CN107390196A - 基于多基地雷达的快起伏目标双门限恒虚警检测方法 - Google Patents
基于多基地雷达的快起伏目标双门限恒虚警检测方法 Download PDFInfo
- Publication number
- CN107390196A CN107390196A CN201710629221.9A CN201710629221A CN107390196A CN 107390196 A CN107390196 A CN 107390196A CN 201710629221 A CN201710629221 A CN 201710629221A CN 107390196 A CN107390196 A CN 107390196A
- Authority
- CN
- China
- Prior art keywords
- mrow
- data
- msub
- mfrac
- munderover
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 51
- 238000012360 testing method Methods 0.000 claims abstract description 38
- 230000004927 fusion Effects 0.000 claims abstract description 37
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000002474 experimental method Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000001427 coherent effect Effects 0.000 claims description 3
- 230000005577 local transmission Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 description 14
- 238000004891 communication Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
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
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
本发明公开了一种基于多基地雷达的快起伏目标双门限恒虚警检测方法。其实现步骤为：1、对回波数据进行采集；2、对采集的回波数据进行平方律检波；3、根据平方律检波后的数据计算局部检验统计量；4、计算第一门限，并根据第一门限对局部检验统计量进行判别，若局部检验统计量大于第一门限，则将局部检验统计量传输到融合中心，否则剔除；5、根据传输到融合中心的局部检验统计量计算全局检验统计量；6、估计第二门限，并根据第二门限对全局检验统计量进行判别，若全局检验统计量大于第二门限，则判决目标存在，否则判决目标不存在。本发明能有效的对雷达目标进行检测，且系统简单，适用性广泛，可用于提高多基地雷达目标检测性能。
Description
技术领域
本发明属于雷达技术领域，具体说是一种快起伏目标双门限恒虚警检测的方法，可用于多基地雷达目标检测系统。
背景技术
在多基地雷达系统中，为了获得某种准则下最优的检测性能，通常需要各个雷达站将接收的信号全部传输到融合中心，这无疑需要很大的通信传输带宽，如果采用光纤通信，其通信带宽很容易满足数据传输要求，但是这种有线连接方式限制了雷达站的机动性和灵活性。但对于机载雷达和舰载雷达等移动平台，需要通过无线传输将雷达回波数据传送给处理中心。这种情况下，信号传输带宽往往不能满足数据的传输要求，并且随着通信带宽的增加，需要付出更多的代价。
解决数据传输率约束的有效手段是局部雷达站将原始观测数据进行量化后传送给融合中心。在传统的分布式检测算法中，局部雷达站将“0/1”判决结果传送给融合中心，融合中心根据相应的融合准则得到最终判决结果，这种基于局部判决的分布式检测算法虽然能有效降低处理中心的计算量和局部雷达站与处理中心之间的数据传输量，但是破坏了原始数据的结构，减少了数据所包含的信息量，从而降低分布式系统的检测性能。为解决将局部判决结果传送到融合中心引起的信息损失问题，人们研究了多种既能减小数据传输量又能增加信息量的分布式检测算法。
现有方法一：
在数据传输率和虚警概率的约束条件下，确定含有信息量更多的观测区域，并将落入该区域的观测传送给融合中心，使检测性能或目标函数达到最优。然而，当检验统计量的统计特性很难给出时，这种根据约束条件解优化方法的计算量大。
现有方法二：
局部雷达站根据观测量含有信息量的大小按顺序传送信号，当融合中心得到判决时，将控制信息反馈给局部雷达站，终止数据的传送，从而降低数据传输量，同时保证与无通信带宽约束条件具有相同的虚警概率和漏警概率。但这种方法需要严格控制雷达站的数据传送时间，同时需要反馈，系统较为复杂。
现有方法三：
在杂波和噪声功率已知的情况下，第一门限由数据传输率约束确定，在奈曼皮尔逊准则下，数据传输率约束可近似由局部虚警概率约束表示。局部雷达站将超过第一门限的观测数据传送到融合中心，融合中心根据奈曼皮尔逊准则得到似然比检测器，并由第二门限保证全局虚警概率。
上述检测方法仅适用于杂波和噪声功率已知且目标起伏模型为慢起伏时的情况。然而，在雷达实际工作中，杂波和噪声功率很难预先估计，且当雷达视线的姿态角变化剧烈目标起伏模型为快起伏时，上述方法不能对目标进行恒虚警检测。
