CN114994628A - 一种基于背景感知的超视距雷达多策略cfar检测方法 - Google Patents

Abstract

一种基于背景感知的超视距雷达多策略CFAR检测方法，属于雷达回波目标检测领域，本发明为了解决现有的CFAR检测器在超视距雷达回波复杂、时变的检测背景下检测性能下降的问题，本发明针对超视距雷达检测背景复杂、时变的问题设计了一种基于背景感知的多策略CFAR检测器，该检测器根据KL散度值，使用类间方差最大化的方法确定阈值，将回波RD谱分为噪声、杂波两个区域，对两个区域内的检测点采用不同的检测策略进行检测，从而达到可以根据检测背景变化自适应地确定检测策略，进行目标检测的效果，在超视距雷达回波复杂、时变的检测背景下具有良好的检测性能。

Description

一种基于背景感知的超视距雷达多策略CFAR检测方法

技术领域

本发明属于雷达回波目标检测领域，具体涉及一种基于背景感知的超视距雷达多策略CFAR检测方法。

背景技术

超视距雷达工作在高频波段，利用该频段的电磁波沿电离层返回散射传播机理以及可以沿海面低衰减绕射的特点，来实现超视距探测，具有探测距离远、安全系数高的优点，但同时，超视距雷达回波会受到电离层杂波和较严重的海杂波的影响，其检测背景往往不是均匀背景、杂波边缘背景、多目标背景这三类背景中的一种，而是多种背景混杂，并且杂波的分布往往是时变的(尤其是海杂波)，这些因素给目标检测造成了困难。在超视距雷达回波的目标检测中，传统的CFAR(恒虚警)检测器往往难以发挥出较好的性能。均值类检测器中，CA-CFAR(单元平均恒虚警检测器)在均匀背景下具有最优检测性能，但在超视距雷达的复杂背景下检测性能会下降；GO-CFAR(最大选择恒虚警检测器)和SO-CFAR(最小选择恒虚警检测器)分别改善了CA-CFAR在杂波边缘和多目标环境下的检测性能，但在复杂、时变的检测背景下检测性能也会降低。有序统计类检测器，例如OS-CFAR(有序统计恒虚警检测器)、CMLD-CFAR(筛选平均恒虚警检测器)等，通过删除可能是干扰信号的参考单元，相比于均值类检测器，在多目标环境下检测性能更加优秀，但在复杂背景以及干扰目标数超过限度时检测性能会快速下降。自适应检测器，例如VI-CFAR(变化指数恒虚警检测器)、HCE-CFAR(自适应杂波边缘恒虚警检测器)、E-CFAR(删除强干扰恒虚警检测器)等，可以在特定环境下获得较强的检测性能，VI-CFAR综合了CA-CFAR、GO-CFAR、SO-CFAR的优点，在均匀背景下具有较强的检测性能，HCE-CFAR在杂波边缘背景下检测性能较强，E-CFAR通过删除超过删除阈值的强干扰采样的方式，在多目标背景下有较优秀的检测性能，但在超视距雷达复杂、时变的背景下，它们的检测性能均会下降。超视距雷达复杂、时变的检测背景使得均值类、有序统计类、自适应等CFAR检测器的目标检测性能下降，无法达到预期的目标检测效果。

发明内容

本发明为了解决现有的CFAR检测器在超视距雷达回波复杂、时变的检测背景下检测性能下降的问题，进而提供一种基于背景感知的超视距雷达多策略CFAR检测方法。

一种基于背景感知的超视距雷达多策略CFAR检测方法，所述方法是通过以下步骤实现的：

步骤一：获取超视距雷达回波ARD(方位距离多普勒)谱数据；

步骤二：对雷达回波ARD谱进行平方律检波；

步骤三：对要进行检测的RD(距离多普勒)谱，分别计算整个RD谱的标准差以及RD谱上每个数据点的标准差；

步骤四：计算RD谱上各个数据点与整个RD谱之间的KL散度值，将该KL散度值作为数据点与整个RD谱之间的分布差异，得到KL散度矩阵；

步骤五：根据得到的KL散度矩阵，使用类间方差作为依据来得到KL散度矩阵的分割阈值；

步骤六：使用分割阈值KL_D将RD谱分为两个区域：噪声区域和杂波区域，KL散度值大于KL_D的数据点认为其分布与整体RD谱分布差距较大，更趋向于噪声，将其划分为噪声区域的数据点，KL散度值小于KL_D的数据点认为其分布与整体RD谱分布差距较小，更趋向于杂波，将其划分为杂波区域的数据点；

