CN104483661A - 基于恒虚警率的概率统计目标检测系统及方法 - Google Patents
基于恒虚警率的概率统计目标检测系统及方法 Download PDFInfo
- Publication number
- CN104483661A CN104483661A CN201410767320.XA CN201410767320A CN104483661A CN 104483661 A CN104483661 A CN 104483661A CN 201410767320 A CN201410767320 A CN 201410767320A CN 104483661 A CN104483661 A CN 104483661A
- Authority
- CN
- China
- Prior art keywords
- parameter
- false alarm
- parameters
- alarm rate
- array
- 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
- G01S7/28—Details of pulse systems
- G01S7/285—Receivers
- G01S7/292—Extracting wanted echo-signals
- G01S7/2923—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods
- G01S7/2927—Extracting wanted echo-signals based on data belonging to a number of consecutive radar periods by deriving and controlling a threshold value
-
- 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
- G01S7/35—Details of non-pulse systems
- G01S7/352—Receivers
- G01S7/354—Extracting wanted echo-signals
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恒虚警率的概率统计目标检测系统及方法,其中该方法首先利用恒虚警率技术对连续多帧信号进行检测,将多帧信号中检测到的目标参数构成一个数组;然后将数组中每个参数与所有参数(包括自身)相减并求模,将模值与门限比较,如果小于门限,则认为两个相减的参数属于同一目标,该参数出现的次数加1;接下来统计出现次数最多的参数,并计算与该参数属于同一目标的所有参数的均值,作为目标参数。本发明将将概率统计方法应用到恒虚警率检测结果的后续处理中,可有效降低检测中虚警和漏警的概率,提高系统的检测性能,且其实现简单,适用于任何类型的恒虚警率检测器,具有较高的实用价值。
Description
技术领域
本发明属于雷达技术领域,涉及到雷达目标检测,特别是基于恒虚警率的概率统计目标检测系统及方法。
背景技术
雷达信号检测的本质是判定在某个区域内目标是否存在的问题。最初这一任务是根据雷达屏幕上的目标回波信号由人工判断来完成;后来出现了自动检测技术,并从开始的固定或半固定门限检测逐步发展到恒虚警率(Constant False Alarm Rate,CFAR)自适应门限检测。恒虚警率检测就是在一定的虚警概率下,使检测门限随着检测单元附近的背景杂波和干扰的变化而自适应调整,使得雷达在变化的背景信号中能够保持虚警概率的相对稳定。目前,恒虚警率检测技术已成为现代雷达检测的一项标准技术。
恒虚警率检测的关键是设计恒虚警率检测器,也就是形成自适应门限的方法。目前针对不同杂波背景的恒虚警率检测器有很多种。在均匀杂波背景中,一般采用均值(ML)类CFAR检测器;在多目标环境中,一般采用有序统计(OS)类CFAR检测器;在非高斯杂波环境中像对数正态分布和韦布尔杂波背景中一般选用Log-t CFAR检测器和双参数OS检测器。
CFAR检测器的主要目的是在虚警率一定的情况下,使得检测概率尽可能的高,但是检测概率直接受信噪比的影响。在虚警率一定时,信噪比增加,检测概率也增加;信噪比下降,检测概率随之下降,此时就会出现较多的目标漏检情况,漏警概率会上升。有时候在信噪比不高时,为了保持一定的检测概率,需要降低检测门限,此时又会导致虚警率的上升,因此,实际应用中需要根据信噪比和检测概率选择合适的虚警率,以保持系统的检测性能。信噪比较高时,可选择较低的虚警率;信噪比较低时,需要选择高一些的虚警率。
从上面的分析中可看出,CFAR检测器的检测概率由虚警率和信噪比的共同决定。在信噪比不高的环境中,不可避免会出现虚警和漏警的情况,因此,如何采用简单有效的方法对CFAR检测的结果进行进一步处理,准确估计目标参数,降低检测的虚警率和漏警率,对于提升雷达系统在低信噪比下的检测性能具有重要意义。
