CN103760542A - 一种基于多模式的变化指数恒虚警目标检测方法 - Google Patents

Abstract

本发明公开了一种基于多模式的变化指数恒虚警目标检测方法。本发明针对现有的雷达机动弱目标不同杂波背景交接处检测性能的不足，把目标信号可能经历的杂波背景模式设为模型集。本发明具体步骤如下:1.分别建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型；2.建立与杂波背景区域相应的模型集；3.将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗；4.根据模型进行权值计算，根据权值大小进行相应的恒虚警处理。本发明适用于多种杂波背景，分别利用了CA-CFAR、SO-CFAR、GO-CFAR在均匀杂波背景、杂波边缘背景和多目标背景中检测的优势；在不同杂波背景重叠处，检测概率得到很大的提高。

Description

一种基于多模式的变化指数恒虚警目标检测方法

技术领域

本发明属于雷达信号处理领域，尤其涉及一种基于多模式的变化指数恒虚警(Multiple Model Variability Index CFAR,MMVI-CFAR)目标检测方法。

背景技术

目前机载预警雷达信号处理常采用长时间相参积累方式，以增加实际利用的微弱目标回波信号能量提高雷达检测性能。微弱目标回波信号经过长时间能量积累和各种杂波抑制后，虽然其信噪比得到了改善，但是在信号中仍然存在着各种噪声、杂波、干扰信号。当杂波和目标回波在雷达显示器上同时显示时，会使目标的观察变得很困难。如果目标处在杂波背景内，我们制定的检测门限若定的偏高就会使弱的目标湮没在强杂波中，形成漏警；但是若门限偏低就会使强杂波误报成为目标信号，形成虚警。因此，无论从抗干扰或改善雷达工作质量的观点来看，在一定的虚警概率下使发现概率尽可能的大都是一个很重要的问题。恒虚警检测就是在一定虚警率的情况下，使用自适应的检测门限代替固定门限。随着被检测单元附近的背景噪声、杂波和干扰的变化，检测门限也将自适应的调整。在背景杂波、噪声、干扰较大的情况下，提高检测门限。反之，则降低检测门限，从而提高了对目标信号的检测性能。因此，无论从抗干扰或改善雷达工作质量的观点来看，在一定的虚警概率下使发现概率尽可能的大都是一个很重要的问题。针对均匀杂波背景下的目标检测问题，常采用单元平均恒虚警(CA-CFAR)检测器，以及这种方法的修正单元平均选大恒虚警（GO-CFAR）和单元平均选小恒虚警（SO-CFAR）。目前已经形成体系的一类CFAR检测器,具有一定的代表性。针对非均匀杂波背景下的目标检测问题，提高恒虚警检测器抗干扰目标的能力，常采用有序统计量恒虚警检测器(OS-CFAR)，对参考采样值作排序处理,然后取第k个采样值作为总的背景杂波功率水平估计，删除均值恒虚警(CMLD-CFAR)检测器可以有效的提高杂波边缘处有序统计恒虚警的抗干扰能力，将干扰目标从参考单元序列中排除出去，然后根据删除后的采样值重新估计杂波功率。杂波是由地物、海洋、云雨雪雾冰雹以及人为释放的箔条等物体产生的不需要的散射回波信号。这些不需要的杂波信号将对雷达目标信号的检测和跟踪产生干扰。但是为了能够有效地在复杂杂波背景下进行恒虚警检测，必须知道杂波的幅度特性和频谱特性，所以建立准确、合理的杂波统计模式在恒虚警检测中是非常重要的，由于实际应用中雷达的工作区域随着作战的环境的变化而变换。因此采用单一背景建模进行恒虚警检测，就不能有效的检测出运动目标信号。

发明内容

本发明针的目的是针对现有的雷达机动弱目标单一杂波背景下检测的不足，提出的一种基于多模式的变化指数恒虚警（MMVI-CFAR）目标检测方法。本发明基本思想是把目标可能经历的杂波背景模式设为模式集，集合中的各个模式代表不同的杂波背景，利用多个基于不同模式的检测器并行工作，目标检测概率为各个检测器检测概率的加权。本发明提出的基于多模式的变化指数恒虚警目标检测方法，即在均匀杂波背景下采用单元平均恒虚警，在杂波边缘背景下采用单元平均选大恒虚警（GO-CFAR），非均匀多目标背景下采用单元平均选小恒虚警（SO-CFAR）处理。

