CN114415135A - 基于变化指数的多策略韦布尔cfar检测方法 - Google Patents
基于变化指数的多策略韦布尔cfar检测方法 Download PDFInfo
- Publication number
- CN114415135A CN114415135A CN202210079486.7A CN202210079486A CN114415135A CN 114415135 A CN114415135 A CN 114415135A CN 202210079486 A CN202210079486 A CN 202210079486A CN 114415135 A CN114415135 A CN 114415135A
- Authority
- CN
- China
- Prior art keywords
- reference window
- radar echo
- cfar
- echo data
- weibull
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 92
- 230000008859 change Effects 0.000 title claims description 14
- 238000009826 distribution Methods 0.000 claims abstract description 56
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 10
- 238000002474 experimental method Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 8
- 230000002159 abnormal effect Effects 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 3
- 230000008030 elimination Effects 0.000 abstract description 4
- 238000003379 elimination reaction Methods 0.000 abstract description 4
- 230000002452 interceptive effect Effects 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000007476 Maximum Likelihood Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
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
- G01S7/4004—Means for monitoring or calibrating of parts of a radar system
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
基于变化指数的多策略韦布尔CFAR检测方法,涉及雷达自适应检测技术领域,针对现有技术中检测器在韦布尔分布杂波中会出现检测性能下降的问题,本申请提出了一种RWVI‑CFAR检测器,该检测器在均匀的韦布尔杂波环境中具有很小的CFAR损失,在多目标环境中具有接近TOS‑CFAR的检测性能,在杂波边缘环境中具有优于TGO‑CFAR的虚警控制能力,有效解决了检测器在韦布尔分布杂波中会出现检测性能下降的问题。RWVI‑CFAR检测器通过设计一种自适应目标剔除算法,有效解决了VI‑CFAR在双侧都存在干扰目标的环境下,检测性能下降的问题。
Description
技术领域
本发明涉及雷达自适应检测技术领域,具体为基于变化指数的多策略韦布尔CFAR检测方法。
背景技术
恒虚警检测器作为一种自适应检测技术,被广泛应用于雷达目标检测中。在实际的雷达检测环境中,通常包含多种非均匀杂波,这些杂波的统计特性通常是未知的。在未知的检测环境中,恒虚警检测技术可以根据检测背景的变化,自适应的提供检测阈值以保证恒定虚警概率。
