MIMO雷达双门限恒虚警检测

雷达原理笔记——恒虚警概率检测H1恒虚警概率检测技术是雷达设计过程中经常涉及到的问题。

由于噪声的存在，雷达在探测目标时不可避免地会出现虚警情况。

而这种虚警概率的高低则是反应雷达探测性能的重要指标。

“恒虚警检测”顾名思义就是在保证虚警概率一定的情况下，尽可能高的提高发现概率。

上图是，雷达设计过程经常用到的一个概率分布图。

一般来说，噪声都是服从0均值的高斯分布，其包络服从瑞利分布。

目标和噪声的包络服从莱斯分布（Rice分布）或者广义瑞利分布。

横坐标是对噪声电平归一化的回波信号电平（目标和噪声的包络电压）。

图中与纵坐标平行的虚线是雷达接收机的信号检测门限值，高于门限电平接收机认为接收到的是目标信号，判为有目标存在。

因此在图中可以直观看到，在虚线右边，信号和噪声的包络电压概率分布曲线和横坐标轴所围成的面积是对应的发现概率；而在虚线右边，噪声的包络电压概率分布曲线和横坐标轴所围成的面积是对应的虚警概率。

因此，提高检测门限，发现概率P d减小；降低检测门限，虚警概率P fa 增大。

因此，在实际设计过程中，需要根据具体使用情景权衡考虑。

需要注意的是：1. 噪声电平的包络的概率密度曲线是对噪声电平归一化后的，对所有的雷达设计均适用。

2. 图像的横坐标不是实际的雷达接收机检测信号所设置的信号电平。

而是在确定虚警概率和检测信噪比门限U R/σ后，再根据雷达实际的噪声电平得到信号检测对应的实际信号电平门限。

设信噪比检测门限实际雷达的噪声电平则信号电平门限值为：实际设计中雷达接收机的噪声基底不同，造成不同的原因主要有：1. 接收机带宽不同2. 接收机内部噪声温度不同易混淆点：提高雷达的检测门限，不影响接收机前端的噪声系数。

（这两个是毫不相关的概念）。

MIMO雷达双门限恒虚警检测余国辉;张弓【期刊名称】《信号处理》【年(卷),期】2011(027)006【摘要】由于MIMO雷达的多通道特性,使得MIMO雷达各接收天线之间需要进行大量的数据传输.在MIMO雷达中应用双门限检测可以使数据传输量大大降低.本文在单元平均恒虚警检测器的基础上,提出了一种MIMO雷达双门限恒虚警检测器,设计了MIMO雷达双门限恒虚警检测器的结构,将其检测性能和单门限恒虚警检测器进行了对比,分析了MIMO雷达双门限检测器在多目标环境下的检测性能.仿真结果表明在MIMO雷达中应用双门限检测具有结构简单,数据传输量低等特点,在单目标和多目标环境中,双门限恒虚警检测器的检测性能均优于单门限恒虚警检测器.%The receiving antennas of Multiple Inputs Multiple Outputs ( MIMO) radar need to transmit lots of data between each other because of the multiple channel property of MIMO radar. Besides, the technology of double threshold detection is quite mature and performs better than other detection methods. In order to reduce the data size, the double threshold detection method is applied to the MIMO radar. Base on the cell average CFAR detector, the double threshold detector for MIMO radar is proposed in this paper. Firstly, this detector' structure is presented. Then the detection performance of double threshold detector is compared to the single threshold one. Finally, the detection performance of the double threshold detector in multiple targets condition is indicated. Thesimulation results show that the double threshold detector performances better than the single threshold detector, especially in multiple targets environments. Besides, it has the advantage of simplicity, low data transmission rate between receiving antennas and so on.【总页数】6页(P864-869)【作者】余国辉;张弓【作者单位】南京航空航天大学电子信息工程学院,江苏南京,210016;94899部队,福州,350315;南京航空航天大学电子信息工程学院,江苏南京,210016【正文语种】中文【中图分类】TP958【相关文献】1.分布式 MIMO雷达双门限GLRTCFAR检测 [J], 胡勤振;杨芊;苏洪涛;周生华;刘子威;杨阳2.距离扩展目标的双门限恒虚警检测器及性能分析 [J], 顾新锋;简涛;何友3.MIMO雷达中单元平均恒虚警检测性能分析 [J], 王敦勇;马晓岩;袁俊泉;王党卫4.恒虚警检测器中的双门限方法 [J], 方云5.恒虚警检测器中的双门限方法 [J], 方云因版权原因，仅展示原文概要，查看原文内容请购买。

