关键[1]2000年在《多传感器分布式恒虚警率（CFAR）检测算法研究》文中研究说明多传感器分布式恒虚警（CFAR）检测是CFAR处理和多传感器分布式检测的 结合点，它兼有二者的优点。许多学者己经对这两个领域进行了深入和广泛的 研究。由于这它们的深度和广度，在它们的结合点上仍然还有大量问题尚未解 决。本文深入研究了这方面的问题，主要研究了利用并行结构的分布式检测网， 在高斯杂波背景中对Swerling Ⅱ型起伏目标进行多传感器分布式CFAR检测的 问题，提出了一系列分布式CFAR检测算法，进行了大量的理论分析。主要内 容有： 研究了集中式CFAR检测在局部传感器背景噪声功率水平间的相对比 例系数ρ变化情况下的检测性能，推导出了集中式OS-CFAR检测在ρ≠1且局 部观测信噪比λ_1≠λ_2条件下在非均匀杂波背景中检测性能的解析表达式。分析结果表明，集中式CFAR检测受ρ变化和失配的影响非常严重，多传感器CFAR 检测的CFAR处理应该在局部处理中完成。本文提出了一种适用于分布式CFAR 检测的基于检测单元采样秩的局部多位量化方法。新的多位量化方法获得了相 对于二元量化增强的性能。研究了基于局部多位量化的分布式CFAR检测在 Neyman-Pearson意义上的检测性能上限，考虑了局部处理器检测单元采样间相 关性的影响，讨论了基于局部检测统计量的分布式CFAR检测的必要性。 提出了三类新的局部检测统计量：R、S和P类，研究了基于这三类新 的局部检测统计量的分布式CFAR检测的性能，推导出了CA-R-SUM和OS-R- SUM、CA-S-SUM和 OS-S-SUM、Max-OS和Min-OS以及Max-CA和 Min-CA 在ρ≠1、λ_1≠λ_2条件下在非均匀杂波背景中检测性能的解析表达式。对于R 类局部检测统计量还研究了在似然比融合和广义似然比融合条件下的性能，提 出了一种估计局部观测信噪比的方法。分析了上述方案在ρ≠1、λ_1≠λ_2以及 ρ值失配等多种情况下的性能。结果表明，在ρ=1时，基于S类局部检测统计 量的方案（如OS-S-SUM）是较好的选择；在ρ未知或变化的环境中，基于R类 局部检测统计量的方案不受ρ的任何影响，因此是最好的选择。然而集中式 CFAR检测和Min-OS受ρ变化或失配的影响非常严重。所以要求CFAR处理在局部处理中完成。若考虑数据通信量，R类和S类方案优于P类方案。 ＠研究了分布式CFAN检测在多脉冲非相干积累条件下的性能，推导出了分布式OS－CFn检测在多脉冲视频积累条件下在非均匀杂波背景中检测性能的解析表达式。分析表明，在多脉冲非相干视频积累条件下，多传感器分布式CFAR检测仍然是必要的。提出了两类适用于多脉冲非相于积累条件下的多传感器分布式CFn检测的局部检测统计量，以及两种在多脉冲条件下利用检测单元采样秩的方法，得到了评价上述方案检测性能的解析表达式。结果表明，新方案可以获得相对于二元积累和视频积累的性能改善。 ＠研究了具有反馈机制的分布式检测，提出了一种新的反馈方案厌TFC卜推导出了其检测性能与反馈步数关系的解析表达式，证明了其检测性能收敛性的定理。相对于以往的FTLP方案，FTFC方案降低了对通信带宽的要求，但是仍具有与FTLP方案很接近的性能和收敛速度。 ＠研究了利用不变检验概念证明恒虚警性质的方法，讨论了在雷达自动检测中常见的不变统计量和不变分布，这包括了高斯杂波背景以及非高斯杂波，如Weibull、Log呗ormal和K分布杂波背景中的许多典型的CFAR检测算法。深刻地揭示了恒虚警处理的机理。
许江湖, 刘忠, 党玲[2]2011年在《基于自动删除算法的分布式CFAR检测算法》文中指出研究分布式恒虚警(CFAR)检测系统在非均匀干扰背景中进行优化检测。针对多传感器分布式恒虚警检测系统在非均匀干扰背景中容易出现检测概率下降或者虚警率提高的问题,提出了一种基于自动删除算法的分布式恒虚警检测算法。算法是一种基于局部检测统计量的分布式CFAR检测算法,充分利用了局部检测器的观测信息,提高了检测性能,同时采用自动删除算法可以自动删除或者接受参考单元的样本信息,无需背景环境的先验知识,达到提高在非均匀背景中的鲁棒性。进行计算机仿真对算法的有效性和鲁棒性进行了验证。
严军, 关键, 彭应宁[3]2004年在《多传感器阵列信号的分布式恒虚警检测》文中进行了进一步梳理对于均匀Gauss背景中的SwerllingII型起伏目标的多传感器分布式恒虚警检测,为了充分利用阵列雷达接收信号间的相位关系,采用了相干检波信号处理方式。针对局部检测统计量信息量大,通信带宽小的特点,结合实际检测中信号强度未知等困难,提出了广义似然比恒虚警(GLR-CFAR)局部处理算法。仿真结果表明,该检测方式性能接近最优性能,传感器积累对信噪比改善明显,达到3～7dB,提高小信号目标的检测概率,且具有实现简单的优点。因此,此方法适合用于多雷达检测场合。
孙红亮, 吕泽均[4]2013年在《多传感器集中式恒虚警率检测融合技术》文中提出为提高传感器的检测性能,将一种经典的恒虚警率检测器CA-CFAR与多传感器集中式检测相结合。给出了多传感器集中式CA-CFAR检测器在均匀杂波环境中的虚警概率解析表达式。对两传感器集中式恒虚警率检测器和三传感器集中式恒虚警率检测器的检测概率进行了仿真,仿真结果表明,多传感器集中式恒虚警率检测器相对于单传感器恒虚警率检测器的检测概率有明显提高。
刘盼芝, 韩崇昭[5]2009年在《分布式自动删除平均恒虚警率检测技术》文中研究表明根据自动删除平均算法提出了一种新的分布式多传感器的目标检测算法.在该方法中,首先根据自动删除平均算法(Censored cell-averaging,CCA)得到各传感器的杂波/噪声电平估计,然后将检测单元电平与得到的杂波/噪声电平估计值相比较,得到有无目标的局部判决,并将其传送到融合中心.融合中心采用"k/N"融合准则得到有无目标的全局判决.其中,自动删除平均算法的优势明显,它不需要干扰的先验信息,可以容纳的干扰目标数不会像顺序统计量OS(k)(Order statistics)方法那样受指定k值的限制,更接近实际.自动删除平均算法还可以检测本身可能是目标的干扰.在假定目标服从Swerling 2型起伏的情况下,导出了相应的检测概率与虚警概率解析表达式.多种检测器数值和图表分析的比较结果表明了该方法的有效性和优越性.
