CN109633597A - 一种可变均值滑窗恒虚警检测算法及存储介质 - Google Patents

一种可变均值滑窗恒虚警检测算法及存储介质 Download PDF

Info

Publication number
CN109633597A
CN109633597A CN201910064775.8A CN201910064775A CN109633597A CN 109633597 A CN109633597 A CN 109633597A CN 201910064775 A CN201910064775 A CN 201910064775A CN 109633597 A CN109633597 A CN 109633597A
Authority
CN
China
Prior art keywords
sliding window
detected
mean value
unit
detection algorithm
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.)
Pending
Application number
CN201910064775.8A
Other languages
English (en)
Inventor
周崇夏
刘宗是
樊贞华
司美君
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.)
Guangzhou Chen Chuang Technology Development Co Ltd
Original Assignee
Guangzhou Chen Chuang Technology Development Co Ltd
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 Guangzhou Chen Chuang Technology Development Co Ltd filed Critical Guangzhou Chen Chuang Technology Development Co Ltd
Priority to CN201910064775.8A priority Critical patent/CN109633597A/zh
Publication of CN109633597A publication Critical patent/CN109633597A/zh
Pending legal-status Critical Current

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
    • G01S7/41—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

本发明实施例公开了一种可变均值滑窗恒虚警检测算法及存储介质，其中，该算法包括以下步骤：将待检测的雷达信号划分为多个待检测单元；根据预设的虚警概率PFA计算比例系数α＝‑lnPFA；将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；构建检测阈值表达式：其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元和后置滑动窗口单元个数的总和。本发明在干扰电平分布不均匀场景，通过改进恒虚警检测算法，在不调整比例系数的情况下，将雷达回波数据分段讨论，根据实际统计数据，调整滑动窗口长度，以实现在保持预计虚警概率的前提下，提高检测概率。

