CN107024682A - 一种基于自适应剔除算法的目标检测方法 - Google Patents

Abstract

本发明提供一种基于自适应剔除算法的目标检测方法，该方法首先通过对参考窗中参考单元数量统计，对背景噪声功率进行估计，再对功率检测门限的计算，最后通过目标判别确定是否有目标。本发明解决现有方法存在检测率过小、漏检率和虚警率过高等技术问题。具有目标检测率高，漏警率和虚警率低的优点。

Description

一种基于自适应剔除算法的目标检测方法

技术领域

本发明属于雷达目标检测技术领域，具体涉及一种基于自适应剔除算法的目标检测方法。

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。

随着雷达检测技术在车辆主动安全和智能车技术中的广泛应用，如行人、车辆、路标、路牌等的目标检测。目标检测方法是雷达检测的关键技术，目前大部分雷达目标检测方法均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检测功率门限，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。各检测算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)目标检测方法和自动双剔除单元平均恒虚警(AutomaticDual Censored Cell Averaging-Constant False Alarm Rate,ADCCA-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

为解决现有方法存在检测率过小、漏检率和虚警率过高等技术问题，本发明提供一种基于自适应剔除算法的目标检测方法。

在根据本发明的一个优选的实施例中，一种基于自适应剔除算法的目标检测方法，其特征在于：所述方法包括以下步骤：

步骤1，对参考窗中参考单元数量统计；设定x₀为测试单元；x₁,x₂,x₃,……x_N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；X₁,X₂,X₃,……X_N为经过升序排列后的参考单元序列；Y₁,Y₂,Y₃,……Y_N为经过归一化处理后得到的独立同分布序列；n₁为参考窗中热噪声参考单元数量；n₂为参考窗中热噪声参考单元加杂波干扰单元数量；P_fa为目标虚警率；

步骤2，对背景噪声功率值进行估计，设定背景噪声功率为Z；

步骤3，对功率检测门限进行计算，设定T表示功率检测门限，α为检测门限相关系数；

步骤4，对目标进行判别，设定P_d为目标检测率；P_fc为本检测方法剔除有效目标的概率；N_C为参考窗中杂波干扰参考单元个数；m为参考窗中包含的干扰目标参考单元个数，H₁表示有目标，H₀表示无目标。

优选地，上述步骤1通过以下方式实现对参考窗中参考单元数量统计：首先对参考窗中参考单元按照幅值，进行升序排列，得到系列X₁,X₂,X₃,……X_N；然后进行归一化处理得到独立同分布序列Y₁,Y₂,Y₃,……Y_N；其转化公式为：

Y_i＝(N-i+1)(X(i)-X(i-1)),i＝1,2,…N (1)

其中X(0)＝0；n₁的计算公式为：

其中，j＝1,2,3,…(N-1),α为本检测方法的相关参数，其计算公为：

α＝P_fc ^-1/j-1 (3)

其中P_fc为ACS-CFAR检测器剔除算法剔除概率，n₂的计算公式为：

其中l＝1,2,…(N-1)，如果n₁＞N/2时,则不计算n₂，故设为0；β同样为本检测方法的相关参数，其计算公式为：

优选地，上述步骤2中背景噪声功率Z值的估计方式包括以下步骤：

(1)当n₁＝0,n₂＝0时，表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元，只有热噪声参考单元；Z的计算公式为：

(2)当0＜k₁≤N/2,k₂＝0时，表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中，再从X(1),X(2),…X(N)低端去掉n₁个热噪声参考单元，选择高端剩余N-n₁个参考单元用于估计Z，Z的计算公式为：

(3)当0＜n₁＜N/2,n₁＜n₂≤N/2时，表示测试单元在参考窗中，同时处于杂波信号和干扰目标回波信号参考单元当中，从X(1),X(2),……X(N)低端去掉n₂个幅值较小的热噪声参考单元或者杂波信号参考单元，选择剩余N-n₂个幅值较大的参考单元用于估计Z，Z的计算公式为：

(4)当k₁＞N/2,k₂＝0时，表示测试单元在参考窗中只处于热噪声参考单元当中，只选择低端n₁个幅值较小的热噪声参考单元用于估计Z，Z的计算公式为：

(5)当0＜k₁≤N/2,k₂＞N/2时，表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中，从X(1),X(2),…X(N)低端去掉n₁个幅值较小的热噪声参考单元和从高端去掉N-n₂个幅值较大的参考单元；选择剩余的n₂-n₁个参考单元用于估计进行估计Z，Z的计算公式为：

