基于BP神经网络的CFAR检测器标称化因子确定方法

在运用恒虚警(CFAR)检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。

一类新的分布式CFAR检测器及其性能分析

在似然比检验意义下,提出了一类基于比值加权平均(RWA)的分布式CFAR检测器.在该类检测器中,利用各传感器信噪比来确定权值,从而可实现各传感器在不同信噪比下,仍保持CFAR特性.在此基础上,对有序统计比值加权平均(OSRWA)和删除均值比值加权平均(CMLRWA)两种检测方法进行了研究,导出了相应的解析式.理论和数值分析结果均表明,该类型检测方法不受各传感器信噪比需相同的限制,且可获得较好的检测性能。

线性检波下CA-CFAR的两种近似方法性能分析

由于瑞利分布情况下难以得到CA-CFAR性能分析解析式,通常采用多个2概率密度的混合近似瑞利分布和基于中心极限定理的CA-CFAR两种近似方法分析其检测性能.为此对上述两种近似方法近似程度问题进行了研究.首先基于平均判决阈值(ADT)的定义导出了两种近似方法相对CFAR损失比解析式,然后对两种近似方法与理论CA-CFAR处理之间的相对CFAR损失进行了详细地仿真和分析,最后给出了相应的结论.