CN112684428A - 一种基于信号代理的多目标恒虚警率检测方法 - Google Patents

一种基于信号代理的多目标恒虚警率检测方法 Download PDF

Info

Publication number
CN112684428A
CN112684428A CN202110056412.7A CN202110056412A CN112684428A CN 112684428 A CN112684428 A CN 112684428A CN 202110056412 A CN202110056412 A CN 202110056412A CN 112684428 A CN112684428 A CN 112684428A
Authority
CN
China
Prior art keywords
false alarm
target
signal
rate detection
detection method
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
Application number
CN202110056412.7A
Other languages
English (en)
Other versions
CN112684428B (zh
Inventor
宋春毅
曹智辉
李俊杰
宋钰莹
徐志伟
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110056412.7A priority Critical patent/CN112684428B/zh
Publication of CN112684428A publication Critical patent/CN112684428A/zh
Priority to PCT/CN2021/109105 priority patent/WO2022151708A1/zh
Priority to JP2022554626A priority patent/JP7321613B2/ja
Priority to US17/834,967 priority patent/US20220308163A1/en
Application granted granted Critical
Publication of CN112684428B publication Critical patent/CN112684428B/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
    • G01S7/40—Means for monitoring or calibrating
    • 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
    • G01S7/35—Details of non-pulse systems
    • G01S7/352—Receivers
    • G01S7/354—Extracting wanted echo-signals
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
    • G08B29/02—Monitoring continuously signalling or alarm systems
    • G08B29/04—Monitoring of the detection circuits
    • 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)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Security & Cryptography (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开一种基于信号代理的多目标恒虚警率检测方法，属于雷达恒虚警率检测技术领域。该方法通过利用雷达信号的线性测量和感知矩阵的相关性来区分目标和杂波，然后将检测到的目标从原始背景样本中剔除得到缩减样本。最后针对缩减样本进行背景水平估计得到虚警调节门限，将低于门限的目标剔除以得到最终的恒虚警率检测结果。本发明的方法能够自适应信号的稀疏度，不需要依赖预先估计的环境背景水平来实现目标检测，有效克服了多目标遮蔽效应。

