CN113189560A - 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 - Google Patents
基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 Download PDFInfo
- Publication number
- CN113189560A CN113189560A CN202110540434.0A CN202110540434A CN113189560A CN 113189560 A CN113189560 A CN 113189560A CN 202110540434 A CN202110540434 A CN 202110540434A CN 113189560 A CN113189560 A CN 113189560A
- Authority
- CN
- China
- Prior art keywords
- cfar
- interference
- detector
- bvi
- detection
- 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
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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Mathematical Analysis (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
公开了一种基于贝叶斯干扰控制的变异指数的BVI‑CFAR目标检测算法,所述算法首先将滑动窗口分为前后检测窗后,再次将前后检测窗口分为两份,得到四个检测窗口,然后采用变异指数对四个滑动窗口过程进行分析,判断干扰可能存在的窗口位置,然后采用贝叶斯滑动窗口干扰控制方法,对窗口干扰进行预测和补偿,推导出了贝叶斯变异指数算法的检测过程的表达式。本发明首次将贝叶斯滑动窗口干扰控制的方法运用于变异指数检测过程,具有很好的多目标检测效果,相对于传统的VI‑CFAR算法,解决了VI‑CFAR检测器在两侧都出现目标时,检测概率大大降低的问题,贝叶斯干扰控制的运用,减少了干扰对检测过程的影响,提高了雷达在复杂环境和多目标环境下的检测性能,为CFAR算法提供了新方法。
Description
技术领域
本发明涉及雷达多目标检测及其抗干扰技术领域,尤其涉及一种基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法。
背景技术
随着社会和科技的发展,人工智能和汽车工业的快速发展,毫无疑问,驾驶员配合辅助驾驶系统是未来汽车出行的主要形态,而车载毫米波雷达作为辅助驾驶系统的重要组成,具有很高的研究价值。然而雷达在检测过程中,接收到的信号不仅仅是目标信号,还包含了一些实时变化的杂波信号,面对这种情况,雷达恒虚警率(Constant False AlarmRate,CFAR)处理也就应运而生。CFAR处理技术的问世可以使雷达检测目标的虚警概率保持一定范围不变,减少了进行检测时的信杂比损失,使得目标的检测概率最大化。相对于传统的固定门限检测,CFAR可以根据雷达杂波背景分布提供的先验信息,通过特定的算法,自适应的改变检测门限,对目标有无进行判决,从而方便对目标进行下一步的处理。因此,雷达恒虚警处理技术在雷达信号处理和目标检测领域中是最为关键的环节。
伴随着雷达技术的发展,许多恒虚警检测算法诞生,但其仍然存在缺陷。传统CFAR的假设只能在某种特定环境下获得较好检测性能,然而随着雷达应用场景的复杂化,实际工程中并不能满足理想的设计条件,CFAR检测性能严重下降。因此,对于多目标,其最大的挑战是复杂背景下的检测问题,如何在该背景下自适应选择检测门限,提升检测器抗干扰能力,成为雷达研究领域的重要目标。
发明内容
本申请发明了基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法,解决了VI-CFAR在双侧都存在目标时,检测概率下降严重的问题,同时提高了VI-CFAR检测器在均匀环境下的检测性能,为CFAR检测提供了一种全新的方法。
与此同时。本文对于贝叶斯检测多目标情况下计算复杂的问题,提出了贝叶斯分类干扰控制方法,对背景中的多个干扰同时进行预测推理,在提高抗干扰能力的同时,降低了计算的复杂度。
与现有技术相比,本发明的优点在于:
1.首次发明将贝叶斯干扰控制运用于变异指数检测器(VI-CFAR),并且优化了变异指数检测器,解决了VI-CFAR在双侧都存在目标时,检测概率下降严重的问题,同时提高了VI-CFAR检测器在均匀环境下的检测性能。
2.推导了贝叶斯干扰控制运用于变异指数检测器的过程,得到了BVI-CFAR检测器的检测表达式。
3.可以进一步扩展成多窗口模式的BVI-CFAR检测器,也可应用贝叶斯多窗口干扰控制,适应于更加复杂的环境,提高目标检测精度。
4.提出了分类贝叶斯干扰控制方法,在提高抗干扰能力的同时,降低了计算的复杂度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例的附图作简单地介绍。
图1是基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法流程图。