优选地，上述步骤3中功率检测门限的计算方式为：设定T表示功率检测门限，则T的计算公式表示为：

T＝Z·α (11)

其中α分别为门限系数。

优选地，上述目标判别的方式为：

P_fa＝10^-4，门限系数α的计算公式为：

α＝(P_fa)^1/N-1 (13)

优选地，上述参考窗大小N取24。

优选地，上述参考窗中包含的干扰目标参考单元个数m为4。

具体优点为:

1、本发明对参考窗中参考单元按照功率值的大小进行升序排列后，热噪声参考单元、杂波参考单元和干扰目标参考单元分别集中存放，便于计算出各类参考单元的数量。

2、本发明在排序的基础上，引入了归一化处理，得到独立同分布序列，继而得到热噪声参考单元、杂波参考单元和干扰目标参考单元的数量。然后根据测试单元在原参考窗中的位置，即可估计出测试单元在参考窗中是处于均匀噪声环境，还是非均匀噪声环境，从而从有序的参考单元序列中提取合适的参考单元估计背景噪声功率，间接剔除了杂波干扰参考单元和目标干扰参考单元，提高本检测方法的检测性能。

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是本发明中目标检测方法的结构示意图；

图2是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3是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4是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。

本发明提供一种基于自适应剔除算法的目标检测方法，该方法首先对参考窗中所有参考单元按照幅值大小升序排列，再通过归一化处理，得到独立同分布序列，然后根据独立同分布序列单元之间的相互比较得到两个参数，根据这两个参数就可以估计出参考窗中热噪声参考单元、杂波参考单元、干扰目标参考单元的数量，从而有效区分测试单元x₀在参考窗口中是处于均匀噪声环境还是非均匀噪声环境，并从排序后的参考单元序列中有效提取合适的参考单元进行背景噪声功率估计，得到最优的背景噪声功率估计值，进而得到最优的功率检测门限，间接剔除了杂波干扰参考单元和目标干扰参考单元，提高本检测方法的检测性能。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。

具体实现方式如下：

参见图1所示，本发明提供的一种基于自适应剔除算法的目标检测方法，在该方法中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,……x_N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；X₁,X₂,X₃,……X_N为经过升序排列后的参考单元序列；Y₁,Y₂,Y₃,……Y_N为经过归一化处理后得到的独立同分布序列；n₁为参考窗中热噪声参考单元数量；n₂为参考窗中热噪声参考单元加杂波干扰单元数量；Z为背景噪声功率估计值；α为检测门限相关系数；P_fa为目标虚警率；P_d为目标检测率；P_fc为本检测方法剔除有效目标的概率；N_C为参考窗中杂波干扰参考单元个数；m为参考窗中包含的干扰目标参考单元个数。H₁表示有目标，H₀表示无目标。目标检测方法的执行步骤如下：

步骤1参考窗中参考单元数量统计。首先对参考窗中参考单元按照幅值，进行升序排列，得到系列X₁,X₂,X₃,……X_N。然后进行归一化处理得到独立同分布序列Y₁,Y₂,Y₃,……Y_N。其转化公式为：

Y_i＝(N-i+1)(X(i)-X(i-1)),i＝1,2,…N (1)

其中X(0)＝0。n₁的计算公式为：

其中，j＝1,2,3,…(N-1),α为本检测方法的相关参数，其计算公式为：

α＝P_fc ^-1/j-1 (3)

其中P_fc为ACS-CFAR检测器剔除算法剔除概率。n₂的计算公式为：

其中l＝1,2,…(N-1)。如果n₁＞N/2时,则没必要计算n₂故设为0。β同样为本检测方法的相关参数，其计算公式为：

步骤2背景噪声功率Z值的估计。Z的估计方法如下：

(1)当n₁＝0,n₂＝0时，表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元，只有热噪声参考单元。Z的计算公式为：

(2)当0＜k₁≤N/2,k₂＝0时，表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中，为了避免噪声功率估计值偏低，导致过高的虚警率，从X(1),X(2),…X(N)低端去掉n₁个热噪声参考单元，选择高端剩余N-n₁个参考单元用于估计Z，Z的计算公式为：