Description

一种基于信号代理的多目标恒虚警率检测方法
技术领域
本发明属于调频连续波(Frequency Modulated Continuous Wave,FMCW)雷达多目标恒虚警率(Constant False Alarm Rate,以下简称CFAR)检测技术领域，尤其涉及一种基于信号代理的多目标CFAR检测方法。
背景技术
CFAR检测方法能使FMCW雷达系统具有稳定的目标检测性能，同时避免过高的虚警率引起雷达接收机故障。但现有的CFAR检测方法多数受制于目标-杂波环境背景水平的估计。多目标情况下，干扰目标导致不准确的背景水平估计，雷达目标检测性能随之下降。因此，多目标场景下的CFAR检测方法研究引起了广泛的关注。
在多目标场景中存在干扰目标的情况时，精确计算检测阈值是非常困难的。传统的CFAR检测方法主要通过环境背景水平估计来确定检测阈值，但参考单元中的干扰目标引起的多目标遮蔽效应影响背景水平的准确估计，从而导致雷达系统检测性能的下降。
针对传统CFAR检测方法的缺点，改进的检测方法在背景水平估计前对信号样本进行异常数据的截断处理，能有效改善雷达在多目标场景下的检测性能。但目标检测仍依赖于预先背景水平估计确定的检测门限，无法直接避免干扰目标的影响。
发明内容
本发明的目的在于针对现有技术的不足，提供一种基于信号代理的多目标恒虚警率检测方法，该方法在多目标检测时不需要依赖预先估计的背景水平确定的检测阈值，并且能够快速准确地检测目标。具体技术方案如下：
一种基于信号代理的多目标恒虚警率检测方法，该方法包括以下步骤：
S1：输入待检测的中频信号s，利用感知矩阵A获取所述待检测的中频信号的线性测量y，y＝As，求解信号代理r，r＝A*y；
S2：找到具有最低相关度的目标对应的索引λ，输出目标集合Λ；
S3：利用目标集合Λ对原背景样本x作截断处理，并严格按照截断分布对其建模，通过最大似然估计确定比例参数σ的值；设定期望的虚警概率PFA，计算得到虚警调节门限Tfa；根据计算得到的虚警调节门限剔除目标集合Λ中低于Tfa的信号，输出检测结果。
进一步地，所述S1中信号代理r的确定具体按照以下方式进行：
S1.1：将输入的待检测的中频信号s与所述感知矩阵A进行矩阵相乘，
Figure BDA0002900786910000025
N为信号长度，实现待检测的中频信号的线性测量y＝As，其中，感知矩阵A选用随机高斯测量矩阵，A＝(a1，a2，...，aN)；
S1.2：求出线性测量y关于感知矩阵A的信号代理r，r＝A*y，所述信号代理反映了目标或杂波的能量强弱。
进一步地，所述S2中目标集合Λ的确定具体按照以下方式进行：
S2.1：对信号代理降序排列，得到
Figure BDA0002900786910000026
d为降序标记；
S2.2：确定具有最小相关度的目标索引
Figure BDA0002900786910000027
其中，n1＝1/N，
Figure BDA0002900786910000028
||·||p代表lp范数即
Figure BDA0002900786910000029
S2.3：在信号代理r中选取前λ个最大元素得到目标集合Λ，作为信号代理检测器的输出，以区分杂波和目标信号。
进一步地，所述S3中比例参数σ和虚警调节门限Tfa的确定具体按照以下方式进行：
S3.1：将步骤S2输出的目标集合Λ应用于原背景样本x中，剔除对应数据得到截断版本的缩减样本
Figure BDA00029007869100000210
S3.2：将缩减样本以截断的瑞利分布
Figure BDA00029007869100000211
建模，满足
Figure BDA00029007869100000212
其中α表示截断深度；
S3.3：根据缩减样本的截断分布的概率密度函数，确定似然函数
Figure BDA00029007869100000213
Figure BDA0002900786910000021
通过最大似然估计令
Figure BDA00029007869100000214
计算出尺度参数
Figure BDA00029007869100000215
的估计值：
Figure BDA0002900786910000022
S3.4：根据期望的虚警概率PFA与X的累积分布函数FX(·)的关系，得到方程
Figure BDA0002900786910000023
S3.5：根据方程(2)和(3)计算出虚警调节门限Tfa
Figure BDA0002900786910000024
本发明的有益效果如下：
本发明的基于信号代理的多目标恒虚警率检测方法，聚焦FMCW雷达多目标检测方法，通过利用新的检测算法，不需依赖预先估计环境背景水平确定的检测阈值来实现目标检测，全面有效的克服了多目标遮蔽效应。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要的使用的附图作简单地介绍。
图1是本发明优选实施例的多目标场景示意图。
图2是基于信号代理的多目标恒虚警率检测方法的流程示意图。
图3是本发明方法与上界性能以及现有CFAR检测方法的性能对比图。
具体实施方式
下面根据附图和优选实施例详细描述本发明，本发明的目的和效果将变得更加明白，应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明提供的基于信号代理的多目标恒虚警率检测方法，在多目标环境下能够有效解决干扰目标引起的雷达系统检测性能下降的问题，同时通过自适应的虚警调节门限，来实现恒定的虚警率。
如图1所示，多目标场景中，毫米波雷达作为目标检测传感器，工作频段在76-81GHZ范围，雷达系统应用了基于信号代理的多目标恒虚警率检测方法，十个具有相同的尺寸的雷达反射器作为目标。毫米波雷达发送的电磁波经过场景中不同距离的目标反射后，回波信号被雷达接收。
如图2所示，雷达的中频信号在S1中获取线性测量y并计算信号代理r，二者均为长度为1024的复数向量。随后在S2中确定具有最小相关度的目标索引λ为17，并输出目标索引集合Λ为[42；43；48；49；50；51；76；77；78；80；81；82；94；97；114；119；129]。最后在S3中获取缩减样本
Figure BDA0002900786910000031
并确定自适应虚警调节门限Tfa为2.2653×104，之后将低于调节门限的目标剔除，最后输出检测结果为[42,50,73,76,81,94,97,114,119,129]。
图3为本测试场景中各检测方法的雷达接收机操作特性(Receiver OperatingCharacteristic,ROC)曲线对比，结果显示本发明方法优于现有的CFAR检测方法，与上界性能最接近。这表明本发明中的CFAR检测方法能够有效的克服多目标遮蔽效应，在多目标场景中具有鲁棒的检测性能。
本领域普通技术人员可以理解，以上所述仅为发明的优选实例而已，并不用于限制发明，尽管参照前述实例对发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在发明的精神和原则之内，所做的修改、等同替换等均应包含在发明的保护范围之内。