图2是VI-CFAR检测算法流程图。
图3是BVI-CFAR检测器的算法流程图。
图4是自适应门限和决策选择表。
图5a是均匀环境和含有一个单侧干扰环境下的检测性能曲线。
图5b是均匀环境和含有两个双侧干扰环境下的检测性能曲线。
图6a是KMR阈值与检测决策变化概率曲线。
图6b是KVI阈值与检测决策变化概率曲线
具体实施方式
图1展示了一种基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法,该方法包括以下步骤:
步骤1,与传统的变异指数检测器(VI-CFAR)相比,如图2所示。本文采用更为细化的分割方式,将滑窗分为四个部分,然后对每一个部分求其二阶统计量VVI和统计和,如图3所示。步骤2,将求得得二阶统计量VVIA,VVIB,VVIC,VVID和统计量阈值KVI进行比较,将均值比MR0,MR1,MR2和均值阈值KMR进行对比。
选择阈值KBVI=5时,均匀环境下检测器超过该值的概率不到1%,故可以选择KBVI=5为VI-CFAR检测器的二次统计量阈值,并且BVI-CFAR检测器阈值受干扰杂波影响小。
选择阈值KMR=3时,均匀环境下检测器超过该值的概率不到1%,故可以选择KMR=3为BVI-CFAR检测器的均值统计量阈值。
步骤3,VVI≤KVI时为均匀杂波,KMR -1≤VMR≤KMR为两窗口均值相同,然后根据图4所示规则进行门限选择;其中1,5,等价于CA-CFAR检测器,CN为滑动大小为N时的门限阈值因子,∑ABCD为四个滑动窗口单元的求和,2,3,4为本文所发明的贝叶斯干扰控制方法,其具体细节如下:
假设背景杂波服从参数为λ的指数分布,干扰服从参数为μ的指数分布,贝叶斯假设检验判决方法由下式表示:
则贝叶斯检测虚警率表示为:
其中:
当系统存在一个干扰的情况下的表达式为:
由于(6)式的τ很难反解出来,因子贝叶斯规则改为下式:
化简(7)式可得:
其中图4决策表中:
最后通过蒙特卡洛实验验证算法的可靠性,此处滑动窗口总数N=24,虚警率PFA=1e-4,蒙特卡洛次数M=1e6,二次统计量阈值KVI=3,均值阈值KMR=1.8。在滑动窗口第一个单元和第24个单元加上20dB干扰,将固定阈值门限设置为限制表示为Limt,对比了OPT-CFAR,CA-CFAR,VI-CFAR和BVI-CFAR算法在均匀环境(无干扰)和两个干扰情况下的性能,得到了检测性能曲线如图5所示。由图可知,在均匀环境下,CA-CFAR性能相对于其他算法较好,但是在存在干扰的情况下,性能严重下降。BVI-CFAR算法相对于传统的VI-CFAR算法,在均匀环境下较好于前者,但是VI-CFAR在前后滑窗都存在干扰的情况下,性能严重下降,BVI-CFAR运用多滑窗决策解决这个问题的同时,运用贝叶斯干扰控制技术提高了在多目标和复杂情况的检测概率,仿真结果验证了该算法相对于传统算法优势。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (2)
1.一种基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法,其特征在于,包括:
步骤1、将雷达收到的数据{x1,x2,...,xn/2-1,xn/2+1,...,xn}分成Y1,Y2,Y3,Y4四份,其中Yi=x(i-1)N/4+…+xiN/4,其中i=1,2,3,4;
步骤3、选择VVI的阈值KVI,VMR的阈值KMR,并比较统计量或者均值和阈值的大小,当VVI≤KVI时为均匀杂波,KMR -1≤VMR≤KMR为两窗口均值相同,通过对比的结果选择合适的CFAR处理器,如:满足下表所示1或5条件时,即说明四个窗口均为均匀杂波且均值比相同,则选择CA-CFAR检测器作为检测器的自适应门限,若ABCD窗口有一个或者多个为非均匀杂波,说明窗口之中含有干扰目标,即选择BVI-CFAR进行处理,具体表述为如下所示:
步骤4、分析比较结果,对初步确定有干扰的窗口采用贝叶斯干扰方法进行干扰控制,得到最终的自适应门限和CFAR选择的判决方法,并输出结果,定义对于非均匀杂波和两窗口均值不同的情况,所述步骤3中,通过对比的结果选择合适的CFAR处理器基于以下条件:
其中1,5等价于CA-CFAR检测器,2,3,4采用贝叶斯干扰控制方法;
所述步骤4中,采用贝叶斯干扰方法进行干扰控制的具体方法包括,以将参考单元分成四等份为例:
步骤4.1、假设第j个等分之中存在目标,求出检测器在干扰存在的条件下的联合概率密度
其中λ为背景杂波参数,μ为干扰的参数,N为参考单元个数,πj为第j个等份之中存在干扰的先验概率,Zi表示第i个等份区域;
步骤4.2、对于感兴趣的区域,可以采用Jeffreys先验,这个先验为杂波参数的倒数,求出联合先验分布
步骤4.3、然后通过联合概率密度和联合先验分布求出贝叶斯预测密度
步骤4.4、由步骤4.3得到检测器虚警率表达式
然后通过步骤4.4求出检测器的决策方法
2.根据权利要求1所述的一种基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法,其特征在于,选择VVI的阈值KVI,VMR的阈值KMR,选取要求具体过程如下所示:
选择阈值KBVI=M时,均匀环境下检测器超过该值的概率不到1%,故可以选择KBVI=M为VI-CFAR检测器的二次统计量阈值,并且BVI-CFAR检测器阈值受干扰杂波影响小;