发明内容
本发明的目的在于针对恒虚警率检测器在信噪比较低的环境中出现较多虚警和漏警的情况,提出了一种基于恒虚警率的概率统计目标检测方法,利用概率统计方法对恒虚警率检测的结果进行处理,以降低虚假目标和漏检出现的概率,提高系统的检测性能。
本发明解决其技术问题所采用的技术方案是:
提供一种基于恒虚警率的概率统计目标检测方法,包括以下步骤:
① 对输入的连续M帧信号进行恒虚警率检测,假设检测出K个目标,将该K个目标参数存入一个数组中,其中K、M均为整数;
② 将数组中的每个参数与数组中包括自身的所有K个参数分别做差值运算并求模,得到K×K的二维数组d(i,j),其中i=1,2,…,K;j=1,2,…,K;
③ 对d(i,j)中每一行的K个元素分别与预设的门限T比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
④ 将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
本发明所述的方法中,该方法适用于单目标检测情况。
本发明所述的方法中,步骤①中K大于M。
本发明所述的方法中,步骤①中K小于或者等于M。
本发明所述的方法中,若步骤③中出现的次数最多的参数有多个,取其中序号最小的参数作为步骤④中预估的参数。
本发明还提供了一种基于恒虚警率的概率统计目标检测系统,包括:
目标检测单元,用于对输入的连续M帧信号进行恒虚警率检测,假设检测出K个目标,将该K个目标参数存入一个数组中,其中K、M均为整数;
差值运算模块,用于将数组中的每个参数与数组中包括自身的所有K个参数分别做差值运算并求模,得到K×K的二维数组d(i,j), 其中i=1,2,…,K;j=1,2,…,K;
参数统计模块,用于对d(i,j)中每一行的K个元素分别与预设的门限T比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
最终的目标参数估算模块,用于将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
本发明所述的系统中,该检测器适用于单目标检测情况。
本发明所述的系统中,K大于M。
本发明所述的系统中,K小于或者等于M。
本发明所述的系统中,若参数统计模块中统计的出现次数最多的参数有多个,则取其中序号最小的参数作为最终的目标参数估算模块中的预估的参数。
本发明产生的有益效果是:本发明将概率统计方法和恒虚警率检测结合起来,利用概率统计方法对多次恒虚警率检测的目标参数进行融合处理,取目标出现概率最大的区间内参数均值作为目标参数,可有效降低低信噪比下虚假目标和漏检出现的概率,提高系统的检测性能。本发明实现简单,适用于任何类型的恒虚警率检测器,具有较高的应用价值。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例基于恒虚警率的概率统计目标检测方法的实现流程图。
图2(a)-图2(e)是基于CA-CFAR检测器的5次检测结果。
图3是本发明实施例基于恒虚警率的概率统计目标检测系统的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明的基于恒虚警率的概率统计目标检测方法,如图1所示,主要包括以下步骤:
S1.对连续输入的M帧信号进行恒虚警率检测,假设检测出K个目标,将这K个目标参数存入一个数组s(n)中;
S2.将s(n)中的每个参数与所有K个参数(包括自身)分别做差值运算并求模,得到一个K×K的二维数组d(i,j);
S3.对d(i,j)中每一行的所有元素分别与预设的门限T(T可以为经验值)比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
S4.将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
进一步,该方法适用于任何类型的恒虚警率检测器,主要针对单目标检测的情况。
进一步,步骤S2中的二维数组为:
i=1,2,…,K;j=1,2,…,K;
进一步,步骤S3中将一行中的元素d(i,j)分别与门限T进行比较,当d(i,j)小于门限时,将第i个参数出现的次数加1,并将第j个参数存储在一个数组中,作为和第i个参数属于同一目标的参数数组。
进一步,步骤S4中如果出现次数最多的参数有多个,取s(n)中序号最小的参数作为预估参数,并取该预估参数的参数数组中所有参数的均值作为最终的目标参数估计值。
本发明的一个具体实施例中,基于恒虚警率的概率统计目标检测方法的具体步骤如下:
(1) 对多帧信号进行恒虚警率检测,得到检测结果的参数数组,方法如下:
确定虚警率Pfa=0.01,信噪比为10dB,利用CA-CFAR检测器对连续输入的5帧信号进行恒虚警率检测,信号中目标距离参数为50m,检测结果如附图2所示。5次检测的结果如表1所示。
表1 5次CFAR门限检测结果
检测次数 | 目标数目 | 目标参数(m) | 目标参数(m) | 目标参数(m) |
