CN104237861A - 一种未知杂波背景下的cfar检测门限获取方法 - Google Patents
一种未知杂波背景下的cfar检测门限获取方法 Download PDFInfo
- Publication number
- CN104237861A CN104237861A CN201410467903.0A CN201410467903A CN104237861A CN 104237861 A CN104237861 A CN 104237861A CN 201410467903 A CN201410467903 A CN 201410467903A CN 104237861 A CN104237861 A CN 104237861A
- Authority
- CN
- China
- Prior art keywords
- unit
- detection threshold
- false
- cfar
- probability
- 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
- G01S7/41—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
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
该发明一种未知杂波背景下的CFAR检测门限获取方法,属于雷达弱目标检测技术领域,它特别涉及了非参数估计和低信噪比下恒虚警检测技术领域。该方法基于参考单元数据,利用核密度估计方法实时准确的估计杂波背景的概率密度函数,进而根据概率密度函数与上分位点之间的关系确定初步的检测门限,最后利用门限修正因子对初步门限做一个修正,保证检测器维持设定虚警概率。从而具有通用性强、结构简单、与背景无关、在小数据量下获得较高的检测性能并保持恒虚警特性的检测门限获取方法,改善CFAR检测性能。
Description
技术领域
本发明属于雷达弱目标检测技术领域,它特别涉及了非参数估计和低信噪比下恒虚警检测技术领域。
背景技术
恒虚警检测是雷达目标检测中抑制由杂波引起的虚警的一种重要措施,随着雷达探测威力的提升,探测环境的日益复杂化(时变空变性),杂波的统计特性越来越复杂,杂波分布特性与雷达入射角、极化方式、地形分布、人造建筑、预处理方式(相参积累、幅度检波等)等条件密切相关。上述任何一个条件发生变化,杂波的统计特性都有可能随之改变,导致假设的杂波分布模型与实际杂波分布模型失配或者难以得到杂波的统计分布特性,此时,由先验信息假设背景杂波的统计模型,进行参数估计得到检测门限的传统参量CFAR检测方法将会导致严重的性能损失:实际虚警概率偏离期望值,检测概率下降。
针对上述问题,Nitzberg R和Farina F讨论了广义复合杂波分布模型,其分布函数一般是积分形式或无穷级数形式,只有在特殊参数取值下才有解析表达式。Roy采用Alpha-Stable分布,但是其概率密度函数不存在解析表达式,仅能由特征函数来表达。Varshney介绍了符号检测器和Wilcoxon检测器两种非参量检测器。它们都能够在未知杂波分布模型下实现雷达目标的有效检测,但是在单次扫描条件下的虚警概率很高,需要进行多次扫描积累来降低虚警概率,这在一定程度上限制了该类CFAR检测器的应用。国防科技大学的陈建军提出了利用参考窗内的数据拟合出背景杂波数据右截尾概率与上分位点之间的函数关系,从而得到检测门限的方法。但是这种拟合方法需要大量的数据作支撑,在小数据量下检测性能较差。国防科技大学的李军利用分数阶矩估计方法去获得杂波的最大熵概率密度函数估计,进而确定检测门限,实现CFAR检测。所以针对未知背景下的雷达目标检测问题,获取一个与背景无关的最优检测门限,提升恒虚警检测能力具有重要的理论价值和实际意义。
发明内容:
本发明的目的是针对未知杂波统计特性下雷达目标检测存在的缺陷,研究设计一种通用性强、结构简单、与背景无关、在小数据量下获得较高的检测性能并保持恒虚警特性的检测门限获取方法,改善CFAR检测性能。
本发明基于核密度估计的CFAR检测门限获取方法,该方法基于参考单元数据,利用核密度估计方法实时准确的估计杂波背景的概率密度函数,进而根据概率密度函数与上分位点之间的关系确定初步的检测门限,最后利用门限修正因子对初步门限做一个修正,保证检测器维持设定虚警概率。因而本发明一种未知杂波背景下的CFAR检测门限获取方法,该方法包括:
步骤1、初始化系统参数包括:参考窗长N,虚警概率Pfa,概率密度函数的随机变量x,带宽的取值范围r;
步骤2、从单脉冲雷达接收机中读取第n帧数据,Z(n)={zn(m)},1<m<Nr,其中Nr为总的距离单元数,m为距离单元的量测状态,zn(m)表示第n帧回波数据的量测单元m中的量测值;
步骤3、设定参考窗长度为N,将待检测单元左、右两侧各N/2个分辨单元作为参考单元,计算对核函数加权的带宽h;
步骤4、利用参考窗中各单元数据估计待检测单元的概率密度函数和分布函数 其中,Φ为标准正态分布的分布函数;
步骤5、求取初步检测门限T, 表示的反函数;
步骤6、为了保持检测器处于设定的虚警概率,在给定虚警概率Pfa下采用蒙特卡洛方法求取门限修正因子κ;
步骤7、计算精确检测门限Texact=κ·T;
步骤8、待检单元的幅值xcut与检测门限比较,如果xcut>Texact,则表明本单元有目标存在,在雷达显示屏上显示点迹,否则本单元没有目标存在,不显示点迹。
所述步骤3中参考窗长度N的取值为24或32。
所述步骤6中在设定虚警概率Pfa下,设定门限因子的变化范围为κc=1:0.1:20,通过1000/Pfa次matlab仿真,在κc的范围内找出使实际虚警概率P′fa等于设定虚警概率Pfa的合适的门限修正因子值κ。
本发明一种未知杂波背景下的CFAR检测门限获取方法,在未知环境下,能够利用核密度估计准确地估计出杂波的真实统计分布特性,从而具有通用性强、结构简单、与背景无关、在小数据量下获得较高的检测性能并保持恒虚警特性的效果。
