CN109212493B - 地杂波检测门限的自适应确定方法和装置 - Google Patents
地杂波检测门限的自适应确定方法和装置 Download PDFInfo
- Publication number
- CN109212493B CN109212493B CN201811021979.5A CN201811021979A CN109212493B CN 109212493 B CN109212493 B CN 109212493B CN 201811021979 A CN201811021979 A CN 201811021979A CN 109212493 B CN109212493 B CN 109212493B
- Authority
- CN
- China
- Prior art keywords
- ground clutter
- clutter data
- data samples
- order
- calculating
- 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.)
- Active
Links
Images
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
- G01S7/36—Means for anti-jamming, e.g. ECCM, i.e. electronic counter-counter measures
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
本发明提供了地杂波检测门限的自适应确定方法和装置,包括:获取地物杂波数据样本;判断地物杂波数据样本的数量是否达到预设数量;如果达到预设数量,则根据地物杂波数据样本计算统计特征;判断统计特征与概率模型是否匹配;如果匹配,则根据统计特征和概率模型计算检测门限;如果不匹配,则根据虚警率和地物杂波数据样本的最大值确定检测门限,可以实现对不同地物环境下的地杂波自适应门限设置。
Description
技术领域
本发明涉及雷达技术领域,尤其是涉及地杂波检测门限的自适应确定方法和装置。
背景技术
雷达是一种主动发射电磁波并接收目标反射波,对目标进行主动探测与定位的无线电装置。以地面车辆、人员和低空飞行器为主要探测目标的雷达系统,需要能有效的抑制地面上的物体对雷达回波产生的地杂波的影响。
面对地物杂波的影响,一般采用随机过程中的统计方法对地物杂波建立统计模型,而采用统计模型的检测门限设置方法,对统计模型的精确度依赖较大。一旦采用的统计模型与实际模型相差较大,则将对雷达系统的检测性能造成很大的影响。
发明内容
有鉴于此,本发明的目的在于提供地杂波检测门限的自适应确定方法和装置,对地杂波的统计特性进行计算,按照给定的虚警率计算检测门限,如果雷达的工作情况发生变化,系统可以根据数据情况,自动的重新计算地杂波的统计特性,以实现对不同地物环境下的地杂波自适应门限设置。
第一方面,本发明实施例提供了地杂波检测门限的自适应确定方法,,所述方法包括:
获取地物杂波数据样本;
判断所述地物杂波数据样本的数量是否达到预设数量;
如果达到所述预设数量,则根据所述地物杂波数据样本计算统计特征;
判断所述统计特征与概率模型是否匹配;
如果匹配,则根据所述统计特征和所述概率模型计算检测门限;
如果不匹配,则根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限。
进一步的,所述根据所述地物杂波数据样本计算统计特征,包括:
根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
在离散的情况下,根据所述地物杂波数据样本计算所述K阶原点矩和所述K阶中心矩,K为正整数。
进一步的,所述根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,包括:
根据下式计算所述K阶原点矩:
mk=E(xk)=∫xkf(x)dx,k≥1
其中,mk为所述K阶原点矩,x为所述地物杂波数据样本,f(x)为所述地物杂波数据样本的概率密度函数,k为阶数;
根据下式计算所述K阶中心矩:
σk=E[(x-m1)k]=∫(x-m1)kf(x)dx,k≥2
其中,σk为所述K阶中心矩,x为所述地物杂波数据样本,f(x)为所述地物杂波数据样本的概率密度函数,k为所述阶数,m1为一阶原点矩。
进一步的,所述在离散的情况下,根据所述地物杂波数据样本计算所述K阶原点矩和所述K阶中心矩,包括:
根据下式计算所述K阶原点矩:
其中,mk为所述K阶原点矩,x为所述地物杂波数据样本,N为所述地物杂波数据样本的数量,k为阶数;
根据下式计算所述K阶中心矩:
其中,σk为所述K阶中心矩,x为所述地物杂波数据样本,k为所述阶数,m1为一阶原点矩。
