CN111273249B - 一种基于雷达虚警预处理时间的智能杂波分区方法 - Google Patents

一种基于雷达虚警预处理时间的智能杂波分区方法 Download PDF

Info

Publication number
CN111273249B
CN111273249B CN202010142816.3A CN202010142816A CN111273249B CN 111273249 B CN111273249 B CN 111273249B CN 202010142816 A CN202010142816 A CN 202010142816A CN 111273249 B CN111273249 B CN 111273249B
Authority
CN
China
Prior art keywords
clutter
false alarm
data
cfar
edge
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
Application number
CN202010142816.3A
Other languages
English (en)
Other versions
CN111273249A (zh
Inventor
汤俊
欧阳思远
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010142816.3A priority Critical patent/CN111273249B/zh
Publication of CN111273249A publication Critical patent/CN111273249A/zh
Application granted granted Critical
Publication of CN111273249B publication Critical patent/CN111273249B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S7/41—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

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

本发明公开一种基于虚警预处理时间的智能杂波分区方法，包括：第一步，对于检波器输出的每一帧数据(第k帧)同时进行前沿参考单元平均恒虚警检测和后沿参考单元(Back of,BO)平均CFAR检测；第二步，将FO‑CFAR和BO‑CFAR检测器的检测结果进行融合；第三部，若为第1帧数据，则初始化时间储存矩阵，否则，将位于存储矩阵最下一行数据删除，其余数据整体下移一行，把第二步中传入的数据存入存储矩阵第一行，实现存储矩阵更新；第四步，对时间存储矩阵的每个距离单元进行时间积累，判断积累后每点是否为杂波边界点；第五步，得到杂波分区结果并输出结果。