步骤七：对噪声区域和杂波区域的数据点采用不同的检测策略：对杂波区域的数据点，认为其为非目标点，对噪声区域的数据点，认为其可能是目标点，将其传入下一步检测步骤中；

步骤八：对属于噪声区域的数据点，对其进行峰值检测，如果在距离、多普勒、方位向(距离、多普勒、方位向参考单元分别取检测单元左右各1、2、1个数据点)上均为极大值点，则认为可能是目标点，将其传入下一步检测步骤中，否则认为其为非目标点；

步骤九：对经过峰值检测为极大值的数据点，使用GOSSO-CFAR(广义有序统计最小选择恒虚警)检测器对其进行目标检测；

步骤十：根据GOSSO-CFAR的判定结果得到最终的检测结果，如果GOSSO-CFAR判定为目标点，则最终判定检测单元为目标点，否则，判定为非目标点；

进一步地，所述步骤三中整个RD谱的标准差计算公式如下：

其中，σ为整个RD谱的标准差，m是整个RD谱内数据点的个数，x_i为RD谱内第i个数据点的值，μ为整个RD谱的均值；

RD谱上各个数据点的标准差计算公式如下：

其中σ_k代表RD谱上第k个数据点的标准差，n为计算该标准差时使用的计算范围的总点数，由于只使用单个数据点无法计算标准差，所以计算数据点的标准差时使用以该数据点为中心的大小为3×3的矩阵作为计算范围，即n＝9，x_i为计算范围内第i个数据点的值，μ_k代表计算范围内数据的均值，s为RD谱上要计算标准差的数据点的个数；

进一步地，所述步骤四中KL散度值的计算公式如下：

其中，KL_K代表RD谱上第k个数据点与整个RD谱之间的KL散度值，σ为整个RD谱的标准差，σ_k为RD谱上第k个数据点的标准差；

进一步地，所述步骤五的具体步骤如下：

步骤五一：假定一个KL散度值，以该值为分割阈值将KL散度矩阵分割为两部分：区域1和区域2，设区域1内有n₁个数据点，区域2内有n₂个数据点，令p₁、p₂分别表示区域1和区域2占总区域的比重，则p₁、p₂的计算公式如下：

步骤五二：令m₁、m₂分别表示区域1和区域2内KL散度值的均值，则m₁、m₂的计算公式如下：

其中，KL_i代表区域1中第i个数据点的KL散度值，KL_j代表区域2中第j个数据点的KL散度值；

步骤五三：计算区域1和区域2之间的类间方差σ²，其计算公式如下：

σ²＝p₁p₂(m₁-m₂)²； (8)

步骤五四：改变设定的KL散度阈值，再计算类间方差，使类间方差最大的KL散度值即为最终的KL散度分割阈值KL_D，其公式如下：

KL_D＝arg_maxσ²。 (9)；

进一步地，所述步骤九中GOSSO-CFAR检测流程如下：

步骤九一：载入检测单元及其左右滑窗内的经过平方律检波后的数据，设检测单元的值为D，其左侧滑窗内的参考单元数据为x₁,x₂,x₃......x_n，右侧滑窗内的参考单元数据为y₁,y₂,y₃......y_n，其中n为设定的参考单元数量；

步骤九二：对左侧的参考单元按由小到大的顺序排序，选出第k₁个最小单元x，对右侧的参考单元按由小到大的顺序排序，选出第k₂个最小单元y；

步骤九三：根据步骤九一和步骤九二所得参数确定背景噪声的估计值Z为：

Z＝min(x,y)； (10)