本发明解决其技术问题所采用的技术方案具体包括如下步骤：

步骤1.分别建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型；

步骤2.建立与杂波背景区域相应的模型集；

步骤3.将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗；

步骤4.根据模型进行权值计算，根据权值大小进行相应的恒虚警处理。

步骤1所述的建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型，具体如下：

1-1.建立瑞利均匀分布，瑞利分布对应均匀杂波背景，其概率密度函数表达式f₁(x)为：

$f_1\left(x\right)=\frac{x}{{\mathrm{\σ}}^2}\exp (-\frac{x^2}{2{\mathrm{\σ}}^2}),x\≥0---\left(1\right)$

式中，x为杂波回波的包络幅度，σ为瑞利分布参数；

1-2.建立K分布，K分布是一种有两个参数概率分布的杂波分布统计模型，由一个快变调制分量和一个慢变调制分量组成，用K分布模拟杂波边缘背景，其概率密度函数表达式f₂(x)为：

$f_2\left(x\right)=\frac{2b}{\mathrm{\Γ}\left(v\right)}{\left(\frac{\mathrm{bx}}{2}\right)}^v{K}_{v-1}\left(\mathrm{bx}\right)---\left(2\right)$

其中，v为形状参数，决定了杂波分布的特征；b为尺度参数，受杂波分布中值与雷达反射截面积影响；Γ(·)为伽玛函数，K_v-1为修正贝塞尔函数；

1-3.建立韦布尔分布

韦布尔分布模型是一种介于瑞利分布模型和对数-正态分布模型之间的杂波分布模型，是一个分布族，能够对的杂波环境进行幅度分布模拟；韦布尔分布其概率密度函数表达式f₃(x)为：

$f_3\left(x\right)=\frac{{\mathrm{\αx}}^{\mathrm{\α}-1}}{x_m}\exp [-{\left(\frac{x}{x_m}\right)}^{\mathrm{\α}}],x\≥0---\left(3\right)$

其中，α为分布形状函数（Weibull斜度参数），x_m为分布中值；α＝1时，韦布尔分布变成指数分布，α＝2时，韦布尔分布则成为瑞利分布。

步骤2所述的建立与杂波背景区域相应的模型集，具体如下：

P{M¹(k)|Z(k)}+P{M²(k)|Z(k)}+P{M³(k)|Z(k)}＝1    (4)

其中M＝{M¹,M²,M³}表示杂波的模型集，M¹表示均匀杂波背景，M²表示杂波边缘背景，M³表示非均匀多目标背景，Z(k)表示在k时刻的量测集。

步骤3所述的将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗，具体如下：

用如下的公式计算每一个参考窗口的VI值:

$\mathrm{VI}=1+\frac{{\widehat{\mathrm{\δ}}}^2}{{\widehat{\mathrm{\μ}}}^2}=1+\frac{1}{n+1}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2/{\left(\stackrel{\‾}{X}\right)}^2---\left(5\right)$

其中，VI是一个和噪声环境的变化起伏密切相关的统计量；

是半个参考窗，即n个参考单元的算术平均值；X_i(i＝1,...,n)为参考单元；

为统计平均值；为方差；

通过比较VI和门限K_VI来判断每个参考窗口是否均匀：

当左参考窗杂波均匀时，令系数λ₁值为VI和K_VI的两者之比；当右参考窗杂波均匀时，令系数λ₂值为VI和K_VI的两者之比；MR为左参考窗的均值和右参考窗的均值之比:

$\mathrm{MR}={\stackrel{\‾}{X}}_A/{\stackrel{\‾}{X}}_B=\underset{i\∈A}{\mathrm{\Σ}}{X}_i/\underset{i\∈B}{\mathrm{\Σ}}{X}_i---\left(7\right)$

其中

和

分别对应于左参考窗口和右参考窗口的均值；

通过比较MR和门限K_MR及K_MR的倒数，得出如下的判定：

令系数λ₃的值为MR和门限K_MR的两者之比，MMVI-CFAR的检测自适应门限是根据VI和MR的结果确定的，具体确定如下所示：

若左参考窗非均匀变化、右参考窗非均匀变化、左参考窗的均值和右参考窗的均值相同，MMVI-CFAR中起主要作用的是GO-CFAR，若左参考窗和右参考窗皆均匀变化，MMVI-CFAR中起主要作用的是SO-CFAR，除上述两种情况下，MMVI-CFAR中起主要作用的是CA-CFAR，具体参看表1：