Claims (4)

1.一种基于信号代理的多目标恒虚警率检测方法，其特征在于，该方法包括以下步骤：
S1：输入待检测的中频信号s，利用感知矩阵A获取所述待检测的中频信号的线性测量y，y＝As，求解信号代理r，r＝A*y；
S2：找到具有最低相关度的目标对应的索引λ，输出目标集合Λ；
S3：利用目标集合Λ对原背景样本x作截断处理，并严格按照截断分布对其建模，通过最大似然估计确定比例参数σ的值；设定期望的虚警概率PFA，计算得到虚警调节门限Tfa；根据计算得到的虚警调节门限剔除目标集合Λ中低于Tfa的信号，输出检测结果。
2.根据权利要求1所述的基于信号代理的多目标恒虚警率检测方法，其特征在于，所述S1中信号代理r的确定具体按照以下方式进行：
S1.1：将输入的待检测的中频信号s与所述感知矩阵A进行矩阵相乘，
Figure FDA0002900786900000011
N为信号长度，实现待检测的中频信号的线性测量y＝As，其中，感知矩阵A选用随机高斯测量矩阵，A＝(a1，a2，...，aN)；
S1.2：求出线性测量y关于感知矩阵A的信号代理r，r＝A*y，所述信号代理反映了目标或杂波的能量强弱。
3.根据权利要求2所述的基于信号代理的多目标恒虚警率检测方法，其特征在于，所述S2中目标集合Λ的确定具体按照以下方式进行：
S2.1：对信号代理降序排列，得到
Figure FDA0002900786900000012
d为降序标记；
S2.2：确定具有最小相关度的目标索引
Figure FDA0002900786900000013
其中，n1＝1/N，
Figure FDA0002900786900000014
||·||p代表lp范数即
Figure FDA0002900786900000015
S2.3：在信号代理r中选取前λ个最大元素得到目标集合Λ，作为信号代理检测器的输出，以区分杂波和目标信号。
4.根据权利要求3中所述的基于信号代理的多目标恒虚警率检测方法，其特征在于，所述S3中比例参数σ和虚警调节门限Tfa的确定具体按照以下方式进行：
S3.1：将步骤S2输出的目标集合Λ应用于原背景样本x中，剔除对应数据得到截断版本的缩减样本
Figure FDA0002900786900000016
S3.2：将缩减样本以截断的瑞利分布
Figure FDA0002900786900000017
建模，满足
Figure FDA0002900786900000018
其中α表示截断深度；
S3.3：根据缩减样本的截断分布的概率密度函数，确定似然函数
Figure FDA0002900786900000021
Figure FDA0002900786900000022
通过最大似然估计令
Figure FDA0002900786900000023
计算出尺度参数
Figure FDA0002900786900000024
的估计值：
Figure FDA0002900786900000025
S3.4：根据期望的虚警概率PFA与X的累积分布函数FX(·)的关系，得到方程
Figure FDA0002900786900000026
S3.5：根据方程(2)和(3)计算出虚警调节门限Tfa
Figure FDA0002900786900000027
CN202110056412.7A 2021-01-15 2021-01-15 一种基于信号代理的多目标恒虚警率检测方法 Active CN112684428B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202110056412.7A CN112684428B (zh) 2021-01-15 2021-01-15 一种基于信号代理的多目标恒虚警率检测方法
PCT/CN2021/109105 WO2022151708A1 (zh) 2021-01-15 2021-07-29 一种基于信号代理的多目标恒虚警率检测方法
JP2022554626A JP7321613B2 (ja) 2021-01-15 2021-07-29 信号プロキシに基づく多目標一定誤警報確率検出方法
US17/834,967 US20220308163A1 (en) 2021-01-15 2022-06-08 Multitarget constant false alarm rate detection method based on signal proxy

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110056412.7A CN112684428B (zh) 2021-01-15 2021-01-15 一种基于信号代理的多目标恒虚警率检测方法

Publications (2)

Publication Number Publication Date
CN112684428A true CN112684428A (zh) 2021-04-20
CN112684428B CN112684428B (zh) 2023-08-04

Family

ID=75458218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110056412.7A Active CN112684428B (zh) 2021-01-15 2021-01-15 一种基于信号代理的多目标恒虚警率检测方法

