劉貴如,王陸林,鄒姍

(1．安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽蕪湖241000; 2.奇瑞汽車股份有限公司前瞻技術(shù)研究院,安徽蕪湖241006)

基于排序的自動(dòng)剔除Switching-CFAR檢測(cè)器

劉貴如1,王陸林2,鄒姍1

(1．安徽工程大學(xué)計(jì)算機(jī)與信息學(xué)院,安徽蕪湖241000; 2.奇瑞汽車股份有限公司前瞻技術(shù)研究院,安徽蕪湖241006)

針對(duì)傳統(tǒng)恒虛警(Constant False-Alarm Rate,CFAR)檢測(cè)器在非均勻噪聲環(huán)境下檢測(cè)性能較差的問(wèn)題,本文提出了一種基于排序的自動(dòng)剔除Switching-CFAR(Automatic Censoring Switching-CFAR Detector Based on Sorting,ACS-CFAR)檢測(cè)器.選擇參考窗中間單元為測(cè)試單元,其余單元按照幅值升序排列,根據(jù)兩個(gè)分界點(diǎn)位置參數(shù),選擇合適的參考單元集進(jìn)行背景噪聲功率估計(jì)以及結(jié)合參考單元數(shù)和目標(biāo)恒虛警率計(jì)算相關(guān)系數(shù),得到最優(yōu)檢測(cè)門限.經(jīng)過(guò)仿真對(duì)比,ACS-CFAR檢測(cè)器在均勻噪聲環(huán)境下檢測(cè)率為98.73%,接近于單元平均恒虛警(CA-CFAR)檢測(cè)器;在非均勻噪聲環(huán)境下檢測(cè)率為98.16%,優(yōu)于可變索引恒虛警(VI-CFAR)和自動(dòng)刪除平均恒虛警(ACCA-CFAR)檢測(cè)器,虛警率誤差均控制在0.10%以內(nèi).結(jié)果表明,本文提出的ACS-CFAR檢測(cè)器在均勻噪聲環(huán)境以及雜波和多目標(biāo)干擾環(huán)境下均具有較好的檢測(cè)性能.