附图说明:
图1为本发明流程图。
图2为weibull分布背景下概率密度函数估计与真实概率密度函数的对比及它们之间的绝对误差示意图;
其中(a)为不同weibull形状参数分布下真实概率密度函数与估计所得概率密度函数的对比,(b)估计概率密度函数的绝对误差示意图。
图3为weibull分布背景下虚警概率的变化曲线示意图;
其中(a)为不同检测门限下,K-CFAR下虚警概率和weibull下最优CFAR检测(WLH-CFAR)器虚警概率随尺度参数的变化曲线示意图。
(b)为不同检测门限下,K-CFAR下虚警概率和weibull下最优CFAR检测器虚警概率随形状参数的变化曲线示意图。
图4为在weibull杂波背景情况下执行本发明的检测算法与多种传统CFAR算法的检测性能比较图。
具体实施方式:
本发明主要通过计算机仿真产生一组独立同分布但杂波分布类型未知的数据,假设这些数据由服从Weibull分布的复数剧组成,但是我们对其分布特性没有任何先验信息。通过与几种传统CFAR检测算法作比较,来验证本发明方法的有效性。所有步骤、结论都在MATLAB-R2012b上验证确认。具体实施步骤如下:
步骤1、初始化系统参数。
初始化系统参数包括:参考窗长N=24,虚警概率Pfa=10-3,待估计概率密度函数的随机变量x=0:0.1:10,带宽的取值范围r=0:0.01:10。
步骤2、从单脉冲雷达接收机中读取第n帧数据。
Z(n)={zn(m)},1<m<Nr,其中Nr为总的距离单元数,m为距离单元的量测状态,zn(m)表示第n帧回波数据的量测单元m中的量测值,为回波数据的幅度。
步骤3、求取合适的带宽h,核密度估计的思想是对核函数在不同样本点处的值进行加权平均,对核函数加权的宽度为h。当带宽h过小时,随机性影响会使估计的概率密度曲线产生许多突出点,导致估计的概率密度函数不光滑;而带宽h过大时,估计的概率密度函数曲线将会被过度平均化,某些较细致的性质将会被遮盖。
步骤4、利用参考单元数据估计待检测单元的概率密度函数和分布函数
利用以下两式子估计待检测单元的概率密度函数和分布函数, 其中,Φ表示标准正态分布的分布函数。
步骤5、求取初步检测门限T。
检测门限 表示的反函数。
步骤6、求取门限修正因子κ
在设定虚警概率Pfa=10-3下,采用1×106次蒙特卡罗方法求取门限因子κ。
步骤7、精确检测门限Texact的获取
Texact=κ·T。
步骤8、待检单元的幅值xcut与检测门限比较,显示检测点迹。
如果xcut>Texact,则表明本单元有目标存在,在雷达显示屏上显示点迹。否则本单元没有目标存在,不显示点迹。
通过上面的步骤就可以在未知杂波统计特性的情况下,实现对微弱目标的有效检测。
在上述仿真中,核密度估计概率密度函数的准确性分析如图2所示,其准确性是由评价的,其中f表示经验分布函数,表示估计得到的分布函数。由图2结果可知,绝对误差都在0.1以下,可以看出由核密度估计得到的概率密度函数函数是相对准确的。
图3给出不同情况下虚警概率的变化曲线,由图3结果可知,本发明所提方法的恒虚警特性接近于weibull分布下的最优CFAR检测器(WLH-CFAR)的恒虚警特性,即保持了恒虚警特性。
由图4的对比结果可知,本发明所提方法在设定虚警概率下,检测性能与最优CFAR检测器检测性能几乎一致。
基于核密度估计的CFAR检测性能与传统CFAR检测性能的对比如图4所示,由对比结果可知,在虚警概率为Pfa=10-3时,本发明所提的方法在未知杂波背景下的性能优于传统CFAR和非参量符号CFAR检测器,证明了本发明方法在未知杂波背景检测中的有效性。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (3)
1.一种未知杂波背景下的CFAR检测门限获取方法,该方法包括:
步骤1、初始化系统参数包括:参考窗长N,虚警概率Pfa,概率密度函数的随机变量x,带宽的取值范围r;
步骤2、从单脉冲雷达接收机中读取第n帧数据,Z(n)={zn(m)},1<m<Nr,其中Nr为总的距离单元数,m为距离单元的量测状态,zn(m)表示第n帧回波数据的量测单元m中的量测值;
步骤3、设定参考窗长度为N,将待检测单元左、右两侧各N/2个分辨单元作为参考单元,计算对核函数加权的带宽h;
步骤4、利用参考窗中各单元数据估计待检测单元的概率密度函数和分布函数 其中,Φ为标准正态分布的分布函数;
步骤5、求取初步检测门限T, 表示的反函数;
步骤6、为了保持检测器处于设定的虚警概率,在给定虚警概率Pfa下采用蒙特卡洛方法求取门限修正因子κ;
步骤7、计算精确检测门限Texact=κ·T;
步骤8、待检单元的幅值xcut与检测门限比较,如果xcut>Texact,则表明本单元有目标存在,在雷达显示屏上显示点迹,否则本单元没有目标存在,不显示点迹。
2.如权利要求1所述的一种未知杂波背景下的CFAR检测门限获取方法,其特征在于所述步骤3中参考窗长度N的取值为24或32。
3.如权利要求1所述的一种未知杂波背景下的CFAR检测门限获取方法,其特征在于所述步骤6中在设定虚警概率Pfa下,设定门限因子的变化范围为κc=1:0.1:20,通过1000/Pfa次matlab仿真,在κc的范围内找出使实际虚警概率P′fa等于设定虚警概率Pfa的合适的门限修正因子值κ。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410467903.0A CN104237861B (zh) | 2014-09-15 | 2014-09-15 | 一种未知杂波背景下的cfar检测门限获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410467903.0A CN104237861B (zh) | 2014-09-15 | 2014-09-15 | 一种未知杂波背景下的cfar检测门限获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104237861A true CN104237861A (zh) | 2014-12-24 |