目前,大多数恒虚警检测器通常假设背景杂波的幅值服从瑞利分布,如CA-CFAR、SO-CFAR、GO-CFAR和OS-CFAR等。而这些检测器在同时存在干扰目标和杂波边缘的非均匀场景下,会出现检测性能下降的问题。为了解决该问题,Smith和Varshney介绍了一种基于变化索引的CFAR检测器(VI-CFAR),该检测器不仅在均匀环境中具有最优的检测性能,在杂波边缘和多目标等非均匀环境下也具有一定的鲁棒性。但是VI-CFAR检测器在待检测单元两侧的参考窗中同时存在干扰目标的环境下,检测性能下降。随着雷达分辨力的升高,杂波统计特性发生变化,杂波包络的概率密度函数出现拖尾的现象。韦布尔分布就是一种典型的非瑞利分布模型。上述检测器在韦布尔分布杂波中会出现检测性能下降的问题。
发明内容
本发明的目的是:针对现有技术中检测器在韦布尔分布杂波中会出现检测性能下降的问题,提出基于变化指数的多策略韦布尔CFAR检测方法。
本发明为了解决上述技术问题采取的技术方案是:
基于变化指数的多策略韦布尔CFAR检测方法,包括以下步骤:
步骤一:获取经过包络检波器的雷达回波数据,然后得到雷达回波数据中韦布尔分布形状参数,所述韦布尔分布形状参数包括前沿参考窗的韦布尔分布形状参数和后沿参考窗的韦布尔分布形状参数;
步骤二:判断雷达回波数据中前沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI与KVI比较,当VI大于等于KVI时,则判定前沿参考窗中的雷达回波数据是均匀的,当VI小于KVI时,则判定前沿参考窗中的雷达回波数据是非均匀的;
判断雷达回波数据中后沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI′和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI′与KVI比较,当VI′大于等于KVI时,则判定后沿参考窗中的雷达回波数据是均匀的,当VI′小于KVI时,则判定后沿参考窗中的雷达回波数据是非均匀的;
如果前沿参考窗中的雷达回波数据和后沿参考窗中的雷达回波数据都是均匀的,且前沿参考窗的韦布尔分布形状参数与后沿参考窗的韦布尔分布形状参数相同,则利用前沿参考窗的统计和和后沿参考窗的统计和计算统计量MR,并利用蒙特卡洛仿真实验得到阈值KMR,将MR与KMR比较,若则判定前沿参考窗和后沿参考窗中的雷达回波数据具有相同的均值,反之,则判定为前沿参考窗和后沿参考窗中的雷达回波数据不具有相同的均值;
步骤三:通过对比形状参数一致性的结果、雷达回波数据均匀性的结果、前后沿参考窗是否具有相同均值的结果以及前后沿参考窗形状参数是否一致的结果选择CFAR检测器及对应的参考单元,并利用CFAR检测器及对应的参考单元完成目标检测。
本发明的有益效果是:
本申请提出了一种RWVI-CFAR检测器,该检测器在均匀的韦布尔杂波环境中具有很小的CFAR损失,在多目标环境中具有接近TOS-CFAR的检测性能,在杂波边缘环境中具有优于TGO-CFAR的虚警控制能力,有效解决了检测器在韦布尔分布杂波中会出现检测性能下降的问题。
RWVI-CFAR检测器通过设计一种自适应目标剔除算法,有效解决了VI-CFAR在双侧都存在干扰目标的环境下,检测性能下降的问题。
附图说明
图1为RWVI-CFAR检测流程图;
图2为RWVI-CFAR自适应门限和CFAR策略选择图;
图3为AOCML-CFAR检测流程图;
图4为均匀瑞利杂波中检测器的检测概率曲线图;
图5为均匀韦布尔杂波中检测器的检测概率曲线图;
图6为在待检测单元两侧包含4个干扰目标的瑞利杂波中检测器的检测概率曲线图;
图7为在待检测单元两侧包含4个干扰目标的韦布尔杂波中检测器的检测概率曲线图;
图8为包含杂波边缘的瑞利杂波中检测器的虚警概率曲线图;
图9为包含杂波边缘的韦布尔杂波中检测器的虚警概率曲线图;
图10为VI假设检验错误概率曲线图;
图11为MR假设检验错误概率曲线图。
具体实施方式
需要特别说明的是,在不冲突的情况下,本申请公开的各个实施方式之间可以相互组合。
具体实施方式一:参照图1具体说明本实施方式,本实施方式所述的基于变化指数的多策略韦布尔CFAR检测方法,包括以下步骤:
步骤一:获取经过包络检波器的雷达回波数据,然后得到雷达回波数据中韦布尔分布形状参数,所述韦布尔分布形状参数包括前沿参考窗的韦布尔分布形状参数和后沿参考窗的韦布尔分布形状参数;
步骤二:判断雷达回波数据中前沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI与KVI比较,当VI大于等于KVI时,则判定前沿参考窗中的雷达回波数据是均匀的,当VI小于KVI时,则判定前沿参考窗中的雷达回波数据是非均匀的;