Country Status (4)

Country Link
US (1) US20220308163A1 (zh)
JP (1) JP7321613B2 (zh)
CN (1) CN112684428B (zh)
WO (1) WO2022151708A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113504521A (zh) * 2021-07-08 2021-10-15 哈尔滨工业大学 一种用于多目标环境下的基于混合模型的恒虚警检测方法
WO2022151708A1 (zh) * 2021-01-15 2022-07-21 浙江大学 一种基于信号代理的多目标恒虚警率检测方法
WO2022239348A1 (ja) * 2021-05-12 2022-11-17 ソニーセミコンダクタソリューションズ株式会社 レーダ装置、信号処理方法、及びプログラム
WO2023284698A1 (zh) * 2021-07-14 2023-01-19 浙江大学 一种基于深度神经网络的多目标恒虚警率检测方法
CN115877385A (zh) * 2023-03-02 2023-03-31 中国电子科技集团公司信息科学研究院 基于无人飞艇平台的分布式雷达探测系统目标检测方法
CN116736256A (zh) * 2023-08-11 2023-09-12 南京隼眼电子科技有限公司 雷达的识别方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161052A1 (en) * 2009-12-29 2011-06-30 Boufounos Petros T Method for Reconstructing Sparse Streaming Signals Using Greedy Search
US20130147646A1 (en) * 2011-12-12 2013-06-13 Texas Instruments Incorporated Compressive sense based reconstruction in the presence of frequency offset
CN106056097A (zh) * 2016-08-17 2016-10-26 西华大学 毫米波弱小目标检测方法
CN109391812A (zh) * 2018-09-28 2019-02-26 浙江大学 一种基于dvb-s信号的循环平稳检测和相关检测联合检测方法
WO2022151708A1 (zh) * 2021-01-15 2022-07-21 浙江大学 一种基于信号代理的多目标恒虚警率检测方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105572651A (zh) 2015-12-30 2016-05-11 哈尔滨工业大学 一种基于杂波背景统计识别的cfar检测方法
GB2568615B (en) * 2016-08-16 2019-10-09 Mitsubishi Electric Corp Object detection device, object detection method, and sensor device
CN108764163A (zh) * 2018-05-30 2018-11-06 合肥工业大学 多目标环境下基于灰度相关特性的cfar检测方法
CN111562569B (zh) * 2020-04-21 2022-12-06 哈尔滨工业大学 基于加权群稀疏约束的Weibull背景下多目标恒虚警检测方法
CN111693961B (zh) 2020-06-15 2023-05-16 哈尔滨工业大学 一种基于kl散度单元筛选的cfar检测器
CN111929679B (zh) 2020-08-04 2023-11-21 南京理工大学 一种自适应加权截断统计恒虚警检测方法
CN111796253B (zh) * 2020-09-01 2022-12-02 西安电子科技大学 基于稀疏信号处理的雷达目标恒虚警检测方法
JP7113878B2 (ja) * 2020-10-28 2022-08-05 京セラ株式会社 電子機器、電子機器の制御方法、及びプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110161052A1 (en) * 2009-12-29 2011-06-30 Boufounos Petros T Method for Reconstructing Sparse Streaming Signals Using Greedy Search
US20130147646A1 (en) * 2011-12-12 2013-06-13 Texas Instruments Incorporated Compressive sense based reconstruction in the presence of frequency offset
CN106056097A (zh) * 2016-08-17 2016-10-26 西华大学 毫米波弱小目标检测方法
CN109391812A (zh) * 2018-09-28 2019-02-26 浙江大学 一种基于dvb-s信号的循环平稳检测和相关检测联合检测方法
WO2022151708A1 (zh) * 2021-01-15 2022-07-21 浙江大学 一种基于信号代理的多目标恒虚警率检测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HARRIS, AP (HARRIS, ANJANETTE P.): "Imaging learned fear circuitry in awake mice using fMRI", EUROPEAN JOURNAL OF NEUROSCIENCE, pages 2125 - 2134 *
ZHIHUI CAO: "A Novel CFAR Algorithm for Multi-target Detection with FMCW Radar", 2020 IEEE GLOBAL COMMUNICATIONS CONFERENCE(GLOBECOM), pages 309 - 316 *
ZHIHUI CAO: "Compressed Sensing-Based Multitarget CFAR Detection Algorithm for FMCW Radar", IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, pages 1 - 13 *
吴静;王洪;于雪莲;汪学刚;: "多目标环境下跑道异物监测雷达的CFAR检测技术", 光电工程, no. 10 *