非均匀噪声下基于双剔除门限的恒虚警目标检测算法刘贵如;王陆林;邹姗【摘要】为了解决雷达检测算法在非均匀噪声环境下目标检测性能严重下降的问题,在分析实际回波杂波分布特性的基础上,提出了一种基于双剔除门限的恒虚警目标检测算法,通过双剔除门限将极大极小干扰信号从参考窗口中剔除,实时精确估计背景噪声功率.经过与各检测算法仿真对比,该算法在多目标干扰、遮挡和杂波边缘干扰等非均匀背景噪声环境下仍具有最优的检测性能和鲁棒性.结果表明,所提出的目标检测算法在非均匀噪声环境下具有良好的检测性能.%In order to solve the problem that the detection performance of the radar target detector decreases badly in non-homogeneous environments.Based on the actual echo clutter distribution,a dual-censoring threshold constant false alarm rate (DCT-CFAR) detector is proposed.Dual censoring threshold is used to remove the large and small unwanted samples and real-time accurate estimate the background noise power pared with the simulation and analysis results of other detectors,the proposed detector has the best detection performance and stability in multi-interfering targets,masking effect,clutter edge and other non-homogenous environments.The results show that the proposed detector still has a good detection performance in non-homogeneous environments.【期刊名称】《华东师范大学学报（自然科学版）》【年(卷),期】2018(000)001【总页数】11页(P135-145)【关键词】目标检测;恒虚警;双门限检测;非均匀噪声【作者】刘贵如;王陆林;邹姗【作者单位】安徽工程大学计算机与信息学院,安徽芜湖241000;奇瑞汽车股份有限公司前瞻技术研究院,安徽芜湖241006;安徽工程大学计算机与信息学院,安徽芜湖241000【正文语种】中文【中图分类】TN957.510 引言目前雷达系统的有效目标检测成为车载雷达所面临的一个问题[1-2].有效的回波信号中往往夹杂着热噪声、海杂波以及由云、雨等环境因素引入的噪声[3-4],而且杂波功率在特定的场景中不断变化,如果采用固定的检测门限进行有效目标检测,则虚警率无法得到有效控制[5-6].恒虚警(Constant False Alarm Rate,CFAR)算法可以有效解决这一问题,它根据杂波平均功率实时调整检测门限[7-8].单元平均恒虚警(Cell Averaging-CFAR,CA-CFAR)和有序统计恒虚警检测(Order Statistic-CFAR,OS-CFAR)算法是两种比较常用的检测算法.单元平均恒虚警算法在比较均匀的高斯噪声背景下具有较好的检测性能,但是在非均匀背景噪声环境下,其检测性能大幅下降[9-10];而有序统计恒虚警检测算法在非均匀背景噪声环境下具有很好的稳定性[11].Rickard和Dillard提出了删除单元平均恒虚警检测器(Censored Mean Level Detector,CMLD)[12],从参考窗中删除一些最大的参考单元,非常适合在多目标检测中应用,但是在当前所处环境无法预知的情况下(即动环境中),被删除单元的选择非常困难,一旦选择偏差较大,将会导致算法的检测性能下降,虚警率偏高.