胡文琳[6]2007年在《机载雷达恒虚警率检测方法研究》文中提出干扰背景下的恒虚警率(CFAR)检测一直是雷达信号处理研究的热点和难点问题,而机载雷达采用的多工作模式及其所处的复杂的地、海杂波环境使其CFAR检测面临的困难尤为突出。本文结合某型机载雷达具体体制,系统地研究了该雷达在地、海杂波背景下的CFAR检测问题。主要工作包括:(1)分布参数估计算法研究。准确地获取杂波的分布信息是机载雷达最优或准最优CFAR检测的基础。针对K分布参数最大似然估计求解计算量大的缺点,本文从算法的估计精度和实现复杂度两个方面对现有的七种基于矩方法的K分布参数估计算法进行了比较分析,并证明了几种算法之间的关系,在此基础上提出了一种基于zlog(z)期望的K分布参数估计算法,该算法同时应用了对数变换和分数阶矩,因此获得了更高的估计精度。本文同时给出了适宜机载雷达CFAR检测应用背景的参数估计算法的选择方案。(2)分布模型辨识方法研究。在分布参数估计的基础上,本文接着对机载雷达分布模型辨识方法进行了研究。针对常用的Chi-Square检验受样本区间划分影响大和KS检验通用性差的缺点,提出了一种新的杂波分布辨识方法—PDF变换法,该方法利用了正态分布检验精度高,实现简单的优点,同时,该方法在分布模型解析表达式已知的情况下即可进行PDF变换,因此辨识精度和通用性都得到了较大的提高。随后,分析了各类杂波分布模型的偏度和峰度特征及其它们的相似性,为杂波分布模型辨识的精度分析提供了理论依据。(3)在分布模型不确定或变化的地杂波环境中,针对基于单一分布模型的CFAR检测器信杂比损失较大的缺点,提出了一种适应于机载雷达多分布类型杂波环境的CFAR检测器—杂波分布检验CFAR(CT-CFAR)检测器,该CFAR检测器较为准确地利用了背景杂波的分布信息,且同时具有较好的虚警控制能力。接着,本文针对Smith等人提出的VI-CFAR检测器在多个干扰目标同时存在于参考窗两侧时检测性能下降的不足,提出了一种基于有序统计的可变性指示CFAR(OSVI-CFAR)检测器,该CFAR检测器结合OS类算法,同时在多目标干扰、杂波边缘和均匀背景下获得了较好的检测能力和虚警控制能力,在实际应用中具有更强的鲁棒性。(4)海杂波的强相关性是影响CFAR检测性能的重要因素。本文在对海杂波相关性模型合理假设的基础上,分析了杂波结构分量空间相关长度不同时,CA-CFAR的虚警概率和检测概率在空间上的分布特性,理论分析和仿真实验结果表明,CA-CFAR检测器在逼近最优检测时,其参考窗长度应自适应于杂波空间相关长度的变化。但在实际的CFAR处理中,结构分量的空间相关长度需要估计获得,而现有的幅度域相关系数拟合估计法计算量大,针对这一缺点,本文利用近似的方法对其进行了简化。仿真实验结果表明,用简化前、后的幅度域相关系数拟合法获得的相关系数基本一致,证明了简化方法的有效性。(5)本文最后基于机载雷达实测数据对第五章提出的CT-CFAR检测器和OSVI-CFAR检测器的检测性能进行了分析,实验结果验证了第五章提出的CFAR检测理论与仿真分析的正确性和有效性。
NGUYEN, KHOA, SANG[7]2015年在《非均匀杂波背景下雷达恒虚警检测技术研究》文中提出雷达信号的恒虚警率(Constant False Alarm Rate, CFAR)处理技术是现代雷达信号处理的重要研究内容之一,在雷达目标自动检测中占有不可或缺的重要地位。CFAR处理技术的理论研究虽然已取得丰硕成果但现有的经典恒虚警检测算法一般难以在不同环境中得到了性能的平衡,而大多恒虚警检测器都面对在非均匀杂波环境下的杂波边缘和多干扰目标环境中检测性能下降的问题。本文在分析了几种典型杂波模型的基础上,针对非均匀杂波背景下的雷达恒虚警检测技术进行了研究。