一种基于杂波背景统计识别的cfar检测方法
【技术领域】
[0001 ]本发明涉及基于杂波背景统计识别的CFAR检测方法。
【背景技术】
[0002]传统的CFAR检测是基于高斯背景、杂波统计独立的假设下。存在的问题是当实际 检测背景统计不再满足高斯背景的时候会引起检测器性能的急剧下降。
[0003] 基于高斯背景的CFAR算法分为两大类:均值(mean level，ML)类CFAR检测器和有 序统计(ordered statistics，0S)类CFAR检测器。其中均值类恒虚警检测器包含CA、G0、0S-CFAR检测算法。在均匀的杂波背景中，CA-CFAR能实现最优检测，但是在非均匀环境中性能 下降。G0-CFAR能改善在杂波边缘情况下的检测性能，则S0-CFAR具有较好的抗干扰能力。在 多目标环境中，0S类检测算法有优于均值类CFAR的检测性能。传统的CFAR检测背景是基于 高斯背景、杂波统计独立的假设下。传统CFAR算法存在的问题有两个:一是实际检测背景分 布不再满足指数分布（回波服从高斯分布，经包络检波器输出为瑞利分布，平方律检波输出 为指数分布），杂波实际分布与检测器设计模型的失配，若利用传统CFAR检测器会引起检测 器的检测性能下降;二是实际检测背景不再是均匀分布，背景分布复杂，在该背景下检测目 标时，必然会带来性能损失，引起虚警率上升或者检测概率下降。从雷达系统来看，常常希 望实际的虚警概率在设定值附近，不希望虚警概率发生剧烈变化。
【发明内容】
[0004] 本发明的目的是为了解决现有实际检测背景统计不再满足高斯背景的时候会引 起检测器性能下降以及实际检测背景不再是均匀分布，引起虚警率上升或者检测概率下降 的问题，而提出的一种基于杂波背景统计识别的CFAR(恒虚警)检测方法。
[0005] 上述的发明目的是通过以下技术方案实现的：
[0006] 步骤一、开始；
[0007] 步骤二、输入数据RD谱；
[0008]步骤三、对步骤二中的RD谱进行KL散度分区，得到分区后的数据；
[0009]步骤四、对分区后的数据进行参数估计，得到估计的参数；
[0010]步骤五、利用估计的参数将背景归一化转换成指数分布，得到归一化后的检测背 景；
[0011]步骤六、对归一化后的检测背景进行CFAR检测，得出CFAR检测结果。
[0012]发明效果
[0013] 本发明结合KL散度分区和检测背景统计估计提出一种新的检测方法，对检测背景 进行分割、杂波识别和参数估计，并进行归一化处理，可以很好地控制复杂杂波环境下的虚 警概率。
[0014] 本实验利用实测数据处理得到的分布参数分别仿真均匀区（背景杂波服从威布尔 分布），杂波区（背景杂波服从对数正态分布）以及杂波边缘(参考单元分布特性不同，一部 分服从威布尔分布，另一部分服从对数正态分布）这三种情况，通过比较传统CA(单元平 均）、G0(最大选择）、S0(最小选择）、0S(有序统计)-CFAR、对数正态分布下的Log-t和基于检 测背景统计估计的〇4、60、50、05^?41?的检测概率、实际虚警概率以及实际虚警概率相同下 的检测概率性能来验证算法。
[0015]结果如图1至图9、表1至表3所示。在均勾区域，基于检测背景统计估计的CA、G0、 S0、0S-CFAR的检测概率优于传统04、60、30、03-0?41?、对数正态分布下的1^-1结果如图1， 传统CA、GO、SO、0S-CFAR、对数正态分布下的Log-t的实际虚警概率比基于检测背景统计估 计的04、60、50、05^?41?检测器低，但是基于检测背景统计估计的检测器能够保持在设定虚 警0.01左右，结果如表1所示;存在干扰目标的情况下，只有基于检测背景统计估计的0S-CFAR和传统0S-CFAR能保持稳定的检测性能，不受干扰目标的影响，结果如图2至图3所示； 在相同的实际虚警概率下，基于检测背景统计估计的〇4、60、50、05^?41?