(3)当0＜n₁＜N/2,n₁＜n₂≤N/2时，表示测试单元在参考窗中，同时处于杂波信号和干扰目标回波信号参考单元当中，为了避免背景噪声功率估计值偏低，而导致过高的虚警率，从X(1),X(2),……X(N)低端去掉n₂个幅值较小的热噪声参考单元或者杂波信号参考单元，选择剩余N-n₂个幅值较大的参考单元用于估计Z，Z的计算公式为：

(4)当k₁＞N/2,k₂＝0时，表示测试单元在参考窗中只处于热噪声参考单元当中，为了避免背景噪声功率值估计偏高，只选择低端n₁个幅值较小的热噪声参考单元用于估计Z，Z的计算公式为：

(5)当0＜k₁≤N/2,k₂＞N/2时，表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中，为了避免背景噪声功率估计值偏低或者偏高，而导致过高的虚警率和过低的检测率，从X(1),X(2),…X(N)低端去掉n₁个幅值较小的热噪声参考单元和从高端去掉N-n₂个幅值较大的参考单元。选择剩余的n₂-n₁个参考单元用于估计进行估计Z，Z的计算公式为：

通过自适应选择相应的参考单元，用于估计背景噪声功率，间接剔除了杂波干扰参考单元和目标干扰参考单元，提高本检测方法的检测性能。

步骤3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＝Z·α (11)

其中α分别为门限系数。

步骤4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参考单元即是否有目标，假设H₁表示有目标，H₀表示无目标，目标有无判断方法如下：

本方法中的，N取24，P_fa＝10^-4，门限系数α的计算公式为：

α＝(P_fa)^1/N-1 (13)

参见图2所示，该图为本目标检测方法与CA-CFAR、GO-CFAR和ACCA-CFAR目标检测方法在均匀噪声环境下的检测率仿真对比曲线图。从该图中可以看出本检测方法在均匀噪声环境下，检测率大于GO-CFAR、ACCA-CFAR检测方法的检测率，接近于CA-CFAR检测方法的检测率，相差小于0.12％，表明本目标检测方法在均匀背景噪声环境下具有较好的检测性能。

参见图3所示，该图为本目标检测方法在N＝24,P_fa＝10^-4，P_fc＝10^-3和N_C＝16的杂波干扰仿真环境下与各检测方法的检测性能仿真对比曲线图。从该图可看出，当SNR＝25dB时，本目标检测方法检测率为98.53％，检测性能接近于GO-CFAR检测方法，优于ACCA-CFAR检测方法，表现出了在杂波边缘干扰环境下较佳的检测性能。

参见图4所示，该图为本目标检测方法在N＝24,P_fa＝10^-4，P_fc＝10^-3和m＝6的多干扰目标仿真环境下与各检测方法的检测性能仿真对比曲线，从图中可看出，当SNR＝25dB时(信噪比SNR-SIGNAL-NOISERATIO)，本目标检测方法的检测率高达98.43％，检测性能优于ACCA-CFAR检测方法。对比结果也表明本文本目标检测方法在多目标干扰环境下，也具有较优的检测性能。

本发明提供的以上方法对参考窗中参考单元按照功率值的大小进行升序排列后，热噪声参考单元、杂波参考单元和干扰目标参考单元分别集中存放，便于计算出各类参考单元的数量。并且排序的基础上，引入了归一化处理，得到独立同分布序列，继而得到热噪声参考单元、杂波参考单元和干扰目标参考单元的数量。然后根据测试单元在原参考窗中的位置，即可估计出测试单元在参考窗中是处于均匀噪声环境，还是非均匀噪声环境，从而从有序的参考单元序列中提取合适的参考单元估计背景噪声功率，间接剔除了杂波干扰参考单元和目标干扰参考单元，提高本检测方法的检测性能。同时根据测试单元在参考窗中的位置估计，选择相应的参考单元集，估计背景噪声功率值，不仅避免了噪声功率估计过低造成的虚警率过高的问题，同时也避免了噪声功率估计过高造成检测率过低的问题。

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)

