CN107024680A - 一种基于双删除门限的目标检测方法 - Google Patents

一种基于双删除门限的目标检测方法 Download PDF

Info

Publication number
CN107024680A
CN107024680A CN201710201890.6A CN201710201890A CN107024680A CN 107024680 A CN107024680 A CN 107024680A CN 201710201890 A CN201710201890 A CN 201710201890A CN 107024680 A CN107024680 A CN 107024680A
Authority
CN
China
Prior art keywords
target
thresholding
power
detection method
minimum
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
Application number
CN201710201890.6A
Other languages
English (en)
Other versions
CN107024680B (zh
Inventor
刘贵如
修宇
汪军
刘志军
邹姗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Anhui Polytechnic University
Original Assignee
Anhui Polytechnic University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Anhui Polytechnic University filed Critical Anhui Polytechnic University
Priority to CN201710201890.6A priority Critical patent/CN107024680B/zh
Publication of CN107024680A publication Critical patent/CN107024680A/zh
Application granted granted Critical
Publication of CN107024680B publication Critical patent/CN107024680B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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

本发明提供一种基于双删除门限的目标检测方法，首先在设定的极大和极小剔除门限的基础上，引入了样本参考单元的隶属函数值；其次通过该值与极大和极小值进行比较，得到参考样本单元对应的二进制加权值，再次通过取均值得到背景噪声功率估计值；再通过背景噪声功率估计值乘以比例系数得到最优功率检测门限；最后将测试单元功率与功率检测门限进行比较，如果测试单元功率大于等于功率检测门限，判断为有目标，否则判断为无目标。解决现有检测方法存在检测率小，漏检率和虚警率过高，以及在确定极大和极小值功率剔除门限时要依赖于先验知识的技术问题。本发明具有剔除性能和目标检测率高，漏警率低等优点。