1 | 3 | 50 | 51 | 147 |
2 | 2 | 50 | 181 | |
3 | 1 | 122 | ||
4 | 1 | 50 | ||
5 | 3 | 18 | 50 | 105 |
从表1中可看出,5次检测共检测出目标10个,则目标参数数组为:
s(10)={50,51,147,50,181,122,50,18,50,105};
(2) 计算s(10)中每个元素与其它元素的差值并取模,方法如下:
, i=1,2,…,10;j=1,2,…,10;
由步骤(1)中检测的s(11)可计算得到10×10的二维数组:
d(10,10)={ 0 1 97 0 131 72 0 32 0 55;
1 0 96 1 130 71 1 33 1 54;
97 96 0 97 34 25 97 129 97 42;
0 1 97 0 131 72 0 32 0 55;
131 130 34 131 0 59 131 163 131 76;
72 71 25 72 59 0 72 104 72 17;
0 1 97 0 131 72 0 32 0 55;
32 33 129 32 163 104 32 0 32 87;
0 1 97 0 131 72 0 32 0 55;
55 54 42 55 76 17 55 87 55 0;};
(3)统计属于同一目标的参数出现的次数,方法如下:
这里门限T取3,将d(10,10)中每行的参数与T比较,小于T则该参数出现次数加1,结果存储在数组c中,如下所示:
c(10)={5,5,1,5,1,1,5,1,5,1};
(4)求目标的预估参数和最终参数估计值,方法如下:
由步骤(3)中c(10)可知,属于第1,2,4,7,9个目标的参数出现的次数都是最多,都为5个,这里取序号最小的第1个参数作为预估参数,即50。
然后取和第2个参数属于同一目标第1,2,4,7,9这5个参数的均值为为最终参数估计值p,即
p=1/4×[s(1)+s(2)+s(4)+s(7)+s(9)]=50.2m。
本发明实施例还提供了一种基于恒虚警率的概率统计目标检测系统,如图3所示,包括:
恒虚警率检测模块,用于对输入的连续M帧信号进行恒虚警率检测,假设检测出K个目标,将该K个目标参数存入一个数组中,其中K、M均为整数;其中K可以大于M,也可以小于或者等于M。
差值运算模块,用于将数组中的每个参数与数组中包括自身的所有K个参数分别做差值运算并求模,得到K×K的二维数组d(i,j), 其中i=1,2,…,K;j=1,2,…,K;
参数统计模块,用于对d(i,j)中每一行的K个元素分别与预设的门限T比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
目标参数估计模块,用于将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
若参数统计模块中统计的出现次数最多的参数有多个,则取其中序号最小的参数作为最终的目标参数估算模块中的预估的参数。
本发明将概率统计方法和恒虚警率检测结合起来,利用概率统计方法对多次恒虚警率检测的目标参数进行融合处理,取目标出现概率最大的区间内参数均值作为目标参数,可有效降低低信噪比下虚假目标和漏检出现的概率,提高系统的检测性能。本发明实现简单,适用于任何类型的恒虚警率检测器,具有较高的应用价值。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于恒虚警率的概率统计目标检测方法,其特征在于,包括以下步骤:
① 对输入的连续M帧信号进行恒虚警率检测,假设检测出K个目标,将该K个目标参数存入一个数组中,其中K、M均为整数;
② 将数组中的每个参数与数组中包括自身的所有K个参数分别做差值运算并求模,得到K×K的二维数组d(i,j),其中i=1,2,…,K;j=1,2,…,K;
③ 对d(i,j)中每一行的K个元素分别与预设的门限T比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
④ 将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
2.根据权利要求1所述的方法,其特征在于,该方法适用于单目标检测情况。
3.根据权利要求1所述的方法,其特征在于,步骤①中K大于M。
4.根据权利要求1所述的方法,其特征在于,步骤①中K小于或者等于M。
5.根据权利要求1所述的方法,其特征在于,若步骤③中出现的次数最多的参数有多个,取其中序号最小的参数作为步骤④中预估的参数。
6.一种基于恒虚警率的概率统计目标检测系统,其特征在于,包括:
目标检测单元,用于对输入的连续M帧信号进行恒虚警率检测,假设检测出K个目标,将该K个目标参数存入一个数组中,其中K、M均为整数;
差值运算模块,用于将数组中的每个参数与数组中包括自身的所有K个参数分别做差值运算并求模,得到K×K的二维数组d(i,j), 其中i=1,2,…,K;j=1,2,…,K;
