CN110426691A - 一种雨杂波环境下的恒虚警检测方法 - Google Patents
一种雨杂波环境下的恒虚警检测方法 Download PDFInfo
- Publication number
- CN110426691A CN110426691A CN201910587803.4A CN201910587803A CN110426691A CN 110426691 A CN110426691 A CN 110426691A CN 201910587803 A CN201910587803 A CN 201910587803A CN 110426691 A CN110426691 A CN 110426691A
- Authority
- CN
- China
- Prior art keywords
- detection
- factor
- detection threshold
- rain clutter
- sample
- 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
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
- G01S7/414—Discriminating targets with respect to background clutter
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
一种雨杂波环境下的恒虚警检测方法,该方法包括如下步骤:步骤一:计算静态背景下的检测门限乘积因子α;步骤二:估计静态背景样本的标准差σ0;步骤三:统计雨杂波环境下背景样本的标准差σc;步骤四:计算自适应检测门限乘积因子;步骤五:利用步骤四所得到的自适应检测门限乘积因子,获得检测门限,进行目标检测。本发明提供的方法相比传统检测方法,可根据降雨量大小自适应调整检测门限,避免雨杂波引起的虚警率大幅升高问题,保证目标检测性能。该方法运算实现简单,工程应用效果显著,扩展性强,可广泛应用于机场异物检测、空域安防等地面雷达应用领域。
Description
技术领域
本发明属于目标检测技术领域,具体涉及一种雨杂波环境下的恒虚警检测方法。
背景技术
雷达接收的回波信号中包含了各种噪声、杂波以及干扰信号,不同程度上影响着对目标信号的检测。传统的恒虚警检测器可根据被检测点的背景噪声、杂波及干扰的大小自适应调制目标判决门限,可在保证虚警概率恒定的同时保证高检测概率。典型的恒虚警检测器有CA-CFAR、SO-CFAR、GO-CFAR、杂波图CFAR等。
但是,现有的恒虚警检测器存在以下缺点:对于较高频段的雷达,在雨杂波背景下,随着降雨量的大小,雨杂波的幅度统计特性逐渐由瑞丽分布向对数正态分布转变(如图1所示),针对高斯背景的单元平均CFAR检测器将不再适用,而改进的单元平均CFAR、杂波图CFAR等方法也无法根据雨量大小获得最佳检测门限,无法保证虚警率的恒定,最终导致虚警增加,严重影响雷达检测性能。
发明内容
发明目的:
为了解决上述问题,本发明提供了一种雨杂波环境下的恒虚警检测方法,可根据降雨量大小调整检测门限,保证雷达恒虚警检测能力。
技术方案:
为了达到上述目的,本发明提供了如下技术方案:
一种雨杂波环境下的恒虚警检测方法,所述方法包括如下步骤:
步骤一:计算静态背景下的检测门限乘积因子α;
步骤二:估计静态背景样本的标准差σ0;
步骤三:统计雨杂波环境下背景样本的标准差σc;
步骤四:计算自适应检测门限乘积因子;
步骤五:利用步骤四所得到的自适应检测门限乘积因子,获得检测门限,进行目标检测。
优选的,所述步骤一中的门限乘积因子α为:
其中,N为参考单元样本数,PFA为期望的虚警概率。
优选的,所述步骤二中静态背景样本的标准差σ0为:
其中,{Xi}为平方律检波器输出数据;
n为样本数量;
为样本均值:
优选的,所述步骤三中雨杂波环境下背景样本的标准差σc为:
其中,{Xi,i=1,2,3...n}为平方律检波器输出数据;
所选样本位置与{Xi}相同;
为样本均值。
优选的,所述步骤四中的自适应检测门限乘积因子为:
其中,η为调制系数,可根据实际雷达系统和应用场景进行调整。
优选的,所述步骤五中的检测包括采用滑窗法对各帧雷达数据进行检测处理,检测门限为:
T=α'β2
其中,β2为参考单元平均功率估计值。
其中,{ck,k=1,2,3...,N}为参考单元样本的功率值;
当待检测单元功率值大于门限值,则判定为目标。
有益效果:
本发明提供了一种雨杂波环境下的恒虚警检测方法,该方法相比传统检测方法,可根据降雨量大小自适应调整检测门限,避免雨杂波引起的虚警率大幅升高问题,保证目标检测性能。
本发明提供的方法运算实现简单,工程应用效果显著,扩展性强,可广泛应用于机场异物检测、空域安防等地面雷达应用领域。
附图说明:
图1:雨杂波环境下噪声分布特性;
图2:本发明实施例中得到的雨天CA-CFAR检测结果;
图3:本发明实施例中的雨天检测结果。
具体实施方式
下面结合附图对本发明的技术方案做进一步描述,
如图1所示为雨杂波环境下噪声分布特性,在雨杂波背景下,随着降雨量的大小,雨杂波的幅度统计特性逐渐由瑞丽分布向对数正态分布转变。
实施例一:
在大雨环境下,分别利用CA-CFAR和本发明的检测方法进行检测,所得结果分别见图2和图3,
本发明提供的雨杂波环境下的恒虚警检测方法,具体步骤如下:Step1:计算无雨环境下的检测门限乘积因子
在无雨环境下,可计算检测门限乘积因子的理论值α为:
其中,为参考单元数N=16,期望的虚警概率PFA=1×10-5。
Step2:估计静态背景样本的标准差
在晴朗天气,利用雷达照射工作区域,估计背景噪声的标准差σ0:
其中,{Xi}为某帧平方律检波器输出数据,所选样本为第2500至3000距离门。
Step3:统计雨杂波环境下背景样本的标准差
在雨天进行探测实验,选取某帧回波数据估计雨杂波背景下的杂噪基底标准差σc:
其中,{xi}为该帧数据的平方律检波器输出,所选样本位置与{Xi}相同。
Step4:计算自适应检测门限乘积因子
根据雨天背景的统计特性调整检测门限乘积因子为:
调制系数η=0.6。
Step5:利用自适应检测门限进行目标检测
采用滑窗法对各帧雷达数据进行检测处理,检测门限为:
T=α'β2
其中,β2为参考单元平均功率估计值。
其中,{ci}为参考单元样本数据。当待检测单元功率值大于门限值,则判定为目标。
实测数据分析结果表明,采用原CA-CFAR检测后,虚警率增加为6.14×10-5(如图2所示),采用本发明后,虚警率降为1.1×10-5(如图3所示)
分别统计不同雨情下的虚警率如下表所示,通过下表可得,利用本发明提供的方法后可在雨天环境下基本保持虚警率恒定。
Claims (6)
1.一种雨杂波环境下的恒虚警检测方法,其特征在于,所述方法包括如下步骤:
步骤一:计算静态背景下的检测门限乘积因子α;
步骤二:估计静态背景样本的标准差σ0;
步骤三:统计雨杂波环境下背景样本的标准差σc;
步骤四:计算自适应检测门限乘积因子;
步骤五:利用步骤四所得到的自适应检测门限乘积因子,获得检测门限,进行目标检测。
2.如权利要求1所述的雨杂波环境下的恒虚警检测方法,其特征在于,所述步骤一中的门限乘积因子α为:
其中,N为参考单元样本数,PFA为期望的虚警概率。
3.如权利要求2所述的雨杂波环境下的恒虚警检测方法,其特征在于,所述步骤二中静态背景样本的标准差σ0为:
其中,{Xi,i=1,2,3...n}为平方律检波器输出数据;
n为样本数量;
为样本均值:
4.如权利要求3所述的雨杂波环境下的恒虚警检测方法,其特征在于,所述步骤三中雨杂波环境下背景样本的标准差σc为:
其中,{xi,i=1,2,3...n}为雨天环境下平方律检波器输出数据;
所选样本位置与{Xi}相同;
为样本均值。
5.如权利要求4所述的雨杂波环境下的恒虚警检测方法,其特征在于,所述步骤四中的自适应检测门限乘积因子为:
其中,η为调制系数,可根据实际雷达系统和应用场景进行调整。
6.如权利要求5所述的雨杂波环境下的恒虚警检测方法,其特征在于,所述步骤五中的检测包括采用滑窗法对各帧雷达数据进行检测处理,检测门限为:
T=α'β2
其中,β2为参考单元平均功率估计值。
其中,{ck,k=1,2,3...,N}为参考单元样本的功率值;
当待检测单元功率值大于门限值,则判定为目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587803.4A CN110426691A (zh) | 2019-07-02 | 2019-07-02 | 一种雨杂波环境下的恒虚警检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910587803.4A CN110426691A (zh) | 2019-07-02 | 2019-07-02 | 一种雨杂波环境下的恒虚警检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110426691A true CN110426691A (zh) | 2019-11-08 |
Family
ID=68409971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910587803.4A Pending CN110426691A (zh) | 2019-07-02 | 2019-07-02 | 一种雨杂波环境下的恒虚警检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110426691A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123261A (zh) * | 2019-12-31 | 2020-05-08 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 基于背景学习的机场跑道fod检测方法和系统 |
CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5499030A (en) * | 1994-03-18 | 1996-03-12 | The United States Of America As Represented By The Secretary Of The Air Force | Expert system constant false alarm rate (CFAR) processor |
CN103064074A (zh) * | 2012-12-23 | 2013-04-24 | 西安电子工程研究所 | 一种脉冲多普勒雷达在强杂波背景下的弱目标检测 |
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 |
CN106249241A (zh) * | 2016-08-05 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 一种自适应杂波功率统计算法 |
CN106501788A (zh) * | 2016-11-18 | 2017-03-15 | 西安电子工程研究所 | 一种雷达恒虚警检测门限自适应设置方法 |
CN107064899A (zh) * | 2017-04-18 | 2017-08-18 | 西安电子工程研究所 | 一种自适应门限的双参数杂波图恒虚警检测方法 |
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 |
-
2019
- 2019-07-02 CN CN201910587803.4A patent/CN110426691A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5499030A (en) * | 1994-03-18 | 1996-03-12 | The United States Of America As Represented By The Secretary Of The Air Force | Expert system constant false alarm rate (CFAR) processor |
CN103064074A (zh) * | 2012-12-23 | 2013-04-24 | 西安电子工程研究所 | 一种脉冲多普勒雷达在强杂波背景下的弱目标检测 |
