基于有序统计和自动删除平均的最大选择恒虚警检测器

基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(OSACGO)以提高CFAR检测的性能,它采用OS和ACCA产生两个局部估计,然后取二者中最大值作为背景功率水平估计,从而设置自适应检测门限。在SwerlingⅡ型目标假设下,推导出OSACGO在均匀背景下虚警概率P_(fa)的解析表达式。通过与其它现有方案进行比较,结果表明在均匀背景及多目标和杂波边缘引起的非均匀背景中,OSACGO均具有相当好的检测性能,而它的样本排序时间只有OS和ACCA的一半。

基于有序统计和自动删除平均的恒虚警检测器

为了增强检测器对干扰的鲁棒性,基于有序统计(OS)方法和自动删除单元平均(ACCA)方法提出一种新的恒虚警检测器(MOSAC),其前沿和后沿滑窗分别采用OS和ACCA产生两个局部估计,然后取二者的和作为背景功率水平估计,从而设置自适应检测门限。在Swerling Ⅱ型目标假设下,推导出MOSAC在均匀背景下虚警概率Pfa的解析表达式,并与其它现有方案进行了比较。仿真结果表明MOSAC在均匀背景及多目标和杂波边缘引起的非均匀背景中,均具有较好的检测性能。在杂波边缘引起的非均匀背景中,虚警尖峰比MOSCM减少了一个数量级,并且样本排序时间只有OS和ACCA的1/2。

一种新的基于有序统计和剔除平均的最大选择恒虚警检测器

本文基于有序统计（OS）和剔除平均（TM）提出了一种新的恒虚警检测器（OSTMGO），它的前尚滑窗和后尚滑窗分别采用OS和TM来产生局部估计，再选择两者之中的最大值作为杂波功率水平的估计，并应用了文献［4］提出的自动筛选技术，在Swerling型目标假设下，本文推导出了它的Pfa、Pd和度量的解析表达式，并与其它方案进行了比较，分析结果表明它在均匀背景及多目标和杂波边缘引起的非均匀背景中，均具有较好的检测性能，尤其是在杂波边缘引起的非均匀背景中，它的虚警尖峰比GOSGO减少了一个数量级，并且它的样本排序时间还不到OS的一半．

一种新的基于有序统计和筛选平均的最大选择恒虚警检测器

本文基于有序统计（OS）和筛选平均（CM）提出了一种新的恒虚警检测器（OSCMGO），它采用OS和CM来产生局部估计，再采用最大选择逻辑来产生对杂波功率水平的估计，并应用了文献[4]提出的自动筛选技术，在SwerlingII型目标假设下，推导出了它的Pa、Pd和度量ADT的解析表达式，并与其它方案进行了比较，分析结果表明它在均匀背景和多目标环境中均具有较好的检测性能。

有序统计恒虚警（OS－CFAR）检测器在韦布尔干扰背景中的性能

本文研究韦布尔干扰背景前的有序统计恒虚警算法，并在均匀干扰背景中分析它的性能，对于未知的形状参数Ｃ，本文基于来自参考滑窗随机变量的期望和中值提出一种估计方法，同时在均匀干扰背景中研究了这种估计方法的性能，结果表明，这种估计方案具有很小的附加恒虚警损失，当Ｎ＝１６，Ｃ＝２，ｋ＝１２时，它的恒虚警损失比两参数有序统计恒虚警检测器小．．

一种新的基于有序统计和剔除平均的恒虚警检测器

基于有序统计（ＯＳ）和剔除平均（ＴＭ）提出了一种新的恒虚警检测器（ＭＯＳＴＭ），它采用ＯＳ和ＴＭ来产生局部估计，再对二者平均来实现对杂波功率水平的估计，并应用了文献［４］提出的自动筛选技术。在ＳｗｅｒｌｉｎｇＩＩ型目标假设下，推导出了它的Ｐ＿（ｆａ）、Ｐ＿ｄ和度量ＡＤＴ的解析表达式，并与其它方案进行了比较，分析结果表明，ＭＯＳＴＭ在均匀背影及多目标和杂波边缘引起的非均匀背景中，它的性能比ＯＳ和ＧＯＳＣＡ获得了改善，并且它的样本排序时间还不到ＯＳ的一半。

一种改进的准最佳加权有序统计恒虚警率检测器

为了提高恒虚警检测器在均匀背景中的检测性能及增强对干扰的鲁棒性，文献〔４〕提出了一种准最佳加权（ＱＢＷ）有序统计方法，但这种方法存在着样本排序时间过长的缺点。本文将参与杂波强度估计的参考样本分为两组去分别产生两个局部估计，取二者的和作为检测器对杂波功率水平的估计去设置自适应检测门限，将这种检测器称为改进的准最佳加权（ＩＱＢＷ）有序统计恒虚警检测器，在ＳｗｅｒｌｉｎｇⅡ型目标及瑞利杂波假设下，推导出了它的Ｐｆａ、Ｐｄ及ＡＤＴ的数学解析表达式。分析结果表明，ＩＱＢＷ在均匀背景中的性能与ＱＢＷ的相近并优于ＴＭ和ＯＳ的，在密集干扰目标情况下要优于ＱＢＷ，而它的样本排序时间不及ＱＢＷ、ＴＭ和ＯＳ的一半；在特殊情况下，ＩＱＢＷ退化为ＣＡ和ＧＯＳＣＡ〔３〕。

韦布尔干扰中有序统计平均恒虚警检测器性能

证明了形状参数已知条件下有序统计平均恒虚警检测器在韦布尔分布杂波背景下具有恒虚警性能,推导了该背景下OSCA-CFAR检测器对非起伏目标的检测概率P_d和平均判决阈值的解析表达式,用数值方法讨论了尺度参数和序值变化对检测性能的影响,最后分析了多目标情况下该检测器的性能,并于有序统计进行了比较,分析结果表明OSCA在多目标环境下具有较好的检测性能。

非一致环境中相关信号有序统计恒虚警检测器及其性能研究

根据有序统计（ＯＳ）理论和恒虚警（ＣＦＡＲ）检测方法，提出了一种非一致环境下瑞利相关信号检测理论和分析方法，并利用上述分析方法对单窗ＯＳ－ＣＦＡＲ和双窗最大逻辑（ＭＸ）ＯＳ－ＣＦＡＲ的检测性能进行了分析．试验仿真结果给出了两种检测器在不同环境下的检测性能，有力地验证了上述分析方法的有效性．

基于有序统计类恒虚警检测的脉冲压缩雷达移频特征消隐多载波干扰研究

针对采用有序统计类恒虚警检测的线性调频脉冲压缩雷达,提出了一种专门的多假目标产生方法。根据有序统计类恒虚警检测原理进行干扰假目标设计,在此基础上提出具有移频特征消隐的多载波干扰方法;针对有序统计类恒虚警检测的特点,对干扰参数进行设置,在真实目标的左右检测单元产生了数量、幅度、空间分布可控的多假目标。仿真结果表明,该干扰方法可以有效降低目标在雷达检测端被发现的概率。

气象杂波环境下二维次序统计量恒虚警检测器

利用实际的气象杂波数据 ,研究了其CFAR处理问题。基于FFT处理技术 ,比较了CAGO -CFAR检测器、CLUTTERMAPPING -CFAR检测器和MX -OS -CFAR检测器的抑制气象杂波性能。针对存在的问题 ,提出了将通常在一维距离向进行的CFAR处理改为在R-Fd(距离 -多普勒频率 )二维平面进行 ,并利用次序统计量估计杂波幅度 ,形成新的稳健的 2D -OS -CFAR检测器。对实际杂波数据和仿真目标数据的处理结果表明所提出的 2D -OS

K分布杂波背景下次序统计恒虚警检测器的性能

本文证明了在形状因子已知条件下次序统计恒虚警（ＯＳ－ＣＰＡＲ）检测器在Ｋ分布杂波背景下能保持恒虎警的特性，分析了均匀Ｋ分布杂波背景下检测器的性能，研究了不同参考单元数的信杂比损失．对于未知形状因子，本文提出了一种有效的估计方法．

一种采用自动筛选技术的鲁棒恒虚警检测器

本文基于有序统计（ＯＳ）和筛选平均（ＣＭ）提出了一种新的恒虚警检测器，它采用ＯＳ和ＣＭ方法来产生局部估计，再采用二者的平均值作为对杂波功率水平的估计，并应用了文献［５］提出的自动筛选技术，在ＳｗｅｒｌｉｎｇⅡ型目标假设下，本文推导出了它的Ｐｆａ、Ｐｄ和度量ＡＤＴ的解析表达式，并与其它方案进行了比较。分析结果表明，它对均匀背景和多目标环境均具有适应性，尤其是在多目标引起的非均匀背景场合中，它呈现较好的锝棒性，它的性能与ＯＳ相比有较大的改善，并且它的样本排序时间不及ＯＳ、ＣＭ的一半。

基于全参考滑窗的OSTCA恒虚警信号检测器

通过分析分布式检测系统的工作原理,提出了一种基于全参考滑窗观测样本的剔除最大均值-有序(OST-CA-CFAR)检测方法,它对检测单元中的所有杂波样本分别进行有序统计(OS)和剔除最大平均(TCA)处理,再对结果求最大来获得对杂波功率水平的估计,推导了平均虚警概率、平均检测概率的解析表达式,并与其他检测方案进行了对比,分析表明,该方法在多目标和杂波边缘背景情况下能有效提高系统的性能.

一种新的基于剔除平均的最大选择恒虚警检测器

本文基于剔除平均(TM)提出了一种新的最大选择(GO)恒虚警检测器,它的前、后沿滑窗均采用TM来产生局部估计,再选择两者之中的最大值作为检测器对杂波功率水平的估计,去设置自适应检测门限,并应用了何友(1994)提出的自动筛选技术。分析结果表明,它在均匀背景及多目标和杂波边缘引起的非均匀背景中的性能,均比GOSGO或OSGO获得了改善,并且它的样本排序时间还不到OS的一半。一些流行的恒虚警方法如GO、GOSGO或OSGO、CMGO可看作是TMGO的特例。

关于MOSCA恒虚警检测器的改进——MTMCA检测器

本文基于剔除平均和单元平均提出一种新的CFAR检测器(MTMCA)。我们预计这种检测器在均匀背景下将具有良好的检测性能。本文推导了它在均匀背景下的P_(fa)、P_d和度量ADT的解析表达式,并与其它几种CFAR方案的性能进行了比较,结论证明了我们的设想:MTM-CA的均匀背景性能要优于其它几种CFAR方案在多目标情况下,其恒虚警损失也比MOSCA,GOSCA和OS要小。这种检测器的样本排序时间相对较短,而且采用的文献提出的自动筛选技术能够提高它的抗干扰目标能力。

基于空间变迹滤波旁瓣抑制与有序统计恒虚警率的舰船检测算法

由于合成孔径雷达(SAR)特殊的成像机制,导致了SAR图像上出现了旁瓣效应(SVA)。针对舰船目标检测过程中,旁瓣效应改变了强反射目标的形状导致的定位困难与定位错误问题,该文提出了一种基于空间变迹滤波与有序统计恒虚警率(OS-CFAR)的舰船检测算法。该算法将空间变迹滤波算法运用到复图像数据中,针对目标检测要求的实时性问题进行算法改进,通过全局CFAR只对潜在目标点进行旁瓣抑制而忽略对舰船检测无意义的大量背景点,在抑制旁瓣的同时减少了算法运算量。然后采用非线性的OS-CAFR算法对旁瓣抑制后的图像进行目标检测,并且采用形态学膨胀运算,弥补SVA算法可能造成的像素点幅值错误降低的问题。最后利用高分三号(GF-3)的实测数据进行验证,通过对比有无使用该文算法的结果的图像对比度与检查目标个数,体现了算法的有效性。

一种基于排序数据方差的恒虚警检测器

为了充分利用参考单元信息,减少恒虚警(CFAR)损失,基于有序统计(OS)方法和排序数据方差(ODV)方法提出一种新的恒虚警检测器(MOSODV),它的前沿和后沿滑窗分别采用OS和ODV产生2个局部估计,然后取二者之和作为背景功率水平估计。在Swerling Ⅱ型目标假设下,推导出MOSODV在均匀背景下虚警概率的解析表达式,并与其他CFAR方法进行了比较。仿真结果表明,MOSODV在均匀背景及多目标环境中均具有较好的性能,而杂波边缘环境中,MOSODV也保持了比较好的虚警控制能力。

有序统计恒虚警定点数排序的硬件实现

针对有序统计恒虚警硬件实现中的定点数排序问题,提出一种架构,将排序算法分解,并映射为比较、选择两级硬件阵列,每一级硬件阵列都由基本的比较单元和选择单元组成。针对硬件实现的特点,对比较操作加以简化。利用定点数补码表示正值最高位为0、负值最高位为1的特点,将待比较的两个数值相减,取其差值的最高位作为两个待比较数值大小关系的标志。当一个数值与其所在序列的其他所有值比较之后,就得到一个标志序列,当该数值小于其所在序列中其他一个数值时,标志序列中就有一位为1,则将标志序列累加,所得的值就是该数值在序列中应排的序号。

求解分布式顺序统计CFAR检测器参数的新方法

复杂条件下,分布式顺序统计恒虚警率(OS-CFAR)检测系统的参数选择和检测性能分析是一个典型的非线性优化问题,通常采用数值求解和计算机搜索的方法。但在复杂条件下,特别是当传感器数量较多,或采用分布式OS-CFAR这种双门限参数检测方式时,其计算量会异常庞大。提出了一种基于模拟退火的微粒群优化算法,将模拟退火思想引入到具有杂交和高斯变异的粒子群优化算法中,并采用具有递减w算法,保证算法具有较好的全局搜索能力和较好的收敛性。使用这种方法,在进化100代后,在保证精度达到0.000 001,可使所有的系统参数同时得到优化。仿真结果表明,同遗传算法比,虽然该方法收敛速度稍慢,但是可避免遗传算法的早熟问题,同时该方法实施简单方便,便于工程应用。