Description

一种基于双删除门限的目标检测方法
技术领域
本发明属于雷达目标检测技术领域，具体涉及一种基于双删除门限的目标检测方法。
背景技术
以下对本发明的相关技术背景进行说明，但这些说明并不一定构成本发明的现有技术。
随着智能车技术的快速发展，环境感知所需要的目标检测技术作为环境感知系统的关键技术，在行人、车辆、路标、路牌等能够反射微波信号的静态和动态目标检测方面得到了广泛应用。主流的检测技术包括毫米波雷达、激光雷达和视觉等传感器检测技术。微波雷达技术以其全天候和低成本的优势，得到了广泛的应用。目前的微波雷达目标检测方法大部分通过参考窗中的参考单元估计背景噪声功率，再乘以比例系数得到功率，然后将检测单元功率值和功率检测门限进行比较确定检测单元是否为有效目标的回波信号单元即是否有目标。各检测方法之前的主要差别在于背景噪声功率的估计方法不同。
单元平均恒虚警(Cell Averaging-Constant False Alarm Rate,CA-CFAR)目标检测方法通过将参考窗口中所有参考单元的功率值取均值作为背景噪声功率估计值，估计功率检测门限。
在均匀噪声环境下具有最优的检测性能，但是在非均匀噪声环境下检测性能严重下降。
最大选择恒虚警(Greatest Of-Constant False Alarm Rate,GO-CFAR)目标检测方法和最小选择恒虚警(Smallest Of-Constant False Alarm Rate,SO-CFAR)目标检测方法是在CA-CFAR目标检测方法的基础上进行了改进，GO-CFAR目标检测方法针对杂波干扰和多干扰目标检测率过小，漏检率过高。而SO-CFAR目标检测方法检测率高，但是在杂波干扰和多干扰目标环境下，虚警率过高。
自动删除单元平均恒虚警(Automatic Censored Cell Averaging-ConstantFalse Alarm Rate,ACCA-CFAR)目标检测方法通过剔除参考窗口中极大和极小值参考单元，然后取平均值的方法得到功率检测门限，相比较CA-CFAR检测方法，具有较佳的检测性能，但是极大和极小值功率剔除门限的确定要依赖于先验知识，具有局限性。
发明内容
为解决现有检测方法存在检测率小，漏检率和虚警率过高，以及在确定极大和极小值功率剔除门限时要依赖于先验知识的技术问题，本发明提供一种基于双删除门限的目标检测方法。
在根据本发明的一个优选的实施例中，本发明提供的一种基于双删除门限的目标检测方法，具体包括以下步骤：
步骤1，在设定的极大和极小剔除门限的基础上，计算出样本参考单元的隶属函数值，且设定隶属函数值为v(xi)，v(x1),v(x2)……v(xN)为参考单元隶属函数值；
步骤2，通过将值隶属函数值与极大和极小值进行比较，得到参考样本单元对应的二进制加权值，并将极大值和极小值参考单元从参考窗中剔除；且设定x0为测试单元，x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列，N为参考窗大小；tcl为极大值剔除门限，tcs为极小值剔除门限；
步骤3，通过参考样本单元功率值乘以对应的二进制加权值，然后取均值得到背景噪声功率估计值，且设定β为检测功率门限系数，Z为背景噪声功率估计值；
步骤4，通过背景噪声功率估计值乘以比例系数得到最优功率检测门限，且设定T表示功率检测门限，tcl为极大值剔除门限，tcs为极小值剔除门限；
步骤5，将测试单元功率与功率检测门限进行比较，判断测试单元是否为有效目标的参考单元，如果测试单元功率大于等于功率检测门限，判断为有目标，否则判断为无目标，且设定H0为无目标，H1为有目标。
优选地，步骤1中计算样本参考单元隶属函数值时，针对多个剔除单元的情况，隶属函数定义为：
其中ui和f(ui)分别定义为：
f(ui)＝N-s+ui (3)
式中,xk是对参考窗中参考单元升序排序后的第k个参考单元值。v(u1)，v(u2)…v(uN)分别为参考单元隶属函数值。
优选地，上述步骤2中，将极大值和极小值参考单元剔除时，参考单元隶属函数值v(xi)分别与tcl，tcs比较，满足tcs≤v(ui)≤tcl条件的参考单元存入S0单元集中，其余参考单元被认为是极大和极小值参考单元，从参考窗中剔除，可表示为：
其中，i∈[1,N]。
优选地，上述步骤3中背景噪声功率估计值Z的计算公式表示为：
其中，xl∈S0,l∈[1,n0]。选择S0中所有参考单元估计背景噪声功率Z的值；剔除了极大值和极小值参考单元，降低了虚警率，同时也提高了检测率，提高了检测方法在非均匀噪声环境下的检测概率。
优选地，上述步骤4中功率检测门限的计算时，T的计算公式表示为：
T＝β·Z (6)
其中β分别为门限系数。本方法中的参考窗口大小N取24，Pfa为目标警
率，本方法中Pfa＝10-4，门限系数β的计算公式为：
β＝(Pfa)1/N-1 (7)。
优选地，上述步骤5中，目标判别时，测试单元x0通过与功率检测门限T进行比较即可判别测试单元x0是否为有效目标的回波信号单元即是否有目标，目标有无判断方法如下：
优选地，上述tcs和tcl分别为0.001和0.99。
本发明具有以下优点：
1、本发明提供的基于双删除门限的目标检测方法引入隶属函数、通过隶属函数值替代参考样本单元功率值，与剔除门限进行比较，提高了该算法剔除杂波干扰和目标干扰信号单元的剔除性能。
2、本发明提供的基于双删除门限的目标检测方法还引入极大和极小值剔除门限，并通过样本参考单元的隶属函数值分别与极大和极小值参考单元进行比较，有效剔除了极大和极小值参考单元，提高了目标检测率，降低了漏警率，在非均匀噪声环境下，目标检测方法检测性能稳定。