发明内容
本发明的目的在于针对上述现有技术的不足，提出一种基于多基地雷达的快起伏目标双门限恒虚警检测方法，以减小检验统计量的计算难度以及检测系统的复杂度，提高目标检测性能。
本发明的技术方案是：在杂波加噪声功率未知的情况下，各个局部雷达站对信号进行非相干积累，采用自适应滤波算法进行第一门限检测，并将超过第一门限的观测数据传送到融合中心；融合中心根据局部雷达站传送的数据计算融合后的检验统计量，并与第二门限比较，得到最终的判决结果。其实现步骤包括如下：
(1)对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：X＝[X1,X2,...,Xn,...,XN]，Xn表示第n个空间分集通道中的原始数据，n＝1,2,...,N，N为空间分集通道数，L为一个非相干积累周期中所包含的脉冲个数，K代表检测单元附近参考单元个数；
(2)对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z1,Z2,...,Zn,...,ZN]，Zn表示Z中的第n个数据元素；
(3)对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计量：Y＝[Y1,Y2,...,Yn,...,YN]T，其中，Yn表示Y中第n个元素，[·]T表示矩阵转置；
(4)计算第一门限τ1：
根据脉冲个数L、参考单元个数K以及局部虚警概率pfa计算第一门限τ1：
τ1＝Fp(1-pfa,L,K)，
其中，
v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；
(5)将局部检验统计量Y中的每个元素Yn与第一门限τ1相比较：
若Yn≥τ1，则将数据Yn传输到融合中心，记传输到融合中心的数据为B＝[B1,…,Bm,…,BM]，Bm为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；
若Yn＜τ1，则数据Yn不传输；
(6)采用蒙特卡洛仿真实验，估计出全局虚警概率设定为Pfa时的第二门限η2；
(7)对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η2比较：若E≥η2，则判决目标存在，若E＜η2，则判决目标不存在。
本发明与现有技术相比具有以下优点：
1、本发明由于将超过第一门限的局部检验统计量传输到融合中心，将未超过第一门限的局部检验统计量剔除，有效的降低了传输信息带宽，减小了检测系统的复杂度。
2、本发明由于将超过第一门限的局部检验统计量传输到融合中心，使局部检验统计量保留了原始数据信息，与现有的分布式检测算法中局部雷达站将“0/1”判决结果传送给融合中心的方案相比，提高了检测系统的检测性能。
附图说明
图1是本发明的实现总流程图；
图2是本发明中估计第二门限的子流程图；
图3是对本发明的检测性能仿真图。
具体实施方式
参照图1，本发明的实施步骤如下：
步骤1、对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：
X＝[X1,X2,...,Xn,...,XN]，
其中，Xn表示第n个空间分集通道中的原始数据，Xn为L×(K+1)维的矩阵，其表示如下：
其中，xnls表示第n个空间分集通道中第l个脉冲的第s+1个数据，n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0时，xnls代表检测单元信息，s＝1,2,...,K时，xnls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。
步骤2、对原始数据矩阵X进行检波。
常用的检波方法有平方律检波和包络检波，平方律检波器线路简单，能对很小的信号检波，检波输出电流与输入载波电压幅度的平方成正比，在无线电测量仪表中得到较为广泛的应用。本步骤使用平方律检波，其实现如下：
对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z1,Z2,...,Zn,...,ZN]，其中Zn表示Z中的第n个数据元素，表示为L×(K+1)维的矩阵：
其中，znls表示Zn中第l行第s+1列的数据元素，znls＝|xnls|2。
步骤3、对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计向量Y。
3.1)将经平方律检波后的数据Zn中每行的第一个数据除以该行剩余数据之和，得到向量Q＝[qn1,…,qnl,…,qnL]，其中，qnl表示Q中第l个的数据元素：
其中，znl0表示Zn中第l行第1列的数据元素，znls表示Zn中第l行第s+1列的数据元素，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝1,...,K，K代表参考单元个数；
3.2)对Q中的元素求和，得到局部检验统计量：
3.3)对经平方律检波后的数据矩阵Z＝[Z1,Z2,...,Zn,...,ZN]中每个元素都按步骤(3.1)与步骤(3.2)处理，得到局部检验统计向量Y＝[Y1,Y2,...,Yn,...,YN]，其中，Yn表示Y中第n个元素。
步骤4、计算第一门限τ1。
第一门限τ1用于判决局部检验统计量，其具体实现如下：
根据脉冲个数L、参考单元个数K以及局部虚警概率pfa计算第一门限τ1：