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 |
CN106249241A (zh) * | 2016-08-05 | 2016-12-21 | 中国电子科技集团公司第二十八研究所 | 一种自适应杂波功率统计算法 |
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 |
CN106501788A (zh) * | 2016-11-18 | 2017-03-15 | 西安电子工程研究所 | 一种雷达恒虚警检测门限自适应设置方法 |
CN107064899A (zh) * | 2017-04-18 | 2017-08-18 | 西安电子工程研究所 | 一种自适应门限的双参数杂波图恒虚警检测方法 |
Non-Patent Citations (1)
Title |
---|
龙德浩等: "《抗干扰理论与方法》", 31 March 1989 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111123261A (zh) * | 2019-12-31 | 2020-05-08 | 上海微波技术研究所(中国电子科技集团公司第五十研究所) | 基于背景学习的机场跑道fod检测方法和系统 |
CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861107B (zh) | 一种适用于连续波雷达的双门限cfar与点迹凝聚方法 | |
CN106501788B (zh) | 一种雷达恒虚警检测门限自适应设置方法 | |
US6677886B1 (en) | Weather and airborne clutter suppression using a cluster shape classifier | |
CN110133599B (zh) | 基于长短时记忆模型的智能雷达辐射源信号分类方法 | |
CN106646396B (zh) | 一种雷达杂波图检测门限自适应设置方法 | |
CN103760543A (zh) | 一种基于多模式的恒虚警目标检测方法 | |
CN110596787A (zh) | 一种基于x波段全固态双偏振雨量雷达的降水估测方法 | |
CN108089166B (zh) | 一种基于毫米波测云雷达的自适应频域检测方法 | |
US5528494A (en) | Statistically based thunderstorm cell detection and mapping system | |
US20220035074A1 (en) | Method for Identifying Sunny and Rainy Moments by Utilizing Multiple Characteristic Quantities of High-frequency Satellite-ground Links | |
CN110426691A (zh) | 一种雨杂波环境下的恒虚警检测方法 | |
CN111239704B (zh) | 大气探测雷达信号识别方法、装置、设备及介质 | |
CN107576963A (zh) | 基于粒子滤波的双偏振雷达差分传播相移的估计方法 | |
CN107102293B (zh) | 基于滑窗累积密度估计的未知杂波无源协同定位方法 | |
CN112327265A (zh) | 一种基于语义分割网络的分治检测方法 | |
Sinha et al. | Estimation of Doppler profile using multiparameter cost function method | |
Joshi et al. | Automatic cfar ship detection in single–channel range-compressed airborne radar data | |
Zhong et al. | A False Alarm Elimination Algorithm of Foreign Objects Debris Detection Based on Duffing Oscillator | |
Chen et al. | Jensen–Shannon Distance-Based Filter and Unsupervised Evaluation Metrics for Polarimetric Weather Radar Processing | |
Wu et al. | Sea-clutter region extraction based on image segmentation methods for over-the-horizon radar | |
Rejfek et al. | Correction of received power for Doppler measurements by FMICW radars | |
Mead | Comparison of meteorological radar signal detectability with noncoherent and spectral-based processing | |
CN107748357B (zh) | 一种fir滤波器的雷达晴天图设计方法 | |
Prokopenko et al. | Detection of Markovian signals on the background of Markovian interferences: prior uncertainty case | |
KR20140008818A (ko) | 해면 클러터 제거 방법 및 장치 |
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 |
Application publication date: 20191108 |
|
RJ01 | Rejection of invention patent application after publication |