Description

一种基于雷达虚警预处理时间的智能杂波分区方法
技术领域
本发明属于雷达信号智能处理技术领域，尤其涉及一种基于雷达虚警预处理时间的智能杂波分区方法，并行实现前后沿参考单元时间平均预处理智能杂波分区、针对复杂信号环境下杂波分布不均匀存在多个杂波区域的背景下的智能杂波分区方法。
背景技术
在过去的十几年里，随着电子科技的不断发展和进步，雷达探测技术得到了长足的发展和进步。如今，该技术已经广泛的应用于探测预警，目标搜索，目标跟踪，目标成像等多个系统。雷达信号处理所处理的最基本的目标是确定所感兴趣的目标是否存在以及有几个目标存在。只有准确地确定目标的存在性和数量，才能对目标进行进一步定位与跟踪，并获得目标的速度、角度等相关信息。通常而言，目标都不是独立存在于一个干净的检测环境中，其环境中总是存在着各种各样对目标检测形成干扰的信号，其主要包括来源于雷达接收机的热噪声以及云雨，地物、海浪等不同的杂波。在目标回波信号被接收机接收到的同时，这些噪声和杂波信号也随着目标回波信号被一同接收。复杂的杂波环境会对目标检测造成很大的影响，这也是雷达技术一直以来面临的一个重要难题。
对于传统的CFAR检测，复杂的杂波环境会造成检测性能的急剧下降，造成大量的虚警，并给后续的跟踪和航机关联造成很大的负担。如何在复杂的杂波环境中实现高性能的目标检测一直是雷达信号处理领域面临的难点。如果能够将不均匀的复杂杂波背景准确划分成多个在范围内满足均匀分布的子区域，杂波背景下目标检测的问题将得到很大程度的解决。而现有的杂波分区技术相对较少，主要是通过对于地形数据的参考先验信息人为提前划分出区域，或者采用很粗糙的固定网格划分的方法，如杂波图。但是现有方法一方面存在杂波区域划分缺乏自适应能力的问题，同时对于云雨杂波等时变杂波而言，效果不理想。
发明内容
本发明针对现有技术存在的不足，提供了一种基于雷达虚警预处理时间的智能杂波分区方法，该方法能够实现通过对于接收信号的预处理，并将输入数据划分成几个不同的子区域，每个子区域内部均大致满足平稳均匀分布，从而实现杂波区的自动智能化划分，为后续的目标检测和跟踪处理提供更好的技术基础；整体算法运算复杂度低且可并行化实现。
根据本发明的一种基于雷达虚警预处理时间的智能杂波分区方法，包括以下步骤：
第一步：对于通过检波器的新一帧数据，设为第k帧，同时进行前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR检测，参考窗长度均为
Figure GDA0003527239720000021
保护单元长度为l；
第二步：给前沿恒虚警率FO-CFAR检测器的检测结果加上标记q，后沿恒虚警率BO-CFAR检测器检测结果加上标记w，将两者结果进行数据融合；
第三步：若k＝1，则初始化时间储存矩阵，开辟一个长度为单帧数据长度，宽度为参考时间大小i的数据存储空间且置零，其中i<q,i<w,时间矩阵的每一行代表一帧，每一列代表一个距离单元，将第二步传入数据置于最上一行；否则，将位于存储矩阵最下一行数据删除，其余数据整体下移一行，把第二步中传入的数据存入存储矩阵第一行；
第四步：对时间存储矩阵每个距离单元进行积累，计算每个距离单元单位时间上内的平均距离单元,并对结果进行判断是否超过预设阈值，且检验前后沿标记，如果求和结果超过阈值且包含前沿标记q，则将该距离单元判断为杂波区前沿疑似点，如果求和结果超过阈值且包含后沿标记w，则将该距离单元判断为杂波区后沿疑似点，然后将前沿疑似点和后沿疑似点进行融合从而得到杂波区的具体位置信息；
第五步：得到杂波分区信息，将结果输出。
附图说明
图1为本发明所述智能杂波分区方法的流程框图；
图2为杂波区分布参考示意图；
图3为前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR检测器检测流程图；
图4为不同前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR门限对应的强弱杂波区相对幅度与杂波区分区准确率关系曲线
具体实施方式
为了进一步说明本发明的详细内容，兹列举以下实施例进行详细说明：实施例1
本发明所述的智能杂波分区方法，其流程框图如图1所示，包括以下步骤：
第一步：对于第k帧线性检波器输出数据v(k)同时进行前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR检测，对前沿恒虚警率FO-CFAR检测结果
Figure GDA0003527239720000041
乘以质数q，对后沿恒虚警率BO-CFAR检测结果
Figure GDA0003527239720000042
乘以质数w，其中；
考虑常规预警雷达系统，每一帧获取M个距离单元的采样数据，数据的输出与排列方式如图2所示。
假设杂波区分布参考示意图如图2所示，一帧数据总共包含M个数据，其回波通过线性检波器后满足瑞利分布，其概率密度函数满足式(1)：
Figure GDA0003527239720000043
其中强杂波区分布在第M1个距离单元到M2个距离单元内，其均值为μ2，其他部分均值为μ1。
对于每一帧输入的数据首先分别进行前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR两种检测器进行预检测，两种检测手段的参考单元数均为