判断雷达回波数据中后沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI′和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI′与KVI比较,当VI′大于等于KVI时,则判定后沿参考窗中的雷达回波数据是均匀的,当VI′小于KVI时,则判定后沿参考窗中的雷达回波数据是非均匀的;
如果前沿参考窗中的雷达回波数据和后沿参考窗中的雷达回波数据都是均匀的,且前沿参考窗的韦布尔分布形状参数与后沿参考窗的韦布尔分布形状参数相同,则利用前沿参考窗的统计和和后沿参考窗的统计和计算统计量MR,并利用蒙特卡洛仿真实验得到阈值KMR,将MR与KMR比较,若则判定前沿参考窗和后沿参考窗中的雷达回波数据具有相同的均值,反之,则判定为前沿参考窗和后沿参考窗中的雷达回波数据不具有相同的均值;
步骤三:通过对比形状参数一致性的结果、雷达回波数据均匀性的结果、前后沿参考窗是否具有相同均值的结果以及前后沿参考窗形状参数是否一致的结果选择CFAR检测器及对应的参考单元,并利用CFAR检测器及对应的参考单元完成目标检测。
具体实施方式二:本实施方式是对具体实施方式一的进一步说明,本实施方式与具体实施方式一的区别是所述利用CFAR检测器完成目标检测的具体步骤为:
利用CFAR检测器及对应的参考单元计算虚警概率Pfa下的检测阈值,然后将待检测单元与检测阈值进行比较,当待检测单元大于等于检测阈值时,则判定待检测单元存在目标,反之,则判定为不存在。
具体实施方式三:本实施方式是对具体实施方式二的进一步说明,本实施方式与具体实施方式二的区别是所述步骤三中通过对比形状参数一致性的结果、雷达回波数据均匀性的结果、前后沿参考窗是否具有相同均值的结果以及前后沿参考窗形状参数是否一致的结果选择CFAR检测器及对应的参考单元具体为:
具体实施方式四:本实施方式是对具体实施方式三的进一步说明,本实施方式与具体实施方式三的区别是所述AOCML-CFAR完成目标检测的具体步骤为:
步骤1:利用对数变换将雷达回波数据转换为Gumbel分布,得到对数域雷达回波向量{y1,y2,...,yN/2-1,yN/2+1...yN},N为参考窗长度;
步骤2:计算Gumbel分布的尺度参数a;
步骤3:计算Gumbel分布的位置参数b,并将位置参数b设置为对数域雷达回波的均值;
步骤4:利用尺度参数a、位置参数b以及对数域雷达回波向量
{y1,y2,...,yN/2-1,yN/2+1,...yN}计算异常值向量{o1,o2,...,oN/2-1,oN/2+1,...oN};
步骤5:计算异常值向量中每一个异常值的二进制索引函数I(oi);
步骤8:利用常数项二进制索引函数I(oi)、雷达回波数据和韦布尔分布形状参数计算检测阈值,将待检测单元与检测阈值进行比较,当待检测单元大于等于检测阈值时,则判定待检测单元存在目标,反之,则判定为不存在。
具体实施方式五:本实施方式是对具体实施方式四的进一步说明,本实施方式与具体实施方式四的区别是所述二阶统计量VI表示为:
具体实施方式六:本实施方式是对具体实施方式五的进一步说明,本实施方式与具体实施方式五的区别是所述统计量MR表示为:
具体实施方式七:本实施方式是对具体实施方式六的进一步说明,本实施方式与具体实施方式六的区别是所述Gumbel分布的概率密度函数表示为:
具体实施方式八:本实施方式是对具体实施方式七的进一步说明,本实施方式与具体实施方式七的区别是所述异常值向量表示为:
其中,λ为正则化参数,oi表示单元i处的异常值的幅值。
具体实施方式九:本实施方式是对具体实施方式八的进一步说明,本实施方式与具体实施方式八的区别是所述步骤8中检测阈值表示为:
具体实施方式十:本实施方式是对具体实施方式九的进一步说明,本实施方式与具体实施方式九的区别是所述雷达回波数据包括杂波和目标。
针对双参数韦布尔分布杂波,Goldstein等人针对形状和尺度参数都未知的韦布尔或对数正态杂波,提出了一种最优单脉冲检测策略Logt-CFAR,该检测器在均匀的杂波环境中具有很好的检测性能。Levanon等人为了提高CFAR检测器在均匀环境下的检测性能,提出了利用最大似然估计韦布尔分布背景参数的MLH-CFAR检测方法。但是这些检测器对背景的非均匀性都很敏感,在非均匀环境中会出现严重的性能下降问题。针对多目标检测环境。Weber和Haykin提出了一种有序统计类检测器,其检测门限由两个有序样本组成。当韦布尔的形状参数已知时,Weinberg提出可以利用变换方法将CA-CFAR、OS-CFAR等检测器变换应用到韦布尔杂波背景中。然而,这些针对韦布尔杂波的CFAR检测器在在同时存在干扰目标和杂波边缘的非均匀的韦布尔杂波背景中会出现检测性能下降的问题。所以针对非均匀韦布尔杂波环境下的目标检测问题,开展鲁棒CFAR检测器的设计,提升检测器在非均匀环境下的检测能力具有重要的意义。
