恒虚警检测器 CFAR

目标检测#

雷达在接收到回波信号后,需要区分目标与噪声。

目标检测方法的核心是阈值法。如果雷达回波大于阈值,则显示检测到目标,否则视为噪声。

采用恒定阈值#

采用固定门限进行目标检测时可能会产生一定的虚警。

  • 虚警,没有目标时判断为有目标
  • 漏警,有目标时判断为没有目标

因此,需要根据雷达杂波数据动态调整检测门限,在虚警概率保持不变的情况下实现目标检测概率最大化。这种方法称为恒虚警率(Constant False Alarm Rate,CFAR)检测技术。

采用恒虚警率 CFAR#

有多种 CFAR 检测算法。基本思路都是动态确定背景噪声功率。

训练单元(Cells for Mean Level Computation),用于推导噪声功率的单元;

守护单元("Guard" Cells),放在测试单元的两侧,用于消除训练单元邻接检测单元开始和结尾的多余能量;

检测单元(Cell Under Test),一个被指定的、作为检测中心的单元。

  • CA(Cell Averaging)-CFAR,使用临近 2n 个参考单元功率的均值作为背景噪声功率水平
  • GO(Greatest Of)-CFAR、SO(Smallest Of)-CFAR,前 n 个参考单元功率之和,与后 n 个参考单元功率之和,两者中的 较大 / 较小 者作为背景噪声功率水平
  • OS(Order Statistic)-CFAR,对参考单元从小到大排序,取第 k 个样本作为噪声功率

其中,CA-CFAR 算法最为普遍。

参考来源#

作者:chirp

出处:https://www.cnblogs.com/chirp/p/17956167

版权:本作品采用「署名-非商业性使用-相同方式共享 4.0 国际」许可协议进行许可。

posted @   倒地  阅读(220)  评论(0编辑  收藏  举报
相关博文:
阅读排行:
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· 阿里巴巴 QwQ-32B真的超越了 DeepSeek R-1吗?
· 如何调用 DeepSeek 的自然语言处理 API 接口并集成到在线客服系统
· 【译】Visual Studio 中新的强大生产力特性
· 2025年我用 Compose 写了一个 Todo App
more_horiz
keyboard_arrow_up dark_mode palette
选择主题
menu
点击右上角即可分享
微信分享提示