为了解决类似问题,Himonas和Barkat提出了自动删除单元平均检测器(Automatic CMLD,ACMLD)[13]和一般双删除单元平均检测器(Generalized Two Leve-CMLD,GTL-CMLD),该算法不需要预知所处环境,克服了CMLD检测算法的不足[14].Smith和Varshney提出了VI(Variability Index)检测器[15],VI-CFAR具有CA-CFAR、GO-CFAR(Greatest of-CFAR)[16]和SO-CFAR(Smallest of-CFAR)各检测算法的优点,在均匀和非均匀噪声环境下均具有较强的适应性,但是该算法的检测性能与干扰目标在参考窗口中的位置有关[17].Farrouki和Barkat提出了基于排序的自动删除恒虚警检测器(Automatic Censoring Cell Average CFAR Detector Based on Ordered Data Variability,ACCA-ODV-CFAR)[18],可应用于非均匀噪声环境下的目标检测,该算法在均匀背景噪声下,对小目标存在漏检,对目标干扰具有稳健的检测性能,但在边缘噪声干扰下,该算法具有较高虚警率[19].本文针对非均匀噪声环境下回波信号噪声的分布特性,提出了一种基于双剔除门限的恒虚警目标检测算法(Dual-Censoring Threshold Constant False Alarm Rate,DCT-CFAR),克服了非均匀噪声环境下多目标干扰、遮挡以及边缘干扰等引起的检测性能严重下降的问题,保证了较稳定的检测性能.1 DCT-CFAR检测算法本文提出的一种基于双剔除门限的恒虚警目标检测算法(DCT-CFAR),结构见图1. 图1 DCT-CFAR检测算法原理框图Fig.1 Structure of the DCT-CFAR detector 1.1 算法描述及步骤步骤1 在目标检测器的设计当中,尤其在非均匀背景噪声下,隶属函数的选择至关重要,它直接影响检测器的检测性能.针对多个剔除单元的情况,隶属函数定义为其中ui和f(ui)分别定义为式(2)、(3)中,x1,x2,···,xN为参考窗样本单元序列,xk是有序的参考窗口中第k个参考单元值.步骤2 本算法通过将样本单元v(ui)值与预先设定的极大值单元剔除门限值tcl进行比较,判断各样本单元是否属于均匀环境下的有效单元.极大值样本单元判断依据为其中,Hnh表示xi为非均匀样本单元,而Hh表示xi为均匀样本单元.同样,参考窗口中的极小值样本单元也需要剔除,否则会降低检测门限,导致过多的虚警.极小值样本单元对应的v(ui)值要大于均匀样本单元所对应的v(ui)值,所以极小样本单元判断依据为其中,tcs为预先设定的极小值单元剔除门限值.步骤3 样本xi对应的v(ui)值与双门限进行比较后,得到二进制加权值wi(0或1),其定义是步骤4 通过公式(4)、(5)剔除极大和极小值单元后,通过公式(6)得到加权值,通过样本功率值乘以加权值,然后求和取均值即可得到背景噪声功率估计值.计算公式为当参考窗口中被认为是干扰的单元去掉后,得到自适应门限Tn·Z,其中n为参考窗口中N个样本单元经过剔除后剩余的样本单元数,用于估计背景噪声功率Z.n的定义为步骤5 自适应门限的比例因子Tn不仅与n有关,而且与算法设定的目标虚警率(Pfa)有关,根据系统设定的目标恒虚警率设定,Tn定义为由公式(9)可知,Tn在Pfa和剔除极大和极小干扰单元后剩余单元数n确定后,基本确定.步骤6 根据自适应功率门限Tn·Z与被检测单元xy进行比较判断是否有目标其中,H1表示有目标,H0表示无目标.1.2 算法的参数选取DCT-CFAR检测算法的性能取决于该算法关键参数N,k,tcl,tcs和Tn参数的设定,N,k,tcl,tcs4个参数不依赖所处的动态检测环境.首先Tn参数必须根据参考窗中干扰单元剔除后剩余单元数和系统设定的目标恒虚警率进行选择.N为参考窗口中所有样本单元数,关于参数N的选择不宜过大,如果参考窗口中包含过多的样本单元,并不一定能够很好地估计背景噪声功率.很多学者和专家以及工程应用实践证明,参数N取20左右为最佳值,本算法中N设定为24.其次,为了使得算法在目标干扰和杂波边缘干扰噪声下获得稳定的检测性能,当k大于N/2时,有利于减小由于杂波边缘干扰引起的过多虚警率,对多目标干扰有很好的抑制效果.所以参数k的选择要折中考虑既要抑制边缘杂波干扰,保持很好的检测性能和稳定性,同时避免过高的虚警概率,本算法中选择k=16,在兼顾多目标干扰和边缘杂波干扰抑制的同时,满足设定的目标恒虚警概率.再次,双剔除门限tcl与tcs的合理选择可以有效降低算法的虚警率.有效目标参考单元的误剔除概率Pfc定义为用大写字母V表示随机变量,小写字母v表示对应的v(ui)值,则Pfc又可以定义为其中,fV(v|Hh)为随机变量V在均匀背景噪声下的概率密度函数,服从0∼1分布,Pfc 满足条件极大、极小值单元剔除门限值tcl和tcs的选择是剔除算法的关键,需要满足条件tcl和tcs参数值如果选择太大接近于0.5,则将会剔除大部分的噪声单元导致过高的虚警率或者算法的失效.相反,如果选择过小,将会导致无法剔除干扰单元,目标检测算法的检测性能下降和目标识别率过低.