Description

一种可变均值滑窗恒虚警检测算法及存储介质
技术领域
本发明实施例涉及连续波雷达目标检测算法技术领域，具体涉及一种可变均值滑窗恒虚警检测算法及存储介质。
背景技术
根据施威林(Swerling)目标检测模型，对于一个非起伏目标的标准化采样(假设采样N＝1),其恒虚警概率和阈值为：(1.1)，PFA为虚警概率，为干扰功率，T为检测阈值；从公式1.1中可以看到检测阈值和干扰功率是成正比的，假设-lnPFA＝α，则公式改写为此式为恒虚警算法的基本参考公式。一般雷达处理机制如图1所示，根据公式1.1和图1可以看出，在一般雷达处理机制中，在最后判决部分需要引入一个判断的阈值T，用于最后检测目标是否存在；α称为比例系数，调整α可以得到一个合理的阈值T用于检测的最后判断。根据公式-lnPFA＝α，当选择好α后可得到一个预期的虚警概率PFA。
传统的雷达检测是假设干扰电平呈均匀分布的情况下通过调整比例系数，得到与预期较为符合的虚警概率；但在实际应用中，由于系统存在电磁干扰或地形回波等因素，待检测的雷达信号波形会出现非均匀分布的干扰杂散，杂波分布是具有不确定性的；且在整个雷达扫描过程中，由于存在雷达接收回波距离远近效应和突变强脉冲干扰，这些不确定因素会影响整个系统干扰电平的分布，这个特性会使实际的干扰电平不以常数形式出现，这个恒虚警的检测方法在面对信号突变高发的检测区域会出现误判的情况，并不适用。
发明内容
为此，本发明实施例提供一种适用于对地FOD(Foreign Object Debris，即可能损伤航空器的某种外来的物质、碎屑或物体)检测雷达的可变均值滑窗恒虚警检测算法，以解决现有技术中由于传统的雷达检测是假设干扰电平为已知的常数而导致的传统检测方法在面对信号突变高发的检测区域并不适用的问题。
为了实现上述目的，本发明的实施方式提供如下技术方案：
在本发明的实施方式的第一方面中，提供了一种可变均值滑窗恒虚警检测算法，包括以下步骤：
将待检测的雷达信号划分为多个待检测单元；
根据预设的虚警概率PFA计算比例系数α＝-lnPFA；
将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；
构建检测阈值表达式：
其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元和后置滑动窗口单元个数的总和。
在本发明的一个实施例中，该可变均值滑窗恒虚警检测算法包括：在所述滑动窗口中引入保护窗口单元，构建新的检测阈值表达式：其中，NP为保护窗口单元个数，所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元、保护窗口单元个数和后置滑动窗口单元个数的总和。
在本发明的另一实施例中，该可变均值滑窗恒虚警检测算法包括：滑动窗口的长度随着检测目标的距离而改变。
在本发明的又一实施例中，该可变均值滑窗恒虚警检测算法包括：当检测目标的距离为5米时，设置NF＝NE＝16，NP＝2，α＝17。
在本发明的又一实施例中，该可变均值滑窗恒虚警检测算法包括：当检测目标的距离为20米时，设置NF＝NE＝16，NP＝2，α＝17。
在本发明的又一实施例中，该可变均值滑窗恒虚警检测算法包括：当检测目标的距离为32米时，设置NF＝NE＝7，NP＝1，α＝17。
在本发明的又一实施例中，该可变均值滑窗恒虚警检测算法包括：当检测目标的距离为60米时，设置NF＝NE＝16，NP＝2，α＝17。
在本发明的实施方式的第二方面中，提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以实现如上述所述的可变均值滑窗恒虚警检测算法。
根据本发明的实施方式，可变均值滑窗恒虚警检测算法具有如下优点：在干扰电平分布不均匀场景，通过改进恒虚警检测算法，在不调整比例系数的情况下，将雷达回波数据分段讨论，根据实际统计数据，调整滑动窗口长度，以实现在保持预计虚警概率的前提下，提高检测概率。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对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，下面描述中的附图仅仅是示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
图1为当前技术中雷达处理机制流程图；
图2为本发明的一实施例提供的可变均值滑窗恒虚警检测算法流程图；
图3为本发明的另一实施例将滑动窗口中的干扰电平均值作为参考干扰功率示意图；
图4为本发明的另一实施例提供的可变均值滑窗恒虚警检测算法流程图；
图5为本发明的另一实施例当检测目标的距离为5米时的检测示意图；
图6为本发明的另一实施例当检测目标的距离为20米时的检测示意图；
图7为本发明的另一实施例当检测目标的距离为32米时的检测示意图；
图8为本发明的另一实施例当检测目标的距离为60米时的检测示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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。
本发明提供一种可变均值滑窗恒虚警检测算法，包括以下步骤：
将待检测的雷达信号划分为多个待检测单元；
根据预设的虚警概率PFA计算比例系数α＝-lnPFA；
将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；
构建检测阈值表达式：
其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元和后置滑动窗口单元个数的总和。
优选的，在所述滑动窗口中引入保护窗口单元，构建新的检测阈值表达式：其中，NP为保护窗口单元个数，所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元、保护窗口单元个数和后置滑动窗口单元个数的总和。
其中，滑动窗口的长度随着检测目标的距离而改变，具体的长度设置通过数据统计确定。例如：当检测目标的距离为5米时，设置NF＝NE＝16，NP＝2，α＝17；当检测目标的距离为20米时，设置NF＝NE＝16，NP＝2，α＝17；当检测目标的距离为32米时，设置NF＝NE＝7，NP＝1，α＝17；当检测目标的距离为60米时，设置NF＝NE＝16，NP＝2，α＝17。
本发明另一方面提供一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行以实现上述所述的可变均值滑窗恒虚警检测算法。
如图2所示，本发明一实施例提供一种可变均值滑窗恒虚警检测算法，包括以下步骤：
S01：将待检测的雷达信号划分为多个待检测单元；
S02：根据预设的虚警概率PFA计算比例系数α＝-lnPFA；
S03：将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；
S04：构建检测阈值表达式：
其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元和后置滑动窗口单元个数的总和。
如图3和4所示，本发明另一实施例提供一种可变均值滑窗恒虚警检测算法，包括以下步骤：
S01：将待检测的雷达信号划分为多个待检测单元；
S02：根据预设的虚警概率PFA计算比例系数α＝-lnPFA；
S03：如图3所示，将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；
S04：构建检测阈值表达式：
其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，NP为保护窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元、保护窗口单元个数和后置滑动窗口单元个数的总和。
其中，滑动窗口的长度随着检测目标的距离而改变，具体的长度设置通过数据统计确定。例如：如图5所示，当检测目标的距离为5米时，设置NF＝NE＝16，NP＝2，α＝17；如图6所示，当检测目标的距离为20米时，设置NF＝NE＝16，NP＝2，α＝17；如图7所示，当检测目标的距离为32米时，设置NF＝NE＝7，NP＝1，α＝17；如图8所示，当检测目标的距离为60米时，设置NF＝NE＝16，NP＝2，α＝17。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。

Claims (7)