步骤九四：检测阈值S＝TZ，其中T为标称因子，其可由下式计算出来：

其中，P_fa为虚警率，Γ()为Γ函数，对于整数x，Γ(x)＝(x-1)！；

步骤九五：根据计算得到的检测阈值，做出判定结果，设为H₁有目标，H₂为无目标，则判定策略如下：

即如果检测单元的值大于阈值，则判定为目标点，反之，则判定为非目标点；

本发明与现有技术相比具有以下有益效果：

本发明针对超视距雷达检测背景复杂、时变的问题设计了一种基于背景感知的多策略CFAR检测器，该检测器根据KL散度值，使用类间方差最大化的方法确定阈值，将回波RD谱分为噪声、杂波两个区域，对两个区域内的检测点采用不同的检测策略进行检测，从而达到可以根据检测背景变化自适应地确定检测策略，进行目标检测的效果，在超视距雷达回波复杂、时变的检测背景下具有良好的检测性能。

附图说明

图1为本发明的流程框图

图2为本发明中GOSSO-CFAR检测流程图

图3为本发明中实测背景注入目标下各方法的检测性能曲线图

图4为本发明中实测背景注入目标下各方法的虚警率曲线图；

具体实施方式

具体实施方式一：参照图1至图4说明本实施方式，本实施方式提供一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述方法是通过以下步骤实现的：

步骤一：获取超视距雷达回波ARD(方位距离多普勒)谱数据；

步骤二：对雷达回波ARD谱进行平方律检波；

步骤三：对要进行检测的RD(距离多普勒)谱，分别计算整个RD谱的标准差以及RD谱上每个数据点的标准差；

步骤四：计算RD谱上各个数据点与整个RD谱之间的KL散度值，将该KL散度值作为数据点与整个RD谱之间的分布差异，得到KL散度矩阵；

步骤五：根据得到的KL散度矩阵，使用类间方差作为依据来得到KL散度矩阵的分割阈值；

步骤六：使用分割阈值KL_D将RD谱分为两个区域：噪声区域和杂波区域，KL散度值大于KL_D的数据点认为其分布与整体RD谱分布差距较大，更趋向于噪声，将其划分为噪声区域的数据点，KL散度值小于KL_D的数据点认为其分布与整体RD谱分布差距较小，更趋向于杂波，将其划分为杂波区域的数据点；

步骤七：对噪声区域和杂波区域的数据点采用不同的检测策略：对杂波区域的数据点，认为其为非目标点，对噪声区域的数据点，认为其可能是目标点，将其传入下一步检测步骤中；

步骤八：对属于噪声区域的数据点，对其进行峰值检测，如果在距离、多普勒、方位向(距离、多普勒、方位向参考单元分别取检测单元左右各1、2、1个数据点)上均为极大值点，则认为可能是目标点，将其传入下一步检测步骤中，否则认为其为非目标点；

步骤九：对经过峰值检测为极大值的数据点，使用GOSSO-CFAR(广义有序统计最小选择恒虚警)检测器对其进行目标检测；

步骤十：根据GOSSO-CFAR的判定结果得到最终的检测结果，如果GOSSO-CFAR判定为目标点，则最终判定检测单元为目标点，否则，判定为非目标点。

具体实施方式二：参照图1至图4说明本实施方式，本实施方式是对具体实施方式一所述的步骤三作进一步限定，本实施方式中所述步骤三中整个RD谱的标准差计算公式如下：

其中，σ为整个RD谱的标准差，m是整个RD谱内数据点的个数，x_i为RD谱内第i个数据点的值，μ为整个RD谱的均值；

RD谱上各个数据点的标准差计算公式如下：

其中σ_k代表RD谱上第k个数据点的标准差，n为计算该标准差时使用的计算范围的总点数，由于只使用单个数据点无法计算标准差，所以计算数据点的标准差时使用以该数据点为中心的大小为3×3的矩阵作为计算范围，即n＝9，x_i为计算范围内第i个数据点的值，μ_k代表计算范围内数据的均值，s为RD谱上要计算标准差的数据点的个数。其它组成及连接方式与具体实施方式一相同。

