针对复杂非均匀水下环境中目标检测问题,提出了一种基于背景统计特性的鲁棒声呐恒虚警(Background Statistical Characteristics based Robust Sonar Target Constant False Alarm Ratio,BSCR-CFAR)检测算法。该算法将自动删除平均级检...针对复杂非均匀水下环境中目标检测问题,提出了一种基于背景统计特性的鲁棒声呐恒虚警(Background Statistical Characteristics based Robust Sonar Target Constant False Alarm Ratio,BSCR-CFAR)检测算法。该算法将自动删除平均级检测(Automatic Censored Mean Level Detection,ACMLD)和排序统计恒虚警(Order Statistic CFAR,OS-CFAR)检测算法引入可变指数恒虚警(Variability Index CFAR,VI-CFAR)检测算法中,并通过评估背景特性,自适应选择更匹配的CFAR检测方法。仿真和声呐实测数据分析结果表明,相比较单元平均恒虚警(Cell Average CFAR,CA-CFAR)、单元平均选大恒虚警(Greatest of CFAR,GO-CFAR)、单元平均选小恒虚警(Smallest of CFAR,SO-CFAR)和OS-CFAR、VI-CFAR等检测算法,该算法在混响边缘、混响区、单/多强离散干扰等典型非均匀背景下的恒虚警检测保持了良好的鲁棒性。展开更多
文摘针对复杂非均匀水下环境中目标检测问题,提出了一种基于背景统计特性的鲁棒声呐恒虚警(Background Statistical Characteristics based Robust Sonar Target Constant False Alarm Ratio,BSCR-CFAR)检测算法。该算法将自动删除平均级检测(Automatic Censored Mean Level Detection,ACMLD)和排序统计恒虚警(Order Statistic CFAR,OS-CFAR)检测算法引入可变指数恒虚警(Variability Index CFAR,VI-CFAR)检测算法中,并通过评估背景特性,自适应选择更匹配的CFAR检测方法。仿真和声呐实测数据分析结果表明,相比较单元平均恒虚警(Cell Average CFAR,CA-CFAR)、单元平均选大恒虚警(Greatest of CFAR,GO-CFAR)、单元平均选小恒虚警(Smallest of CFAR,SO-CFAR)和OS-CFAR、VI-CFAR等检测算法,该算法在混响边缘、混响区、单/多强离散干扰等典型非均匀背景下的恒虚警检测保持了良好的鲁棒性。