τ1＝Fp(1-pfa,L,K),
其中，
v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算。
步骤5、对局部检验统计量进行判别。
将局部检验统计向量Y中的每个元素Yn与第一门限τ1相比较：
若Yn≥τ1，则将数据Yn传输到融合中心，记传输到融合中心的数据为B＝[B1,…,Bm,…,BM]，Bm为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；
若Yn＜τ1，则数据Yn不传输。
步骤6、估计第二门限η。
第二门限用于全局检验统计检验量判别。本发明中采用matlab软件进行蒙特卡洛实验，估计出全局虚警概率为设定的Pfa时的第二门限η。
参照图2，本步骤的具体实现如下：
6.1)在0到20内以0.01为间隔取值，记为同时产生计数向量其中，为中的第m个元素，m＝1,2,...,M，M为中元素的个数，为中的第m个元素，中每个元素的初始值设置为0；
6.2)产生N×L×(K+1)维均值为0，方差为1的复合高斯随机数据其中，为中第n个数据，的具体表示为：
其中，表示中第l行第s+1列的数据元素，的概率密度函数为：
n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,2,...,K，K代表检测单元附近参考单元个数；
6.3)获得局部检验统计向量：其中，表示中第n个元素
其计算公式为：
式中，表示中第l行第1列的数据元素，表示中第l行第s+1列的数据元素，s＝1,...,K，K代表参考单元个数；
6.4)根据脉冲个数L、参考单元个数K以及局部传输速率pfa计算出第一门限：
其中，
v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；
6.5)将局部检验统计量与第一门限相比较：
若则将传输到融合中心，记传输到融合中心的数据为 为中第t个元素，t＝1,2,...,T，T为传输到融合中心的数据个数；
若则数据不传输；
6.6)对传输到融合中心数据中的元素进行求和，得到全局检验统计量
6.7)将全局检验统计量与中每个元素相比较：若则加1，若则保持不变；
6.8)重复步骤(6.2)～(6.7)共106次；
6.9)记cnt＝106×Pfa，查找出中与cnt最接近的记录下标m值，则第二门限
步骤7、全局检验统计量判别。
对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η2比较：若E≥η2，则判决目标存在，若E＜η2，则判决目标不存在。
本发明的可行性和有效性可通过以下仿真数据的处理结果进一步验证。
1、实验方法：本实验采用matlab仿真，产生一组模拟目标存在的数据，处理过程中的参数设置为：空间分集通道数N＝6，一个非相干积累周期中所包含的脉冲个数L＝4，参考单元数K＝8，局部虚警概率pfa分别设置为10-1和10-2，全局虚警概率Pfa设置为10-4。
2、实验内容：
为证明本发明能够在传输带宽约束的情况下有较好的目标检测，本实验产生一组包含目标信号的数据作为原始数据，运用本发明方法，对此数据进行处理，得到检测性能随信噪比变化的曲线，如图3所示。
从图3中可以看出，在全局信噪比一定时，集中式检测算法检测性能最好；在局部虚警概率pfa设置为10-1，即传输速率降低为原来的十分之一时，信噪比损失不到0.1dB；在局部虚警概率pfa设置为10-2，即传输速率降低为原来的百分之一时，信噪比损失不到1dB。表明本发明在局部传输速率约束下有很好的检测性能。
Claims (5)
1.一种基于多基地雷达的快起伏目标双门限恒虚警检测方法，包括如下步骤：
(1)对雷达回波信号进行采集，得到N×L×(K+1)维原始数据矩阵：X＝[X1,X2,...,Xn,...,XN]，Xn表示第n个空间分集通道中的原始数据，n＝1,2,...,N，N为空间分集通道数，L为一个非相干积累周期中所包含的脉冲个数，K代表检测单元附近参考单元个数；
(2)对数据矩阵X中的元素进行平方律检波，得到N×L×(K+1)维经平方律检波后的数据矩阵Z＝[Z1,Z2,...,Zn,...,ZN]，Zn表示Z中的第n个数据元素；
(3)对平方律检波后的数据矩阵Z采用自适应滤波算法进行处理，得到局部检验统计向量：Y＝[Y1,Y2,...,Yn,...,YN]T，其中，Yn表示Y中第n个元素，[·]T表示矩阵转置；
(4)计算第一门限τ1：
根据脉冲个数L、参考单元个数K以及局部虚警概率pfa计算第一门限τ1：
τ1＝Fp(1-pfa,L,K)，
其中，
<mrow>
<msub>
<mi>Ei</mi>
<mrow>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msup>
<mi>v</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>!</mo>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&rsqb;</mo>
<mo>+</mo>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</munder>
<mrow>
<mi>r</mi>
<mo>&NotEqual;</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>&infin;</mi>