参数统计模块,用于对d(i,j)中每一行的K个元素分别与预设的门限T比较,如果d(i,j)小于T,则认为第j个参数与第i个参数属于同一目标,将第i个参数出现的次数加1;
最终的目标参数估算模块,用于将出现次数最多的参数作为预估的参数,并取和该预估参数属于同一目标的所有参数的均值作为最终的目标参数估计值。
7.根据权利要求6所述的系统,其特征在于,该检测器适用于单目标检测情况。
8.根据权利要求6所述的系统,其特征在于,K大于M。
9.根据权利要求6所述的系统,其特征在于,K小于或者等于M。
10.根据权利要求6所述的系统,其特征在于,若参数统计模块中统计的出现次数最多的参数有多个,则取其中序号最小的参数作为最终的目标参数估算模块中的预估的参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410767320.XA CN104483661B (zh) | 2014-12-12 | 2014-12-12 | 基于恒虚警率的概率统计目标检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410767320.XA CN104483661B (zh) | 2014-12-12 | 2014-12-12 | 基于恒虚警率的概率统计目标检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104483661A true CN104483661A (zh) | 2015-04-01 |
CN104483661B CN104483661B (zh) | 2017-03-22 |
Family
ID=52758226
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410767320.XA Active CN104483661B (zh) | 2014-12-12 | 2014-12-12 | 基于恒虚警率的概率统计目标检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104483661B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492189A (zh) * | 2017-09-12 | 2019-03-19 | 北京遥感设备研究所 | 一种二次均值法计算噪声均值的恒虚警检测方法 |
CN111316124A (zh) * | 2018-12-04 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 目标检测方法、装置和无人机 |
US11495119B1 (en) | 2021-08-16 | 2022-11-08 | Motorola Solutions, Inc. | Security ecosystem |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110114795A (ko) * | 2010-04-14 | 2011-10-20 | 국방과학연구소 | 주파수 변조 연속파 레이다에서 간섭 제거를 위한 시스템 간 동기화 방법 |
KR20140083568A (ko) * | 2012-12-26 | 2014-07-04 | 현대모비스 주식회사 | 레퍼런스 셀 분할 평균 기법에 의한 cfar 검파 방법 및 이를 적용한 레이더 시스템 |
CN104155636A (zh) * | 2014-08-12 | 2014-11-19 | 西安电子科技大学 | 一种基于恒虚警目标检测的优化方法 |
CN104198998A (zh) * | 2014-07-16 | 2014-12-10 | 电子科技大学 | 非均匀背景下基于聚类处理的恒虚警检测方法 |
-
2014
- 2014-12-12 CN CN201410767320.XA patent/CN104483661B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20110114795A (ko) * | 2010-04-14 | 2011-10-20 | 국방과학연구소 | 주파수 변조 연속파 레이다에서 간섭 제거를 위한 시스템 간 동기화 방법 |
KR20140083568A (ko) * | 2012-12-26 | 2014-07-04 | 현대모비스 주식회사 | 레퍼런스 셀 분할 평균 기법에 의한 cfar 검파 방법 및 이를 적용한 레이더 시스템 |
CN104198998A (zh) * | 2014-07-16 | 2014-12-10 | 电子科技大学 | 非均匀背景下基于聚类处理的恒虚警检测方法 |
CN104155636A (zh) * | 2014-08-12 | 2014-11-19 | 西安电子科技大学 | 一种基于恒虚警目标检测的优化方法 |