CN104237861B CN104237861B (zh) | 2016-08-17 |
Family
ID=52226320
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410467903.0A Active CN104237861B (zh) | 2014-09-15 | 2014-09-15 | 一种未知杂波背景下的cfar检测门限获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104237861B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537675A (zh) * | 2015-01-10 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种sar图像双边cfar舰船目标检测方法 |
CN105954739A (zh) * | 2016-04-20 | 2016-09-21 | 电子科技大学 | 一种知识辅助的非参量恒虚警检测方法 |
CN109283416A (zh) * | 2018-11-20 | 2019-01-29 | 广东电网有限责任公司 | 一种敏感设备故障率的计算方法及装置 |
CN111562569A (zh) * | 2020-04-21 | 2020-08-21 | 哈尔滨工业大学 | 基于加权群稀疏约束的Weibull背景下多目标恒虚警检测方法 |
US11016172B2 (en) | 2017-11-21 | 2021-05-25 | Rohde & Schwarz Gmbh & Co. Kg | Testing system and method for testing the performance of a detector |
CN112986947A (zh) * | 2021-04-13 | 2021-06-18 | 南京雷电信息技术有限公司 | 一种基于机器学习的点迹过滤处理方法 |
CN113671459A (zh) * | 2021-07-10 | 2021-11-19 | 亿太特(陕西)科技有限公司 | Fmcw雷达动目标恒虚警检测方法 |
CN114859342A (zh) * | 2022-03-24 | 2022-08-05 | 电子科技大学 | 一种基于韦泊尔-广义高斯的对海超分辨成像方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4013998A (en) * | 1973-11-30 | 1977-03-22 | Tullio Bucciarelli | System to render constant the probability of false alarm in radar signals converted into numerical form |
JP2011047769A (ja) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | 目標検出装置 |
CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
CN103544296A (zh) * | 2013-10-22 | 2014-01-29 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
-
2014
- 2014-09-15 CN CN201410467903.0A patent/CN104237861B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4013998A (en) * | 1973-11-30 | 1977-03-22 | Tullio Bucciarelli | System to render constant the probability of false alarm in radar signals converted into numerical form |
JP2011047769A (ja) * | 2009-08-26 | 2011-03-10 | Toshiba Corp | 目標検出装置 |
CN103176178A (zh) * | 2013-02-04 | 2013-06-26 | 中国人民解放军海军航空工程学院 | 雷达动目标Radon-分数阶傅里叶变换长时间相参积累检测方法 |
CN103544296A (zh) * | 2013-10-22 | 2014-01-29 | 中国人民解放军海军航空工程学院 | 雷达距离扩展目标自适应智能融合检测方法 |
Non-Patent Citations (2)
Title |
---|
曹琦等: "基于非参估计的局部滑窗双参CFAR目标检测", 《现代防御技术》 * |
杜雨洺等: "基于FRFT的LFMCW雷达加速动目标检测与参数估计", 《电波科学学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104537675A (zh) * | 2015-01-10 | 2015-04-22 | 中国人民解放军国防科学技术大学 | 一种sar图像双边cfar舰船目标检测方法 |
CN104537675B (zh) * | 2015-01-10 | 2015-12-09 | 中国人民解放军国防科学技术大学 | 一种sar图像双边cfar舰船目标检测方法 |
