[发明专利]一种基于概率分布差异性的智能恒虚警检测方法

说明书

本发明公开了属于雷达信号智能处理技术领域的一种基于概率分布差异性的智能恒虚警检测方法，该方法基于雷达对于周围环境的感知，从历史回波数据中学习到背景杂波的分布，并自适应地选取参考单元，得到对杂波功率更准确的估计，从而实现更好的恒虚警检测性能；本发明通过仿真实验结果，说明本发明所述算法的检测性能优于CA‑CFAR、GO‑CFAR和SO‑CFAR，最接近最优检测器opt。在固定信噪比的条件下，检测概率随着虚警概率的增大而增大，本发明所述算法的检测概率要优于CA‑CFAR、GO‑CFAR和SO‑CFAR，最接近最优检测器opt，表明该算法是有效的。

技术领域

本发明属于雷达信号智能处理技术领域，特别涉及一种基于概率分布差异性的智能恒虚警检测方法，利用历史数据实现对概率分布的估计，度量不同单元间概率分布的差异性，从而实现智能化地选取参考单元，得到更好的恒虚警(CFAR)检测性能。

背景技术

恒虚警处理技术基本思想为根据背景杂波和噪声的变化自适应地调整检测门限，从而保持恒定的虚警概率。传统的空域恒虚警处理技术分为均值(ML)类CFAR检测方法和有序统计量(OS)类CFAR检测方法。

均值(ML)类CFAR检测方法最典型的是单元平均(CA-)，单元平均选大(GO-)，单元平均选小(SO-)，其基本思想都是利用待检测单元的前沿和后沿参考单元中的采样值估计前沿杂波功率和后沿杂波功率，再根据杂波的分布特性进行单元平均选大或单元平均选小或者加权平均，从而确定待检测单元的背景杂波功率水平。在均匀杂波背景下，CA-CFAR有良好的检测性能，并且随着参考单元数的增加渐进地收敛于最优检测器。在杂波边缘，CA-CFAR的虚警概率和漏检概率都大大提高，Hanse等人提出了GO-CFAR检测器，选取两侧参考窗均值更大的一侧作为参考单元，降低了虚警概率。在多目标情况下，如果两侧参考窗内存在目标，会导致检测概率的下降，Trunk提出了SO-CFAR算法，选取两侧参考窗均值更大的一侧作为参考单元，减弱了干扰目标的影响。GO-CFAR和SO-CFAR对待检测单元的背景杂波功率水平进行更有效的估计，从而降低虚警概率和漏检概率。

有序统计量(OS)类CFAR检测方法将待检测单元前沿和后沿参考单元的采样值进行由小到大的排序，选取第k个采样值作为待检测单元的背景杂波功率水平。这种方法在多目标环境和非均匀杂波背景环境中有更好的鲁棒性，但是由于它只保留了一个有序参考采样值，比均值类检测器有更大的CFAR损失。另外由于其引入了排序算法，OS类检测器处理速度明显变慢。

在实际工程应用中，对于不同的杂波背景环境需要采取不同的恒虚警处理方法从而达到更好地检测性能。但是它要求操作人员对于雷达探测范围内的杂波分布具有一定的先验知识，并且严重依赖于操作人员的经验。为了适应非均匀杂波环境和多目标环境，Smith和Varshney提出了变化指数(Variability Index,VI)CFAR算法，即VI-CFAR检测器，这是一种典型的自适应CFAR检测算法。其基本思想是首先根据可变指标VI和均值比MR判断待检测单元所处的杂波背景环境是否均匀，再根据不同杂波背景环境选取相应的CA-、SO-和GO-CFAR检测算法。

该方法具有一定的自适应能力，但是只能针对杂波边缘和单侧参考窗出现干扰目标的情况，在两侧参考窗出现干扰目标的时候表现较差。为此Hammoudi提出了IVI(Improved VI)CFAR、胡文琳等人提出了OSVI(OS-VI)CFAR以及王陆林等人提出了IVI-CFAR，其思想都是以OS-CFAR来替代SO-CFAR，这些方法在一定程度上缓解了双侧参考窗出现干扰目标时检测性能下降的问题。

VI类检测器是包含了一种自适应的思想，具有一定程度的智能化，但是也有一定的问题。为了排除非均匀杂波和干扰目标的影响，VI类检测器只利用了一侧参考半窗的参考单元甚至只选取了一个参考单元，由于独立同分布参考单元的数目下降，带来了检测性能损失。其本质上还是最基本的四种CFAR检测方法的组合，这给进一步提升算法性能带来了困难。

发明内容