进一步的,所述概率模型为K分布概率密度函数的各阶原点矩,所述根据所述统计特征和所述概率模型计算检测门限,包括:
将所述地物杂波数据样本的所述K阶中心矩与所述K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
根据所述差值最小的地物杂波数据样本的概率密度函数和所述K分布概率密度函数,计算所述检测门限。
进一步的,所述根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限,包括:
当所述虚警率为第一数值时,将所述地物杂波数据样本按照从大到小的顺序排列;
从排列的地物杂波数据样本中抽取第二数值的地物杂波数据样本;
从所述第二数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
将所述最小的地物杂波数据样本与所述最大的地物杂波数据样本求平均,从而得到所述检测门限;
其中,所述第二数值大于且等于所述第一数值的倒数。
进一步的,所述根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限,还包括:
当所述虚警率为所述第三数值时,将所述地物杂波数据样本按照从大到小的顺序排列;
从排列的地物杂波数据样本中抽取第四数值的地物杂波数据样本;
从所述第四数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
将所述最小的地物杂波数据样本与所述最大的地物杂波数据样本求平均,从而得到所述检测门限;
其中,所述第三数值与所述第一数值不相同,所述第四数值为所述地物杂波数据样本的所述预设数量与所述第三数值的乘积。
第二方面,本发明实施例提供了地杂波检测门限的自适应确定装置,所述装置包括:
获取单元,用于获取地物杂波数据样本;
第一判断单元,用于判断所述地物杂波数据样本的数量是否达到预设数量;
第一计算单元,用于在达到所述预设数量的情况下,根据所述地物杂波数据样本计算统计特征;
第二判断单元,用于判断所述统计特征与概率模型是否匹配;
第二计算单元,用于在匹配的情况下,根据所述统计特征和所述概率模型计算检测门限;
确定单元,用于在不匹配的情况下,根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限。
进一步的,所述第一计算单元包括:
根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
在离散的情况下,根据所述地物杂波数据样本计算所述K阶原点矩和所述K阶中心矩,K为正整数。
进一步的,所述概率模型为K分布概率密度函数的各阶原点矩,所述第二计算单元包括:
将所述地物杂波数据样本的所述K阶中心矩与所述K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
根据所述差值最小的地物杂波数据样本的概率密度函数和所述K分布概率密度函数,计算所述检测门限。
本发明实施例提供了地杂波检测门限的自适应确定方法和装置,包括:获取地物杂波数据样本;判断地物杂波数据样本的数量是否达到预设数量;如果达到预设数量,则根据地物杂波数据样本计算统计特征;判断统计特征与概率模型是否匹配;如果匹配,则根据统计特征和概率模型计算检测门限;如果不匹配,则根据虚警率和地物杂波数据样本的最大值确定检测门限,可以实现对不同地物环境下的地杂波自适应门限设置。
本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的地杂波检测门限的自适应确定方法流程图;
图2为本发明实施例一提供的地杂波检测门限的自适应确定方法中步骤S105的流程图;
图3为本发明实施例一提供的地杂波检测门限的自适应确定方法中步骤S106的流程图;
图4为本发明实施例一提供的地杂波检测门限的自适应确定方法中另一步骤S106的流程图;
图5为本发明实施例二提供的地杂波检测门限的自适应确定装置示意图。
图标:
10-获取单元;20-第一判断单元;30-第一计算单元;40-第二判断单元;50-第二计算单元;60-确定单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为便于对本实施例进行理解,下面对本发明实施例进行详细介绍。
实施例一:
图1为本发明实施例一提供地杂波检测门限的自适应确定方法流程图。
参照图1,该方法包括以下步骤:
步骤S101,获取地物杂波数据样本;
这里,地物杂波数据样本包括地面和楼房等障碍物。当雷达系统开启后,在开始对目标进行探测前的一段时间,获取地物杂波数据样本,这段时间可以由用户进行设置,也可以由雷达系统进行设置。假设在时间T内,雷达系统探测到的地物杂波数据样本为X={xi},i=1,2,…,N,N为地物杂波数据样本的数量,或者为长度。
