CN116643248B - 一种恒虚警检测方法、存储介质及设备 - Google Patents
一种恒虚警检测方法、存储介质及设备 Download PDFInfo
- Publication number
- CN116643248B CN116643248B CN202310922227.0A CN202310922227A CN116643248B CN 116643248 B CN116643248 B CN 116643248B CN 202310922227 A CN202310922227 A CN 202310922227A CN 116643248 B CN116643248 B CN 116643248B
- Authority
- CN
- China
- Prior art keywords
- clutter
- weight coefficient
- false alarm
- detection
- target
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 69
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000012935 Averaging Methods 0.000 claims abstract description 5
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 10
- 238000009825 accumulation Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000007812 deficiency Effects 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000002310 reflectometry Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
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
本发明公开了一种恒虚警检测方法、存储介质及设备,其中所述方法包括将检测点D左右各L个参考单元按采样数据幅值从小到大的顺序分别进行排序,然后分别剔除采样数据幅值最大的r个参考单元;分别对左右参考单元中剩余s个参考单元中的采样数据幅值求平均,得左杂波估值AveL和右杂波估值AveR;根据左杂波估值AveL和右杂波估值AveR求得比例因子β;根据比例因子β,确定左参考单元权重系数m和右参考单元权重系数n;根据左杂波估值AveL、右杂波估值AveR、左参考单元权重系数m和右参考单元权重系数n,确定杂波估值Ave等。本发明能解决参考样本过少引起的目标检测不稳定、不平滑,恒虚警损失过大等问题。
Description
技术领域
本发明属于恒虚警检测的技术领域,具体涉及一种恒虚警检测方法、存储介质及设备。
背景技术
随着现代雷达技术的发展,特别是信号处理数字技术的高速发展,雷达恒虚警技术在保证虚警概率恒定的同时得到高的检测概率,同时也得到了飞速发展。针对各种杂波、干扰背景的恒虚警器不断涌现,但也存在一定的局限性;如经典的单元平均恒虚警(CA-CFAR),抗编队目标或临近干扰目标的能力差一些;为降低杂波边缘效应虚警问题的单元平均选大恒虚警检测器(GO-CFAR),为降低或避免遮蔽效应的单元平均选小恒虚警检测器(SO-CFAR),两种改进的恒虚警检测器杂波样本数量相对减少一半,就统计概率而言不能全面体现目标背景杂波,参考单元数量的减少同时也会增加恒虚警损失;为提高抗其它干扰目标的有序恒虚警检测器(OS-CFAR),排序后取第n个值作为该组样本杂波功率的估计值,由于样本过少,始终存在不稳定、不平滑的问题等。
因此,有必要提出一种新的恒虚警检测方法来解决上述系列问题。
发明内容
本发明的目的在于针对现有技术中的上述不足,提供一种恒虚警检测方法、存储介质及设备,以解决现有技术抗编队目标或临近干扰目标能力差,参考样本过少引起的目标检测不稳定、不平滑,恒虚警损失过大等问题,使其具有抗编队目标或临近干扰目标的能力,兼顾降低杂波边缘效应,降低或避免遮蔽效应的能力。
为达到上述目的,本发明采取的技术方案是:
一种恒虚警检测方法,所述方法包括:
初始化雷达系统,确定恒虚警检测器门限乘子K和参考单元数量L,确定目标幅度绝对门限GataAmp;
将检测点D左右各L个参考单元按采样数据幅值从小到大的顺序分别进行排序,然后分别剔除采样数据幅值最大的r个参考单元;
分别对左右参考单元中剩余s个参考单元中的采样数据幅值求平均,得左杂波估值AveL和右杂波估值AveR;
根据左杂波估值AveL和右杂波估值AveR求得比例因子β;
根据比例因子β,确定左参考单元权重系数m和右参考单元权重系数n,其中m+n=1;
根据左杂波估值AveL、右杂波估值AveR、左参考单元权重系数m和右参考单元权重系数n,确定杂波估值Ave;
计算检测门限U0,其中U0=K·Ave;
判断检测点D是否为目标散射点,将检测点D的幅值DAmp与U0和GataAmp进行比较,若DAmp>U0且DAmp>GataAmp,则检测点D为目标散射点,并将检测点D记录在目标散射点信息集中;反之检测点D不是目标散射点。
进一步的,所述参考单元数量L根据L=s+r确定,其中:
s为剩余参考单元数量,s根据雷达系统的恒虚警损失和数据处理时间确定;r为剔除的参考单元数量,r根据雷达目标检测背景和异常数据量而定。
进一步的,所述恒虚警检测器门限乘子K根据雷达系统的虚警概率确定;所述目标幅度绝对门限GataAmp,根据预检测目标反射的电磁波到达雷达系统的强度确定。
进一步的,左杂波估值AveL和右杂波估值AveR的计算公式如下:
其中,XL为左参考单元中剩余参考单元采样数据幅值之和;SL为左参考单元中剩余参考单元数量;XR为右参考单元中剩余参考单元采样数据幅值之和;SR为右参考单元中剩余参考单元数量。
进一步的,所述比例因子β的计算公式如下:
进一步的,左参考单元权重系数m和右参考单元权重系数n的确定按如下方式:
进一步的,左参考单元权重系数m和右参考单元权重系数n的确定按如下方式:
其中,α为权系数分界点,α根据雷达目标检测背景和/或杂波变化确定。
进一步的,杂波估值Ave确定按如下方式:
Ave=m·AveL+n·AveR。
本发明还公开了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述方法的步骤。
本发明还公开了一种电子设备,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
本发明至少具备以下之一的有益效果:
本发明根据杂波特性对左右杂波样本进行加权,保持足量的参考样本,发挥其降低杂波边缘效应,降低或避免遮蔽效应的能力且不增加额外的恒虚警损失,同时避免了GO-CFAR、SO-CFAR杂波样本过少的问题;如海面舰船目标的检测,在舰船离港或进港,一侧为海杂波,一侧为港口,港口铁塔或房屋由于后向散射系统更大,反射性较强,杂波强度明显高于海杂波,若采用左右平均方式的方式,导致杂波虚高,信杂比虚低,势必造成舰船目标漏检;为降低港口背景的影响,可根据左右参考单元的比例关系,自适应的调低港口一侧参考单元的权值,确保舰船目标稳定、可靠的检测出来。
本发明根据杂波特性对杂波样本进行整理,剔除一定数量的杂波野值,使其具有抗编队目标或临近干扰目标或个别海杂波野值的能力,解决如OS-CFAR检测器存在的样本过少,目标检测不稳定、不平滑的问题等。
本发明属于模块化算法设计,直接嵌入软件系统中,适应性较强,不仅适用于新研发的雷达,也同样适用于现役雷达的技术升级。
本发明的技术属于软件算法,无需改动硬件,可有效减少性能升级带来的时间和资金开销。
附图说明
图1为本发明的原理框图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
如图1所示,本发明公开了一种恒虚警检测方法,其步骤如下:
步骤S1:初始化;
根据雷达系统预设需求,确定恒虚警检测器门限乘子K和参考单元数量L,目标幅度绝对门限GataAmp;同时,为了防止检测单元信号的能量泄漏进参考单元,检测单元左右两侧分别设置有P个保护单元。
步骤S2:接收回波数据,按一个积累周期为数据处理单元,进行后续的数据处理。
积累周期指雷达常用的数据处理时间单元,数据一般为2的幂次方,比如16,32个等脉冲重复周期为一个积累单元,一般是根据雷达系统要求的数据刷新率确定。
步骤S3:将检测点D左右各L个参考单元按采样数据幅值从小到大的顺序分别进行排序,然后分别剔除采样数据幅值最大的r个参考单元;分别对左右参考单元中剩余s个参考单元中的采样数据幅值求平均,得左杂波估值AveL和右杂波估值AveR。
步骤S4:根据左杂波估值AveL和右杂波估值AveR求得比例因子β;根据比例因子β,确定左参考单元权重系数m和右参考单元权重系数n,其中m+n=1;根据左杂波估值AveL、右杂波估值AveR、左参考单元权重系数m和右参考单元权重系数n,确定杂波估值Ave;杂波估值Ave的确定按如下方式:
Ave=m·AveL+n·AveR。
步骤S5:计算检测门限U0,其中U0=K·Ave。
步骤S6:检测器将检测点D的幅值DAmp与U0和GataAmp进行比较,根据输出结果判断检测点D是否为目标散射点,若DAmp>U0且DAmp>GataAmp,则检测点D为目标散射点,并将检测点D记录在目标散射点信息集中;反之检测点D不是目标散射点。
检测点D判定为目标点的要求是其幅值DAmp>检测门限U0,即检测点与临近杂波的信噪比大于门限乘子K;同时其反射的电磁波到达雷达系统的强度DAmp>绝对门限GataAmp,以此减少虚警或降低异常小目标(如目标舰船释放的干扰小船只)的影响。
所述目标散射点信息集,是一个多维的信息集合,包括目标的距离、多普勒通道、幅度和角度等信息。
步骤S7:判断本积累周期数据是否检测完毕,若完毕则对目标散射点进行归并,属于同一类的散射点凝聚处理获得最终的目标信息,然后进入S2,循环重复下一个积累周期数据的处理;否则滑窗到下一个检测点D,进入S3,重复检测直至完成本积累周期所有检测点的信息处理。
进一步的,在步骤S1中,所述恒虚警检测器门限乘子K根据雷达系统的虚警概率确定。所述参考单元数量L根据L=s+r确定,其中,s为剩余参考单元数量,s根据雷达系统的恒虚警损失和数据处理时间确定;r为剔除的参考单元数量,r根据雷达目标检测背景和异常数据量而定。
参考单元数量L根据L=s+r确定,能确保步骤S3中杂波野值剔除后剩余参考单元数量s满足恒虚警损失和数据处理时间的要求。
r为剔除的参考单元数量,也表示杂波野值剔除数量;r取值根据雷达目标检测背景和可能的异常数据量而定,如沙漠杂波环境,杂波较为平稳且均匀,杂波野值较少,一般取1~3即可;如海杂波环境,由于海杂波的时间、空间相关性,特别是靠近雷达一端,杂波野值数量相对多一些,一般取3~5即可;若是编队目标,可根据编队规模和打击目标的矩阵排列,选取适当的值;将该值在雷达系统做成可控输入,如前述三种情况,实时响应雷达检测背景的变化,提高雷达系统的适用范围和目标检测有效性。
所述目标幅度绝对门限GataAmp,根据预检测目标反射的电磁波到达雷达系统的强度而定,以此减少虚警或降低异常小目标(如目标舰船释放的干扰小船只)的影响。
进一步的,在步骤S3中,左杂波估值AveL和右杂波估值AveR的计算公式如下:
其中,XL为左参考单元中剩余参考单元采样数据幅值之和;SL为左参考单元中剩余参考单元数量;XR为右参考单元中剩余参考单元采样数据幅值之和;SR为右参考单元中剩余参考单元数量。
进一步的,在步骤S4中,所述比例因子β的计算公式如下:
根据例因子β,左参考单元权重系数m和右参考单元权重系数n的确定可以按如下方式:
比例因子β确定左右参考单元的关系,即检测点左右两侧临近杂波的特性和分布情况。两侧杂波特性不同、分布不同,两侧参考单元的取值不同。如海面舰船目标的检测,若无特殊情况,两侧的海杂波分布均匀,β约为1,采用经典的单元平均恒虚警CA-CFAR效果最佳,采用m=0.5,n=0.5即可;若两侧差异较大,两侧参考单元的权值可进行调节;如舰船离港或进港,一侧为海杂波,一侧为港口,港口铁塔或房屋由于后向散射系统更大,反射性较强,杂波强度明显高于海杂波,若仍然采用左右平均方式的方式,杂波基底虚高,信杂比虚低,势必造成漏检;为降低港口背景的影响,可调低港口一侧参考单元的权值,确保舰船目标稳定、可靠的检测出来。
另外,根据例因子β,左参考单元权重系数m和右参考单元权重系数n的确定还可以按如下方式:
式中比例因子β确定左右参考单元的比例关系,α确定不同权系数m、n取值方式的阈值,即不同权系数方式的分界点。
式中权系数分界点α的取值可采用固定值方式,适用于某一种特定的检测背景;也可采用变量的方式,在雷达系统做成可控输入,实时响应雷达检测背景的变化,根据杂波特性而定;若是一般性的杂波干扰,如地杂波,沙漠杂波,森林杂波等,杂波分布相对平稳均匀,尽量保持经典的单元平均恒虚警方式CA-CFAR,α取值可适当大一些,比如α>8;如果是为了避免编队干扰目标,或者避免其它临近目标的遮盖效应,或者岛岸背景的影响如舰船进港或离港,或是近距离端海杂波干扰,需要对杂波变化更敏感一些,α取值可适当小一些,比如2<α<8。
通过β与α来共同确定权重值,权重值能够确定的更精确,更利于提高检测精度。
左参考单元权重系数m和右参考单元权重系数n的值可以为:
在步骤S7中,对目标散射点进行归并,实现思路为距离和多普勒二维信息联合使用,即在距离上连续或间隔一个量化单元,且多普勒通道相同或相邻一个点(±1)迹归为同一类,属于同一类的散射点凝聚处理获得最终的目标信息;具体可以根据质心法将所有过门限的目标散射点进行凝聚,获得目标的距离、速度等信息。
本方案经过试验证明,使用了本发明方法的雷达目标检测能力更强,对不同应用场景适应性更强,功能更稳定可靠,有效地解决了现有技术或抗编队目标和临近干扰目标能力差,或参考样本过少引起的目标检测不稳定、不平滑,恒虚警损失过大等问题。
实施例2
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现实施例1方法的步骤。
实施例3
一种电子设备,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现实施例1方法的步骤。
本发明可以有效地解决现有技术或抗编队目标和临近干扰目标能力差,或参考样本过少引起的目标检测不稳定、不平滑,恒虚警损失过大等问题,使其具有抗编队目标或临近干扰目标的能力,兼顾降低杂波边缘效应,降低或避免遮蔽效应的能力;本发明适应性较强,不仅适用于新研发的雷达,也同样适用于现役雷达的技术升级,无需改动硬件,可有效减少性能升级带来的时间和资金开销。虽然结合附图对发明的具体实施方式进行了详细地描述,但不应理解为对本专利的保护范围的限定。在权利要求书所描述的范围内,本领域技术人员不经创造性劳动即可做出的各种修改和变形仍属本专利的保护范围。
Claims (6)
1.一种恒虚警检测方法,其特征在于,所述方法包括:
初始化雷达系统,确定恒虚警检测器门限乘子K和参考单元数量L,确定目标幅度绝对门限GataAmp;
将检测点D左右各L个参考单元按采样数据幅值从小到大的顺序分别进行排序,然后分别剔除采样数据幅值最大的r个参考单元;
分别对左右参考单元中剩余s个参考单元中的采样数据幅值求平均,得左杂波估值AveL和右杂波估值AveR;
根据左杂波估值AveL和右杂波估值AveR求得比例因子β;
根据比例因子β,确定左参考单元权重系数m和右参考单元权重系数n,其中m+n=1;
根据左杂波估值AveL、右杂波估值AveR、左参考单元权重系数m和右参考单元权重系数n,确定杂波估值Ave;
计算检测门限U0,其中U0=K·Ave;
判断检测点D是否为目标散射点,将检测点D的幅值DAmp与U0和GataAmp进行比较,若DAmp>U0且DAmp>GataAmp,则检测点D为目标散射点,并将检测点D记录在目标散射点信息集中;反之检测点D不是目标散射点;
所述比例因子β的计算公式如下:
所述左参考单元权重系数m和右参考单元权重系数n的确定按如下方式:
或左参考单元权重系数m和右参考单元权重系数n的确定按如下方式:
其中,α为权系数分界点,α根据雷达目标检测背景和/或杂波变化确定;
所述杂波估值Ave确定按如下方式:
Ave=m·AveL+n·AveR。
2.根据权利要求1所述的恒虚警检测方法,其特征在于:
所述参考单元数量L根据L=s+r确定,其中:
s为剩余参考单元数量,s根据雷达系统的恒虚警损失和数据处理时间确定;
r为剔除的参考单元数量,r根据雷达目标检测背景和异常数据量而定。
3.根据权利要求1所述的恒虚警检测方法,其特征在于:
所述恒虚警检测器门限乘子K根据雷达系统的虚警概率确定;
所述目标幅度绝对门限GataAmp,根据预检测目标反射的电磁波到达雷达系统的强度确定。
4.根据权利要求1所述的恒虚警检测方法,其特征在于:左杂波估值AveL和右杂波估值AveR的计算公式如下:
其中,XL为左参考单元中剩余参考单元采样数据幅值之和;SL为左参考单元中剩余参考单元数量;XR为右参考单元中剩余参考单元采样数据幅值之和;SR为右参考单元中剩余参考单元数量。
5.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-4任一项所述方法的步骤。
6.一种电子设备,其特征在于,包括处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现权利要求1-4任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310922227.0A CN116643248B (zh) | 2023-07-26 | 2023-07-26 | 一种恒虚警检测方法、存储介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310922227.0A CN116643248B (zh) | 2023-07-26 | 2023-07-26 | 一种恒虚警检测方法、存储介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116643248A CN116643248A (zh) | 2023-08-25 |
CN116643248B true CN116643248B (zh) | 2023-11-14 |
Family
ID=87619253
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310922227.0A Active CN116643248B (zh) | 2023-07-26 | 2023-07-26 | 一种恒虚警检测方法、存储介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116643248B (zh) |
Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4035799A (en) * | 1975-11-04 | 1977-07-12 | The United States Of America As Represented By The Secretary Of The Navy | Digital mean clutter doppler compensation system |
JP2008170287A (ja) * | 2007-01-12 | 2008-07-24 | Japan Radio Co Ltd | レーダ装置 |
KR20120010457A (ko) * | 2010-07-26 | 2012-02-03 | 재단법인대구경북과학기술원 | 계산량을 향상시킨 순차통계 일정 오경보율 검파방법 |
CN102903080A (zh) * | 2012-09-06 | 2013-01-30 | 西安工程大学 | 合成孔径雷达图像相干斑噪声抑制性能的非监督评估方法 |
CN103760542A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的变化指数恒虚警目标检测方法 |
KR20140071828A (ko) * | 2012-12-04 | 2014-06-12 | 현대모비스 주식회사 | 레이더 신호의 표적 탐지 확률 증대 방법 |
CN104914433A (zh) * | 2015-06-15 | 2015-09-16 | 南京航空航天大学 | 一种基于链表排序的os-cfar多目标提取的实现方法 |
KR20160039383A (ko) * | 2014-10-01 | 2016-04-11 | 국방과학연구소 | 적응 배경 선택에 의한 일정 오경보율 검파 방법 및 장치 |
CN105699949A (zh) * | 2015-12-29 | 2016-06-22 | 北京经纬恒润科技有限公司 | 一种目标检测方法及装置 |
CN106597429A (zh) * | 2017-01-24 | 2017-04-26 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的速度跟踪子系统 |
CN106814356A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的距离跟踪子系统 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN107024682A (zh) * | 2017-03-30 | 2017-08-08 | 安徽工程大学 | 一种基于自适应剔除算法的目标检测方法 |
CN107024680A (zh) * | 2017-03-30 | 2017-08-08 | 安徽工程大学 | 一种基于双删除门限的目标检测方法 |
KR20180118007A (ko) * | 2017-04-20 | 2018-10-30 | 한국전자통신연구원 | 레이더 시스템에서의 표적 검출 방법 및 장치 |
CN109712155A (zh) * | 2018-12-12 | 2019-05-03 | 西安电子科技大学 | 一种差分-比例型无偏sar边缘检测方法 |
CN109782248A (zh) * | 2019-02-18 | 2019-05-21 | 中国电子科技集团公司第二十研究所 | 一种雷达杂波处理方法 |
KR102092700B1 (ko) * | 2018-12-17 | 2020-03-26 | 한국항공대학교산학협력단 | 레이더 시스템을 위한 cfar 검출 장치 및 그 방법 |
CN111929679A (zh) * | 2020-08-04 | 2020-11-13 | 南京理工大学 | 一种自适应加权截断统计恒虚警检测方法 |
CN112180354A (zh) * | 2020-09-29 | 2021-01-05 | 武汉大学 | 一种利用时频分析和恒虚警技术的高频雷达目标联合检测方法 |
CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
CN113504523A (zh) * | 2021-07-20 | 2021-10-15 | 成都航空职业技术学院 | 基于目标特性的自适应恒虚警方法、设备及其存储介质 |
CN114609626A (zh) * | 2022-03-16 | 2022-06-10 | 电子科技大学 | 一种车载毫米波雷达多目标检测方法 |
CN114994628A (zh) * | 2022-05-26 | 2022-09-02 | 哈尔滨工业大学 | 一种基于背景感知的超视距雷达多策略cfar检测方法 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4095556B1 (en) * | 2021-05-28 | 2024-07-17 | Tata Consultancy Services Limited | Method and system for detection of a desired object occluded by packaging |
-
2023
- 2023-07-26 CN CN202310922227.0A patent/CN116643248B/zh active Active
Patent Citations (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4035799A (en) * | 1975-11-04 | 1977-07-12 | The United States Of America As Represented By The Secretary Of The Navy | Digital mean clutter doppler compensation system |
JP2008170287A (ja) * | 2007-01-12 | 2008-07-24 | Japan Radio Co Ltd | レーダ装置 |
KR20120010457A (ko) * | 2010-07-26 | 2012-02-03 | 재단법인대구경북과학기술원 | 계산량을 향상시킨 순차통계 일정 오경보율 검파방법 |
CN102903080A (zh) * | 2012-09-06 | 2013-01-30 | 西安工程大学 | 合成孔径雷达图像相干斑噪声抑制性能的非监督评估方法 |
KR20140071828A (ko) * | 2012-12-04 | 2014-06-12 | 현대모비스 주식회사 | 레이더 신호의 표적 탐지 확률 증대 방법 |
CN103760542A (zh) * | 2014-01-10 | 2014-04-30 | 杭州电子科技大学 | 一种基于多模式的变化指数恒虚警目标检测方法 |
KR20160039383A (ko) * | 2014-10-01 | 2016-04-11 | 국방과학연구소 | 적응 배경 선택에 의한 일정 오경보율 검파 방법 및 장치 |
CN104914433A (zh) * | 2015-06-15 | 2015-09-16 | 南京航空航天大学 | 一种基于链表排序的os-cfar多目标提取的实现方法 |
CN105699949A (zh) * | 2015-12-29 | 2016-06-22 | 北京经纬恒润科技有限公司 | 一种目标检测方法及装置 |
CN106597429A (zh) * | 2017-01-24 | 2017-04-26 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的速度跟踪子系统 |
CN106814356A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种基于雷达信号处理系统的距离跟踪子系统 |
CN106814353A (zh) * | 2017-01-24 | 2017-06-09 | 成都泰格微电子研究所有限责任公司 | 一种雷达信号处理系统 |
CN107024682A (zh) * | 2017-03-30 | 2017-08-08 | 安徽工程大学 | 一种基于自适应剔除算法的目标检测方法 |
CN107024680A (zh) * | 2017-03-30 | 2017-08-08 | 安徽工程大学 | 一种基于双删除门限的目标检测方法 |
KR20180118007A (ko) * | 2017-04-20 | 2018-10-30 | 한국전자통신연구원 | 레이더 시스템에서의 표적 검출 방법 및 장치 |
CN109712155A (zh) * | 2018-12-12 | 2019-05-03 | 西安电子科技大学 | 一种差分-比例型无偏sar边缘检测方法 |
KR102092700B1 (ko) * | 2018-12-17 | 2020-03-26 | 한국항공대학교산학협력단 | 레이더 시스템을 위한 cfar 검출 장치 및 그 방법 |
CN109782248A (zh) * | 2019-02-18 | 2019-05-21 | 中国电子科技集团公司第二十研究所 | 一种雷达杂波处理方法 |
CN111929679A (zh) * | 2020-08-04 | 2020-11-13 | 南京理工大学 | 一种自适应加权截断统计恒虚警检测方法 |
CN112180354A (zh) * | 2020-09-29 | 2021-01-05 | 武汉大学 | 一种利用时频分析和恒虚警技术的高频雷达目标联合检测方法 |
CN113391306A (zh) * | 2021-05-11 | 2021-09-14 | 北京川速微波科技有限公司 | 恒虚警率车载雷达目标检测方法及装置、设备、存储介质 |
CN113504523A (zh) * | 2021-07-20 | 2021-10-15 | 成都航空职业技术学院 | 基于目标特性的自适应恒虚警方法、设备及其存储介质 |
CN114609626A (zh) * | 2022-03-16 | 2022-06-10 | 电子科技大学 | 一种车载毫米波雷达多目标检测方法 |
CN114994628A (zh) * | 2022-05-26 | 2022-09-02 | 哈尔滨工业大学 | 一种基于背景感知的超视距雷达多策略cfar检测方法 |
CN116299401A (zh) * | 2023-05-19 | 2023-06-23 | 成都航空职业技术学院 | 基于目标散射点位置的恒虚警方法、设备及其存储介质 |
Non-Patent Citations (8)
Title |
---|
A modified quasi-best weighted order statistics CFAR algorithm with greatest of selection;Meng, XW;《PROCEEDINGS OF 2003 INTERNATIONAL CONFERENCE ON NEURAL NETWORKS & SIGNAL PROCESSING, PROCEEDINGS, 》;全文 * |
Distributed Adaptive CCAWCA CFAR Detector;Panzhi Liu;《2007 10th International Conference on Information Fusion》;全文 * |
一种非均匀背景下的多策略CFAR检测器;芮义斌;魏知寒;Nguyen Khoasang;李鹏;;南京理工大学学报(第02期);全文 * |
加权平均模糊恒虚警检测方法研究;郝程鹏;李军;侯朝焕;;现代雷达(第09期);全文 * |
基于OSVI-CFAR改进的恒虚警检测器;文翔;万健中;张海燕;;电子测量与仪器学报(第01期);全文 * |
基于目标特性的雷达恒虚警技术研究;翟群英;《成都航空职业技术学院学报》;全文 * |
多目标环境中的自适应学习恒虚警率检测算法;罗朝义;程嗣怡;王玉冰;;火力与指挥控制(第01期);全文 * |
组网雷达自适应模糊CFAR检测融合算法;龚树凤;《系统工程与电子技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116643248A (zh) | 2023-08-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rohling | Ordered statistic CFAR technique-an overview | |
Magaz et al. | Automatic threshold selection in OS-CFAR radar detection using information theoretic criteria | |
Pourmottaghi et al. | A CFAR detector in a nonhomogenous Weibull clutter | |
US8013781B2 (en) | Method and apparatus for radar surveillance and detection of sea targets | |
CN109471072B (zh) | 基于fpga的单脉冲雷达二维cfar检测方法及系统 | |
Meng | Performance analysis of OS-CFAR with binary integration for Weibull background | |
CN109188388B (zh) | 一种对抗多目标干扰的恒虚警检测方法 | |
CN107271973B (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 | |
CN117724048B (zh) | 一种基于rdph特征的改进os-cfar检测算法、装置及介质 | |
Zhang et al. | Constant false alarm rate detector based on the maximal reference cell | |
Wang et al. | A robust variability index CFAR detector for Weibull background | |
Magaz et al. | A new adaptive linear combined CFAR detector in presence of interfering targets | |
CN109633597A (zh) | 一种可变均值滑窗恒虚警检测算法及存储介质 | |
CN116643248B (zh) | 一种恒虚警检测方法、存储介质及设备 | |
CN115980728B (zh) | 一种树丛穿透雷达目标检测方法、系统及设备 | |
CN215932122U (zh) | 一种基于超宽带雷达的改进型二维cfar检测系统 | |
CN113534054A (zh) | 一种基于同质杂波内容共享的改进雷达目标检测方法 | |
CN116973876B (zh) | 一种基于gradient检验的前向散射雷达运动目标检测方法和装置 | |
Ihlen | Automatic Detection for MTI Processed Radar Signals | |
Shafiq | Real time implementation and profiling of different CFAR algorithms over DSP kit | |
Kamal | A Novel Approach for Accurate Target Detection in the worst Radar Environments | |
CN110412536B (zh) | 基于变尺度中值比率的目标检测方法 | |
Erfanian et al. | Introducing switching ordered statistic CFAR type I in different radar environments | |
CN115840200A (zh) | 一种雷达信号处理的方法及系统 |
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 |