</munderover>
<mfrac>
<msup>
<mi>v</mi>
<mi>r</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mi>r</mi>
<mo>!</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；
(5)将局部检验统计量Y中的每个元素Yn与第一门限τ1相比较：
若Yn≥τ1，则将数据Yn传输到融合中心，记传输到融合中心的数据为B＝[B1,…,Bm,…,BM]，Bm为B中第m个元素，m＝1,2,...,M，M为传输到融合中心的数据个数；
若Yn＜τ1，则数据Yn不传输；
(6)采用蒙特卡洛仿真实验，估计出全局虚警概率设定为Pfa时的第二门限η2；
(7)对传输到融合中心数据B中的元素进行求和，得到全局检验统计量E，将全局检验统计量E与第二门限η2比较：若E≥η2，则判决目标存在，若E＜η2，则判决目标不存在。
2.根据权利要求1所述的方法，其中步骤(1)中第n个空间分集通道中的原始数据Xn为L×(K+1)维的矩阵，其表示如下：
其中，xnls表示第n个空间分集通道中第l个脉冲的第s+1个数据，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0时，xnls代表检测单元信息，s＝1,2,...,K时，xnls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。
3.根据权利要求1所述的方法，其中步骤(2)中经平方律检波后的数据Zn为L×(K+1)维的矩阵，其表示如下：
其中，znls表示，znls表示Zn中第l行第s+1列的数据元素，znls＝|xnls|2，xnls表示第n个空间分集通道中第l个脉冲的第s+1个数据，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,...,K，s＝0时，xnls代表检测单元信息，s＝1,2,...,K时，xnls代表检测单元附近参考单元信息，K代表检测单元附近参考单元个数。
4.根据权利要求1所述的方法，其中步骤(3)中的局部检验统计量Yn，按如下步骤计算：
3.1)将经平方律检波后的数据Zn中每行的第一个数据除以该行剩余数据之和，得到向量Q＝[qn1,…,qnl,…,qnL]，其中，qnl表示Q中第l个的数据元素：
<mrow>
<msub>
<mi>q</mi>
<mrow>
<mi>n</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>z</mi>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mn>0</mn>
</mrow>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<msub>
<mi>z</mi>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mi>s</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
其中，znl0表示Zn中第l行第1列的数据元素，znls表示Zn中第l行第s+1列的数据元素，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝1,...,K，K代表参考单元个数；
3.2)对Q中的元素求和，得到局部检验统计量：
<mrow>
<msub>
<mi>Y</mi>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<msub>
<mi>q</mi>
<mrow>
<mi>n</mi>
<mi>l</mi>
</mrow>
</msub>
<mo>.</mo>
</mrow>
5.根据权利要求1所述的方法，其中步骤(6)中估计第二门限η2，使用matlab软件实现，其步骤如下：
6.1)在0到20内以0.01为间隔取值，记为同时产生计数向量其中，为中的第m个元素，m＝1,2,...,M，M为中元素的个数，为中的第m个元素，中每个元素的初始值设置为0；
6.2)产生N×L×(K+1)维均值为0，方差为1的复合高斯随机数据其中，为中第n个数据，的具体表示为：
其中，表示中第l行第s+1列的数据元素，的概率密度函数为：
<mrow>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>x</mi>
<mi>&Lambda;</mi>
</mover>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mi>s</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>&pi;</mi>
</mfrac>
<mi>exp</mi>
<mrow>
<mo>(</mo>
<mo>-</mo>
<mo>|</mo>
<msub>
<mover>
<mi>x</mi>
<mi>&Lambda;</mi>
</mover>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mi>s</mi>
</mrow>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