步骤S102,判断地物杂波数据样本的数量是否达到预设数量,如果达到预设数量,则执行步骤S103;如果没有达到预设数量,则继续执行步骤S101;
步骤S103,根据地物杂波数据样本计算统计特征;
这里,在获取预设数量的地物杂波数据样本后,对地物杂波数据样本的特性进行计算,得到统计特征。统计特征包括均值、标准差和各阶矩,其中,各阶矩包括K阶原点矩和K阶中心矩。
步骤S104,判断统计特征与概率模型是否匹配,如果匹配,则执行步骤S105;如果不匹配,则执行步骤S106;
步骤S105,根据统计特征和概率模型计算检测门限;
步骤S106,根据虚警率和地物杂波数据样本的最大值确定检测门限。
这里,本申请是针对近程安防雷达系统探测地面车辆和人员,通过自适应修改检则门限的方法,从而稳定雷达系统的探测性能。
进一步的,步骤S103包括以下步骤:
步骤S201,根据地物杂波数据样本和地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
步骤S301,在离散的情况下,根据地物杂波数据样本计算K阶原点矩和K阶中心矩,K为正整数。
进一步的,步骤S201包括:
根据公式(1)计算K阶原点矩:
mk=E(xk)=∫xkf(x)dx,k≥1 (1)
其中,mk为K阶原点矩,x为地物杂波数据样本,f(x)为地物杂波数据样本的概率密度函数,k为阶数;E(x)为数学期望。
根据公式(2)计算K阶中心矩:
σk=E[(x-m1)k]=∫(x-m1)kf(x)dx,k≥2 (2)
其中,σk为K阶中心矩,x为地物杂波数据样本,f(x)为地物杂波数据样本的概率密度函数,k为所述阶数,m1为一阶原点矩。
进一步的,步骤S301包括:
根据公式(3)计算K阶原点矩:
其中,mk为所述K阶原点矩,x为所述地物杂波数据样本,N为所述地物杂波数据样本的数量,k为阶数;
根据公式(4)计算K阶中心矩:
其中,σk为K阶中心矩,x为地物杂波数据样本,k为阶数,m1为一阶原点矩。
具体地,由公式(1)至公式(4),可得前4阶原点矩和中心矩的关系:
公式(3)为第N个样本的K阶原点矩,那么根据公式(3)可得第N+1个样本后的K阶原点矩,具体由公式(8)可知:
通过上述公式,可以递推计算K阶原点矩和K阶中心矩。
进一步的,概率模型为K分布概率密度函数的各阶原点矩,参照图2,步骤S105包括以下步骤:
步骤S401,将地物杂波数据样本的K阶中心矩与K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
步骤S402,根据差值最小的地物杂波数据样本的概率密度函数和K分布概率密度函数,计算检测门限。
这里,当雷达系统进入正常探测工作模式后,可以将探测到的地物杂波数据样本通过递推公式不断的更新统计特征,不断的对拟合的模型进行修正和对检测门限进行校准,从而提高雷达系统的检测性能。
具体地,地杂波的概率密度函数描述非常的复杂,通常采用K分布来进行近似,则K分布概率密度函数由公式(9)可知:
其中,Kv(n)为v阶K类贝塞尔函数,V为形状参数,b为标度系统,Γ(·)为Gamma函数。
K分布概率密度函数的各阶原点矩由公式(10)可知:
进一步的,参照图3,步骤S106包括以下步骤:
步骤S501,当虚警率为第一数值时,将地物杂波数据样本按照从大到小的顺序排列;
步骤S502,从排列的地物杂波数据样本中抽取第二数值的地物杂波数据样本;
步骤S503,从第二数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
步骤S504,将最小的地物杂波数据样本与最大的地物杂波数据样本求平均,从而得到检测门限。
其中,第一数值为Pfalse,第二数值大于且等于第一数值的倒数。
具体地,如果统计特征与概率模型不匹配,则按照最值的百分比来确定检测门限。
如果地物杂波数据样本为X={xi},i=1,2,…,N,并且虚警率为第一数值,将X={xi}按照从大到小的顺序排列,排列的地物杂波数据样本记为Y={yi},yi>yi+1,i=1,2,…,N,则NPfalse=0.1×N。
Y={yi},yi>yi+1,i=1,2,…,10,此时检测门限为Td=(y10+y11)/2。其中,N≥1/Pfalse。
进一步的,参照图4,步骤S106还包括以下步骤:
步骤S601,当虚警率为所述第三数值时,将地物杂波数据样本按照从大到小的顺序排列;
步骤S602,从排列的地物杂波数据样本中抽取第四数值的地物杂波数据样本;
步骤S603,从第四数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
步骤S604,将最小的地物杂波数据样本与最大的地物杂波数据样本求平均,从而得到检测门限;
其中,第三数值与第一数值不相同,第四数值为地物杂波数据样本的预设数量与第三数值的乘积。
