一种基于有序统计的MIMO雷达CFAR检测器

针对多输入多输出(MIMO)雷达的体制特点,提出了一种基于有序统计的MIMO雷达CFAR检测器(LCIOSOS-CFAR),给出了虚警概率与检测概率的表达式;然后在各种杂波背景下对检测器性能进行了仿真分析,并与经典的CA-CFAR检测器进行比较。仿真结果表明,LCIOSOS-CFAR检测器在均匀杂波背景下较CA-CFAR有较小损失,在多目标干扰环境下较CA-CFAR性能改善明显,在杂波边缘背景下虚警峰值小于CA-CFAR,实际应用中具有较强的鲁棒性。文中还分析了序值选取对LCIOSOS-CFAR检测性能的影响。

基于通道选择技术的统计MIMO雷达CFAR检测器

研究了基于通道选择技术的统计多输入多输出(MIMO)雷达恒虚警(CFAR)检测问题,提出了基于顺序统计量(Order Statistic,OS)的通道选择技术及其两种CFAR检测方法。第一种是在事先估计或先验已知有效通道数量me的前提下,非相参积累me个最大的局部检测统计量形成最终的检测统计量,即OS-GLRT检测器。第二种则是采用或规则,对各种有效通道数量假设条件下得出的OS-GLRT检测器的判决结果进行融合,从而克服了OS-GLRT检测器对有效通道数量估计值比较敏感的问题。所得到的MOS-GLRT检测算法无需估计有效通道数量,且在各种输出信噪比分布模型下都具有良好的检测性能。

一种简便的MIMO阵列雷达CFAR检测器

本文提出了一种适用于MIMO阵列雷达的简便的CFAR检测器,它利用了MIMO阵列雷达观测空间维数高的特点,通过直接滤除杂波干扰子空间的方式抑制杂波和干扰。该检测器的简便性在于杂波子空间可以离线估计与存储,而干扰子空间的估计也只需在低维空间上进行,而其原因是在估计杂波和干扰子空间时没有利用距离参考单元观测样本,而是利用了已知的系统参数、杂波子空间结构以及干扰协方差矩阵的模块对角性质。仿真结果表明,在杂波的理想模型条件下,选择适当的估计方法可以获得较高的杂波子空间估计精度,由此得到的CFAR检测器的性能也非常接近于已知杂波干扰子空间条件下的检测性能。

一种改进的VI CFAR检测器

为得到不同杂波背景下的良好检测性能,给出了一种改进的VI CFAR检测器.该检测器主要利用均值类可变性指示(MLVI)CFAR检测器和有序统计类可变性指示(OSVI)CFAR检测器的各自优点以及VI CFAR的以背景均匀程度自动选择不同检测器思想.理论分析和仿真结果表明:该检测器在均匀背景下性能基本与MLVI CFAR重合;多目标背景下具有较强的抗多目标能力;杂波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.

基于SAR图像目标检测的优化CFAR检测器算法研究

在目前的SAR目标检测中CFAR检测器被广泛的应用，而对相同或不同分辨率的图像，优化的CFAR检测器可以作为无偏检测。本文对优化的CFAR．检测器进行了研究。

基于异常单元删除的改进CFAR检测器

雷达在大入射余角海杂波下进行检测时易受到功率突然增大的杂波异常单元影响,虚警率及误检率较高。为解决此问题,提出具有杂波抑制模块与恒虚警模块的二级检测器。杂波抑制模块通过参考单元的协方差矩阵构造正定矩阵,求解其矩阵范数用以估计杂波功率水平,根据功率水平设置一个动态门限,剔除异常单元后的杂波作为待检测信号输入恒虚警模块,恒虚警模块使用基于有序数据可变性的自动删除平均(ACCA-ODV-)CFAR检测器来改进传统变化指数恒虚警(VI-CFAR)检测器。仿真结果表明,新检测器在均匀杂波环境中检测性能与单元平均恒虚警(CA-CFAR)检测器几乎相同,在多目标环境中检测性能远远优于最大选择恒虚警(GO-CFAR)检测器、最小选择恒虚警(SO-CFAR)检测器、CA-CFAR检测器及VI-CFAR检测器,在杂波边缘环境中虚警控制能力仅次于VI-CFAR检测器与GO-CFAR检测器。综合考虑实测数据中各个检测器的检测结果,改进后的检测器在高分辨率大入射余角情况下具有最优的检测性能。

非高斯背景下高分辨雷达CFAR检测器

本文讨论了球不变随机过程（ＳＩＲＰ）非高斯杂波背景下高分辨雷达距离扩展目标检测问题。文中提出了ＣＡ—ＣＦＡＲ、ＯＳ—ＣＦＡＲ两种距离扩展目标检测器。文中证明了它们的形状因子和尺度因子未知的情形下具有恒虚警性，即双参数恒虚警性，并分析了这两种检测器的检测性能。这两种检测器亦可用作ＳＩＲＰ杂波背景下低分辨雷达检测器。

船舶交通管理系统雷达双重自适应门限CFAR检测器设计与分析

分析了删除式恒虚警(ECA CFAR)检测器存在的问题,提出了根据杂波强度自适应调整ECA CFAR检测器第一门限———双重自适应门限CFAR处理方法,较好地解决了ECA CFAR检测器由于第一门限选择不当造成的虚警概率升高和目标检测概率下降的问题.对利用计算机产生的雷达杂波和目标进行了模拟实验,实验结果表明,提出的CFAR方案在多目标环境下的检测性能优于ECA CFAR检测器.

Envisat AP图像P-CFAR舰船检测方法研究

Envisat的AP数据可以在一次成像过程中得到同一场景的两幅不同极化模式的数据,使用这种数据进行船只检测可以有效的提高检测概率并降低虚警率。为利用AP数据中包含的关于目标和场景的有效信息,引入了基于向量矢量的P-CFAR检测器对交替极化数据进行检测。首先使用GIS数据对陆地区域进行了掩膜处理,剔除了陆地区域的影响。然后使用P-CFAR检测器对目标进行检测。通过检测器窗口的滑动,我们对中心像素的信息量进行计算,并将其与检测阈值进行比较,从而检测得到目标。最后,为剔除虚警,使用了一个复合目标辨识算法对检测得到的候选目标进行了辨识。为了评价该算法的检测性能,利用Envisat ASAR的交替极化数据进行了实验,实验结果表明该方法能够充分利用目标和场景的有效信息,在环境干扰较大的情况下也可以对舰船进行有效的检测。

基于高速DSP的雷达自适应检测

在均匀的杂噪背景中,常用的CFAR检测器是均值类检测器ML-CFAR。但是在回波背景比较复杂的时候,ML-CFAR检测器的性能会下降,故需要一种适应多环境的CFAR检测器。在介绍ML-CFAR检测器的基础上,介绍一种适用于多目标环境的E-CFAR类检测器,并用实际的飞行数据仿真两种检测器在不同环境下的使用情况,仿真结果证明E-CFAR在多目标环境下使用具有优越性。结合两种算法的特点,设计出基于TS201的雷达自适应检测系统。