的检测概率和传统 〇八、60、30、03-0?六1?、对数正态分布下的1^4相同，结果如图4所示。在杂波区域，虽然基于 检测背景统计估计的CA、GO、SO、0S-CFAR的检测概率相较于传统CA、GO、SO、0S-CFAR、对数正 态分布下的Log-t没有改善，结果如图5，但是传统CA、G0、S0、0S-CFAR实际虚警概率较高，基 于检测背景统计估计的04、60、30、03-0?41?能保持虚警在设定的值0.01左右，结果如表2所 示;存在干扰目标的情况下，只有基于检测背景统计估计0S-CFAR和传统0S-CFAR能保持稳 定的检测性能，不受干扰目标的影响，结果如图6至图7所示;相同的虚警概率下，基于检测 背景统计估计的CA、GO、SO、0S-CFAR的检测概率和传统CA、GO、SO、0S-CFAR、对数正态分布下 的Log-t相同，结果如图8所示。在杂波边缘情况下，考虑两种情况，一是待检测单元在均匀 区域，二是检测单元在杂波区域，当检测单元在均匀区域，基于检测背景统计估计的检测器 的检测性能提高，结果如图9所示，当检测单元在杂波区域，基于检测背景统计估计能很好 的降低虚警概率，结果如表3所示。通过仿真分析，当实际检测背景与检测器模型不匹配时， 检测器的性能下降，基于背景统计估计将实际模型转换为检测器假定模型，实际虚警概率 等于理论的虚警概率，保持恒虚警，具有很好的鲁棒性。因此基于杂波背景统计识别的CFAR 检测达到最初设定的目标性能。
[0016]表1均匀区域各种检测器实际虚警概率(设定虚警概率Pfa = 0.01)
[0018]表2杂波区域各种检测器实际虚警概率(设定虚警概率Pfa = 0.01)
[0019]
[0020] 表3杂波边缘区域2(检测单元在杂波区域)各种检测器实际虚警概率(设定虚警概 率 Pfa = 0.01)
【附图说明】
[0022] 图1为均匀区域各CFAR检测器性能对比图，图中CA-CFAR为单元平均恒虚警检测、 G0-CFAR为最大选择恒虚警检测、S0-CFAR为最小选择恒虚警检测、0S-CFAR为有序统计恒虚 警检测、logt-CFAR为对数正态分布下的Log-t检测器；
[0023] 图2为存在一个干扰目标均匀区域CFAR仿真性能对比图；
[0024] 图3为存在两个干扰目标均匀区域CFAR仿真性能对比图；
[0025] 图4为相同实测虚警下均匀区域CFAR检测器性能对比图；
[0026] 图5为杂波区域CFAR检测器性能对比图；
[0027] 图6为存在一个干扰目标杂波区域CFAR仿真性能对比图；
[0028] 图7为存在两个干扰目标杂波区域CFAR仿真性能对比图；
[0029] 图8为相同实测虚警下杂波区域CFAR检测器性能对比图；
[0030] 图9为杂波边缘区域1(检测单元在均匀区域)各种检测器性能图；
[00311图10为本发明流程图；
[0032]图11为KL散度分区简要流程图；
[0033] 图12为5*5的正方形参考滑窗示意图。
【具体实施方式】
【具体实施方式】 [0034] 一：结合图10说明本实施方式，本实施方式的一种基于杂波背景统 计识别的CFAR检测方法，具体是按照以下步骤制备的：
[0035]步骤一、开始；
[0036 ]步骤二、输入数据RD谱；
[0037]步骤三、对步骤二中的RD谱进行KL散度(相对熵)分区，得到分区后的数据；
[0038]步骤四、对分区后的数据进行参数估计，得到估计的参数；
[0039] 步骤五、利用估计的参数将背景归一化转换成指数分布，得到归一化后的检测背