Figure GDA0003527239720000044
个，保护单元为l个距离单元。其中前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR检测器流程图如图3所示，由图2可知，前沿恒虚警率FO-CFAR在对于杂波背景强度估计时只取检测单元前N/2个距离单元，即式(2)所示：
Figure GDA0003527239720000045
式中zFO表示此种方法下总的背景杂波功率估计水平。这种参考单元的选取方式在遇到如假设中遇到的杂波区域时，杂波区前沿，即M1处其检测效果与SO-CFAR效果相同；杂波区后沿，即M2处其检测效果与GO-CFAR效果相同。由多种CFAR的性能曲线可知，在杂波边缘环境下，SO-CFAR的性能较其他恒虚警检测而言性能最差，特别是在强杂波占参考单元数一半时，性能恶化最严重，此时即待检测单元位于强杂波区交界处时的情况；与此对应的，是GO-CFAR在杂波边缘处所表现出的优异性能。由上分析可知，前沿恒虚警率FO-CFAR在对于假设中这种杂波区分布时检测，在杂波区前沿其检测性能与SO-CFAR在杂波区边缘时效果相同，会出现大量虚警，而在杂波区后沿与GO-CFAR在杂波边缘时的效果相同。
同理可知后沿恒虚警率BO-CFAR在对于杂波背景估计时只取检测单元后N/2个距离单元，即式(3)所示：
Figure GDA0003527239720000051
式中ZBO表示此种方法下总的背景杂波功率估计水平。其在对于假设中这种杂波区分布进行检测时，在杂波区的前沿M1处时与GO-CFAR效果相同，而在杂波区后沿M2时检测效果与SO-CFAR效果相同。分析方法与前沿参考单元平均恒虚警检测相同，这里不做赘述。
第二步：给前沿恒虚警率FO-CFAR检测器的检测结果加上标记q，后沿恒虚警率BO-CFAR检测器检测结果加上标记w，将两者结果进行数据融合；
通过第一步前沿恒虚警率FO-CFAR检测得到了杂波区前沿的疑似点位置，通过后沿恒虚警率BO-CFAR检测得到了杂波区后沿的疑似点位置。通过对于两种检测结果融合可以做到通过虚警对整个杂波区分布进行划分。而为了在融合数据之后还可以清楚的区分出检测结果是前沿恒虚警率FO-CFAR检测得到的还是后沿恒虚警率BO-CFAR检测得到的，因此需要在融合之前给数据加入相应的标记，即步骤二中所提到的将第一步中的检测结果分别融入q和w作为前后沿标记。
第三步：若k＝1，则初始化时间储存矩阵，开辟一个长度为单帧数据长度，宽度为参考时间大小i的数据存储空间且置零(i＜q，i＜w)，时间矩阵的每一行代表一帧，每一列代表一个距离单元，将第二步传入数据置于最上一行；否则，将位于存储矩阵最下一行数据删除，其余数据整体下移一行，把第二步中传入的数据存入存储矩阵第一行；
这一步主要对于时间存储矩阵进行初始化和存入数据。
通过第二步的融合，已经基本上可以实现对于杂波区的粗略划分，为了将检测到边界的概率提高，我们需要对于同一个距离单元进行多次的检测进行积累，而为了保证杂波区分区的准确率，我们需要在分区时准确区分出目标和杂波边界，这也就是时间存储矩阵的用处所在。时间存储矩阵的长度为每一帧数据的长度，下面我们来确定宽度。假设积累i帧，即时间存储矩阵的宽为i,其中：
Figure GDA0003527239720000061
p为SO-CFAR在待检测单元位于杂波边缘时的虚警概率，q为前沿恒虚警率FO-CFAR检测的标记，w为后沿恒虚警率BO-CFAR检测的标记。这里让积累帧数正比于p的倒数，通过预设帧数的积累可以将移动的目标剔除掉，同时将边缘的检测概率提高。
第四步：对时间存储矩阵每个距离单元进行积累，计算每个距离单元单位时间内的平均距离单元，并对结果进行判断是否超过预设阈值且检验前后沿标记，如果求和结果超过阈值且包含前沿标记q，则将该距离单元判断为杂波区前沿疑似点，如果求和结果超过阈值且包含后沿标记w则将该距离单元判断为杂波区后沿疑似点，将前沿疑似点和后沿疑似点进行融合从而得到杂波区的具体位置信息；
通过多帧的积累，移动目标不会多帧同时停留在同一个距离单元内，因此通过此法，得以剔除。同时，通过对于前沿标记q和后沿标记w取模，可以将前沿和后沿疑似点区分开从而实现对于杂波区的准确划分。
第五步：获得杂波分区信息，输出数据。
实验结果：
下面通过仿真实验进一步说明本发明所述方法的性能。
考察该方法对于杂波区分区准确率的性能。实验设置每次接收信号为300个距离单元。其噪声满足瑞利分布，均值为20dB，在第101-200个距离单元加入均值从25-36dB逐渐增大的满足瑞利分布的杂波区域。杂波区分布参考示意图参见图2。
接着在杂波区边缘处设置目标，考察杂波区边缘的检测性能。实验设置每次接收信号为300个距离单元。其噪声满足瑞利分布，均值为20dB，在第101-200个距离单元加入均值为30dB的满足瑞利分布的杂波区域。在第93-98个距离单元内随机放置一个目标，目标信噪比从10-20dB变化。这种情况即目标处于杂噪边缘处。对于这种情况分别用CA CFAR和TCCFAR进行检测，从而获得相对应的检测概率。其中单元平均恒虚警检测门限设置为13dB，参考单元为32个距离单元，保护单元为2个距离单元。结果见图4。
可以看出，本发明所述方法能较好的解决杂波区分区的问题，实现对于接收原始数据的杂波分区。