1.一种可变均值滑窗恒虚警检测算法，其特征在于，包括以下步骤：
将待检测的雷达信号划分为多个待检测单元；
根据预设的虚警概率PFA计算比例系数α＝-lnPFA；
将包括待检测单元的滑动窗口中的干扰电平均值作为参考干扰功率；
构建检测阈值表达式：
其中：α为比例系数，PFA为虚警概率，NF为前置滑动窗口单元个数，NE为后置滑动窗口单元个数，Xi为待检测单元；所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元和后置滑动窗口单元个数的总和。
2.如权利要求1所述的可变均值滑窗恒虚警检测算法，其特征在于：在所述滑动窗口中引入保护窗口单元，构建新的检测阈值表达式：其中，NP为保护窗口单元个数，所述滑动窗口的长度为前置滑动窗口单元个数、待检测单元、保护窗口单元个数和后置滑动窗口单元个数的总和。
3.如权利要求2所述的可变均值滑窗恒虚警检测算法，其特征在于：滑动窗口的长度随着检测目标的距离而改变。
4.如权利要求3所述的可变均值滑窗恒虚警检测算法，其特征在于：当检测目标的距离为5米时，设置NF＝NE＝16，NP＝2，α＝17。
5.如权利要求3所述的可变均值滑窗恒虚警检测算法，其特征在于：当检测目标的距离为20米时，设置NF＝NE＝16，NP＝2，α＝17。
6.如权利要求3所述的可变均值滑窗恒虚警检测算法，其特征在于：当检测目标的距离为32米时，设置NF＝NE＝7，NP＝1，α＝17。
7.如权利要求3所述的可变均值滑窗恒虚警检测算法，其特征在于：当检测目标的距离为60米时，设置NF＝NE＝16，NP＝2，α＝17。
CN201910064775.8A 2019-01-23 2019-01-23 一种可变均值滑窗恒虚警检测算法及存储介质 Pending CN109633597A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910064775.8A CN109633597A (zh) 2019-01-23 2019-01-23 一种可变均值滑窗恒虚警检测算法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910064775.8A CN109633597A (zh) 2019-01-23 2019-01-23 一种可变均值滑窗恒虚警检测算法及存储介质

Publications (1)

Publication Number Publication Date
CN109633597A true CN109633597A (zh) 2019-04-16

Family

ID=66063327

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910064775.8A Pending CN109633597A (zh) 2019-01-23 2019-01-23 一种可变均值滑窗恒虚警检测算法及存储介质

Country Status (1)

Country Link
CN (1) CN109633597A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095762A (zh) * 2019-05-27 2019-08-06 广东工业大学 雷达二维恒虚警检测方法、系统、装置及可读存储介质
CN111521978A (zh) * 2020-06-15 2020-08-11 深圳大学 雷达信号目标角度检测方法、装置、计算机设备及介质
WO2024060726A1 (zh) * 2022-09-22 2024-03-28 加特兰微电子科技(上海)有限公司 信号处理方法、存储介质、集成电路、器件和终端设备