假设Pfa表示虚警率,则在满足设定目标虚警率的前提下,如果极大值单元剔除门限tcl过大,极小值单元剔除门限值tcs过小,则有效参考单元误剔除概率Pfc就小,实际的虚警率就会变大.本文通过蒙特卡洛方法仿真(图2、图3),表明了算法恒虚警率与双剔除门限tcl和tcs参数的关系.图2 当tcs取值为0.01时,虚警率与剔除门限tcl的关系Fig.2 Probability of false alarm versus tclwhen tcs=0.01图3 当tcl取值为0.001时,虚警率与剔除门限tcs的关系Fig.3 Probability of false alarm versus tcswhen tcl=0.001从图2、图3中可以看出,tcs与tcl分别取0.01和0.001时,DCT-CFAR检测算法能够达到预先设定的目标虚警率.tcs参数取值为0.01时,当tcl参数的取值大于0.001时,该算法的虚警率大于预先设定的目标虚警率.tcl参数取值为0.001时,当tcs参数的取值大于0.01时,该算法的虚警率小于预先设定的目标虚警率.为了避免剔除算法过多或者过少的剔除干扰单元,导致背景噪声功率估计值的偏低或者偏高,引起虚警率偏离目标虚警率,根据仿真结果和工程经验,本算法中,tcs与tcl参数分别取0.01和0.001.本文也对DCT-CFAR检测算法中剔除算法的能力以斯威林II(SwerlingⅡ)干扰目标,用蒙特卡洛方法进行仿真,见图4、图5.图4中,在信噪比SNR=20 dB,参数k=16时,目标Pfc=1.1×10−2,参考窗口中第3,6,9,14,19,20,22样本单元被作为干扰目标的回波样本单元被剔除,剔除概率大于92%,表现出了良好的剔除性能和干扰目标的抑制能力.图4 干扰环境下干扰目标的剔除概率Fig.4 Probability of censoring in interfering target environment图5为DCT-CFAR检测算法干扰单元的剔除能力与信噪比以及干扰目标数量之间的关系.从图中可以看出,算法的剔除概率随着信噪比的增加而逐步提高.在信噪比一定的条件下,算法的剔除概率随着干扰目标数量的增加而逐步降低.图5 DCT-CFAR检测算法干扰目标剔除概率、信噪比与干扰目标数量关系Fig.5 The relationship of DCT-CFAR target detection algorithms eliminate interference probability,signal to noise ratio and interference target quantity2 性能仿真在Matlab环境下采用蒙特卡洛方法进行仿真,验证本文所提出的DCT-CFAR检测算法在均匀噪声环境下和有干扰目标环境下的检测性能.在目标恒虚警率Pfa设定的情况下,通过对各检测算法在均匀背景噪声环境和有干扰目标的噪声环境下的目标检测率对其检测性能进行对比分析,见图6.图6 各检测算法在均匀背景噪声下的检测概率对比Fig.6 Probability of detection comparison between detectors in homogenous environment在均匀背景噪声环境、相同信噪比条件下,DCT-CFAR、CA-CFAR和ACCA-ODV 算法的检测性能相差很小,均优于OS-CFAR检测算法.图7、图8、图9分别为各算法在4个、6个和8个干扰目标的环境下的检测性能对比.通过图7、图8、图9可以看出,CA-CFAR、OS-CFAR检测算法随着干扰目标数量的增加,其检测性能严重下降,而ACCA-ODV-CFAR和DCT-CFAR算法几乎不受影响,DCT-CFAR算法的检测性能优于ACCA-ODV-CFAR算法,尤其是干扰目标逐渐增多的情况下,优势更加明显.图7 各检测算法在4个干扰目标环境下检测概率对比Fig.7 Probability of detection comparison between detectors in 4 interfering targets environment图8 各算法在6个干扰目标环境下检测概率对比Fig.8 Probability of detection comparison between detectors in 6 interfering targets environment图9 各算法在8个干扰目标环境下检测概率对比Fig.9 Probability of detection comparison between detectors in 8 interfering targets environment图10为DCT-CFAR检测算法在不同干扰目标环境下的检测性能对比.