单元,是二维的平面投影,在绝大多数三坐标雷达及测高雷达的应用中存在严重缺陷。
前述背景技术知识的记载旨在帮助本领域普通技术人员理解与本发明较为接近的现有技术,同时便于对本申请发明构思及技术方案的理解,应当明确的是,在没有明确的证据表明上述内容在本专利申请的申请日前已公开的情况下,上述背景技术不应当用于评价本申请技术方案的新创性。
发明内容
为解决上述背景技术中提及的至少一种技术问题,本发明的目的旨在提供一种有序的杂波图恒虚警检测算法,实现不同类型环境下的实际需求,在均匀环境下、多目标环境下及杂波边缘环境下,检测概率均快速向最优检测器收敛,检测性能高、抗干扰能力强,在复杂环境下的恒虚警检测中保证了目标检测的效能。
一种有序的杂波图恒虚警检测算法,以OS-CFAR算法对雷达扫描数据进行处理,计算获得待检测单元;以CM-CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限;将检测门限与待检测单元幅值进行比较完成恒虚警检测。
具体到本申请的部分实施方案,有序的杂波图恒虚警检测算法适用于均匀、多目标以及杂波边缘环境的至少一种环境。
具体到本申请的部分实施方案,所述有序的杂波图恒虚警检测算法具体包括:
S1、通过OS-CFAR算法对雷达扫描数据进行处理计算待检测门限;
S2、将待检测门限与标称因子的倒数相乘得到待检测单元;
S3、利用CM-CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限T;
S4、将检测门限T与待检测单元的幅值d进行比较,若待检测单元的幅值大于检测门限,则待检测单元中存在目标回波能量,完成恒虚警检测。
具体到本申请的部分实施方案,所述检测门限T的计算公式为:
T=Y*α
其中,Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值。遗忘因子w是CM-CFAR特有的预设参数,其影响算法的迭代速度、抗目标干扰能力以及反馈实时性。
具体到本申请的部分实施方案,所述计算检测门限T时需迭代计算完成检测门限T。
具体到本申请的部分实施方案,将检测门限与待检测单元幅值d进行比较,以判断目标有无,
当待检测单元幅值大于检测门限时,假设H1成立,待检测单元中存在目标回波能量;否则,假设H0成立,待检测单元中没有目标回波能量。
一种有序的杂波图恒虚警检测装置,包括:
有序统计模块,其被配置为利用OS-CFAR算法对雷达初次扫描数据进行处理,得到有序的数组进行初始化,获得待检测门限;利用OS-CFAR算法对雷达数据进行处理可弥补传统时序类算法在迭代初期的性能劣势;
待检测单元处理模块,其被配置为利用OS-CFAR算法处理得到的待检测门限乘以CM-CFAR算法的标称因子的倒数得到待检测单元;
检测门限处理模块,其被配置为利用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计,通过杂波估计计算得到检测门限;采用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计并在一定程度上弥补了记忆效应造成的影响;
判断模块,其被配置为将检测门限与待检测单元的幅值进行比较,当待检测单元幅值大于检测门限时,待检测单元中存在目标回波能量;当待检测单元幅值不大于检测门限时,待检测单元中没有目标回波能量。
具体到本申请的部分实施方案,所述检测门限的计算公式为:
T=Y*α
其中,T为检测门限;Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值。遗忘因子w是CM-CFAR特有的预设参数,其影响算法的迭代速度、抗目标干扰能力以及反馈实时性。
具体到本申请的部分实施方案,所述判断模块将检测门限T与待检测单元的幅值d进行比较,以判断目标有无,
当待检测单元幅值大于检测门限时,假设H1成立,待检测单元中存在目标回波能量;否则,假设H0成立,待检测单元中没有目标回波能量。
一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时运行前述所述有序的杂波图恒虚警检测算法的至少一个步骤。
一种计算机设备,所述计算机设备包括存储器、处理器、通信接口以及通信总线;其中,所述存储器、处理器、通信接口通过所述通信总线进行相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的计算机程序,所述处理器执行所述计算机程序时实现前述所述有序的杂波图恒虚警检测算法的至少一个步骤。
本申请的有益效果为:
本发明采用了有序的杂波图恒虚警检测算法(OCM-CFAR)技术,根据不同的应用环境和不同的业务需求,通过OS-CFAR算法对雷达扫描数据进行处理计算待检测门限,将待检测门限与标称因子的倒数相乘得到待检测单元,弥补传统时序类算法在迭代初期的性能劣势;采用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计,进而计算得到检测门限,在一定程度上弥补了记忆效应造成的影响。本发明利用OCM-CFAR进行处理实现不同类型环境下的实际需求:在均匀环境下,其检测概率逐步向最优检测器收敛,检测性能得到提升;在多目标环境下,其检测概率快速向最优检测器收敛,抗干扰能力加强;在杂波边缘环境下,其检测概率得到进一步地提升,可以有效地提高抗杂波边缘的性能。总体来说,在目标的恒虚警检测中,本发明所采用的技术保证了目标检测的效能。
附图说明
为让本发明的上述和/或其他目的、特征、优点与实例能更明显易懂,下面将对本发明的具体实施方式中所需要使用的附图进行简单的介绍,显然地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的情况下还可以根据这些附图获得其他的附图。
图1是检测算法结构框图;
图2是检测算法实现流程图;
图3是均匀环境下的仿真结果示意图;
图4是多目标环境下的仿真结果示意图;
图5是杂波边缘环境下的仿真结果示意图。
具体实施方式
本领域技术人员可以借鉴本文内容,适当替换和/或改动工艺参数实现,然而特别需要指出的是,所有类似的替换和/或改动对本领域技术人员来说是显而易见的,它们都被视为包括在本发明。本发明所述算法已经通过较佳实例进行了描述,相关人员明显能在不脱离本发明内容、精神和范围内对本文所述算法进行改动或适当变更与组合,来实现和应用本发明技术。
除非另有定义,本文所使用的技术和科学术语,具有本发明所属领域的普通技术人员通常所理解的相同的含义。本发明使用本文中所描述的方法和材料;但本领域中已知的其他合适的方法和材料也可以被使用。本文中所描述的材料、方法和实例仅是说明性的,并不是用来作为限制。所有出版物、专利申请案、专利案、临时申请案、数据库条目及本文中提及的其它参考文献等,其整体被并入本文中作为参考。若有冲突,以本说明书包括定义为准。
除非具体说明,本文所描述的材料、方法和实例仅是示例性的,而非限制性的。尽管与本文所述的那些方法和材料类似或等同的方法和材料可用于本发明的实施或测试,但本文仍描述了合适的方法和材料。
为了便于理解本发明的实施例,首先对本发明实施例中可能涉及的缩略语和关键术语进行解释说明或定义。
CA-CFAR算法、CA-CFAR:Cell Averaging-Constant False Alarm Rate,单元平均恒虚警检测算法;
OS-CFAR算法、OS-CFAR:Order Statistics-Constant False Alarm Rate,有序统计恒虚警检测算法;
VI-CFAR算法、VI-CFAR:Varibility Index-Constant False Alarm Rate,变化指数恒虚警检测算法;
CM-CFAR算法、CM-CFAR:Clutter Map-Constant False Alarm Rate,杂波图恒虚警检测算法;
OCM-CFAR算法、OCM-CFAR:Order Clutter Map-Constant False Alarm Rate,有序的杂波图恒虚警检测算法。
以下详细描述本发明。
实施例1:
提供一种有序的杂波图恒虚警检测算法,算法结构框图如图1所示,具体实现流程图如图2所示,具体包括下述步骤:
步骤一、通过OS-CFAR算法对雷达扫描数据进行处理计算待检测门限;
步骤二、将待检测门限与标称因子的倒数相乘得到待检测单元;
步骤三、利用CM-CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限T,需迭代计算完成检测门限T,
T=Y*α
其中,Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值;遗忘因子w是CM-CFAR特有的预设参数,其影响算法的迭代速度、抗目标干扰能力以及反馈实时性;
步骤四、将检测门限T与待检测单元的幅值d进行比较,若待检测单元的幅值大于检测门限,则待检测单元中存在目标回波能量,完成恒虚警检测;
将检测门限与待检测单元幅值d进行比较,以判断目标有无,
当待检测单元幅值大于检测门限时,假设H1成立,待检测单元中存在目标回波能量;否则,假设H0成立,待检测单元中没有目标回波能量。
使用传统CM-CFAR算法与本实施例所述OCM-CFAR算法分别对均匀环境下、多目标环境下以及杂波边缘环境下的仿真数据进行处理,分析对比不同算法的虚警概率PFA与检测门限,同时加入最优检测器opt作为对比参照。
在均匀环节下、多目标环境下和杂波边缘环境下产生的数据进行仿真,通过恒虚警检测处理计算检测门限,其中虚警概率为10-6,参考窗长度为30,保护单元为6,比例值为0.75,遗忘因子为1/256;CM-CFAR与OCM-CFAR进行1000次迭代优化,虚警概率PFA与门限因子α的关系如下:
具体仿真结果如图3、图4和图5所示。
图3示出了均匀环境下的仿真结果,由图3可知,在均匀环境下,OCM-CFAR算法的检测概率相比于CM-CFAR算法更优,其检测概率PD逐步向最优检测器收敛。
图4示出了多目标环境下的仿真结果,由图4可知,在多目标环境下OCM-CFAR算法的检测概率PD已快速向最优检测器收敛,相较于CM-CFAR算法性能更优。
图5示出了杂波边缘环境下的仿真结果,由图5可知,在杂波边缘低功率区,OCM-CFAR算法的虚警概率数值相比于CM-CFAR算法更接近最优检测器;在杂波边缘高功率区,OCM-CFAR算法的虚警概率数值相比于CM-CFAR算法更接近最优检测器。
上述仿真结果表明,在包括均匀环境、多目标环境及杂波边缘环境在内的不同类型环境下的实际需求中,OCM-CFAR算法的检测概率均快速向最优检测器收敛,检测性能高、抗干扰能力强,在复杂环境下的恒虚警检测中保证了目标检测的效能。
实施例2:
提供一种有序的杂波图恒虚警检测装置,包括:
有序统计模块,其被配置为利用OS-CFAR算法对雷达初次扫描数据进行处理,得到有序的数组进行初始化,获得待检测门限;利用OS-CFAR算法对雷达数据进行处理可弥补传统时序类算法在迭代初期的性能劣势;
待检测单元处理模块,其被配置为利用OS-CFAR算法处理得到的待检测门限乘以CM-CFAR算法的标称因子的倒数得到待检测单元;
检测门限处理模块,其被配置为利用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计,通过杂波估计计算得到检测门限T;
T=Y*α
其中,T为检测门限;Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值;采用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计并在一定程度上弥补了记忆效应造成的影响;
判断模块,其被配置为将检测门限与待检测单元的幅值d进行比较,以判断目标有无,
当待检测单元幅值大于检测门限时,假设H1成立,待检测单元中存在目标回波能量;否则,假设H0成立,待检测单元中没有目标回波能量。
实施例3:
提供一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时运行前述所述有序的杂波图恒虚警检测算法的至少一个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
实施例4:
还提供一种计算机设备,所述计算机设备包括存储器、处理器、通信接口以及通信总线;其中,所述存储器、处理器、通信接口通过所述通信总线进行相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的计算机程序,所述处理器执行所述计算机程序时实现前述所述有序的杂波图恒虚警检测算法的至少一个步骤,且能达到相同的技术效果,为避免重复,这里不再赘述。
计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体,可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PR AM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
上述实施例中的常规技术为本领域技术人员所知晓的现有技术,故在此不再详细赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管对本发明已作出了详细的说明并引证了一些具体实施例,但是对本领域熟练技术人员来说,只要不离开本发明的精神和范围可作各种变化或修正是显然的。
虽然上述具体实施方式已经显示、描述并指出应用于各种实施方案的新颖特征,但应理解,在不脱离本公开内容的精神的前提下,可对所说明的装置或方法的形式和细节进行各种省略、替换和改变。另外,上述各种特征和方法可彼此独立地使用,或可以各种方式组合。所有可能的组合和子组合均旨在落在本公开内容的范围内。上述许多实施方案包括类似的组分,并且因此,这些类似的组分在不同的实施方案中可互换。虽然已经在某些实施方案和实施例的上下文中公开了本发明,但本领域技术人员应理解,本发明可超出具体公开的实施方案延伸至其它的替代实施方案和/或应用以及其明显的修改和等同物。因此,本发明不旨在受本文优选实施方案的具体公开内容限制。
本发明未尽事宜均为公知技术。
Claims (10)
1.一种有序的杂波图恒虚警检测算法,其特征在于:以OS-CFAR算法对雷达扫描数据进行处理,计算获得待检测单元;以CM-CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限;将检测门限与待检测单元幅值进行比较完成恒虚警检测。
2.根据权利要求1所述的有序的杂波图恒虚警检测算法,其特征在于:所述有序的杂波图恒虚警检测算法适用于均匀、多目标以及杂波边缘环境的至少一种环境。
3.根据权利要求1或2所述的有序的杂波图恒虚警检测算法,其特征在于:具体包括:
S1、通过OS-CFAR算法对雷达扫描数据进行处理计算待检测门限;
S2、将待检测门限与标称因子的倒数相乘得到待检测单元;
S3、利用CM-CFAR算法进行处理得到背景杂波功率水平估计,利用标称因子计算检测门限T;
S4、将检测门限T与待检测单元的幅值d进行比较,若待检测单元的幅值大于检测门限,则待检测单元中存在目标回波能量,完成恒虚警检测。
4.根据权利要求3所述的有序的杂波图恒虚警检测算法,其特征在于:所述检测门限T的计算公式为:
T=Y*α
其中,Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值。
5.根据权利要求3所述的有序的杂波图恒虚警检测算法,其特征在于:所述步骤S3中计算检测门限T时需迭代计算完成检测门限T。
6.根据权利要求3所述的有序的杂波图恒虚警检测算法,其特征在于:将检测门限与待检测单元幅值d进行比较,以判断目标有无,
当待检测单元幅值大于检测门限时,假设H1成立,待检测单元中存在目标回波能量;否则,假设H0成立,待检测单元中没有目标回波能量。
7.一种有序的杂波图恒虚警检测装置,其特征在于包括:
有序统计模块,其被配置为利用OS-CFAR算法对雷达初次扫描数据进行处理,得到有序的数组进行初始化,获得待检测门限;
待检测单元处理模块,其被配置为利用OS-CFAR算法处理得到的待检测门限乘以CM-CFAR算法的标称因子的倒数得到待检测单元;
检测门限处理模块,其被配置为利用CM-CFAR算法对经过处理得到的待检测单元数据进行计算用以获取杂波估计,通过杂波估计计算得到检测门限;
判断模块,其被配置为将检测门限与待检测单元的幅值进行比较,当待检测单元幅值大于检测门限时,待检测单元中存在目标回波能量;当待检测单元幅值不大于检测门限时,待检测单元中没有目标回波能量。
8.根据权利要求7所述的装置,其特征在于:所述检测门限的计算公式为:
T=Y*α
其中,T为检测门限;Y为第t雷达扫描周期时刻的参考值;α为标称因子;
Y=w*d(t)+(1-w)*Y(t-1)
其中,w为遗忘因子;d(t)为第t雷达扫描周期时刻的待检测单元回波幅值;Y(t-1)为第t-1雷达扫描周期时刻的参考值。
9.一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,其特征在于:所述计算机程序被处理器执行时运行权利要求1-6任一项所述有序的杂波图恒虚警检测算法的至少一个步骤。
10.一种计算机设备,所述计算机设备包括存储器、处理器、通信接口以及通信总线;其中,所述存储器、处理器、通信接口通过所述通信总线进行相互间的通信;所述存储器,用于存放计算机程序;所述处理器,用于执行所述存储器上所存放的计算机程序;其特征在于:所述处理器执行所述计算机程序时实现权利要求1-6任一项所述有序的杂波图恒虚警检测算法的至少一个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371120.1A CN116559810A (zh) | 2023-04-10 | 2023-04-10 | 一种有序的杂波图恒虚警检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310371120.1A CN116559810A (zh) | 2023-04-10 | 2023-04-10 | 一种有序的杂波图恒虚警检测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116559810A true CN116559810A (zh) | 2023-08-08 |
Family
ID=87499137
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310371120.1A Pending CN116559810A (zh) | 2023-04-10 | 2023-04-10 | 一种有序的杂波图恒虚警检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116559810A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353594A (zh) * | 2013-06-17 | 2013-10-16 | 西安电子科技大学 | 二维自适应雷达恒虚警检测方法 |
KR20160039383A (ko) * | 2014-10-01 | 2016-04-11 | 국방과학연구소 | 적응 배경 선택에 의한 일정 오경보율 검파 방법 및 장치 |
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 |
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 |
CN113406593A (zh) * | 2021-07-28 | 2021-09-17 | 武汉大学 | 一种外辐射源雷达自适应分时杂波图恒虚警检测方法 |
US20220120855A1 (en) * | 2020-10-16 | 2022-04-21 | Nxp Usa, Inc. | Cell-average and ordered-statistic of cell-average cfar algorithms for log detectors |