n＝1,2,...,N，N为空间分集通道数，l＝1,2,...,L，L为一个非相干积累周期中所包含的脉冲个数，s＝0,1,2,...,K，K代表检测单元附近参考单元个数；
6.3)获得局部检验统计向量：其中，表示中第n个元素其计算公式为：
<mrow>
<msub>
<mover>
<mi>Y</mi>
<mi>&Lambda;</mi>
</mover>
<mi>n</mi>
</msub>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>l</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>L</mi>
</munderover>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<mo>|</mo>
<msub>
<mover>
<mi>x</mi>
<mi>&Lambda;</mi>
</mover>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mn>0</mn>
</mrow>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>s</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<mo>|</mo>
<msub>
<mover>
<mi>x</mi>
<mi>&Lambda;</mi>
</mover>
<mrow>
<mi>n</mi>
<mi>l</mi>
<mi>s</mi>
</mrow>
</msub>
<msup>
<mo>|</mo>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>,</mo>
</mrow>
式中，表示中第l行第1列的数据元素，表示中第l行第s+1列的数据元素，s＝1,...,K，K代表参考单元个数；
6.4)根据脉冲个数L、参考单元个数K以及局部传输速率pfa计算出第一门限：
<mrow>
<msub>
<mover>
<mi>&tau;</mi>
<mi>&Lambda;</mi>
</mover>
<mn>1</mn>
</msub>
<mo>=</mo>
<msub>
<mi>F</mi>
<mi>p</mi>
</msub>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>p</mi>
<mrow>
<mi>f</mi>
<mi>a</mi>
</mrow>
</msub>
<mo>,</mo>
<mi>L</mi>
<mo>,</mo>
<mi>K</mi>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，
<mrow>
<msub>
<mi>Ei</mi>
<mrow>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mfrac>
<msup>
<mi>v</mi>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<mrow>
<mo>(</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>!</mo>
</mrow>
</mfrac>
<mo>&lsqb;</mo>
<mi>&gamma;</mi>
<mo>+</mo>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<mi>v</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mfrac>
<mn>1</mn>
<mi>r</mi>
</mfrac>
<mo>&rsqb;</mo>
<mo>+</mo>
<munderover>
<munder>
<mi>&Sigma;</mi>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
</munder>
<mrow>
<mi>r</mi>
<mo>&NotEqual;</mo>
<mi>L</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mi>&infin;</mi>
</munderover>
<mfrac>
<msup>
<mi>v</mi>
<mi>r</mi>
</msup>
<mrow>
<mo>(</mo>
<mi>r</mi>
<mo>-</mo>
<mi>L</mi>
<mo>+</mo>
<mn>1</mn>
<mo>)</mo>
<mi>r</mi>
<mo>!</mo>
</mrow>
</mfrac>
<mo>,</mo>
</mrow>
v表示积分因子，r表示求和因子，γ表示欧拉常数，γ≈0.5772156649，e表示自然常数，e≈2.71828，！表示阶乘运算；
6.5)将局部检验统计量与第一门限相比较：
若则将传输到融合中心，记传输到融合中心的数据为 为中第t个元素，t＝1,2,...,T，T为传输到融合中心的数据个数；
若则数据不传输；
6.6)对传输到融合中心数据中的元素进行求和，得到全局检验统计量
6.7)将全局检验统计量与中每个元素相比较：若则加1，若则保持不变；