论文的主要工作如下：1)在讨论了瑞利分布、对数正态分布及韦布尔分布等经典杂波分布模型的基础上,以韦布尔分布杂波为例,采用零记忆非线性变换(ZMNL)方法进行了非相干及相关杂波模拟仿真,为后续研究工作奠定基础。2)分析了传统的均值(ML, Mean Level)类和有序统计量(OS, Order Statistics)类的CFAR检测器,仿真比较了其在均匀杂波背景、多干扰目标杂波背景及存在杂波边缘背景下的性能,为后续CFAR检测器的设计讨论提供了性能评估依据。3)针对存在杂波边缘的非均匀杂波背景下,仿真分析了MLC-CFAR、Ⅵ-CFAR等CFAR检测算法,针对Ⅵ-CFAR在杂波边缘漏警概率增大和在多干扰目标环境检测性能下降的缺点,提出了一种多策略CFAR检测器(ACSVI-CFAR)。仿真分析表明ACSVI-CFAR检测器既改善了Ⅵ-CFAR在均匀背景的恒虚警损失及杂波边缘环境下的虚警概率控制能力,同时具有S-CFAR检测器在多干扰目标背景下的优异性能4)针对未知数目的多干扰目标杂波背景环境,在研究了排序数据方差(ODV)删除算法的基础上,仿真分析了基于排序数据方差的自适应删除最大似然恒虚警(ACMLH-CFAR)检测器,针对ACMLH-CFAR检测器在杂波边缘背景检测性能的不足,采用Ⅵ-CFAR算法的均值比对其进行改进,仿真结果表明,改进后的ACMLH-CFAR在杂波边缘性能得到了改善。
樊小倩[8]2014年在《自适应恒虚警算法研究》文中提出在雷达系统中,恒虚警率问题是每个雷达设计者必须要面对的重要问题之一。恒虚警检测技术是雷达目标检测系统中控制虚警率的最重要手段。本文在深入理解目标检测理论与恒虚警率处理方法的基础上,主要研究了在高斯杂波背景下的自适应恒虚警检测技术。这其中包括均匀高斯背景、存在杂波边缘的非均匀环境以及多目标情况下的检测问题。本文重点研究的恒虚警率处理方法有均值类恒虚警率、有序统计类恒虚警率以及杂波图恒虚警率处理方法。其中,对于均值类恒虚警率处理方法,主要研究了单元平均恒虚警率方法、单元平均选大恒虚警率方法和单元平均选小恒虚警率方法。本文简单介绍了每种方法的基本原理以及实现过程,并分析了这些方法在均匀高斯环境、杂波边缘环境以及多目标环境下的特点,之后对这些方法在不同环境下的目标检测性能进行计算机数值仿真分析,最后讨论了这些方法的恒虚警率损失。杂波图处理方法为空域杂波变化剧烈而时域上变化平稳的环境下的目标检测提供了一种很好的方法。本文采用杂波图点技术和杂波图面技术对慢速移动目标和快速移动目标的检测性能进行仿真分析,并且对比分析这两种方法的优缺点。在理论仿真之后,本文对实测数据进行处理。根据处理结果,进一步验证了每种检测方法的特点。最后,本文提出了一种自适应恒虚警算法选择的方法,该方法是在均值类CFAR和杂波图方法的基础上提出来的。首先建立待检测区域的杂波图,然后根据杂波图判断出杂波的分布情况,即判断杂波平稳区、杂波边缘的弱杂波区与杂波边缘的强杂波区,最后根据杂波的分布情况选用最合适的CFAR处理方法。从实验结果中看出,本文提出的方法能有效地减少雷达检测中的虚警和漏警,显著地提高系统的性能。
杨军[9]2007年在《一类新的分布式CFAR检测器及其性能分析》文中研究说明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。