Claims (5)

1.一种基于雷达虚警预处理时间的智能杂波分区方法，包括以下步骤：
第一步：对于通过检波器的新一帧数据，设为第k帧，同时进行前沿恒虚警率FO-CFAR和后沿恒虚警率BO-CFAR检测，参考窗长度均为
Figure FDA0003462199630000011
保护单元长度为l；
第二步：给前沿恒虚警率FO-CFAR检测器的检测结果加上标记q，后沿恒虚警率BO-CFAR检测器检测结果加上标记w，将两者结果进行数据融合；
第三步：若k＝1，则初始化时间储存矩阵，开辟一个长度为单帧数据长度，宽度为参考时间大小i的数据存储空间且置零，其中i<q，i<w，时间存储矩阵的每一行代表一帧，每一列代表一个距离单元，将第二步传入数据置于最上一行；否则，将位于存储矩阵最下一行数据删除，其余数据整体下移一行，把第二步中传入的数据存入存储矩阵第一行；
第四步：对时间存储矩阵每个距离单元进行积累，计算每个距离单元时间上的平均并对结果进行判断是否超过预设阈值且检验前后沿标记，如果求和结果超过阈值且包含前沿标记q，则将该距离单元判断为杂波区前沿疑似点，如果求和结果超过阈值且包含后沿标记w，则将该距离单元判断为杂波区后沿疑似点，将前沿疑似点和后沿疑似点进行融合从而得到杂波区的具体位置信息；
第五步：得到杂波分区信息，将结果输出。
2.根据权利要求1中所述的一种基于雷达虚警预处理时间的智能杂波分区方法，其特征在于，所述第一步中，将整帧数据看作是一个整体去处理，在整帧的层面先对于输入数据进行一次或多次的预检测。
3.根据权利要求1中所述的一种基于雷达虚警预处理时间的智能杂波分区方法，其特征在于，所述步骤第二步中，对于不同来源数据做不同标记，将不同检测结果相互融合。
4.根据权利要求1中所述的一种基于雷达虚警预处理时间的智能杂波分区方法，其特征在于，在所述第三步中，对于同一个距离单元进行多次的检测从而进行积累；时间存储矩阵的长度为每一帧数据的长度，假设积累i帧，则时间存储矩阵的宽为i，并满足如下关系：
Figure FDA0003462199630000021
其中，p为SO-CFAR检测器在待检测单元位于杂波边缘时的虚警概率，q为前沿恒虚警率FO-CFAR检测器检测的标记，w为后沿恒虚警率BO-CFAR检测器检测的标记，积累帧数i正比于p的倒数，通过预设帧数的积累将移动的目标剔除掉，同时提高了边缘的检测概率。
5.根据权利要求1中所述的一种基于雷达虚警预处理时间的智能杂波分区方法，其特征在于，所述第四步中，通过对于前沿标记q和后沿标记w取模，将前沿和后沿疑似点区分开，从而实现对于杂波区的准确划分。
CN202010142816.3A 2020-03-04 2020-03-04 一种基于雷达虚警预处理时间的智能杂波分区方法 Active CN111273249B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010142816.3A CN111273249B (zh) 2020-03-04 2020-03-04 一种基于雷达虚警预处理时间的智能杂波分区方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010142816.3A CN111273249B (zh) 2020-03-04 2020-03-04 一种基于雷达虚警预处理时间的智能杂波分区方法

Publications (2)

Publication Number Publication Date
CN111273249A CN111273249A (zh) 2020-06-12
CN111273249B true CN111273249B (zh) 2022-07-08

Family

ID=70997562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010142816.3A Active CN111273249B (zh) 2020-03-04 2020-03-04 一种基于雷达虚警预处理时间的智能杂波分区方法

Country Status (1)