目標(biāo)檢測(cè);恒虛警;自動(dòng)剔除;Switching-CFAR;非均勻噪聲

0 引言

目前大部分雷達(dá)系統(tǒng)均通過(guò)測(cè)試單元與檢測(cè)門限的比較來(lái)判斷目標(biāo)的有無(wú)[1],各種目標(biāo)檢測(cè)算法的關(guān)鍵在于最優(yōu)檢測(cè)門限估計(jì)[2],在保證恒虛警(CFAR)概率的同時(shí)盡可能地提高目標(biāo)檢測(cè)率[3].應(yīng)用最廣泛的是基于平均功率的檢測(cè)器[4],如單元平均恒虛警(CA-CFAR)[5]、最大選擇恒虛警(GO-CFAR)[6]和最小選擇恒虛警(SO-CFAR)[7]等檢測(cè)算法.CA-CFAR檢測(cè)算法在均勻背景噪聲環(huán)境下,具有最優(yōu)的檢測(cè)性能;但是當(dāng)參考窗長(zhǎng)度增加時(shí),參考窗中可能包含有較多目標(biāo)干擾和雜波干擾信號(hào)單元,這時(shí)功率估計(jì)值偏差較大[8],檢測(cè)性能下降明顯,當(dāng)有效目標(biāo)信號(hào)單元被大量雜波信號(hào)單元淹沒(méi)時(shí),虛警率偏高[9].GO-CFAR檢測(cè)算法針對(duì)邊緣雜波干擾和多目標(biāo)干擾,能保持穩(wěn)定的虛警概率,但檢測(cè)性能嚴(yán)重下降[10-11].SO-CFAR檢測(cè)算法檢測(cè)性能最好,但在雜波邊緣干擾和多目標(biāo)干擾環(huán)境下,虛警率過(guò)高[12].另外一種應(yīng)用比較多的是基于有序統(tǒng)計(jì)的恒虛警(OS-CFAR)檢測(cè)算法[13].Rickard和Dillard提出了刪除平均功率的恒虛警(CMLD-CFAR)檢測(cè)算法[14],通過(guò)將極大值參考單元從參考窗中刪除,優(yōu)化了平均噪聲功率的估計(jì),在多目標(biāo)干擾環(huán)境下具有穩(wěn)定的檢測(cè)性能,但針對(duì)雜波邊緣干擾環(huán)境,虛警率仍然過(guò)多.同時(shí)Rohling等人也提出了一種改進(jìn)的消減平均恒虛警(TM-CFAR)檢測(cè)器,刪除部分極大和極小值參考單元后,通過(guò)剩余參考單元來(lái)估計(jì)背景噪聲功率.這兩種算法引入了刪除算法,可以適當(dāng)剔除部分干擾單元,提高噪聲功率的估計(jì)精度,但需要事先知道干擾目標(biāo)和雜波干擾單元的數(shù)量,實(shí)用性差[15].所以Barkat等人提出了自動(dòng)刪除平均恒虛警(ACCA-CFAR)檢測(cè)器[16-17],不需要任何先驗(yàn)數(shù)據(jù),通過(guò)自適應(yīng)比較的方式剔除不需要的參考單元,在目標(biāo)干擾環(huán)境下能夠保持穩(wěn)定的虛警率,但在雜波邊緣干擾環(huán)境下仍然具有過(guò)多的虛警率[18].鑒于各檢測(cè)算法的優(yōu)點(diǎn),Smith和Varshney提出了可變索引恒虛警(VI-CFAR)檢測(cè)器[19],該算法能夠在CA-CFAR、SO-CFAR和GO-CFAR算法之間進(jìn)行動(dòng)態(tài)切換,在均勻和非均勻噪聲環(huán)境下具有很好的檢測(cè)性能,但當(dāng)目標(biāo)干擾信號(hào)和雜波邊緣干擾信號(hào)在參考窗口中分布不集中時(shí),該算法的檢測(cè)性能明顯下降,具有一定的局限性.不同CFAR檢測(cè)算法的差異主要在于估計(jì)背景噪聲功率時(shí)選擇參考單元的方法不同,如果能夠根據(jù)參考窗口中各參考單元的分布特性,再選擇合適的參考單元進(jìn)行噪聲功率估計(jì)[20-21],剔除不需要的參考單元(包括目標(biāo)干擾和雜波干擾信號(hào)單元),就可以得到最優(yōu)的檢測(cè)門限[22].

本文結(jié)合刪除算法和VI-CFAR的優(yōu)點(diǎn),在參考窗中參考單元按幅值大小進(jìn)行升序排序的基礎(chǔ)上,提出了一種基于排序的自動(dòng)剔除Switching-CFAR(Automatic Censoring Switching-CFAR Detector Based on Sorting,ACS-CFAR)檢測(cè)器,該檢測(cè)器能夠通過(guò)參考窗口中噪聲單元、雜波信號(hào)單元和干擾目標(biāo)信號(hào)單元的數(shù)量統(tǒng)計(jì),得到能夠表征有序參考單元序列中集中存放的各類參考單元的邊界點(diǎn)參數(shù),從而判定測(cè)試單元在原參考窗中的分布特性(即是否淹沒(méi)在雜波干擾信號(hào)或者干擾目標(biāo)信號(hào)當(dāng)中),從而可以選擇有效的參考單元估計(jì)背景噪聲功率,得到最優(yōu)的估計(jì)值,避免背景噪聲功率估計(jì)值偏低或者偏高而導(dǎo)致過(guò)多的虛警率或者檢測(cè)率降低即遮擋效應(yīng),間接剔除了目標(biāo)干擾信號(hào)和雜波信號(hào),提高了ACS-CFAR檢測(cè)器的自適應(yīng)性,不僅在均勻噪聲環(huán)境下具有和CA-CFAR同樣的檢測(cè)性能,而且在雜波干擾環(huán)境下具有接近于GO-CFAR的檢測(cè)性能,同時(shí)在雜波干擾和多目標(biāo)干擾環(huán)境下,ACS-CFAR檢測(cè)器的檢測(cè)性能優(yōu)于ACCA-CFAR和VI-CFAR檢測(cè)器.