具体实施方式三：参照图1至图4说明本实施方式，本实施方式是对具体实施方式二所述的步骤四作进一步限定，本实施方式中所述步骤四中KL散度值的计算公式如下：

其中，KL_K代表RD谱上第k个数据点与整个RD谱之间的KL散度值，σ为整个RD谱的标准差，σ_k为RD谱上第k个数据点的标准差。其它组成及连接方式与具体实施方式二相同。

具体实施方式四：参照图1至图4说明本实施方式，本实施方式是对具体实施方式三所述的步骤五作进一步限定，本实施方式中所述步骤五的具体步骤如下：

步骤五一：假定一个KL散度值，以该值为分割阈值将KL散度矩阵分割为两部分：区域1和区域2，设区域1内有n₁个数据点，区域2内有n₂个数据点，令p₁、p₂分别表示区域1和区域2占总区域的比重，则p₁、p₂的计算公式如下：

步骤五二：令m₁、m₂分别表示区域1和区域2内KL散度值的均值，则m₁、m₂的计算公式如下：

其中，KL_i代表区域1中第i个数据点的KL散度值，KL_j代表区域2中第j个数据点的KL散度值；

步骤五三：计算区域1和区域2之间的类间方差σ²，其计算公式如下：

σ²＝p₁p₂(m₁-m₂)²； (8)

步骤五四：改变设定的KL散度阈值，再计算类间方差，使类间方差最大的KL散度值即为最终的KL散度分割阈值KL_D，其公式如下：

KL_D＝arg_maxσ²。 (9)

其它组成及连接方式与具体实施方式三相同。

具体实施方式五：参照图1至图4说明本实施方式，本实施方式是对具体实施方式一所述的步骤九中心定位轴组件8作进一步限定，本实施方式中所述步骤九中GOSSO-CFAR检测流程如下：

步骤九一：载入检测单元及其左右滑窗内的经过平方律检波后的数据，设检测单元的值为D，其左侧滑窗内的参考单元数据为x₁,x₂,x₃......x_n，右侧滑窗内的参考单元数据为y₁,y₂,y₃......y_n，其中n为设定的参考单元数量；

步骤九二：对左侧的参考单元按由小到大的顺序排序，选出第k₁个最小单元x，对右侧的参考单元按由小到大的顺序排序，选出第k₂个最小单元y；

步骤九三：根据步骤九一和步骤九二所得参数确定背景噪声的估计值Z为：

Z＝min(x,y)； (10)

步骤九四：检测阈值S＝TZ，其中T为标称因子，其可由下式计算出来：

其中，P_fa为虚警率，Γ()为Γ函数，对于整数x，Γ(x)＝(x-1)！；

步骤九五：根据计算得到的检测阈值，做出判定结果，设为H₁有目标，H₂为无目标，则判定策略如下：

即如果检测单元的值大于阈值，则判定为目标点，反之，则判定为非目标点。其它组成及连接方式与具体实施方式四相同。

本发明已以较佳实施案例揭示如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可以利用上述揭示的结构及技术内容做出些许的更动或修饰为等同变化的等效实施案例，但是凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施案例所做的任何简单修改、等同变化与修饰，均仍属本发明技术方案范围。

Claims (5)

1.一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述方法是通过以下步骤实现的：

步骤一：获取超视距雷达回波ARD谱数据；

步骤二：对雷达回波ARD谱进行平方律检波；

步骤三：对要进行检测的RD谱，分别计算整个RD谱的标准差以及RD谱上每个数据点的标准差；

步骤四：计算RD谱上各个数据点与整个RD谱之间的KL散度值，将该KL散度值作为数据点与整个RD谱之间的分布差异，得到KL散度矩阵；

步骤五：根据得到的KL散度矩阵，使用类间方差作为依据来得到KL散度矩阵的分割阈值；

步骤六：使用分割阈值KL_D将RD谱分为两个区域：噪声区域和杂波区域，KL散度值大于KL_D的数据点认为其分布与整体RD谱分布差距较大，更趋向于噪声，将其划分为噪声区域的数据点，KL散度值小于KL_D的数据点认为其分布与整体RD谱分布差距较小，更趋向于杂波，将其划分为杂波区域的数据点；