附图说明
通过以下参照附图而提供的具体实施方式部分，本发明的特征和优点将变得更加容易理解，在附图中：
图1为本发明中目标检测方法的结构示意图；
图2为本发明中本目标检测方法，当tcl取值为0.99时，虚警率与剔除门限tcs的关系曲线图。
图3为本发明中本目标检测方法，当tcs取值为0.001时，虚警率与剔除门限tcl的关系曲线图。
图4为本发明中本目标检测方法在均匀噪声仿真环境下的目标检测率仿真曲线图；
图5为本发明中本目标检测方法在杂波干扰仿真环境下的目标检测率仿真曲线图；
图6为本发明中本目标检测方法在多干扰目标仿真环境下的目标检测率仿真曲线图。
具体实施方式
下面参照附图对本发明的示例性实施方式进行详细描述。对示例性实施方式的描述仅仅是出于示范目的，而绝不是对本发明及其应用或用法的限制。
本发明的一个实施例中，参阅图1，本发明提供一种雷达目标检测方法，在该检测方法中，如图所示，其中I和Q为雷达回波信号，经过检波器后得到检测包络序列为输入信号。x0为测试单元，x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列，N为参考窗大小。v(xi)为隶属函数，v(x1),v(x2)……v(xN)为参考单元隶属函数值。tcl为极大值剔除门限，tcs为极小值剔除门限，β为检测功率门限系数，Z表示背景噪声功率估计值。H0表示无目标，H1表示有目标。目标检测方法的执行步骤如下：
步骤1计算样本参考单元隶属函数值。针对多个剔除单元的情况，隶属函数定义为：
其中ui和f(ui)分别定义为：
f(ui)＝N-s+ui (3)
式中,xk是对参考窗中参考单元升序排序后的第k个参考单元值。v(u1)，v(u2)…v(uN)分别为参考单元隶属函数值。
步骤2，极大值和极小值参考单元剔除。参考单元隶属函数值v(xi)分别与tcl，tcs比较，满足tcs≤v(ui)≤tcl条件的参考单元存入S0单元集中，其余参
考单元被认为是极大和极小值参考单元，从参考窗中剔除，可表示为：
其中，i∈[1,N]。
步骤3，背景噪声功率估计。背景噪声功率估计值Z的计算公式表示为：
其中，xl∈S0,l∈[1,n0]。选择S0中所有参考单元估计背景噪声功率Z的值。剔除了极大值和极小值参考单元，降低了虚警率，同时也提高了检测率，提高了检测方法在非均匀噪声环境下的检测概率。
步骤4，功率检测门限的计算。假设T表示功率检测门限，则T的计算公式表示为：
T＝β·Z (6)
其中β分别为门限系数。本方法中的参考窗口大小N取24，Pfa为目标虚警率，本方法中Pfa＝10-4，门限系数β的计算公式为：
β＝(Pfa)1/N-1 (7)
步骤5，目标判别。测试单元x0通过与功率检测门限T进行比较即可判别测试单元x0是否为有效目标的回波信号单元即是否有目标，目标有无判断方法如下：
极大极小值单元剔除门限值tcl和tcs的选择是剔除算法的关键，tcl和tcs选择太小和太大将会剔除大部分的噪声单元导致过高的虚警率或者算法的失效。如果tcl和tcs选择太大和太小，将会导致无法剔除干扰单元，目标检测方法的检测性能下降和目标识别率过低。
参见图2与图3所示，图中目标检测方法恒虚警率与双剔除门限tcl和tcs参数的关系曲线是通过蒙特卡洛方法仿真得到，当tcs和tcl分别取0.001和0.99时，该检测方法能够达到预先设定的目标虚警率。
参见图4所示，假设Pfa和Pd分别表示虚警率和目标检测率，该为本目标检测方法与CA-CFAR和ACCA-CFAR目标检测方法在均匀背景噪声环境下的检测率仿真对比曲线。从图中可以看出，在相同信噪比条件下本目标检测方法与CA-CFAR和ACCA-CFAR检测方法的检测性能相差很小，表明本目标检测方法在均匀背景噪声环境下同样具有较好的检测性能。
参见图5所示，该图为本目标检测方法与CA-CFAR和ACCA-CFAR检测方法在杂波干扰环境下的检测率仿真对比曲线。从图中可以看出，本目标检测方法的检测率优于CA-CFAR和ACCA-CFAR目标检测方法，表明本目标检测方法在杂波干扰环境下也具有较好的检测性能。
参见图6所示，该图为本目标检测方法与CA-CFAR和ACCA-CFAR检测方法在6个干扰目标环境下的检测率仿真对比曲线。从图中可以看出，本检测方法的检测率优于CA-CFAR和ACCA-CFAR目标检测方法，表明本目标检测方法在多干扰目标环境下也具有较好的检测性能。
本发明提供的基于双删除门限的目标检测方法将目标干扰和杂波边缘干扰信号参考单元从参考窗中有效剔除，提高了算法在非均匀噪声环境下的检测性能。检测包络序列输入信号由毫米波雷达前端返回的雷达中频回波信号经过模拟信号处理、数字滤波以及快速傅里叶变换(Fast Fourier Transformation,FFT)后送入平方律检波器得到。参考窗中的参考单元从检测包络序列输入信号中有序提取。
本发明提供的基于双删除门限的目标检测方法引入了隶属函数、通过隶属函数值替代参考样本单元功率值，与剔除门限进行比较，提高了该算法剔除杂波干扰和目标干扰信号单元的剔除性能。
本发明提供的基于双删除门限的目标检测方法也引入了极大和极小值剔除门限。并通过样本参考单元的隶属函数值分别与极大和极小值参考单元进行比较，有效剔除了极大和极小值参考单元，提高了目标检测率，降低了漏警率，克服了非均匀噪声环境下，目标检测方法检测性能严重下降的问题。
虽然参照示例性实施方式对本发明进行了描述，但是应当理解，本发明并不局限于文中详细描述和示出的具体实施方式，在不偏离权利要求书所限定的范围的情况下，本领域技术人员可以对所述示例性实施方式做出各种改进或变型。