如果雷达系统最终要求的虚警率较高,可以先采用较低的虚警率,待地物杂波数据样本达到预设数量后,再计算对应虚警率的检测门限。
在雷达系统进入正常的工作模式后,也可以不断的将接收到的地物杂波数据样本迭代到上述计算中,不断的更新检测门限,从而提高雷达系统的探测性能。
本发明实施例提供了地杂波检测门限的自适应确定方法,包括:获取地物杂波数据样本;判断地物杂波数据样本的数量是否达到预设数量;如果达到预设数量,则根据地物杂波数据样本计算统计特征;判断统计特征与概率模型是否匹配;如果匹配,则根据统计特征和概率模型计算检测门限;如果不匹配,则根据虚警率和地物杂波数据样本的最大值确定检测门限,可以实现对不同地物环境下的地杂波自适应门限设置。
实施例二:
图5为本发明实施例二提供的地杂波检测门限的自适应确定装置示意图。
参照图5,该装置包括获取单元10、第一判断单元20、第一计算单元30、第二判断单元40、第二计算单元50和确定单元60。
获取单元10,用于获取地物杂波数据样本;
第一判断单元20,用于判断地物杂波数据样本的数量是否达到预设数量;
第一计算单元30,用于在达到预设数量的情况下,根据地物杂波数据样本计算统计特征;
第二判断单元40,用于判断统计特征与概率模型是否匹配;
第二计算单元50,用于在匹配的情况下,根据统计特征和概率模型计算检测门限;
确定单元60,用于在不匹配的情况下,根据虚警率和地物杂波数据样本的最大值确定检测门限。
进一步的,第一计算单元30包括:
根据地物杂波数据样本和地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
在离散的情况下,根据地物杂波数据样本计算K阶原点矩和K阶中心矩,K为正整数。
进一步的,概率模型为K分布概率密度函数的各阶原点矩,第二计算单元50包括:
将地物杂波数据样本的K阶中心矩与K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
根据差值最小的地物杂波数据样本的概率密度函数和K分布概率密度函数,计算检测门限。
本发明实施例提供了地杂波检测门限的自适应确定装置,包括:获取地物杂波数据样本;判断地物杂波数据样本的数量是否达到预设数量;如果达到预设数量,则根据地物杂波数据样本计算统计特征;判断统计特征与概率模型是否匹配;如果匹配,则根据统计特征和概率模型计算检测门限;如果不匹配,则根据虚警率和地物杂波数据样本的最大值确定检测门限,可以实现对不同地物环境下的地杂波自适应门限设置。
本发明实施例还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现上述实施例提供的地杂波检测门限的自适应确定方法的步骤。
本发明实施例还提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述实施例的地杂波检测门限的自适应确定方法的步骤。
本发明实施例所提供的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
另外,在本发明实施例的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本发明的具体实施方式,用以说明本发明的技术方案,而非对其限制,本发明的保护范围并不局限于此,尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种地杂波检测门限的自适应确定方法,其特征在于,所述方法包括:
获取地物杂波数据样本;
判断所述地物杂波数据样本的数量是否达到预设数量;
如果达到所述预设数量,则根据所述地物杂波数据样本计算统计特征;
判断所述统计特征与概率模型是否匹配;
如果匹配,则根据所述统计特征和所述概率模型计算检测门限;
如果不匹配,则根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限。
2.根据权利要求1所述的地杂波检测门限的自适应确定方法,其特征在于,所述根据所述地物杂波数据样本计算统计特征,包括:
根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
在离散的情况下,根据所述地物杂波数据样本计算所述K阶原点矩和所述K阶中心矩,K为正整数。
3.根据权利要求2所述的地杂波检测门限的自适应确定方法,其特征在于,所述根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,包括:
根据下式计算所述K阶原点矩:
mk=E(xk)=∫xkf(x)dx,k≥1
其中,mk为所述K阶原点矩,x为所述地物杂波数据样本,f(x)为所述地物杂波数据样本的概率密度函数,k为阶数;
根据下式计算所述K阶中心矩:
σk=E[(x-m1)k]=∫(x-m1)kf(x)dx,k≥2