步骤七：对噪声区域和杂波区域的数据点采用不同的检测策略：对杂波区域的数据点，认为其为非目标点，对噪声区域的数据点，认为其可能是目标点，将其传入下一步检测步骤中；

步骤八：对属于噪声区域的数据点，对其进行峰值检测，如果在距离、多普勒、方位向上均为极大值点，则认为可能是目标点，将其传入下一步检测步骤中，否则认为其为非目标点；

步骤九：对经过峰值检测为极大值的数据点，使用GOSSO-CFAR检测器对其进行目标检测；

步骤十：根据GOSSO-CFAR的判定结果得到最终的检测结果，如果GOSSO-CFAR判定为目标点，则最终判定检测单元为目标点，否则，判定为非目标点。

2.根据权利要求1所述的一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述步骤三中整个RD谱的标准差计算公式如下：

其中，σ为整个RD谱的标准差，m是整个RD谱内数据点的个数，x_i为RD谱内第i个数据点的值，μ为整个RD谱的均值；

RD谱上各个数据点的标准差计算公式如下：

其中σ_k代表RD谱上第k个数据点的标准差，n为计算该标准差时使用的计算范围的总点数，由于只使用单个数据点无法计算标准差，所以计算数据点的标准差时使用以该数据点为中心的大小为3×3的矩阵作为计算范围，即n＝9，x_i为计算范围内第i个数据点的值，μ_k代表计算范围内数据的均值，s为RD谱上要计算标准差的数据点的个数。

3.根据权利要求2所述的一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述步骤四中KL散度值的计算公式如下：

其中，KL_K代表RD谱上第k个数据点与整个RD谱之间的KL散度值，σ为整个RD谱的标准差，σ_k为RD谱上第k个数据点的标准差。

4.根据权利要求3所述的一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述步骤五的具体步骤如下：

步骤五一：假定一个KL散度值，以该值为分割阈值将KL散度矩阵分割为两部分：区域1和区域2，设区域1内有n₁个数据点，区域2内有n₂个数据点，令p₁、p₂分别表示区域1和区域2占总区域的比重，则p₁、p₂的计算公式如下：

步骤五二：令m₁、m₂分别表示区域1和区域2内KL散度值的均值，则m₁、m₂的计算公式如下：

其中，KL_i代表区域1中第i个数据点的KL散度值，KL_j代表区域2中第j个数据点的KL散度值；

步骤五三：计算区域1和区域2之间的类间方差σ²，其计算公式如下：

σ²＝p₁p₂(m₁-m₂)²； (8)

步骤五四：改变设定的KL散度阈值，再计算类间方差，使类间方差最大的KL散度值即为最终的KL散度分割阈值KL_D，其公式如下：

KL_D＝arg_maxσ²。 (9)

5.根据权利要求5所述的一种基于背景感知的超视距雷达多策略CFAR检测方法，其特征在于：所述步骤九中GOSSO-CFAR检测流程如下：

步骤九一：载入检测单元及其左右滑窗内的经过平方律检波后的数据，设检测单元的值为D，其左侧滑窗内的参考单元数据为x₁,x₂,x₃......x_n，右侧滑窗内的参考单元数据为y₁,y₂,y₃......y_n，其中n为设定的参考单元数量；

步骤九二：对左侧的参考单元按由小到大的顺序排序，选出第k₁个最小单元x，对右侧的参考单元按由小到大的顺序排序，选出第k₂个最小单元y；

步骤九三：根据步骤九一和步骤九二所得参数确定背景噪声的估计值Z为：

Z＝min(x,y)； (10)

步骤九四：检测阈值S＝TZ，其中T为标称因子，其可由下式计算出来：

其中，P_fa为虚警率，Γ()为Γ函数，对于整数x，Γ(x)＝(x-1)！；

步骤九五：根据计算得到的检测阈值，做出判定结果，设为H₁有目标，H₂为无目标，则判定策略如下：

即如果检测单元的值大于阈值，则判定为目标点，反之，则判定为非目标点。

Images