选择阈值KMR=N时,均匀环境下检测器超过该值的概率不到1%,故可以选择KMR=N为BVI-CFAR检测器的均值统计量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540434.0A CN113189560B (zh) | 2021-05-18 | 2021-05-18 | 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110540434.0A CN113189560B (zh) | 2021-05-18 | 2021-05-18 | 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113189560A true CN113189560A (zh) | 2021-07-30 |
CN113189560B CN113189560B (zh) | 2023-04-28 |
Family
ID=76982379
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110540434.0A Active CN113189560B (zh) | 2021-05-18 | 2021-05-18 | 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113189560B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660554A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 一种雷达目标和干扰的检测分类方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160150415A1 (en) * | 2014-11-26 | 2016-05-26 | J. Nicolas Laneman | Method and apparatus for wideband spectrum sensing |
CN106526545A (zh) * | 2016-11-09 | 2017-03-22 | 西安空间无线电技术研究所 | 一种鲁棒cfar检测器的检测方法 |
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 |
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 |
CN108765403A (zh) * | 2018-05-30 | 2018-11-06 | 合肥工业大学 | 一种多目标环境下的sar图像双参数cfar检测方法 |
CN111551903A (zh) * | 2020-04-29 | 2020-08-18 | 南京理工大学 | 改进型二维变化指数恒虚警目标检测方法 |
CN111693961A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨工业大学 | 一种基于kl散度单元筛选的cfar检测器 |
-
2021
- 2021-05-18 CN CN202110540434.0A patent/CN113189560B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160150415A1 (en) * | 2014-11-26 | 2016-05-26 | J. Nicolas Laneman | Method and apparatus for wideband spectrum sensing |
CN106526545A (zh) * | 2016-11-09 | 2017-03-22 | 西安空间无线电技术研究所 | 一种鲁棒cfar检测器的检测方法 |
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 |
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 |
CN108765403A (zh) * | 2018-05-30 | 2018-11-06 | 合肥工业大学 | 一种多目标环境下的sar图像双参数cfar检测方法 |
CN111551903A (zh) * | 2020-04-29 | 2020-08-18 | 南京理工大学 | 改进型二维变化指数恒虚警目标检测方法 |
CN111693961A (zh) * | 2020-06-15 | 2020-09-22 | 哈尔滨工业大学 | 一种基于kl散度单元筛选的cfar检测器 |
Non-Patent Citations (3)
Title |
---|
GRAHAM V. WEINBERG: "An invariant sliding window detection process", 《IEEE SIGNAL PROCESS》 * |
刘恒燕等: "大入射余角CFAR检测器", 《系统工程与电子技术》 * |