陈琪[10]2011年在《SAR图像港口目标提取方法研究》文中指出本文研究了合成孔径雷达(Synthetic Aperture Radar,SAR)图像的港口提取技术。考虑到港口SAR图像数据量大的特点,以及当前实际应用中的大场景图像处理的时效性需求,本文提出港口提取的分层处理思路,即首先从大场景图像中分离出海域(获取海陆二值图),然后在海陆二值图中检测出包含港口目标的感兴趣区域(RegionofInterest,ROI),进而在港口区域内部进行舰船的检测,最后对检测到的舰船进行鉴别。按照这一思路,在分析港口目标配置及成像特点的基础上,分别对海陆分割、港口检测、港口区域舰船检测及鉴别进行了深入的研究。开展的工作主要包括以下几个方面:(1)港口的目标配置与其SAR图像的特性分析。归纳总结了港口的一般配置,建立了港口的一般模型,分析了港口的主要散射机制及港口在SAR图像中的影像特点。这些工作为后续研究的开展奠定了基础。(2)SAR图像海陆分割。为提供海陆二值图给后续港口检测任务,以准确、高效地完成海陆分割为目标,提出了一种改进的二维OTSU分割方法。首先,二维直方图比一维直方图更容易区分目标与背景;其次,通过分析传统二维OTSU法中关于二维直方图主对角区域概率假设的缺陷,修正主对角区域概率计算,大大提高了分割精度;再次,在理论分析其计算量的基础上,推导出了相应的快速算法,提高了算法的实用性,能够达到为后续港口检测提供海陆二值图的目的。(3)SAR图像港口检测。为提供港口ROI给后续港口区域舰船检测任务,以正确检测到港口且准确定位其边界轮廓为目标,提出了一种基于特征的粗精两级港口检测框架。同时利用港口突堤分布特征和岸线封闭性特征,二者的结合有效克服了在港口突堤分布相对松散、岸线形状复杂等情况下港口检测效果不佳的问题。新方法通过建立港口特征模型,重点解决了突堤合并中目标完整性要求及虚警的滤除、突堤特征点选择、特征点岸线封闭性计算等问题。实验结果证明新方法具有检测性能高、定位准确等优点。(4)SAR图像港口区域舰船检测。为提供舰船ROI给后续港口区域舰船鉴别任务,以高检测性能为目标,提出了一种港口区域舰船检测新方法。首先,根据高精度港口检测结果得到扩展区域,将获取的港口扩展区域灰度图作为待检测图;其次,提出了一种基于G0分布的港口内舰船CFAR检测算法。该方法能够在一个广泛的均匀度变化范围内对杂波图像进行较为精确建模,通过有效杂波自动筛选的引入,使得该检测算法具有恒虚警率特性并能够取得较好的检测性能。(5)SAR图像港口区域舰船鉴别。提出了一种港口区域舰船鉴别新方法。首先,针对舰船目标的特殊性,提出了一种新的形状特征;其次,利用冗余性、鲁棒性和可分离程度度量定量分析了目标切片常用的鉴别特征,给出了适合舰船目标的优选鉴别特征序列及其优选方法;再次,给出了加权最小距离分类器的设计,该分类器根据使优选鉴别特征矢量具有最大可分性对应的权重,修正已有分类器。实验结果证明新方法具有鉴别精度高、速度快等优点。
参考文献：
[1]. 多传感器分布式恒虚警率（CFAR）检测算法研究[D]. 关键. 清华大学. 2000
[2]. 基于自动删除算法的分布式CFAR检测算法[J]. 许江湖, 刘忠, 党玲. 计算机仿真. 2011
[3]. 多传感器阵列信号的分布式恒虚警检测[J]. 严军, 关键, 彭应宁. 清华大学学报(自然科学版). 2004
[4]. 多传感器集中式恒虚警率检测融合技术[J]. 孙红亮, 吕泽均. 计算机工程与设计. 2013
[5]. 分布式自动删除平均恒虚警率检测技术[J]. 刘盼芝, 韩崇昭. 自动化学报. 2009
[6]. 机载雷达恒虚警率检测方法研究[D]. 胡文琳. 国防科学技术大学. 2007
[7]. 非均匀杂波背景下雷达恒虚警检测技术研究[D]. NGUYEN, KHOA, SANG. 南京理工大学. 2015
[8]. 自适应恒虚警算法研究[D]. 樊小倩. 西安电子科技大学. 2014
[9]. 一类新的分布式CFAR检测器及其性能分析[J]. 杨军. 空军雷达学院学报. 2007
[10]. SAR图像港口目标提取方法研究[D]. 陈琪. 国防科学技术大学. 2011
标签：自动化技术论文; 图像融合论文; 概率计算论文; 系统仿真论文; 分布式算法论文; 边缘提取论文; sar论文; sar雷达论文;