本申请的目的是针对非均匀韦布尔杂波背景下的目标检测问题和VI-CFAR检测器在待参考单元两侧同时存在干扰目标的情况下检测性能下降的问题,研究一种鲁棒性强、检测性能稳定的RWVI-CFAR检测器。为达到上述目的,本申请所采用的技术方案是:
步骤一、获取包络检波后的雷达回波数据;所述雷达回波数据包含杂波和目标,杂波服从韦布尔分布且韦布尔分布的形状参数已知;
步骤二、进行检测场景分析,分别判断前后参考窗中杂波的形状参数是否相同,利用VI统计特性判断前后参考窗中样本是否均匀,利用MR统计特性判断前后参考窗中样本是否具有相同的均值。
步骤三、根据检测场景分析的结果,选择合适的CFAR检测器和参考单元计算检测阈值,进行目标检测。
图2中-表示不需要进行判定,图4中Pfa=1×10-4,图1展示了RWVI-CFAR检测器的流程图。该方法包括以下步骤:
步骤1,假设雷达回波经过包络检波器后得到的参考窗中的数据为{x1,x2,...,xN/2-1,xN/2+1,...xN},其中{x1,...,xN/2-1}为前参沿考窗A中的数据,{xN/2+1,...,xN}为后沿参考窗B中的数据。相应的韦布尔分布形状参数分别为{r1,...,rN/2-1}和{rN/2+1,...,rN}。
步骤2,分别判断前沿参考窗的形状参数和后沿参考窗中的形状参数是否相同。
步骤3,当r1=r2=...=rN/2-1或rN/2+1=...=rN时,计算相应的二阶统计量VI和统计和,即其中xi为前/后沿参考窗中第i个样本(雷达回波数据);表示相应半参考窗中样本的算术均值;N为参考窗长度;和分别表示估计的方差和均值。
步骤4,选择统计量VI的阈值KVI,并比较统计量VI和阈值KVI的大小,当VI≤KVI时,判定样本为均匀样本。选择统计量MR的阈值KMR,当前后沿参考窗具有相同的均值。通过对比形状参数一致性的结果,样本均匀性的结果,前后沿参考窗是否具有相同均值的结果,以及前后沿参考窗形状参数是否一致的结果,按照图2所示选择合适的CFAR检测器计算检测阈值。如:满足序号1所示条件时,说明前后沿参考窗形状参数均一致,且样本为均匀样本并具有相同的均值,选择TCA-CFAR检测器作为最优检测器计算检测阈值,即检测阈值。当待检测单元处存在杂波边缘时,即满足序号2和3的条件时,选择TGO-CFAR计算检测阈值。当前或后沿参考窗内存在干扰目标或杂波边缘时,即满足序号4-7条件时,选择单侧参考窗和TCA-CFAR计算检测阈值。当前和后沿参考窗中同时存在干扰目标或杂波边缘且整个参考窗中形状参数相同,即满足序号8的条件时,选择AOCML-CFAR检测器进行目标检测。当前后沿参考窗中有一侧参考窗形状参数不一致,另一侧一致,同时形状参数一致的参考窗内样本为非均匀样本,即满足序号9-10的条件,选择具有相同形状参数的一侧参考窗及AOCML-CFAR检测器进行目标检测。当前后沿参考窗中样本均为非均匀且前后沿参考窗形状参数不同时,即满足序号11条件时,选择GOAOCML-CFAR检测器进行目标检测。在图2中,TN为常数,是参考窗长度N和虚警概率Pfa的函数,即:TN=Pfa -N-1。常数TN/2是半参考窗长度N/2和虚警概率Pfa的函数,即:为在前沿参考窗A和后沿参考窗B中的求和操作;为在前沿参考窗A中的求和操作;为在前沿参考窗B中的求和操作。r为杂波的形状参数(前后沿参考窗形状参数相同);rA为前沿参考窗中杂波的形状参数;rB为后沿参考窗中杂波的形状参数。序号2和4等价于TGO-CFAR检测器,max为取二者中的最大值。AOCML-CFAR和GOAOCML-CFAR为本申请的自动异常值剔除最大似然估计恒虚警检测器和选大自动异常值剔除最大似然估计恒虚警检测器。
其中,参数选择具体为:
RWVI-CFAR利用VI假设检验结果来判断参考窗中的样本是否具有同质性,利用MR假设检验结果来判断前后参考窗是否具有相同的均值。因此,RWVI-CFAR检测器的性能取决于阈值KVI和KMR。为了保证在均匀检测环境中RWVI-CFAR检测器选择TCA-CFAR作为最优检测策略,在应用时需要合理选择阈值KVI和KMR。根据文献[]可知,VI假设检验的错误概率可以定义为:
α=P(VI≥KVI|均匀环境)
相似地,MR的假设测试错误概率为:
由于统计量VI和MR的概率密度函数难以获得,本文采用蒙特卡洛(Monte Carlo,MC)仿真方法进行阈值KVI和KMR的选择。图10和展示了不同韦布尔形状参数下的VI误差曲线图。半参考窗长度为16。MC仿真次数为106。不同韦布尔形状参数下的误差曲线是不同的。当形状参数r=1,选择KVI=4.90可以获得大约3.3×10-4的错误概率;当形状参数r=2时,选择KVI=1.81可以获得大约3.3×10-4的错误概率。图11展示了不同形状参数下βvsKMR的误差概率曲线。当形状参数r=1时,选择KMR=1.875;当形状参数r=2时,选择KMR=1.387。在不同形状参数下,可以获得大约0.08的错误概率。类似地,可以通过固定错误概率α和β,分别确定同形状参数下的阈值KVI和KMR。
AOCML-CFAR检测器的具体流程图如图3所示,主要包含两步:异常值剔除和杂波功率水平估计两步。
1)在异常值剔除阶段,AOCML-CFAR检测器首先利用对数变换将韦布尔杂波{x1,x2,...,xN/2-1,xN/2+1,...xN}转换为Gumbel分布。对于一个对数域的样本yi=logxi,其概率密度函数(Probability of density function,PDF)为:
由于参考窗中干扰目标/异常值的数目远小于杂波样本的数目,异常值具有稀疏性。因此,引入用于表示目标稀疏性的非凸正则化项,通过对优化下列损失函数,实现异常值的估计与剔除:
式中o表示异常值向量;λ为正则化参数。
公式(2)中的损失函数具有凸函数+非凸函数的形式,可以利用Majorize-Minimization(MM)算法进行优化。在第k+1次迭代中,可以通过优化损失函数的下界函数进行求解:
通过对公式(3)进行求解,可以得到oi的估计值:
式中[x]+:=max{x,0}。当oi=0时,正则化参数λ=-1-lnPfc,其中Pfc为异常值识别的虚警概率。在本申请中,设置Pfc=3×10-3。
2)在杂波功率水平估计阶段,AOCML-CFAR检测器选择剩余均匀样本,采用最大似然估计算法进行韦布尔分布尺度参数估计,在韦布尔杂波中,检测阈值SAOCML为:
式中I(oi)为二进制索引函数,用于根据oi的估计值来判断是否选择样本xi,即:
GOAOCML-CFAR的检测阈值为:
最后,利用蒙特卡洛仿真实验验证算法的有效性。设置参考窗长度为N=32,蒙特卡洛仿真次数为M=1×106。韦布尔杂波的形状参数为r=1.5。在瑞利杂波中,即韦布尔形状参数为r=2时,选择KVI=1.81及KMR=1.387.当韦布尔形状参数为r=1.5时,选择KVI=2.50及KMR=1.531。本申请将固定门限检测器命名为optimal,并将本申请RWVI-CFAR与TCA-CFAR,TGO-CFAR和VI-CFAR进行了比较。图4和图5分别展示了在均匀的瑞利杂波和韦布尔杂波环境中检测器的检测性能曲线。图6和图7分别展示了在存在4个干扰目标的瑞利杂波和韦布尔杂波环境中检测器的检测性能曲线,其中干扰目标存在于第5、10、20、25个单元,干扰目标的干杂比等于目标的信杂比。图8和图9给出了在待检测单元中存在杂波边缘的瑞利和韦布尔杂波中的虚警概率曲线。从图中可以看出,提出的申请RWVI-CFAR在均匀环境中具有接近TCA-CFAR和TGO-CFAR的检测性能,优于TOS-CFAR。在两侧参考窗同时存在干扰目标的环境中,RWVI-CFAR具有和TOS-CFAR检测器相似的检测性能,优于VI-CFAR、TCA-CFAR和TGO-CFAR。在杂波边缘环境中,RWVI-CFAR具有最优的虚警控制能力,在瑞利杂波中和VI-CFAR具有相同的虚警控制能力。
需要注意的是,具体实施方式仅仅是对本发明技术方案的解释和说明,不能以此限定权利保护范围。凡根据本发明权利要求书和说明书所做的仅仅是局部改变的,仍应落入本发明的保护范围内。
Claims (10)
1.基于变化指数的多策略韦布尔CFAR检测方法,其特征在于包括以下步骤:
步骤一:获取经过包络检波器的雷达回波数据,然后得到雷达回波数据中韦布尔分布形状参数,所述韦布尔分布形状参数包括前沿参考窗的韦布尔分布形状参数和后沿参考窗的韦布尔分布形状参数;
步骤二:判断雷达回波数据中前沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI与KVI比较,当VI大于等于KVI时,则判定前沿参考窗中的雷达回波数据是均匀的,当VI小于KVI时,则判定前沿参考窗中的雷达回波数据是非均匀的;
判断雷达回波数据中后沿参考窗的韦布尔分布形状参数是否相同,若相同,则计算二阶统计量VI′和统计和,并利用蒙特卡洛仿真实验得到阈值KVI,然后将VI′与KVI比较,当VI′大于等于KVI时,则判定后沿参考窗中的雷达回波数据是均匀的,当VI′小于KVI时,则判定后沿参考窗中的雷达回波数据是非均匀的;