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022151708A1 (zh) * 2021-01-15 2022-07-21 浙江大学 一种基于信号代理的多目标恒虚警率检测方法
WO2022239348A1 (ja) * 2021-05-12 2022-11-17 ソニーセミコンダクタソリューションズ株式会社 レーダ装置、信号処理方法、及びプログラム
CN113504521A (zh) * 2021-07-08 2021-10-15 哈尔滨工业大学 一种用于多目标环境下的基于混合模型的恒虚警检测方法
CN113504521B (zh) * 2021-07-08 2022-09-20 哈尔滨工业大学 一种用于多目标环境下的基于混合模型的恒虚警检测方法
WO2023284698A1 (zh) * 2021-07-14 2023-01-19 浙江大学 一种基于深度神经网络的多目标恒虚警率检测方法
US20240004032A1 (en) * 2021-07-14 2024-01-04 Zhejiang University Deep neural network (dnn)-based multi-target constant false alarm rate (cfar) detection methods
US12044799B2 (en) * 2021-07-14 2024-07-23 Zhejiang University Deep neural network (DNN)-based multi-target constant false alarm rate (CFAR) detection methods
CN115877385A (zh) * 2023-03-02 2023-03-31 中国电子科技集团公司信息科学研究院 基于无人飞艇平台的分布式雷达探测系统目标检测方法
CN116736256A (zh) * 2023-08-11 2023-09-12 南京隼眼电子科技有限公司 雷达的识别方法、装置及电子设备
CN116736256B (zh) * 2023-08-11 2023-10-24 南京隼眼电子科技有限公司 雷达的识别方法、装置及电子设备

Also Published As

Publication number Publication date
JP7321613B2 (ja) 2023-08-07
WO2022151708A1 (zh) 2022-07-21
CN112684428B (zh) 2023-08-04
JP2023519529A (ja) 2023-05-11
US20220308163A1 (en) 2022-09-29

Similar Documents

Publication Publication Date Title
CN112684428B (zh) 一种基于信号代理的多目标恒虚警率检测方法
Rodríguez Altimetry for non‐Gaussian oceans: Height biases and estimation of parameters
CN102176000B (zh) 一种船用雷达海杂波的抑制方法
JP5611157B2 (ja) 時空間適応処理を用いてレーダー信号におけるターゲットを検出する方法
CN113534120B (zh) 一种基于深度神经网络的多目标恒虚警率检测方法
CN108089166B (zh) 一种基于毫米波测云雷达的自适应频域检测方法
CN103760543A (zh) 一种基于多模式的恒虚警目标检测方法
CN112731307B (zh) 基于距离-角度联合估计的ratm-cfar检测器及检测方法
CN115015907B (zh) 一种基于稀疏表示的粒子滤波检测前跟踪方法及装置
JP2018197710A (ja) レーダ信号処理装置
CN111856406A (zh) 一种基于fmcw雷达回波的目标检测方法及装置
CN113030979A (zh) 一种探测目标物体位置深度的方法和装置
KR102069100B1 (ko) 뉴럴 네트워크 기반 FMCW LiDAR 신호처리 시스템 및 방법
CN112180341A (zh) 一种背景自适应cfar算法选择的实现方法
CN108564054B (zh) 一种基于cfar的精确溢油检测方法
CN111948613A (zh) 基于自适应背景区选取的船载地波雷达目标检测方法
CN109696662B (zh) 一种基于k统计分布模型背景的目标检测方法
CN110187346B (zh) 一种复杂工况下地基sar粗差探测方法
CN111695087A (zh) 用于复合探雷目标检测的方法及系统
Liu et al. A New Synthetic Aperture Radar Ship Detector Based on Clutter Intensity Statistics in Complex Environments
Hongbo et al. Estimation of detection threshold in multiple ship target situations with HF ground wave radar
KR102047278B1 (ko) 반사판 기반 레이더 감지기 및 그 동작 방법
Wong et al. CA-CFAR in Weibull background
KR102673343B1 (ko) 레이더의 탐지 성능 분석 및 예측 방법
CN115015917B (zh) 一种基于复数域杂波图先验信息的目标检测方法

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
GR01 Patent grant
GR01 Patent grant