表1MMVI-CFAR自适应门限选择

。

步骤4所述的将根据模型进行权值计算，根据权值大小进行相应的恒虚警处理，具体如下：

P{M(k)|Z(k)}＝μ₁P{M¹(k)|Z(k)}+μ₂P{M²(k)|Z(k)}+μ₃P{M³(k)|Z(k)}    (9)

其中μ₁＝1-λ₁*λ₂-(1-λ₁)*(1-λ₂)*λ₃、μ₂＝λ₁*λ₂、μ₃＝(1-λ₁)*(1-λ₂)*λ₃均为权值系数；P{M(k)|Z(k)}为权值计算后的杂波模型；当目标信号在瑞利均匀分布背景时，权值系数μ₁起主要作用，即采用单元平均恒虚警处理；当目标信号在K分布时，权值系数μ₂起主要作用，即采用单元平均选大恒虚警处理；当目标信号在韦布尔分布时，权值系数μ₃起主要作用，即采用单元平均选小恒虚警处理。

本发明有益效果如下：

本发明的关键技术在于选择合适的门限参数进行杂波背景区域判断，与传统的单一杂波背景下恒虚警检测相比，本发明有两个优点：(1)、适用于多种杂波背景，分别利用了CA-CFAR、SO-CFAR、GO-CFAR在均匀杂波背景、杂波边缘背景和多目标背景中检测的优势；(2)、在不同杂波背景重叠处，与一般的恒虚警处理算法相比，检测概率得到很大的提高。

附图说明

图1为本发明流程图。

具体实施方式

下面结合附图对本发明做进一步的说明。

如图1所示，一种基于多模式的变化指数恒虚警目标检测方法，对三个恒虚警检测器进行加权融合，即在均匀杂波背景下采用单元平均恒虚警，在杂波边缘背景下采用GO-CFAR，非均匀多目标背景下采用SO-CFAR；具体包括以下步骤：

步骤1.分别建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型。

1-1.建立瑞利均匀分布（Rayleigh分布），瑞利分布对应均匀杂波背景，其概率密度函数表达式f₁(x)为：

$f_1\left(x\right)=\frac{x}{{\mathrm{\σ}}^2}\exp (-\frac{x^2}{2{\mathrm{\σ}}^2}),x\≥0---\left(1\right)$

式中，x为杂波回波的包络幅度，σ为瑞利分布参数。

1-2.建立K分布，K分布是一种有两个参数概率分布的杂波分布统计模型，由一个快变调制分量和一个慢变调制分量组成，通常用K分布模拟杂波边缘背景，其概率密度函数表达式f₂(x)为：

$f_2\left(x\right)=\frac{2b}{\mathrm{\Γ}\left(v\right)}{\left(\frac{\mathrm{bx}}{2}\right)}^v{K}_{v-1}\left(\mathrm{bx}\right)---\left(2\right)$

其中，v为形状参数，决定了杂波分布的特征；b为尺度参数，受杂波分布中值与雷达反射截面积影响；Γ(·)为伽玛函数，K_v-1为修正贝塞尔函数。

1-3.建立韦布尔分布（Weibull分布）

韦布尔分布模型是一种介于瑞利分布模型和对数-正态分布模型之间的杂波分布模型，该模型能够提供比较合理的杂波幅度分布动态范围，它是一个分布族，因此能够对广泛的杂波环境进行幅度分布模拟。韦布尔分布其概率密度函数表达式f₃(x)为：

$f_3\left(x\right)=\frac{{\mathrm{\αx}}^{\mathrm{\α}-1}}{x_m}\exp [-{\left(\frac{x}{x_m}\right)}^{\mathrm{\α}}],x\≥0---\left(3\right)$

其中，α为分布形状函数（Weibull斜度参数），x_m为分布中值；α＝1时，韦布尔分布变成指数分布，α＝2时，韦布尔分布则成为瑞利分布。

步骤2.建立与杂波背景区域相应的模型集。

P{M¹(k)|Z(k)}+P{M²(k)|Z(k)}+P{M³(k)|Z(k)}＝1    (4)

其中M＝{M¹,M²,M³}表示杂波的模型集，M¹表示均匀杂波背景，M²表示杂波边缘背景，M³表示非均匀多目标背景，Z(k)表示在k时刻的量测集。

步骤3.将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗；

MMVI-CFAR同时利用参考窗的VI和MR两个变量去选择底使用前参考窗口、后参考窗口还是全参考窗口用来估计噪声水平。窗口的选择实际上是当前噪声环境的统计特性决定。VI是一个和噪声环境的变化起伏密切相关的统计量,用如下的公式计算每一个窗VI值:

$\mathrm{VI}=1+\frac{{\widehat{\mathrm{\δ}}}^2}{{\widehat{\mathrm{\μ}}}^2}=1+\frac{1}{n+1}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2/{\left(\stackrel{\‾}{X}\right)}^2---\left(5\right)$

其中

是半个参考窗，即n个参考单元的算术平均值，X_i(i＝1,...,n)为参考单元，

为统计平均值，

为方差；通过比较VI和门限K_VI来判断每个参考窗是否均匀：

当左参考窗杂波均匀时，令系数λ₁值为VI和K_VI的两者之比，当右参考窗杂波均匀时，令系数λ₂值为VI和K_VI的两者之比；MR是用左参考窗的均值和右参考窗的均值之比:

$\mathrm{MR}={\stackrel{\‾}{X}}_A/{\stackrel{\‾}{X}}_B=\underset{i\∈A}{\mathrm{\Σ}}{X}_i/\underset{i\∈B}{\mathrm{\Σ}}{X}_i---\left(7\right)$

其中

和

分别对应于左参考窗口和右参考窗口的均值。在均匀检测场景中MR的概率密度函数是自由分布的。但是当左参考窗口内有干扰时MR的值会上升，当右参考窗口有干扰时，MR会下降。

通过比较MR和门限K_MR及K_MR的倒数，我们能够做出如下的判定

令系数λ₃值为MR和门限K_MR的两者之比，MMVI-CFAR的检测自适应门限是根据VI假设和MR假设检验的结果确定的，确定方法如表1所示：

若左参考窗非均匀变化、右参考窗非均匀变化、左参考窗的均值和右参考窗的均值相同，MMVI-CFAR中起主要作用的是GO-CFAR，若左参考窗和右参考窗皆均匀变化，MMVI-CFAR中起主要作用的是SO-CFAR，除上述两种情况下，MMVI-CFAR中起主要作用的是CA-CFAR，具体参看表1：

表1MMVI-CFAR自适应门限选择

步骤4.根据模型进行权值计算，根据权值大小进行相应的恒虚警处理。

P{M(k)|Z(k)}＝μ₁P{M¹(k)|Z(k)}+μ₂P{M²(k)|Z(k)}+μ₃P{M³(k)|Z(k)}    (9)

其中μ₁＝1-λ₁*λ₂-(1-λ₁)*(1-λ₂)*λ₃、μ₂＝λ₁*λ₂、μ₃＝(1-λ₁)*(1-λ₂)*λ₃均为权值系数，P{M(k)|Z(k)}为权值计算后的杂波模型，当目标信号在瑞利均匀分布背景时，权值系数μ₁起主要作用，即采用单元平均恒虚警（CA-CFAR）处理，当目标信号在K分布时，权值系数μ₂起主要作用，即采用单元平均选大恒虚警（GO-CFAR）处理；当目标信号在韦布尔分布时，权值系数μ₃起主要作用，即采用单元平均选小恒虚警（SO-CFAR）处理。

Claims (5)

1.一种基于多模式的变化指数恒虚警目标检测方法，其特征在于包括以下步骤：

步骤1.分别建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型；

步骤2.建立与杂波背景区域相应的模型集；

步骤3.将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗；

步骤4.根据模型进行权值计算，根据权值大小进行相应的恒虚警处理。

2.如权利要求所述的一种基于多模式的变化指数恒虚警目标检测方法，其特征在于步骤1所述的建立均匀杂波背景、杂波边缘背景和非均匀多目标背景模型，具体如下：

1-1.建立瑞利均匀分布，瑞利分布对应均匀杂波背景，其概率密度函数表达式f₁(x)为：

$f_1\left(x\right)=\frac{x}{{\mathrm{\σ}}^2}\exp (-\frac{x^2}{2{\mathrm{\σ}}^2}),x\≥0---\left(1\right)$

式中，x为杂波回波的包络幅度，σ为瑞利分布参数；

1-2.建立K分布，K分布是一种有两个参数概率分布的杂波分布统计模型，由一个快变调制分量和一个慢变调制分量组成，用K分布模拟杂波边缘背景，其概率密度函数表达式f₂(x)为：

$f_2\left(x\right)=\frac{2b}{\mathrm{\Γ}\left(v\right)}{\left(\frac{\mathrm{bx}}{2}\right)}^v{K}_{v-1}\left(\mathrm{bx}\right)---\left(2\right)$