如果前沿参考窗中的雷达回波数据和后沿参考窗中的雷达回波数据都是均匀的,且前沿参考窗的韦布尔分布形状参数与后沿参考窗的韦布尔分布形状参数相同,则利用前沿参考窗的统计和和后沿参考窗的统计和计算统计量MR,并利用蒙特卡洛仿真实验得到阈值KMR,将MR与KMR比较,若则判定前沿参考窗和后沿参考窗中的雷达回波数据具有相同的均值,反之,则判定为前沿参考窗和后沿参考窗中的雷达回波数据不具有相同的均值;
步骤三:通过对比形状参数一致性的结果、雷达回波数据均匀性的结果、前后沿参考窗是否具有相同均值的结果以及前后沿参考窗形状参数是否一致的结果选择CFAR检测器及对应的参考单元,并利用CFAR检测器及对应的参考单元完成目标检测。
2.根据权利要求1所述的基于变化指数的多策略韦布尔CFAR检测方法,其特征在于所述利用CFAR检测器完成目标检测的具体步骤为:
利用CFAR检测器及对应的参考单元计算虚警概率Pfa下的检测阈值,然后将待检测单元与检测阈值进行比较,当待检测单元大于等于检测阈值时,则判定待检测单元存在目标,反之,则判定为不存在。
4.根据权利要求3所述的基于变化指数的多策略韦布尔CFAR检测方法,其特征在于所述AOCML-CFAR完成目标检测的具体步骤为:
步骤1:利用对数变换将雷达回波数据转换为Gumbel分布,得到对数域雷达回波向量;
步骤2:计算Gumbel分布的尺度参数a;
步骤3:计算Gumbel分布的位置参数b,并将位置参数b设置为对数域雷达回波的均值;
步骤4:利用尺度参数a、位置参数b以及对数域雷达回波向量计算异常值向量;
步骤5:计算异常值向量中每一个异常值的二进制索引函数I(oi);
10.根据权利要求9所述的基于变化指数的多策略韦布尔CFAR检测方法,其特征在于所述雷达回波数据包括杂波和目标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079486.7A CN114415135B (zh) | 2022-01-24 | 2022-01-24 | 基于变化指数的多策略韦布尔cfar检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210079486.7A CN114415135B (zh) | 2022-01-24 | 2022-01-24 | 基于变化指数的多策略韦布尔cfar检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114415135A true CN114415135A (zh) | 2022-04-29 |
CN114415135B CN114415135B (zh) | 2024-08-06 |
Family
ID=81278321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210079486.7A Active CN114415135B (zh) | 2022-01-24 | 2022-01-24 | 基于变化指数的多策略韦布尔cfar检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415135B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578384A (zh) * | 2022-05-07 | 2022-06-03 | 成都凯天电子股份有限公司 | 一种用于激光大气系统的自适应恒虚警检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
-
2022
- 2022-01-24 CN CN202210079486.7A patent/CN114415135B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Non-Patent Citations (2)
Title |
---|
POURMOTTAGHI, A ET AL.: "A CFAR Detector in a Nonhomogenous Weibull Clutter", IEEE TRANSACTIONS ON AEROSPACE AND ELECTRONIC SYSTEMS, 31 December 2012 (2012-12-31) * |
