基于CFAR算法的FMCW毫米波雷达桥梁结构监测方法研究

毫米波雷达技术广泛应用于各种微小形变监测中,但其识别结果难以满足桥梁结构的形变监测需求。因此,为了提高其在桥梁结构监测中的目标识别,研究利用恒虚警率算法作为识别算法,并对算法的k值进行修正。在此基础上,引入相位比较法解决快速傅里叶变化的栅栏效应。验证显示,在多目标检测中,研究提出的恒虚警率算法比均值类的识别精度提高了50%。与其他方法相比,研究提出的方法位移误差平均降低了48.61%。结果表明,研究提出的方法能够改善调频连续波毫米波雷达技术在桥梁结构形变中的监测性能,能够提高毫米波雷达技术的目标识别精度与测距精度,在微小测距工作中具有积极的实用价值。

一种适用于激光测速系统的自适应CFAR算法

恒虚警(CFAR)检测广泛应用于复杂环境的检测系统中,本文基于单元恒虚警检测,设计了一种利用角系数调整来改变检测阈值的自适应CFAR算法,并将该算法应用于激光测速系统,通过飞行试验验证,算法能有效提高信号检测率。

两种基于MIMO雷达体制的鲁棒CFAR检测器

针对MIMO雷达的体制特点,该文提出了两种有序统计与均值相给合的MIMO雷达CFAR检测器(OSCA-CFAR和LCIOSCA-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,OSCA-CFAR和LCIOSCA-CFAR检测器在均匀背景下较CA-CFAR有较小损失,在多目标干扰环境较CA-CFAR性能改善明显,在实际背景中具有更强的鲁棒性。最后比较了OSCA-CFAR和LCIOSCA-CFAR检测器的优缺点。

一种基于检测统计量的SOSGO-CFAR检测算法

提出了一种新的恒虚警检测算法SOSGO-CFAR。该算法应用检测单元采样作为选择参考单元的依据,使用了基于转换恒虚警(S-CFAR)和排序选大恒虚警(OSGO-CFAR)的复合算法。文章给出了该算法在均匀背景中的数学分析。并在均匀背景、杂波边缘和多目标情况下,用Monte Carlo方法进行了仿真分析。结果表明,该检测器既具有均匀背景下和CA-CFAR相近的良好性能,在杂波边缘环境中,具有接近OSGO-CFAR的性能,且在多目标环境中,其性能明显好于S-CFAR。

三种Weibull背景下的延展目标的CFAR检测器

针对Weibull杂波背景下延展目标的恒虚警率(CFAR)检测问题,研究了三种积累检测器———二进制积累检测器、非相参积累检测器和秩积累检测器。首先在单脉冲情况下分别从理论上导出了这三种检测器均满足CFAR性以及对应的检测性能解析式,然后将单脉冲条件下CFAR方法推广到多脉冲积累情况,给出了四种可能的处理方案。最后仿真结果验证了理论分析的正确性。

一种新的雷达信号CFAR处理方法

本文提出了一种新的全局化的雷达信号CFAR处理方法,进行了详细的理论分析,并将其与传统的CA-CFAR处理方法进行了性能比较。

基于相对多普勒峰高特征的OS-CFAR改进方法

在传统有序统计类恒虚警的基础上,提出了1种基于相对多普勒峰高特征的改进有序统计类恒虚警检测方法。该检测算法结合相对多普勒峰高(RDPH)特征和有序统计类(OS-CFAR)检测算法的优势,对雷达回波数据的相对多普勒峰高特征进行计算,通过排序选取参考单元的特征估计,得到检测门限,并通过仿真与实测数据测试对比该算法与其他传统恒虚警算法在不同背景下的检测性能,验证该算法的优势。结果表明:相较于传统均值类、有序统计类恒虚警检测算法,基于相对多普勒峰高特征的改进OS-CFAR检测算法在实测海雷达数据的高海况场景下能够达到更好的检测概率。