1 ACS-CFAR檢測(cè)器

1.1 檢測(cè)器結(jié)構(gòu)圖

ACS-CFAR檢測(cè)器的結(jié)構(gòu)原理圖見(jiàn)圖1.雷達(dá)前端返回的同相I和正交Q信號(hào),首先經(jīng)過(guò)濾波包括時(shí)域?yàn)V波和頻率濾波后進(jìn)入檢波器,輸出的參考信號(hào)單元預(yù)存在抽頭延遲線性數(shù)組中,從中選擇N+1個(gè)參考單元,選擇中間參考單元作為測(cè)試單元X0,左側(cè)相鄰的N/2個(gè)和右側(cè)相鄰的N/2個(gè),共計(jì)N個(gè)參考單元組成參考窗,表示為X1,X2,···,XN.

1.2 檢測(cè)器描述及步驟

步驟1∶參考單元排序.先對(duì)參考窗口中N個(gè)參考信號(hào)單元X1,X2,···,XN按照信號(hào)功率(即幅值)進(jìn)行升序排序,能量相對(duì)較小的熱噪聲單元排在低端,能量相對(duì)較大的雜波信號(hào)和目標(biāo)干擾信號(hào)參考單元排在高端,排列后的N個(gè)有序參考單元序列X(1),X(2),···,X(N)表示為

其中X(i),i=1,2,3,···,N的概率密度函數(shù)可以表示為[17]

這樣有序排列有助于統(tǒng)計(jì)參考窗口中熱噪聲單元、雜波干擾單元和目標(biāo)干擾單元的數(shù)量和參考單元的提取.

圖1中k1為參考窗中熱噪聲疊加雜波干擾信號(hào)的參考單元或者熱噪聲疊加目標(biāo)干擾信號(hào)的參考單元的數(shù)量,k2為參考窗中熱噪聲疊加雜波干擾信號(hào)和目標(biāo)干擾信號(hào)的參考單元的數(shù)量.因?yàn)闇y(cè)試單元X0在參考窗X1,X2,···,XN中的位置是固定的,處于正中間的位置,見(jiàn)圖1.通過(guò)k1和k2可以區(qū)分測(cè)試單元X0在參考窗口中所處環(huán)境,比如是處于熱噪聲單元中還是夾雜在雜波信號(hào)當(dāng)中或者淹沒(méi)/夾雜在目標(biāo)干擾信號(hào)當(dāng)中,根據(jù)判定結(jié)果從排序后的參考單元序列中選擇合適的參考單元估計(jì)背景噪聲功率.如果檢測(cè)單元淹沒(méi)在雜波信號(hào)單元或者干擾目標(biāo)信號(hào)單元中,而且幅值小于雜波信號(hào)單元或者干擾目標(biāo)信號(hào)單元幅值,則為微弱目標(biāo)回波信號(hào)[15],此時(shí)檢測(cè)器可能無(wú)法檢測(cè)到,但是該算法能夠保證雜波干擾和目標(biāo)干擾環(huán)境下穩(wěn)定的虛警概率,避免過(guò)多虛警.