其中,σk为所述K阶中心矩,x为所述地物杂波数据样本,f(x)为所述地物杂波数据样本的概率密度函数,k为所述阶数,m1为一阶原点矩。
5.根据权利要求2所述的地杂波检测门限的自适应确定方法,其特征在于,所述概率模型为K分布概率密度函数的各阶原点矩,所述根据所述统计特征和所述概率模型计算检测门限,包括:
将所述地物杂波数据样本的所述K阶中心矩与所述K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
根据所述差值最小的地物杂波数据样本的概率密度函数和所述K分布概率密度函数,计算所述检测门限。
6.根据权利要求1所述的地杂波检测门限的自适应确定方法,其特征在于,所述根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限,包括:
当所述虚警率为第一数值时,将所述地物杂波数据样本按照从大到小的顺序排列;
从排列的地物杂波数据样本中抽取第二数值的地物杂波数据样本;
从所述第二数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
将所述最小的地物杂波数据样本与所述最大的地物杂波数据样本求平均,从而得到所述检测门限;
其中,所述第二数值大于且等于所述第一数值的倒数。
7.根据权利要求6所述的地杂波检测门限的自适应确定方法,其特征在于,所述根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限,还包括:
当所述虚警率为第三数值时,将所述地物杂波数据样本按照从大到小的顺序排列;
从排列的地物杂波数据样本中抽取第四数值的地物杂波数据样本;
从所述第四数值的地物杂波数据样本中获取最小的地物杂波数据样本,以及从未抽取的地物杂波数据样本中获取最大的地物杂波数据样本;
将所述最小的地物杂波数据样本与所述最大的地物杂波数据样本求平均,从而得到所述检测门限;
其中,所述第三数值与所述第一数值不相同,所述第四数值为所述地物杂波数据样本的所述预设数量与所述第三数值的乘积。
8.一种地杂波检测门限的自适应确定装置,其特征在于,所述装置包括:
获取单元,用于获取地物杂波数据样本;
第一判断单元,用于判断所述地物杂波数据样本的数量是否达到预设数量;
第一计算单元,用于在达到所述预设数量的情况下,根据所述地物杂波数据样本计算统计特征;
第二判断单元,用于判断所述统计特征与概率模型是否匹配;
第二计算单元,用于在匹配的情况下,根据所述统计特征和所述概率模型计算检测门限;
确定单元,用于在不匹配的情况下,根据虚警率和所述地物杂波数据样本的最大值确定所述检测门限。
9.根据权利要求8所述的地杂波检测门限的自适应确定装置,其特征在于,所述第一计算单元包括:
根据所述地物杂波数据样本和所述地物杂波数据样本的概率密度函数计算K阶原点矩和K阶中心矩,K为正整数;
或者,
在离散的情况下,根据所述地物杂波数据样本计算所述K阶原点矩和所述K阶中心矩,K为正整数。
10.根据权利要求9所述的地杂波检测门限的自适应确定装置,其特征在于,所述概率模型为K分布概率密度函数的各阶原点矩,所述第二计算单元包括:
将所述地物杂波数据样本的所述K阶中心矩与所述K分布概率密度函数的各阶原点矩进行比较,获取差值最小的地物杂波数据样本;
根据所述差值最小的地物杂波数据样本的概率密度函数和所述K分布概率密度函数,计算所述检测门限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021979.5A CN109212493B (zh) | 2018-09-03 | 2018-09-03 | 地杂波检测门限的自适应确定方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021979.5A CN109212493B (zh) | 2018-09-03 | 2018-09-03 | 地杂波检测门限的自适应确定方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109212493A CN109212493A (zh) | 2019-01-15 |
CN109212493B true CN109212493B (zh) | 2021-02-02 |
Family
ID=64986788