Non-Patent Citations (3)
Title |
---|
A.ZAIMBASHI ET AL.: "Order statistic and algebraic product CFAR detector for Weibull clutter", 《2006 IEEE》 * |
杨大磊等: "基于FPGA的自适应恒虚警检测器研究", 《舰船电子工程》 * |
陈建军等: "海杂波下的双门限恒虚警目标检测新方法", 《电子学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109492189A (zh) * | 2017-09-12 | 2019-03-19 | 北京遥感设备研究所 | 一种二次均值法计算噪声均值的恒虚警检测方法 |
CN109492189B (zh) * | 2017-09-12 | 2023-09-15 | 北京遥感设备研究所 | 一种二次均值法计算噪声均值的恒虚警检测方法 |
CN111316124A (zh) * | 2018-12-04 | 2020-06-19 | 深圳市大疆创新科技有限公司 | 目标检测方法、装置和无人机 |
US11495119B1 (en) | 2021-08-16 | 2022-11-08 | Motorola Solutions, Inc. | Security ecosystem |
Also Published As
Publication number | Publication date |
---|---|
CN104483661B (zh) | 2017-03-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104502899B (zh) | 一种自适应的恒虚警率目标检测方法 | |
CN106501788B (zh) | 一种雷达恒虚警检测门限自适应设置方法 | |
CN108490410B (zh) | 一种两坐标雷达对海目标联合检测跟踪方法 | |
CN103885053B (zh) | 一种基于追踪滤波器的雷达数据动目标检测处理方法 | |
CN103995259B (zh) | 密集干扰环境下雷达目标自适应滤波融合检测方法 | |
CN111624567B (zh) | 一种恒虚警检测方法及装置 | |
CN103472445A (zh) | 一种针对多目标场景的检测跟踪一体化方法 | |
CN105044686B (zh) | 一种雷达密集假目标干扰抑制方法 | |
CN106646396B (zh) | 一种雷达杂波图检测门限自适应设置方法 | |
CN102346910B (zh) | 一种基于单帧红外图像的点目标的实时检测方法 | |
CN107678019B (zh) | 基于ca-cfar的雷达信号多目标检测方法及装置 | |
CN104931939A (zh) | 一种基于假目标特征的弹载转发式干扰抑制方法 | |
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 | |
Choi et al. | A counting algorithm for multiple objects using an IR-UWB radar system | |
CN102546052B (zh) | 一种自适应门限控制信号参数统计测量方法 | |
CN104865570A (zh) | 一种快速的动态规划检测前跟踪方法 | |
CN104483661A (zh) | 基于恒虚警率的概率统计目标检测系统及方法 | |
CN106204641B (zh) | 一种基于多假设检验的动态规划检测前跟踪方法 | |
CN106526545B (zh) | 一种鲁棒cfar检测器的检测方法 | |
CN110412550A (zh) | 一种基于背景认知的区域自适应海目标检测方法 | |
Zhang et al. | Constant false alarm rate detector based on the maximal reference cell | |
CN105866748B (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN106353743A (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
Xu et al. | Two-level CFAR algorithm for target detection in mmWave radar | |
Guner et al. | Implementation aspects of Wigner-Hough Transform based detectors for LFMCW signals |
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 |