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 |
-
2023
- 2023-04-10 CN CN202310371120.1A patent/CN116559810A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353594A (zh) * | 2013-06-17 | 2013-10-16 | 西安电子科技大学 | 二维自适应雷达恒虚警检测方法 |
KR20160039383A (ko) * | 2014-10-01 | 2016-04-11 | 국방과학연구소 | 적응 배경 선택에 의한 일정 오경보율 검파 방법 및 장치 |
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 |
US20220120855A1 (en) * | 2020-10-16 | 2022-04-21 | Nxp Usa, Inc. | Cell-average and ordered-statistic of cell-average cfar algorithms for log detectors |
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 |
CN113406593A (zh) * | 2021-07-28 | 2021-09-17 | 武汉大学 | 一种外辐射源雷达自适应分时杂波图恒虚警检测方法 |
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 |
Non-Patent Citations (1)
Title |
---|
毛云: "《西安电子科技大学硕士学位论文》", pages: 17 - 54 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
WO2021134449A1 (zh) | 一种强杂波下fmcw阵列雷达运动多目标弱信号检测方法、装置、计算机设备及存储介质 | |
CN107153178B (zh) | 外辐射源雷达参考信号含有多径干扰时的目标检测方法 | |
CN107340515B (zh) | 基于分布式组网雷达***的目标定位资源分配方法 | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及*** | |
CN112731307B (zh) | 基于距离-角度联合估计的ratm-cfar检测器及检测方法 | |
CN110007299B (zh) | 一种基于混合坐标伪谱技术的微弱目标检测跟踪方法 | |
CN107153180B (zh) | 一种目标信号检测方法及*** | |
CN111398910A (zh) | 雷达信号检测方法、装置、电子设备及存储介质 | |
US20200301007A1 (en) | Radar-based ranging processing method and device, and unmanned aerial vehicle | |
CN103197297B (zh) | 基于认知框架的雷达动目标检测方法 | |
CN111929679B (zh) | 一种自适应加权截断统计恒虚警检测方法 | |
Shnidman | Radar detection in clutter | |
CN111208486B (zh) | 全波形激光雷达波形分解方法 | |
CN110133612B (zh) | 一种基于跟踪反馈的扩展目标检测方法 | |
CN112684428A (zh) | 一种基于信号代理的多目标恒虚警率检测方法 | |
CN113376613A (zh) | 用于雷达探测的恒虚警检测方法、装置及电子设备 | |
Sahal et al. | Comparison of CFAR methods on multiple targets in sea clutter using SPX-radar-simulator | |
CN110429921B (zh) | 一种变步长lms自适应滤波方法及其存储介质 | |
US4940988A (en) | Two parameter clutter map | |
CN112505665B (zh) | 适用于部分均匀混响环境的空时自适应检测方法及*** | |
CN111796288B (zh) | 一种基于杂波频谱补偿技术的三坐标雷达动目标处理方法 | |
CN116559810A (zh) | 一种有序的杂波图恒虚警检测算法 | |
CN117368875A (zh) | 一种宽带雷达多模态运动目标相参积累检测方法及装置 | |
CN105652256B (zh) | 一种基于极化信息的高频地波雷达tbd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 |