Claims (7)

1.一种基于双删除门限的目标检测方法，其特征在于：包括以下步骤：
1)在设定的极大和极小剔除门限的基础上，计算出样本参考单元的隶属函数值，且设定隶属函数值为v(xi)，v(x1),v(x2)......v(xN)为参考单元隶属函数值；
2)通过将值隶属函数值与极大和极小值进行比较，得到参考样本单元对应的二进制加权值，并将极大值和极小值参考单元从参考窗中剔除；且设定x0为测试单元，x1,x2,x3,……xN为从包络序列输入信号中提取的参考窗参考单元序列，N为参考窗大小；tcl为极大值剔除门限，tcs为极小值剔除门限；
3)通过参考样本单元功率值乘以对应的二进制加权值，然后取均值得到背景噪声功率估计值，且设定β为检测功率门限系数，Z为背景噪声功率估计值；
4)通过背景噪声功率估计值乘以比例系数得到最优功率检测门限，且设定T表示功率检测门限，tcl为极大值剔除门限，tcs为极小值剔除门限；
5)将测试单元功率与功率检测门限进行比较，判断测试单元是否为有效目标的参考单元，如果测试单元功率大于等于功率检测门限，判断为有目标，否则判断为无目标，且设定H0为无目标，H1为有目标。
2.根据权利要求1所述的基于双删除门限的目标检测方法，其特征在于：所述步骤1中计算样本参考单元隶属函数值时，针对多个剔除单元的情况，隶属函数定义为：
其中ui和f(ui)分别定义为：
f(ui)＝N-s+ui (3)
式中,xk是对参考窗中参考单元升序排序后的第k个参考单元值。v(u1)，v(u2)…v(uN)分别为参考单元隶属函数值。
3.根据权利要求2所述的基于双删除门限的目标检测方法，其特征在于：所述步骤2中，将极大值和极小值参考单元剔除时，参考单元隶属函数值v(xi)分别与tcl，tcs比较，满足tcs≤v(ui)≤tcl条件的参考单元存入S0单元集中，其余参考单元被认为是极大和极小值参考单元，从参考窗中剔除，可表示为：
其中，i∈[1,N]。
4.根据权利要求3所述的基于双删除门限的目标检测方法，其特征在于：所述步骤3中背景噪声功率估计值Z的计算公式表示为：
其中，xl∈S0,l∈[1,n0]。选择S0中所有参考单元估计背景噪声功率Z的值；剔除了极大值和极小值参考单元，降低了虚警率，同时也提高了检测率，提高了检测方法在非均匀噪声环境下的检测概率。
5.根据权利要求4所述的基于双删除门限的目标检测方法，其特征在于：所述步骤4中功率检测门限的计算时，T的计算公式表示为：
T＝β·Z (6)
其中β分别为门限系数。本方法中的参考窗口大小N取24，Pfa为目标警率，本方法中Pfa＝10-4，门限系数β的计算公式为：
β＝(Pfa)1/N-1 (7)。
6.根据权利要求5所述的基于双删除门限的目标检测方法，其特征在于：所述步骤5中，目标判别时，测试单元x0通过与功率检测门限T进行比较即可判别测试单元x0是否为有效目标的回波信号单元即是否有目标，目标有无判断方法如下：
7.根据权利要求6所述的基于双删除门限的目标检测方法，其特征在于：所述tcs和tcl分别为0.001和0.99。
CN201710201890.6A 2017-03-30 2017-03-30 一种基于双删除门限的目标检测方法 Active CN107024680B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710201890.6A CN107024680B (zh) 2017-03-30 2017-03-30 一种基于双删除门限的目标检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710201890.6A CN107024680B (zh) 2017-03-30 2017-03-30 一种基于双删除门限的目标检测方法

Publications (2)

Publication Number Publication Date
CN107024680A true CN107024680A (zh) 2017-08-08
CN107024680B CN107024680B (zh) 2020-03-27

Family

ID=59527474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710201890.6A Active CN107024680B (zh) 2017-03-30 2017-03-30 一种基于双删除门限的目标检测方法

Country Status (1)