1.一种基于自适应剔除算法的目标检测方法，其特征在于：所述方法包括以下步骤：

1)对参考窗中参考单元数量统计；设定x₀为测试单元；x₁,x₂,x₃,……x_N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；X₁,X₂,X₃,……X_N为经过升序排列后的参考单元序列；Y₁,Y₂,Y₃,……Y_N为经过归一化处理后得到的独立同分布序列；n₁为参考窗中热噪声参考单元数量；n₂为参考窗中热噪声参考单元加杂波干扰单元数量；P_fa为目标虚警率；

2)对背景噪声功率值进行估计，设定背景噪声功率为Z；

3)对功率检测门限进行计算，设定T表示功率检测门限，α为检测门限相关系数；

4)对目标进行判别，设定P_d为目标检测率；P_fc为本检测方法剔除有效目标的概率；N_C为参考窗中杂波干扰参考单元个数；m为参考窗中包含的干扰目标参考单元个数，H₁表示有目标，H₀表示无目标。

2.根据权利要求1所述的基于自适应剔除算法的目标检测方法，其特征在于：所述步骤1通过以下方式实现对参考窗中参考单元数量统计：首先对参考窗中参考单元按照幅值，进行升序排列，得到系列X₁,X₂,X₃,……X_N；然后进行归一化处理得到独立同分布序列Y₁,Y₂,Y₃,……Y_N；其转化公式为：

Y_i＝(N-i+1)(X(i)-X(i-1)),i＝1,2,…N (1)

其中X(0)＝0；n₁的计算公式为：

其中，j＝1,2,3,…(N-1),α为本检测方法的相关参数，其计算公为：

α＝P_fc ^-1/j-1 (3)

其中P_fc为ACS-CFAR检测器剔除算法剔除概率，n₂的计算公式为：

其中l＝1,2,…(N-1)，如果n₁＞N/2时,则不计算n₂，故设为0；β同样为本检测方法的相关参数，其计算公式为：

。

3.根据权利要求2所述的基于自适应剔除算法的雷达目标检测方法，其特征在于：所述步骤2中背景噪声功率Z值的估计方式包括以下步骤：

(1)当n₁＝0,n₂＝0时，表示参考窗口中没有杂波干扰单元和干扰目标回波信号参考单元，只有热噪声参考单元；Z的计算公式为：

(2)当0＜k₁≤N/2,k₂＝0时，表示参考窗中测试单元处于杂波信号或者目标干扰信号参考单元当中，再从X(1),X(2),…X(N)低端去掉n₁个热噪声参考单元，选择高端剩余N-n₁个参考单元用于估计Z，Z的计算公式为：

(3)当0＜n₁＜N/2,n₁＜n₂≤N/2时，表示测试单元在参考窗中，同时处于杂波信号和干扰目标回波信号参考单元当中，从X(1),X(2),……X(N)低端去掉n₂个幅值较小的热噪声参考单元或者杂波信号参考单元，选择剩余N-n₂个幅值较大的参考单元用于估计Z，Z的计算公式为：

(4)当k₁＞N/2,k₂＝0时，表示测试单元在参考窗中只处于热噪声参考单元当中，只选择低端n₁个幅值较小的热噪声参考单元用于估计Z，Z的计算公式为：

(5)当0＜k₁≤N/2,k₂＞N/2时，表示测试单元在参考窗中处于杂波干扰或者干扰目标回波信号参考单元当中，从X(1),X(2),…X(N)低端去掉n₁个幅值较小的热噪声参考单元和从高端去掉N-n₂个幅值较大的参考单元；选择剩余的n₂-n₁个参考单元用于估计进行估计Z，Z的计算公式为：

。

4.根据权利要求3或2所述的基于自适应剔除算法的目标检测方法，其特征在于：所述步骤3中功率检测门限的计算方式为：设定T表示功率检测门限，则T的计算公式表示为：

T＝Z·α (11)

其中α分别为门限系数。

5.根据权利要求4所述的基于自适应剔除算法的目标检测方法，其特征在于：所述目标判别的方式为：

P_fa＝10^-4，门限系数α的计算公式为：

α＝(P_fa)^1/N-1 (13) 。

6.根据权利要求5所述的基于自适应剔除算法的目标检测方法，其特征在于：所述参考窗大小N取24。

7.根据权利要求5所述的基于自适应剔除算法的目标检测方法，其特征在于：所述参考窗中包含的干扰目标参考单元个数m为4。