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811021979.5A Active CN109212493B (zh) | 2018-09-03 | 2018-09-03 | 地杂波检测门限的自适应确定方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109212493B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110927688B (zh) * | 2019-11-09 | 2023-03-24 | 中国电波传播研究所(中国电子科技集团公司第二十二研究所) | 一种用于地杂波特性研究的同类地物相似度判定方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6481539B2 (ja) * | 2015-07-17 | 2019-03-13 | マツダ株式会社 | 車両用レーダ装置 |
CN105425223B (zh) * | 2015-11-11 | 2017-11-03 | 西安电子科技大学 | 广义帕累托杂波下稀疏距离扩展雷达目标的检测方法 |
CN105425230A (zh) * | 2015-11-11 | 2016-03-23 | 西安电子科技大学 | 逆高斯纹理复合高斯杂波下距离扩展目标自适应检测方法 |
CN106019256B (zh) * | 2016-07-29 | 2018-09-21 | 西安电子科技大学 | 基于自回归模型的雷达信号自适应检测方法 |
CN106483515A (zh) * | 2016-09-23 | 2017-03-08 | 西安电子科技大学 | 均匀k分布杂波下的最优自适应检测方法 |
CN107085205B (zh) * | 2017-04-19 | 2019-11-05 | 西安电子科技大学 | 基于杂波协方差矩阵结构信息的自适应检测方法 |
-
2018
- 2018-09-03 CN CN201811021979.5A patent/CN109212493B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109212493A (zh) | 2019-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2591378B1 (en) | Methods and systems for adapting object locating | |
EP2602752A1 (en) | Method and system for sensor calibration support | |
CN107979431B (zh) | 基于黎曼中值的频谱感知的方法、装置以及设备 | |
EP1795912B1 (en) | Positioning technique | |
CN108696368B (zh) | 一种网元健康状态的检测方法及设备 | |
CN109212493B (zh) | 地杂波检测门限的自适应确定方法和装置 | |
CN110889862B (zh) | 一种网络传输攻击环境中多目标跟踪的组合测量方法 | |
CN105488331A (zh) | 数据处理方法及装置 | |
CN113222074B (zh) | 评估目标检测模型的方法及装置 | |
CN114285612A (zh) | 一种异常数据检测的方法、系统、装置、设备及介质 | |
CN111241158B (zh) | 一种飞行器遥测数据的异常检测方法和装置 | |
CN116743637A (zh) | 一种异常流量的检测方法、装置、电子设备及存储介质 | |
CN113225685B (zh) | 一种轨迹纠错方法、装置、设备及存储介质 | |
CN113837237B (zh) | 基于证据置信熵与相似性的多传感器融合目标识别方法 | |
CN114356705A (zh) | 用于物联网设备的异常检测方法、装置、设备及介质 | |
CN112344966B (zh) | 一种定位失效检测方法、装置、存储介质及电子设备 | |
CN115979288A (zh) | 一种航向角确定方法、电子设备和存储介质 | |
CN116431994A (zh) | 一种火灾监测方法和系统 | |
US11438348B2 (en) | Efficient determination of expected maximum for anomaly detection | |
CN111398911B (zh) | Mimo雷达目标检测方法及装置 | |
CN113865634A (zh) | 一种基于环境检测的检测设备精度确定方法及系统 | |
CN113804235A (zh) | 一种环境检测方法及系统 | |
CN106657150B (zh) | 网络攻击结构的获取方法与装置 | |
CN112997177A (zh) | 攻击探测装置、攻击探测方法以及攻击探测程序 | |
CN112068218A (zh) | 行人脚步的自适应检测方法和装置 |
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 |