6.8)重复步骤(6.2)～(6.7)共106次；
6.9)记cnt＝106×Pfa，查找出中与cnt最接近的记录下标m值，则第二门限
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710629221.9A CN107390196B (zh) | 2017-07-28 | 2017-07-28 | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710629221.9A CN107390196B (zh) | 2017-07-28 | 2017-07-28 | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107390196A true CN107390196A (zh) | 2017-11-24 |
| CN107390196B CN107390196B (zh) | 2020-04-07 |
Family
ID=60341906
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710629221.9A Active CN107390196B (zh) | 2017-07-28 | 2017-07-28 | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107390196B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108037493A (zh) * | 2017-11-27 | 2018-05-15 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
| CN108318877A (zh) * | 2017-11-27 | 2018-07-24 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下目标检测方法 |
| CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
| CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
| CN111708017A (zh) * | 2020-05-27 | 2020-09-25 | 中国电子科技集团公司信息科学研究院 | 一种基于高斯核的多雷达联合检测方法及装置 |
| CN111751811A (zh) * | 2020-05-20 | 2020-10-09 | 西安电子科技大学 | 一种多基站雷达构型下的距离扩展目标检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000376A (zh) * | 2007-01-08 | 2007-07-18 | 清华大学 | 双基地合成孔径雷达的双门限恒虚警运动目标检测方法 |
| CN105425222A (zh) * | 2015-11-03 | 2016-03-23 | 西安电子科技大学 | 一种数据传输率约束下的雷达目标检测方法 |
| CN106093904A (zh) * | 2016-06-17 | 2016-11-09 | 电子科技大学 | 基于多帧双门限两级检测机制的杂波图恒虚警方法 |
| CN106899279A (zh) * | 2017-01-24 | 2017-06-27 | 西安电子科技大学 | 一种综合的动目标检测滤波器设计方法 |
-
2017
- 2017-07-28 CN CN201710629221.9A patent/CN107390196B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101000376A (zh) * | 2007-01-08 | 2007-07-18 | 清华大学 | 双基地合成孔径雷达的双门限恒虚警运动目标检测方法 |
| CN105425222A (zh) * | 2015-11-03 | 2016-03-23 | 西安电子科技大学 | 一种数据传输率约束下的雷达目标检测方法 |
| CN106093904A (zh) * | 2016-06-17 | 2016-11-09 | 电子科技大学 | 基于多帧双门限两级检测机制的杂波图恒虚警方法 |
| CN106899279A (zh) * | 2017-01-24 | 2017-06-27 | 西安电子科技大学 | 一种综合的动目标检测滤波器设计方法 |
Non-Patent Citations (2)
| Title |
|---|
| MOHAMD B.EL MASHADE: "performace evaluation of the double-threshold CFAR detector in multiple-target situations", 《JOURNAL OF ELECTRONICS》 * |
| 胡勤振 等: "多基地雷达中双门限CFAR检测算法", 《电子与信息学报》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108037493A (zh) * | 2017-11-27 | 2018-05-15 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