Country Link
CN (1) CN111273249B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112254755B (zh) * 2020-11-11 2022-01-04 北京邮电大学 测量信号处理方法、装置、电子设备及可读存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05203728A (ja) * 1992-01-29 1993-08-10 Fujitsu Ltd Ｃｆａｒ処理方式
JP2002071797A (ja) * 2000-09-04 2002-03-12 Mitsubishi Electric Corp 目標追尾装置
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
CN101819269A (zh) * 2010-03-19 2010-09-01 清华大学 非均匀杂波环境下空时自适应处理方法
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
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
CN107703495A (zh) * 2017-09-01 2018-02-16 中国科学院声学研究所 一种目标信号检测方法及系统
CN107765228A (zh) * 2017-09-29 2018-03-06 西安电子科技大学 一种基于区域相似性的在线雷达目标检测方法
CN110308442A (zh) * 2019-06-10 2019-10-08 南京理工大学 强杂波环境下相控阵雷达的gm-phd目标跟踪方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8977062B2 (en) * 2013-02-25 2015-03-10 Raytheon Company Reduction of CFAR false alarms via classification and segmentation of SAR image clutter
CN103500518B (zh) * 2013-10-23 2016-01-20 惠州华阳通用电子有限公司 一种前向碰撞报警的错报检测方法及装置
US10330773B2 (en) * 2016-06-16 2019-06-25 Texas Instruments Incorporated Radar hardware accelerator
CN106405543B (zh) * 2016-10-21 2018-10-09 河海大学 一种认知型盲源分离辐射源提取方法及其评价方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05203728A (ja) * 1992-01-29 1993-08-10 Fujitsu Ltd Ｃｆａｒ処理方式
JP2002071797A (ja) * 2000-09-04 2002-03-12 Mitsubishi Electric Corp 目標追尾装置
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
CN101819269A (zh) * 2010-03-19 2010-09-01 清华大学 非均匀杂波环境下空时自适应处理方法
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
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
CN107703495A (zh) * 2017-09-01 2018-02-16 中国科学院声学研究所 一种目标信号检测方法及系统
CN107765228A (zh) * 2017-09-29 2018-03-06 西安电子科技大学 一种基于区域相似性的在线雷达目标检测方法
CN110308442A (zh) * 2019-06-10 2019-10-08 南京理工大学 强杂波环境下相控阵雷达的gm-phd目标跟踪方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
" Radar Target Detection using Convolutional Neutral Network in Clutter";Yuan Xie 等;《2019 IEEE International Conference on Signal, Information and Data Processing (ICSIDP) 》;20191231;第1-6页 *
"A New Adaptive CA-CFAR based on Local Topology of Sea Clutter for Coherent Detection in High Sea State";Kemkemian 等;《2019 20TH INTERNATIONAL RADAR SYMPOSIUM (IRS) 》;20190628;第1-9页 *
"机载火控雷达杂波分区抑制方法研究";李静静 等;《电子科技》;20131231;第133-136页 *
"船舶交通管理系统雷达双重自适应门限CFAR检测器设计与分析";齐国清 等;《大连海事大学学报》;20031231;第95-98页 *
"雷达恒虚警检测系统仿真";张麟兮 等;《计算机仿真》;20071231;第293-296页 *
"非高斯杂波背景中距离扩展目标的自适应积累检测器";何友 等;《中国科学:信息科学》;20131231;第48-61页 *

Also Published As

Publication number Publication date
CN111273249A (zh) 2020-06-12

Similar Documents

Publication Publication Date Title
CN108490410B (zh) 一种两坐标雷达对海目标联合检测跟踪方法
CN107861107B (zh) 一种适用于连续波雷达的双门限cfar与点迹凝聚方法
US8094060B2 (en) Method of detecting a target
CN109917378B (zh) 利用时空关联的VideoSAR运动目标检测方法
US8405540B2 (en) Method for detecting small targets in radar images using needle based hypotheses verification
CN110780289B (zh) 基于场景雷达的多目标车辆跟踪方法及装置
KR101598208B1 (ko) 레이더를 이용한 타겟 검출 장치 및 방법
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
CN103885057A (zh) 自适应变滑窗多目标跟踪方法
CN111427021A (zh) 车载毫米波雷达信号峰值检测的动态阈值计算方法及系统
CN114114192B (zh) 集群目标检测方法
CN110531337B (zh) 基于隶属度分析的目标可信度计算方法及装置
CN109521412B (zh) 基于局部统计量融合的雷达组网空域目标检测方法
CN111323765A (zh) 一种星载光子计数激光雷达回波信号处理及目标提取方法
KR20120043281A (ko) 펄스 도플러 레이더를 이용하여 이동 물체의 거리 및 속도를 측정하기 위한 장치 및 방법
CN111273249B (zh) 一种基于雷达虚警预处理时间的智能杂波分区方法
CN111856406A (zh) 一种基于fmcw雷达回波的目标检测方法及装置
CN106526545A (zh) 一种鲁棒cfar检测器的检测方法
CN104035084A (zh) 一种用于非均匀杂波背景的动态规划检测前跟踪方法
CN111337894B (zh) 一种智能参考单元平均恒虚警检测方法
CN115128571B (zh) 一种基于毫米波雷达的多人与非机动车识别方法
Jung et al. Double-step fast CFAR scheme for multiple target detection in high resolution SAR images
CN108508413B (zh) 一种基于概率统计的低信噪比条件下目标检测方法
CN113253262B (zh) 一种基于一维距离像记录背景对比检测目标方法
US5854601A (en) Methods for estimating the number of emitters and their parameters

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