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1712931A1 (en) * 2005-04-14 2006-10-18 Qinetiq Limited Method and apparatus for detecting a target in a scene
CN101833084A (zh) * 2010-05-05 2010-09-15 北京航空航天大学 一种基于dsp的高速恒定虚警率检测器及其检测方法
CN101975940A (zh) * 2010-09-27 2011-02-16 北京理工大学 基于分割组合的sar图像自适应恒虚警率目标检测方法
CN103217673A (zh) * 2013-04-18 2013-07-24 电子科技大学 一种非均匀Weibull杂波背景下的CFAR检测方法
CN103353594A (zh) * 2013-06-17 2013-10-16 西安电子科技大学 二维自适应雷达恒虚警检测方法
KR20140083568A (ko) * 2012-12-26 2014-07-04 현대모비스 주식회사 레퍼런스 셀 분할 평균 기법에 의한 ｃｆａｒ 검파 방법 및 이를 적용한 레이더 시스템
CN103995258A (zh) * 2014-06-06 2014-08-20 中国人民解放军海军航空工程学院 复杂杂波边缘环境下雷达目标自适应融合检测方法
CN104459644A (zh) * 2014-11-07 2015-03-25 中国电子科技集团公司第二十八研究所 一种用于雷达视频信号检测的自适应恒虚警检测方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN107271973A (zh) * 2017-05-27 2017-10-20 南京理工大学 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
CN107884757A (zh) * 2016-09-30 2018-04-06 比亚迪股份有限公司 恒虚警目标检测方法、装置及车辆
CN108414991A (zh) * 2018-02-08 2018-08-17 北京理工大学 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1712931A1 (en) * 2005-04-14 2006-10-18 Qinetiq Limited Method and apparatus for detecting a target in a scene
CN101833084A (zh) * 2010-05-05 2010-09-15 北京航空航天大学 一种基于dsp的高速恒定虚警率检测器及其检测方法
CN101975940A (zh) * 2010-09-27 2011-02-16 北京理工大学 基于分割组合的sar图像自适应恒虚警率目标检测方法
KR20140083568A (ko) * 2012-12-26 2014-07-04 현대모비스 주식회사 레퍼런스 셀 분할 평균 기법에 의한 ｃｆａｒ 검파 방법 및 이를 적용한 레이더 시스템
CN103217673A (zh) * 2013-04-18 2013-07-24 电子科技大学 一种非均匀Weibull杂波背景下的CFAR检测方法
CN103353594A (zh) * 2013-06-17 2013-10-16 西安电子科技大学 二维自适应雷达恒虚警检测方法
CN103995258A (zh) * 2014-06-06 2014-08-20 中国人民解放军海军航空工程学院 复杂杂波边缘环境下雷达目标自适应融合检测方法
CN104459644A (zh) * 2014-11-07 2015-03-25 中国电子科技集团公司第二十八研究所 一种用于雷达视频信号检测的自适应恒虚警检测方法
CN104502899A (zh) * 2014-12-27 2015-04-08 长安大学 一种自适应的恒虚警率目标检测方法
CN107884757A (zh) * 2016-09-30 2018-04-06 比亚迪股份有限公司 恒虚警目标检测方法、装置及车辆
CN107271973A (zh) * 2017-05-27 2017-10-20 南京理工大学 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
CN108414991A (zh) * 2018-02-08 2018-08-17 北京理工大学 高分辨雷达非均匀杂波场景微小目标恒虚警检测方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
HAROLD M. FINN,: "A CFAR Design for a Window Spanning Two Clutter Fields", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
VALENTINE A. AALO, ET AL: "Performance of CA-CFAR Detectors in Nonhomogeneous Positive Alpha-Stable Clutter", 《IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS》 *
WANG BAOSHUAI,ET AL: "FOD Detection Based on Millimeter Wave Radar FOD Detection Based on Millimeter Wave Radar", 《IEEE》 *
刘贵如等: "非均匀噪声环境下的滑窗式恒虚警检测器", 《红外技术》 *
李海翔: "机场跑道异物监测雷达目标检测算法研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110095762A (zh) * 2019-05-27 2019-08-06 广东工业大学 雷达二维恒虚警检测方法、系统、装置及可读存储介质
CN110095762B (zh) * 2019-05-27 2022-12-27 广东工业大学 雷达二维恒虚警检测方法、系统、装置及可读存储介质
CN111521978A (zh) * 2020-06-15 2020-08-11 深圳大学 雷达信号目标角度检测方法、装置、计算机设备及介质
CN111521978B (zh) * 2020-06-15 2022-05-17 深圳大学 雷达信号目标角度检测方法、装置、计算机设备及介质
WO2024060726A1 (zh) * 2022-09-22 2024-03-28 加特兰微电子科技(上海)有限公司 信号处理方法、存储介质、集成电路、器件和终端设备

Similar Documents

Publication Publication Date Title
KR101871874B1 (ko) 불균일 환경에 효과적인 적응형 cfar 처리 방법 및 시스템
CN107861107B (zh) 一种适用于连续波雷达的双门限cfar与点迹凝聚方法
CN109633597A (zh) 一种可变均值滑窗恒虚警检测算法及存储介质
Pourmottaghi et al. A CFAR detector in a nonhomogenous Weibull clutter
KR101546421B1 (ko) 적응 cfar 처리방법
CN109471072B (zh) 基于fpga的单脉冲雷达二维cfar检测方法及系统
EP1980873B1 (en) History or image based methods for altitude determination in a radar altimeter
CN103076602A (zh) 针对多目标背景的雷达自适应恒虚警率融合检测方法
CN111693961B (zh) 一种基于kl散度单元筛选的cfar检测器
CN112346029A (zh) 基于待检测单元的可变参考窗单元平均恒虚警检测方法
CN104062651A (zh) 一种基于g0杂波背景及恒定目标幅度的检测前跟踪方法
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
Chabbi et al. Performance analysis of dual automatic censoring and detection in heterogeneous Weibull clutter: A comparison through extensive simulations
CN103559715B (zh) 一种高光谱图像的异常检测方法及装置
CN106526545A (zh) 一种鲁棒cfar检测器的检测方法
Wang et al. A robust constant false alarm rate detector based on the Bayesian estimator for the non-homogeneous Weibull clutter in HFSWR
CN109709526A (zh) 一种知识辅助分组广义似然比检测方法
CN105866748A (zh) 一种基于检测先验的固定窗长恒虚警检测方法
Li et al. A CFAR detector based on a robust combined method with spatial information and sparsity regularization in non-homogeneous Weibull clutter
CN111695548A (zh) 基于毫米波雷达的高压线检测方法
JP5294923B2 (ja) 人工物検出装置及び人工物検出方法及び人工物検出プログラム
WO2018207444A1 (ja) 目標検出装置及び目標検出方法
CN110632592B (zh) 一种手持式穿墙雷达的虚警消除方法
CN111157966B (zh) 一种假目标干扰识别方法
CN109239677A (zh) 一种环境自适应恒虚警检测门限确定方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416