从图10中可以看出,DCT-CFAR检测算法在信噪比大于25 dB的情况下,目标检测率高达95.00%,表现出了良好的检测性能和鲁棒性.干扰目标数量对DCT-CFAR检测算法的性能影响不明显,表明了该算法对干扰目标极佳的剔除能力.其他几种检测算法在多目标干扰环境下的检测性能见图11.ACCA-ODV-CFAR检测算法严重偏离设定的虚警率呈明显下降趋势,而本文所提出的DCT-CFAR检测算法则仅在信噪比小于15 dB的情况下有所偏离,信噪比大于20 dB时,虚警率接近于目标虚警率.在杂波边缘干扰环境下,r＜(N−k)时或者r＞20时,DCT-CFAR检测算法的虚警率同样接近于目标虚警率,见图12.各算法时间复杂度和空间复杂度对比见表1.从表1看,本文所提出的DCT-CFAR检测算法和ACCA-ODV-CFAR算法复杂度基本相同,但是比CA-CFAR和OS-CFAR 检测算法高.图10 DCT-CFAR算法在多干扰目标下的检测性能Fig.10 Detection performance of DCT-CFAR detector in multi-interfering targets environment图11 DCT-CFAR和ACCA-ODV-CFAR检测算法在多目标干扰环境下的检测性能对比Fig.11 Pfacomparison between DCT-CFAR and ACCA-ODV-CFAR detector in four interfering targets environment图12 DCT-CFAR和ACCA-ODV-CFAR检测算法在杂波边缘干扰环境下的检测性能对比Fig.12 Pfacomparison of DCT-CFAR and ACCA-ODV-CFAR detector in clutter edge situation表1 各检测算法时间和空间复杂度对比Tab.1 Time and space complexity comparison of detectorsCA-CFARO(n×1.0)O(n×1.0)OS-CFARO(n×1.3)O(n×1.5)ACCA-ODVO(n×1.4)O(n×1.5)DCT-CFARO(n×1.4)O(n×1.5)但是相对于实际应用系统而言,目前嵌入式系统的硬件资源相当丰富,相对与系统的检测性能而言,时间和空间复杂度的偏高没有明显劣势,冗余的硬件资源即可满足要求.3 总结本文在充分分析实际回波信号分布特性的基础上,提出了一种基于双剔除门限的恒虚警(DCT-CFAR)目标检测算法.通过双剔除门限将极大极小干扰样本从参考窗口中剔除,提高了背景噪声平均功率的估计精度,提高了算法的检测性能,同时也降低了算法的虚警概率.通过与其他各算法的仿真对比分析,本文提出的DCT-CFAR目标检测算法在多目标干扰和杂波边缘干扰等非均匀背景噪声下仍然具有最优的检测性能和鲁棒性.[参考文献][1]章建成,苏涛,吕倩.基于运动参数非搜索高速机动目标检测[J].电子与信息学报,2016,6:1460-1467.[2]简涛,苏峰,何有,等.复合高斯杂波下距离扩展目标的自适应检测[J].电子学报,2012(5):990-994.[3]刘红亮,周生华,刘宏伟,等.一种航迹恒虚警的目标检测跟踪一体化算法[J].电子与信息学报,2016(5):1072-1078.[4]于洪波,王国宏,曹倩,等.一种高脉冲重复频率雷达微弱目标检测跟踪方法[J].电子与信息学报,2015(5):1097-1103.[5]SHTARKALEV B,MULGREW B.Multistatic moving target detection in unknown coloured Gaussian interference[J].SignalProcessing,2015,115:130-143.[6]DU B,ZHANG L P.Target detection based on a dynamicsubspace[J].Pattern Recognition,2014,47:344-358.[7]LEI S W,ZHAO Z Q,NIE Z P,et al.Adaptive polarimetric detection method for target inpartially homogeneous background[J].SignalProcessing,2015,106:301-311.[8]HOU H L,PANG C S,GUO H L,et al.Study on high-speed and multi-target detection algorithm based on STFT and FRFTcombination[J].Optik,2016,127:713-717.