| CN108318877A (zh) * | 2017-11-27 | 2018-07-24 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下目标检测方法 |
| CN108037493B (zh) * | 2017-11-27 | 2021-11-02 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 |
| CN108318877B (zh) * | 2017-11-27 | 2021-12-17 | 西安电子科技大学 | 基于多基地雷达的杂波子空间下目标检测方法 |
| CN109521412A (zh) * | 2018-12-26 | 2019-03-26 | 西安电子科技大学 | 基于局部统计量融合的雷达组网空域目标检测方法 |
| CN110221265A (zh) * | 2019-06-03 | 2019-09-10 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
| CN110221265B (zh) * | 2019-06-03 | 2022-12-06 | 西安电子工程研究所 | 基于强散射点自适应估计的距离扩展目标检测方法 |
| CN111751811A (zh) * | 2020-05-20 | 2020-10-09 | 西安电子科技大学 | 一种多基站雷达构型下的距离扩展目标检测方法 |
| CN111751811B (zh) * | 2020-05-20 | 2023-07-25 | 西安电子科技大学 | 一种多基站雷达构型下的距离扩展目标检测方法 |
| CN111708017A (zh) * | 2020-05-27 | 2020-09-25 | 中国电子科技集团公司信息科学研究院 | 一种基于高斯核的多雷达联合检测方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107390196B (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107390196B (zh) | 基于多基地雷达的快起伏目标双门限恒虚警检测方法 | |
| CN108318877B (zh) | 基于多基地雷达的杂波子空间下目标检测方法 | |
| CN108037493A (zh) | 基于多基地雷达的杂波子空间下双门限恒虚警检测方法 | |
| CN105807267B (zh) | 一种mimo雷达扩展目标的检测方法 | |
| Cheng et al. | Sensing OFDM signal: A deep learning approach | |
| CN105259541B (zh) | 一种多站雷达抗有源欺骗式干扰的方法 | |
| CN104502905B (zh) | 基于多通道顺序统计的距离扩展目标检测方法 | |
| CN112162244B (zh) | 一种相关噪声和随机丢包环境下的事件触发目标跟踪方法 | |
| CN102043150A (zh) | 用于微弱目标检测的改进型粒子滤波检测前跟踪方法 | |
| CN105259540B (zh) | 一种多站雷达抗有源欺骗式干扰的优化方法 | |
| WO2020209918A2 (en) | Detection of cyber attacks targeting avionics systems | |
| CN104391290A (zh) | 一种适用于复杂非均匀杂波下的cfar检测器 | |
| CN106526584A (zh) | 多雷达系统中目标检测跟踪联合处理方法 | |
| CN111817803A (zh) | 一种基于相关系数和k-均值聚类算法的频谱感知方法、系统及计算机可读存储介质 | |
| CN105425222B (zh) | 一种数据传输率约束下的雷达目标检测方法 | |
| CN113608193A (zh) | 一种基于UNet的雷达多目标距离和速度估计方法 | |
| CN106353743A (zh) | 匹配于等效形状参数的近最优雷达目标检测方法 | |
| CN107607926B (zh) | 一种分布式雷达低通信量准信号融合目标探测处理方法 | |
| CN106093891A (zh) | 基于多普勒速度检验的雷达网抗密集距离假目标干扰方法 | |
| CN116010798A (zh) | 一种基于YOLOv5的复杂典型通信信号快速识别分类方法 | |
| CN105738882B (zh) | 对实测杂波协方差矩阵估计性能的白化度评价方法 | |
| CN104215960A (zh) | 基于改进粒子滤波的目标跟踪方法 | |
| Fan et al. | A Gaussian particle filter for track-before-detect | |
| CN112666528A (zh) | 一种基于卷积神经网络的多站雷达系统干扰鉴别方法 | |
| Solak et al. | Sequential decision fusion for abnormality detection via diffusive molecular communications |
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 |