CN105954739A (zh) * | 2016-04-20 | 2016-09-21 | 电子科技大学 | 一种知识辅助的非参量恒虚警检测方法 |
US11016172B2 (en) | 2017-11-21 | 2021-05-25 | Rohde & Schwarz Gmbh & Co. Kg | Testing system and method for testing the performance of a detector |
CN109283416A (zh) * | 2018-11-20 | 2019-01-29 | 广东电网有限责任公司 | 一种敏感设备故障率的计算方法及装置 |
CN111562569A (zh) * | 2020-04-21 | 2020-08-21 | 哈尔滨工业大学 | 基于加权群稀疏约束的Weibull背景下多目标恒虚警检测方法 |
CN111562569B (zh) * | 2020-04-21 | 2022-12-06 | 哈尔滨工业大学 | 基于加权群稀疏约束的Weibull背景下多目标恒虚警检测方法 |
CN112986947A (zh) * | 2021-04-13 | 2021-06-18 | 南京雷电信息技术有限公司 | 一种基于机器学习的点迹过滤处理方法 |
CN112986947B (zh) * | 2021-04-13 | 2021-07-23 | 南京雷电信息技术有限公司 | 一种基于机器学习的点迹过滤处理方法 |
CN113671459A (zh) * | 2021-07-10 | 2021-11-19 | 亿太特(陕西)科技有限公司 | Fmcw雷达动目标恒虚警检测方法 |
CN113671459B (zh) * | 2021-07-10 | 2024-04-05 | 亿太特(陕西)科技有限公司 | Fmcw雷达动目标恒虚警检测方法 |
CN114859342A (zh) * | 2022-03-24 | 2022-08-05 | 电子科技大学 | 一种基于韦泊尔-广义高斯的对海超分辨成像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104237861B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104237861A (zh) | 一种未知杂波背景下的cfar检测门限获取方法 | |
Cordoba et al. | Diagnosing atmospheric motion vector observation errors for an operational high‐resolution data assimilation system | |
CN102111312B (zh) | 基于多尺度主成分分析的网络异常检测方法 | |
CN106872958B (zh) | 基于线性融合的雷达目标自适应检测方法 | |
AU2008307362B2 (en) | Ground clutter mitigation using a parametric time domain method | |
CN104316930A (zh) | 一种基于双线偏振多普勒天气雷达探测的雨强估算方法 | |
CN104698460A (zh) | 一种双频共面合成孔径雷达海面风场反演方法 | |
Van de Beek et al. | Seasonal semi-variance of Dutch rainfall at hourly to daily scales | |
Chen et al. | Predicting the real-time multivariate Madden–Julian oscillation index through a low-order nonlinear stochastic model | |
CN104331583B (zh) | 一种基于实测海杂波数据的多重分形建模方法 | |
CN103616661B (zh) | 一种稳健的远场窄带信号源个数估计方法 | |
CN106199537B (zh) | 基于逆高斯纹理海杂波幅度分布参数的分位点估计方法 | |
CN104749564A (zh) | 海杂波Weibull幅度分布参数的多分位点估计方法 | |
CN105954739A (zh) | 一种知识辅助的非参量恒虚警检测方法 | |
CN103823216A (zh) | 一种调频连续波雷达系统测距方法 | |
CN105425223A (zh) | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 | |
CN105353371B (zh) | 基于ar谱扩展分形的海面雷达目标检测方法 | |
CN102928713A (zh) | 一种磁场天线的本底噪声测量方法 | |
CN110991087A (zh) | 一种基于多入射角组网sar卫星数据的风场反演方法及系统 | |
CN104198998A (zh) | 非均匀背景下基于聚类处理的恒虚警检测方法 | |
Yoon et al. | On quality of radar rainfall with respect to temporal and spatial resolution for application to urban areas | |
CN106533451A (zh) | 一种块稀疏信号恢复的迭代终止条件设置方法 | |
CN109709526A (zh) | 一种知识辅助分组广义似然比检测方法 | |
CN106526545A (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN106019250A (zh) | 基于角闪烁转发式假目标鉴别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |