Switching variability index based multiple strategy CFAR detector

A switching variability index （SVl） constant false alarm rate （CFAR） detector is proposed for improving the detection performance of VI-CFAR detectors in multiple targets backgrounds. When the presence of non-homogeneity in CFAR reference windows is indicated by a VI-CFAR detector, a switching- CFAR detector is introduced to optimize the performance of the VI-CFAR detector in homogeneous, multiple targets and clutter edge backgrounds. The structure and parameters selection method of the SVI-CFAR detector is presented. Comparisons with classic CFAR detectors and recently proposed detectors are also given. Theoretical analysis and simulation results show that SVICFAR detector maintains the good performance of the VI-CFAR detector in homogeneous and clutter edge backgrounds, while greatly improving the capacity of anti-multi targets.

基于改进VI-CFAR的模糊距离扩展目标检测算法

为了提高主动声呐在高斯背景下对距离扩展目标的检测能力,本文提出了一种新的恒虚警(CFAR)检测方法。该方法首先利用最小选择无偏最小方差和单元平均(UMCASO)方法对可变指数恒虚警(VI-CFAR)进行改进,得到改进VI-CFAR方法,再将其用于对距离扩展目标检测的第一门限处理中,同时第二门限处理使用模糊积累方法。仿真结果表明,该方法在均匀背景下只有较小的CFAR损失,而在多目标干扰下相比传统方法有更强的鲁棒性,对抗多目标干扰性能优越。对于起伏目标模型,模糊代数积积累准则性能优于模糊代数和积累准则。在不同的背景下,选用与之相适应的积累准则,可获得较为理想的检测性能。

一种UWBSAR图像中的非均匀背景CFAR检测方法

针对UWBSAR图像中的非均匀背景目标检测问题,提出了一种CFAR检测方法。该方法运用变量索引和秩序统计量CFAR检测,可以在杂波背景的非均匀区域,自动根据检测单元的位置选择合适的估计杂波功率的样本,能使检测器在多目标环境和不规则非均匀背景交界处保持CFAR性能。试验结果表明,该方法在UWBSAR非均匀背景中的目标检测性能,优于传统的单元平均CFAR检测算法。

高分辨SAR图像自动区域筛选目标检测算法

在G^0分布背景杂波假设下,基于VI-CFAR算法该文提出一种自动区域筛选的恒虚警目标检测算法,以解决高分辨SAR图像复杂环境背景下的目标检测问题。该算法首先利用变化指数(VI)统计量对局部参考窗内的均匀区域进行筛选,以剔除参考窗内具有目标干扰点的非均匀区域;然后利用均值比(MR)统计量对参考窗内同质的均匀区域进行区域合并,以解决杂波边界处的背景杂波筛选问题;最后利用筛选到的同质均匀区域内的像素集合进行背景杂波参数估计,对待检测区域实现二值检测。通过实测SAR图像车辆目标检测实验表明,在多目标和杂波边界复杂环境背景下,该算法具有较稳定的检测性能和虚警抑制能力。

基于决策级融合的多波段SAR目标检测方法

为了提高SAR图像目标检测性能,提出了一种目标检测方法。该方法首先利用智能索引变量恒虚警和二次检测对多波段SAR图像进行目标检测,然后利用Neym an-Pearson准则对检测结果进行决策级融合,在保证融合前后虚警概率一致的前提下,可大幅度提高检测概率。给出了应用该方法的具体步骤,并通过实际数据证明了该方法的有效性。

基于有序数据可变索引的SAR图像目标检测方法

该文提出了一种基于有序数据可变索引(Ordered Data Variability Index,ODVI)的SAR图像目标恒虚警检测算法,该算法首先对待测像素的参考窗进行基于ODVI的自适应筛选处理(Automatic Censoring,AC),以去除窗内的强杂波和干扰像素,并以窗内保留的均匀像素对背景的统计特性进行建模,估计其概率密度函数的参量,同时构建双参数恒虚警检测(CFAR)的检验统计量,计算检测的自适应阈值,实现检测的判决。论文给出了该算法的检测性能曲线,并利用实测的X波段SAR图像进行实验验证,与其它检测方法进行比较,结果显示该文算法具有较好的检测性能和较低的虚警概率。

UWB SAR非均匀区域目标检测方法

在超宽带合成孔径雷达(UWBSAR)图像目标检测中不仅会遇到均匀杂波区域,还会遇到叶簇区域、空旷区域及干扰目标等组成的非均匀杂波区域。恒虚警率(CFAR)目标检测是雷达目标检测的重要方法,而传统的CFAR检测对UWBSAR非均匀杂波区域目标检测效果较差。首先分析了叶簇区域、空旷区域及二者混合区域的杂波分布。然后针对UWBSAR的实际情况,运用智能索引变量的CFAR检测技术(VICFAR),使得均匀杂波和非均匀杂波背景中目标检测都取得了较好的效果。最后,利用实际UWBSAR目标检测结果验证了VICFAR的有效性。

非平稳环境下主动声呐检测器研究

针对在水下存在多途、混响及噪声边缘等非平稳背景条件下主动声呐检测器的检测性能,给出了一种变异指数的恒虚警率(Variability Index Constant False Alarm Rate,VI-CFAR)检测器。VI-CFAR结合了单元平均恒虚警率、最大选择恒虚警率和最小选择恒虚警率的检测算法,它在均匀平稳环境和非平稳环境下都具有较强的自适应性。理论分析和仿真结果表明,该检测器在均匀平稳背景下的检测性能与单元平均恒虚警率检测器相似,在多途、混响等干扰背景条件下具有较强的抗干扰能力,在噪声边缘背景下有较好的虚警概率控制能力且运算量小,是一种稳健的检测器。