袁湛等: "一种多目标环境下的SAR图像自适应CFAR检测方法", 《中国图象图形学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114660554A (zh) * | 2022-05-25 | 2022-06-24 | 中国人民解放军空军预警学院 | 一种雷达目标和干扰的检测分类方法及系统 |
CN114660554B (zh) * | 2022-05-25 | 2022-09-23 | 中国人民解放军空军预警学院 | 一种雷达目标和干扰的检测分类方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113189560B (zh) | 2023-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
An et al. | An improved iterative censoring scheme for CFAR ship detection with SAR imagery | |
CN111693961A (zh) | 一种基于kl散度单元筛选的cfar检测器 | |
CN111800795B (zh) | 一种认知无人机网络中非高斯噪声下频谱感知方法 | |
CN112965040B (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
CN110932807B (zh) | 一种非高斯噪声下mimo系统的频谱感知方法及系统 | |
CN109447161B (zh) | 一种基于汽车雷达数据的实时增量与自适应聚类方法 | |
CN111413682B (zh) | 基于顺序统计量的合成极窄脉冲雷达检测门限计算方法 | |
CN113189560B (zh) | 基于贝叶斯干扰控制的变异指数的bvi-cfar目标检测算法 | |
Janatian et al. | CFAR detectors for MIMO radars | |
CN113256667A (zh) | 一种基于Otsu与联合分布的SAR图像舰船目标检测方法 | |
CN113267758B (zh) | 一种复合高斯环境下存在干扰时的目标检测方法与系统 | |
Gálvez et al. | Improved neural network based CFAR detection for non homogeneous background and multiple target situations | |
CN113253235B (zh) | 一种严重非均匀环境中的自适应信号检测方法与系统 | |
Li et al. | A CFAR detector based on a robust combined method with spatial information and sparsity regularization in non-homogeneous Weibull clutter | |
CN113391306A (zh) | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 | |
CN115032606B (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
Zhou et al. | Robust sliding window CFAR detection based on quantile truncated statistics | |
CN115856819A (zh) | 一种基于平稳高斯过程的雷达目标恒虚警检测方法 | |
CN114994628A (zh) | 一种基于背景感知的超视距雷达多策略cfar检测方法 | |
Zhu et al. | Robust variability index CFAR detector based on Bayesian interference control | |
CN112799022B (zh) | 一种非均匀及干扰环境中的扩展目标检测方法与系统 | |
CN114859304A (zh) | 一种抗智能拖引干扰的数据互联方法 | |
Barbary et al. | Joint detection and tracking of non‐ellipsoidal extended targets based on cubature Kalman‐CBMeMBer sub‐random matrices filter | |
Musa’ed et al. | A Backward Automatic Censored Cell Averaging Detector for Multiple Target Situations in Log-normal Clutter | |
Daneshvar et al. | A novel method based on comparison using threshold scale for CFAR detectors under environments with conditions of electromagnetic interference |
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 |