其中，v为形状参数，决定了杂波分布的特征；b为尺度参数，受杂波分布中值与雷达反射截面积影响；Γ(·)为伽玛函数，K_v-1为修正贝塞尔函数；

1-3.建立韦布尔分布

韦布尔分布模型是一种介于瑞利分布模型和对数-正态分布模型之间的杂波分布模型，是一个分布族，能够对的杂波环境进行幅度分布模拟；韦布尔分布其概率密度函数表达式f₃(x)为：

$f_3\left(x\right)=\frac{{\mathrm{\αx}}^{\mathrm{\α}-1}}{x_m}\exp [-{\left(\frac{x}{x_m}\right)}^{\mathrm{\α}}],x\≥0---\left(3\right)$

其中，α为分布形状函数（Weibull斜度参数），x_m为分布中值；α＝1时，韦布尔分布变成指数分布，α＝2时，韦布尔分布则成为瑞利分布。

3.如权利要求所述的一种基于多模式的变化指数恒虚警目标检测方法，其特征在于步骤2所述的建立与杂波背景区域相应的模型集，具体如下：

P{M¹(k)|Z(k)}+P{M²(k)|Z(k)}+P{M³(k)|Z(k)}＝1    (4)

其中M＝{M¹,M²,M³}表示杂波的模型集，M¹表示均匀杂波背景，M²表示杂波边缘背景，M³表示非均匀多目标背景，Z(k)表示在k时刻的量测集。

4.如权利要求所述的一种基于多模式的变化指数恒虚警目标检测方法，其特征在于步骤3所述的将参考窗分为左参考窗口、右参考窗口、全参考窗口三个参考窗，具体如下：

用如下的公式计算每一个参考窗口的VI值:

$\mathrm{VI}=1+\frac{{\widehat{\mathrm{\δ}}}^2}{{\widehat{\mathrm{\μ}}}^2}=1+\frac{1}{n+1}\·\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{(X_i-\stackrel{\‾}{X})}^2/{\left(\stackrel{\‾}{X}\right)}^2---\left(5\right)$

其中，VI是一个和噪声环境的变化起伏密切相关的统计量；是半个参考窗，即n个参考单元的算术平均值；X_i(i＝1,...,n)为参考单元；为统计平均值；

为方差；

通过比较VI和门限K_VI来判断每个参考窗口是否均匀：

当左参考窗杂波均匀时，令系数λ₁值为VI和K_VI的两者之比；当右参考窗杂波均匀时，令系数λ₂值为VI和K_VI的两者之比；MR为左参考窗的均值和右参考窗的均值之比:

$\mathrm{MR}={\stackrel{\‾}{X}}_A/{\stackrel{\‾}{X}}_B=\underset{i\∈A}{\mathrm{\Σ}}{X}_i/\underset{i\∈B}{\mathrm{\Σ}}{X}_i---\left(7\right)$

其中

和

分别对应于左参考窗口和右参考窗口的均值；

通过比较MR和门限K_MR及K_MR的倒数，得出如下的判定：

令系数λ₃的值为MR和门限K_MR的两者之比，MMVI-CFAR的检测自适应门限是根据VI和MR的结果确定的，具体确定如下所示：

若左参考窗非均匀变化、右参考窗非均匀变化、左参考窗的均值和右参考窗的均值相同，MMVI-CFAR中起主要作用的是GO-CFAR，若左参考窗和右参考窗皆均匀变化，MMVI-CFAR中起主要作用的是SO-CFAR，除上述两种情况下，MMVI-CFAR中起主要作用的是CA-CFAR，具体参看表1：

表1MMVI-CFAR自适应门限选择

。

5.如权利要求所述的一种基于多模式的变化指数恒虚警目标检测方法，其特征在于步骤4所述的将根据模型进行权值计算，根据权值大小进行相应的恒虚警处理，具体如下：

P{M(k)|Z(k)}＝μ₁P{M¹(k)|Z(k)}+μ₂P{M²(k)|Z(k)}+μ₃P{M³(k)|Z(k)}    (9)

其中μ₁＝1-λ₁*λ₂-(1-λ₁)*(1-λ₂)*λ₃、μ₂＝λ₁*λ₂、μ₃＝(1-λ₁)*(1-λ₂)*λ₃均为权值系数；P{M(k)|Z(k)}为权值计算后的杂波模型；当目标信号在瑞利均匀分布背景时，权值系数μ₁起主要作用，即采用单元平均恒虚警处理；当目标信号在K分布时，权值系数μ₂起主要作用，即采用单元平均选大恒虚警处理；当目标信号在韦布尔分布时，权值系数μ₃起主要作用，即采用单元平均选小恒虚警处理。

Images