[9]ZAIMBASHI A.An adaptive CA-CFAR detector for interfering targets and clutter-edge situations[J].Digital Signal Processing,2014,31:59-68.[10]MEZIANI H A,SOLTANI F.Optimum second threshold for the CFAR binary integrator in Pearson-distributed clutter[J].Signal,Image and Video Processing,2012(6):223-230.[11]WEINBERG G V,KYPRIANOU R.Optimised binary integration with order statistic CFAR in Pareto distributed clutter[J].Digital Signal Processing,2015,42:50-60.[12]BOUDEMAGH N,HAMMOUDI Z.Automatic censoring CFAR detector forheterogeneous environments[J].AEU-Internationl Journal of Electronics and Communications,2014,68:1253-1260.[13]ZAIMBASHI A,NOROUZI Y.Automatic dual censoring CA-CFAR detector in non-homogenous environments[J].Digital SignalProcessing,2008,88:2611-2621.[14]MEZIANI H A,SOLTANI F.Decentralized fuzzy CFAR detectors in homogeneous Pearson clutter background[J].SignalProcessing,2011,91:2530-2540.[15]SMITH M E,VARSHNEY P K.Intelligent CFAR processor based on data variability[J].IEEE Transactions on Aerospace and ElectronicSystems,2000,36(6):837-847.[16]MATA-MOYA D,DEL-REY-MAESTRE N,PEL´AEZ-S´ANCHEZ V M.,etal.MLP-CFAR for improving coherent radar detectors robustness in variable scenarios[J].Expert Systems with Applications,2015,42(11):4878-4891. [17]ZHANG R L,SHENG W X,MA X F,et al.Constant false alarm rate detector based on the maximal reference cell[J].Digital SignalProcessing,2013,23:1974-1988.[18]FARROUKI A,BARKAT M.Automatic censoring CFAR detector based on ordered data variability for nonhomogeneous environments[J],IEEE Proc Radar Sonar Navig,2005,152:43-51.[19]关键,张晓利,简涛,等.分布式目标的子空间双门限GLRT-CFAR检测[J].电子学报,2012,9:1759-1764.[20]陈建军,黄孟俊,赵宏钟,等.相参雷达时频域CFAR检测门限获取方法研究[J].电子学报,2013,8:1634-1638.[21]GURAKAN B,CANDAN C,CILOGLU T.CFAR processing with switching exponential smoothers for nonhomogeneous environments[J].Digital Signal Processing,2012,22:407-416.[22]WEINBERG G V.Management of interference in Pareto CFAR processes using adaptive test cell analysis[J].Signal Processing,2014,104:264-273.。