韩东娟;谭小敏;史平彦;: "针对韦布尔分布的循环剔除TLM-CFAR检测器", 光电工程, no. 05, 14 May 2018 (2018-05-14) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114578384A (zh) * | 2022-05-07 | 2022-06-03 | 成都凯天电子股份有限公司 | 一种用于激光大气系统的自适应恒虚警检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114415135B (zh) | 2024-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107703495B (zh) | 一种目标信号检测方法及系统 | |
US8405540B2 (en) | Method for detecting small targets in radar images using needle based hypotheses verification | |
CN107153180B (zh) | 一种目标信号检测方法及系统 | |
CN112965040B (zh) | 一种基于背景预筛选的自适应cfar目标检测方法 | |
CN103364769B (zh) | 空间非均匀海杂波协方差矩阵的自适应估计方法 | |
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 | |
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 | |
CN112180341B (zh) | 一种背景自适应cfar算法选择的实现方法 | |
CN114415135B (zh) | 基于变化指数的多策略韦布尔cfar检测方法 | |
CN111693961A (zh) | 一种基于kl散度单元筛选的cfar检测器 | |
CN108627819B (zh) | 基于雷达观测的距离扩展目标检测方法和系统 | |
CN113256667A (zh) | 一种基于Otsu与联合分布的SAR图像舰船目标检测方法 | |
Doyuran et al. | Expectation maximization-based detection in range-heterogeneous Weibull clutter | |
CN113504521B (zh) | 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 | |
CN115032606A (zh) | 一种基于局部最小选定单元平均的恒虚警检测器 | |
Wang et al. | A robust variability index CFAR detector for Weibull background | |
Wang et al. | A robust constant false alarm rate detector based on the Bayesian estimator for the non-homogeneous Weibull clutter in HFSWR | |
CN105866748A (zh) | 一种基于检测先验的固定窗长恒虚警检测方法 | |
CN115856819A (zh) | 一种基于平稳高斯过程的雷达目标恒虚警检测方法 | |
CN115616514A (zh) | 一种基于背景熵的密集目标快速检测方法及系统 | |
Tabet et al. | A generalized switching CFAR processor based on test cell statistics | |
Musa’ed et al. | A Backward Automatic Censored Cell Averaging Detector for Multiple Target Situations in Log-normal Clutter | |
Meng | Comments on ‘Constant false-alarm rate algorithm based on test cell information’ | |
Park et al. | Adaptive selection method for generalized likelihood ratio test | |
Zhao et al. | A new CFAR detector based on ordered data variability |
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 |