Country Link
CN (1) CN107024680B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107703495A (zh) * 2017-09-01 2018-02-16 中国科学院声学研究所 一种目标信号检测方法及系统
WO2021004342A1 (zh) * 2019-07-05 2021-01-14 晶晨半导体(上海)股份有限公司 获取数据接口门限电压的方法及系统
CN116210179A (zh) * 2020-06-25 2023-06-02 上海诺基亚贝尔股份有限公司 反应性干扰检测
CN116643248A (zh) * 2023-07-26 2023-08-25 成都航空职业技术学院 一种恒虚警检测方法、存储介质及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076602A (zh) * 2012-12-27 2013-05-01 中国人民解放军海军航空工程学院 针对多目标背景的雷达自适应恒虚警率融合检测方法
KR20150131779A (ko) * 2014-05-16 2015-11-25 한국전자통신연구원 순차통계 일정 오경보율 검파의 처리 속도 향상방법
CN105182312A (zh) * 2015-09-29 2015-12-23 西安知几天线技术有限公司 自适应环境变化的恒虚警检测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103076602A (zh) * 2012-12-27 2013-05-01 中国人民解放军海军航空工程学院 针对多目标背景的雷达自适应恒虚警率融合检测方法
KR20150131779A (ko) * 2014-05-16 2015-11-25 한국전자통신연구원 순차통계 일정 오경보율 검파의 처리 속도 향상방법
CN105182312A (zh) * 2015-09-29 2015-12-23 西安知几天线技术有限公司 自适应环境变化的恒虚警检测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YI CUI ET AL.: "New CFAR target detector for SAR images based on kernel density estimation and mean square error distance", 《JOURNAL OF SYSTEMS ENGINEERING AND ELECTRONICS》 *
郭裕兰等: "一种基于最大选择的Switching-CFAR检测器", 《国防科技大学学报》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107703495A (zh) * 2017-09-01 2018-02-16 中国科学院声学研究所 一种目标信号检测方法及系统
WO2021004342A1 (zh) * 2019-07-05 2021-01-14 晶晨半导体(上海)股份有限公司 获取数据接口门限电压的方法及系统
CN116210179A (zh) * 2020-06-25 2023-06-02 上海诺基亚贝尔股份有限公司 反应性干扰检测
CN116643248A (zh) * 2023-07-26 2023-08-25 成都航空职业技术学院 一种恒虚警检测方法、存储介质及设备
CN116643248B (zh) * 2023-07-26 2023-11-14 成都航空职业技术学院 一种恒虚警检测方法、存储介质及设备

Also Published As

Publication number Publication date
CN107024680B (zh) 2020-03-27

Similar Documents

Publication Publication Date Title
CN106646419B (zh) 一种检测杂波边缘雷达目标的自适应恒虚警方法
CN107884757B (zh) 恒虚警目标检测方法、装置及车辆
CN107024682A (zh) 一种基于自适应剔除算法的目标检测方法
CN107024680A (zh) 一种基于双删除门限的目标检测方法
CN101329400B (zh) 一种基于拟合优度检验的雷达目标恒虚警检测方法
CN111624567B (zh) 一种恒虚警检测方法及装置
CN110531337B (zh) 基于隶属度分析的目标可信度计算方法及装置
CN106772268A (zh) 一种高斯白噪声下的弱信号盲检测方法
CN103901408A (zh) 根据平均分割参考信号方法的cfar检波方法及雷达系统
CN106093896B (zh) 一种快速检测和估计脉冲多普勒雷达脉冲抖动的方法
CN107271973A (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
CN109521412A (zh) 基于局部统计量融合的雷达组网空域目标检测方法
CN112965040A (zh) 一种基于背景预筛选的自适应cfar目标检测方法
CN105866748B (zh) 一种基于检测先验的固定窗长恒虚警检测方法
CN104035084A (zh) 一种用于非均匀杂波背景的动态规划检测前跟踪方法
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
US8022864B2 (en) Detection of transient signals in doppler spectra
CN103149555B (zh) 结合极化分类和功率分组的自适应动目标检测方法
CN112213697A (zh) 一种基于贝叶斯决策理论用于雷达欺骗干扰识别的特征融合方法
CN115856819A (zh) 一种基于平稳高斯过程的雷达目标恒虚警检测方法
CN113064132B (zh) 一种基于连续信任函数的鲁棒雷达目标检测方法
Meng Performance analysis of ordered-statistic greatest of-constant false alarm rate with binary integration for M-sweeps
CN105242272B (zh) 基于自回归时间序列模型的车载毫米波防撞雷达恒虚警检测方法
CN106872957A (zh) 一种目标检测方法
Onumanyi et al. A discriminant analysis-based automatic ordered statistics scheme for radar systems

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