基于双边截断的双参数海上风电站SAR图像CFAR检测

文章提出了1种基于双边截断的双参数海上风电站SAR图像CFAR检测器DTCS-TPCFAR,目的是提高在具有多个目标海上区域和石油泄漏区域等环境下对海上风电站的检测性能。DTCS-TPCFAR所提出的双边截断杂波的方法,能够同时消除高强度和低强度异常值的干扰,同时保留真实的杂波样本。通过使用最大似然估计计算双边截断后样本的均值和标准差,然后通过这2个参数估计值计算出截断阈值,最后再结合指定的虚警率(Probability of False Alarm,PFA)来对测试单元(Test Cell,TC)进行判断,完成最终的目标检测。这也是首次将CFAR检测器用于检测海上风电站。文章通过Sentinel-1数据集来验证该方法的有效性。实验结果表明,文章所提出的算法在相同指定虚警率下,具有更高的检测率(Detection Rate,DR)和更低的误报率(False Alarm Rate,FAR)。

Fisher纹理分布下基于匹配滤波的极化SAR图像CFAR检测方法

在已有的极化合成孔径雷达(PolSAR)图像恒虚警(CFAR)检测方法中,存在着高分辨下杂波模型适用性差的难题。为此提出了一种Fisher分布下的CFAR检测方法,并定义虚警损失率(CFAR Loss,CL)以量化评估算法的恒虚警保持性能.首先,在乘积模型框架下引入Fisher纹理变量,推导出了多视极化匹配滤波(Multi-look Polarization Matched Filter,MPMF)检测量的概率密度函数(PDF).然后,对PDF积分得到了虚警概率的闭合解析式,并设计了CFAR检测流程.仿真数据和机载合成孔径雷达(Airborne SAR,AIRSAR)数据实验结果表明,与基于K分布、G0分布、Wishart分布的CFAR检测算法以及双参数恒虚警(two-Parameter CFAR,2P-CFAR)算法相比,新方法具有良好的恒虚警保持性能和检测性能,具有较强的鲁棒性,且运算时间未明显增加,相比于其他检测方法,品质因数(Figure of Merit,FoM)平均高出12.80%.

一种基于G^0分布的SAR图像快速CFAR检测方法

杂波统计模型是决定CFAR检测算法性能的关键因素。G0分布能对单视和多视SAR图像中均匀、一般不均匀和极不均匀区域精确建模,但存在参数估计复杂、阈值表达式难以求解的问题,限制了其实用性。针对这些问题,分别采用矩估计法和二分法来完成参数的估计和阈值的求取,并通过目标区域预筛选和迭代计算等手段进一步提高了计算效率,得到了一种兼顾检测效果和效率的快速CFAR检测方法。实验结果验证了该方法的有效性。

基于CFaR模型与Logistic回归的财务困境预警研究

从现金流风险角度出发,对企业财务困境进行预警研究:首先构建一个基于企业内部环境、宏观经济政策、货币政策及财政政策等因素的CFaR模型,识别出期望现金流及风险现金流;然后以这两个指标作为预警变量,构建一个二元Logistic财务困境预警模型;最后选取27家中国证券市场中代表陷入财务困境的ST公司及配对的财务良好的非ST公司作为样本进行实证研究。结果表明,所构建的CFaR模型能较好地度量两类上市公司的现金流状况,且两类公司的期望现金流和风险现金流水平存在显著的差异;二元Logistic预警模型能较好地实现对上市公司财务风险的预警,对两类公司的预警正确率分别达到85.2%和81.5%。

杂波图CFAR平面技术在均匀背景中的性能

典型的杂波图恒虚警检测技术常被用于时域平稳、空域变化较剧烈的杂波环境它在每个杂波图单元处都形成一个独立的检测阈值，于是被称为杂波图CFAR点技术．而沈福民提出了一种杂波图CFAR平面技术的构想这是一种在时空两维变化都比较平稳的杂波环境情况下尤为适用的杂波图CFAR检测技术，我们将其称为面技术本文具体推导了这种技术在时空两维都均匀的背景中的检测性能表达式，并同杂波图点技术的性能进行较细致的分析比较．结论表明。

基于H-CFAR的SAR图像快速舰船目标检测

SAR舰船目标的快速、准确检测是SAR海洋业务化应用中的重要需求,文章提出了一种基于直方图恒虚警率(H-CFAR)的快速检测方法。该方法直接利用SAR图像的灰度直方图信息,并结合CFAR算法,实现了SAR舰船目标的检测;利用ASAR、TerraSAR和Radarsat-2数据对此方法进行了检验,结果表明,该方法与现有的K-CFAR相比,在相同的硬件条件下,能够更快更准确地实现SAR舰船目标检测。

一种新的极化SAR图像目标CFAR检测方法

该文提出了一种新的极化SAR图像目标CFAR检测算法。首先,在乘积模型框架下,引入具有均匀度变化下广泛杂波区域建模能力的逆Gamma分布,推导出了极化匹配滤波(PMF)检测量的分布模型P-G0分布。进而,利用基于Mellin变换的对数累积量导出了P-G0分布的参数估计器,保证了PMF检测量的精确建模。最后,推导出P-G0分布的CFAR检测阈值求解公式,以此设计了新的CFAR检测算法。利用RADARSAT-2极化SAR数据的实验结果表明了P-G0分布对不同均匀度的地物都具有良好的拟合性能,所提检测算法能够实现均匀度变化较大环境下目标的准确、自动检测。

基于CFAR级联的SAR图像舰船目标检测算法

SAR图像舰船目标检测在军事监视和海洋环境监管等方面有着重要的意义。针对SAR图像的特点,提出了一种基于全局CFAR检测与局部CFAR检测级联的舰船目标检测算法。在全局CFAR检测中,通过海杂波特性拟合优选海杂波统计模型,以较高的虚警率筛选潜在的目标点;在局部CFAR检测中,以潜在目标点的连通区域为单位,通过检测窗口的选取、背景像素的确定和海杂波拟合等步骤以后,以较低的虚警率确定目标。最后,通过条件扩张算法和目标像素聚类完善船只细节。实验结果表明,文中算法在保证良好的检测性能的同时,具有检测效率高、舰船细节完整等优点,为舰船目标鉴别和信息提取提供了良好的保障,更加符合实际应用需求。

基于AIS距离-多普勒投影的地波雷达CFAR检测验证方法

恒虚警(CFAR)检测是地波雷达船只目标探测的主要方法。目前基于船舶自动识别系统(AIS)信息的CFAR检测验证方法是一种间接验证方式,容易受地波雷达系统测向误差的影响,且不具备对错检与漏检目标的分析能力。本文提出了一种基于AIS信息的评价地波雷达CFAR检测结果的直接验证方法。该方法将有效的AIS信息转换到地波雷达的距离-多普勒谱中,通过在该谱中AIS信息与CFAR检测结果的关联分析,实现CFAR检测结果的直接评价。论文首先给出了方法的原理和处理流程,然后利用实测数据给出了该方法在CFAR检测结果评价中的实际应用,验证了方法有效性,而且该方法也为低可观测目标的CFAR检测提供了参数优化调整的依据。

一种改进的CFAR船只探测方法

提出了一种改进的CFAR船只探测算法。该方法采用PNN模型来估计海面雷达后向散射的概率分布模型,利用CFAR技术来确定整体阈值,采用基于交叉验证技术的黄金分割搜索法估算高斯分布的形状参数,使用区域生长法去除虚警。使用Radarsat图像对该方法进行了检验,并与改进前的算法进行了比较,结果显示该文的探测算法在探测精度和探测速度上均明显优于改进前的算法。

非高斯背景下跑道异物监测雷达的杂波图CFAR技术

随天线扫描呈时变性的强地杂波是影响机场跑道异物检测的主要原因之一,传统的杂波图恒虚警检测方法在处理非高斯分布杂波时目标检测能力很差。文中提出一种双参数杂波图恒虚警率(CFAR)检测方法,首先分析了跑道场景和雷达系统特性,根据调频连续波雷达体制建立了接收信号模型;然后通过非相参积累、双参数估计、一阶递归滤波等处理,对每次扫描测量值的样本均值和样本方差分别进行时域迭代平均,获得检测门限阈值,实现了对非高斯背景杂波中跑道异物的CFAR检测;最后进一步分析了影响检测性能的主要参数。

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。

基于多背景杂波分布模型的自适应CFAR检测

针对现有的CFAR(Constant False Alarm Rate,恒虚警)算法采用全局建模,在待检测的所有区域采用同种背景杂波分布模型,导致使用的模型在不适应区域失配,使CFAR检测性能下降的现象,本文提出一种基于多背景杂波分布模型的自适应CFAR检测算法。该方法根据背景区域的不同统计特性即统计方差和均值比来判断区域类型,采用CFAR检测器自适应地根据区域类型选择相应的背景杂波分布模型,即在均匀区域采用高斯分布;在有杂波边缘的区域,采用韦布尔分布以消除杂波边缘的影响;在有多目标干扰的区域采用G0分布以排除干扰目标,避免相邻目标的相互屏蔽效应。实验结果表明,此方法使检测结果得到明显提高。