圖1 ACS-CFAR檢測(cè)算法結(jié)構(gòu)原理圖Fig.1 Structure of the ACS-CFAR detector

步驟2∶確定參數(shù)k1,k2.X(1),X(2),···,X(N)序列為非獨(dú)立同分布,需要先進(jìn)行歸一化處理,得到獨(dú)立同分布序列,Y1,Y2,···,YN.轉(zhuǎn)化公式為[19]

其中X(0)=0.

k1的計(jì)算公式為[19]

其中,j=1,2,3,···,(N-1),Tj為ACS-CFAR檢測(cè)器剔除算法的相關(guān)參數(shù),其計(jì)算公式為[20]

其中Pfc為ACS-CFAR檢測(cè)器剔除算法消減概率.

k2的計(jì)算公式為[19]

其中l(wèi)=1,2,···,(N-1).如果k1＞N/2時(shí),則沒(méi)必要計(jì)算k2,故設(shè)為0.Tl-k1+1同樣為ACS-CFAR檢測(cè)器剔除算法的相關(guān)參數(shù),其計(jì)算公式為[20]

步驟3∶背景噪聲功率估計(jì).根據(jù)參數(shù)k1和k2,可以估計(jì)出參考窗中熱噪聲參考單元、雜波參考單元、干擾目標(biāo)參考單元的數(shù)量,從而有效區(qū)分測(cè)試單元X0在參考窗口中是處于均勻噪聲環(huán)境還是非均勻噪聲環(huán)境,并從排序后的參考單元序列中有效提取合適的參考單元進(jìn)行背景噪聲功率估計(jì),得到最優(yōu)的實(shí)時(shí)背景噪聲功率估計(jì)值.當(dāng)檢測(cè)單元沒(méi)有淹沒(méi)在雜波或者干擾目標(biāo)回波信號(hào)單元中間時(shí),可以達(dá)到間接剔除目標(biāo)干擾信號(hào)和雜波邊緣干擾信號(hào)的目的.下面給出了5種情況下,背景噪聲功率的估計(jì)方法如下.

(1)當(dāng)k1=0,k2=0時(shí),表示參考窗口中沒(méi)有雜波干擾單元和干擾目標(biāo)回波信號(hào)單元,只有熱噪聲單元.噪聲功率可以通過(guò)參考窗中N個(gè)全部參考單元進(jìn)行估計(jì).與CA-CFAR方法相同,背景噪聲功率Z的計(jì)算公式為[15]

(2)當(dāng)0＜k1≤N/2,k2=0時(shí),表示參考窗中測(cè)試單元處于雜波信號(hào)或者目標(biāo)干擾信號(hào)當(dāng)中,為了避免噪聲功率估計(jì)值偏低,導(dǎo)致過(guò)多的虛警率,從X(1),X(2),···,X(N)低端去掉k1個(gè)熱噪聲單元,選擇高端剩余N-k1個(gè)參考單元進(jìn)行估計(jì).背景噪聲功率Z的計(jì)算公式為

(3)當(dāng)0＜k1＜N/2,k1＜k2≤N/2時(shí),表示參考窗中測(cè)試單元同時(shí)處于干擾信號(hào)和雜波信號(hào)當(dāng)中,為了避免背景噪聲功率估計(jì)值偏低而導(dǎo)致過(guò)多的虛警率,從X(1),X(2),···,

X(N)低端去掉k2個(gè)幅值較小的熱噪聲單元或者雜波信號(hào)單元,選擇剩余N-k2個(gè)幅值較大的參考單元進(jìn)行估計(jì).背景噪聲功率Z的計(jì)算公式為

(4)當(dāng)k1＞N/2,k2=0時(shí),表示參考窗中測(cè)試單元未處于雜波信號(hào)或者干擾目標(biāo)信號(hào)當(dāng)中,只處于熱噪聲單元當(dāng)中,避免背景噪聲功率估計(jì)偏高,而導(dǎo)致檢測(cè)率降低即遮擋效應(yīng),去除高端幅值較大的N-k1個(gè)參考單元,選擇低端k1個(gè)幅值較小的熱噪聲單元進(jìn)行估計(jì).噪聲功率Z的計(jì)算公式為

(5)當(dāng)0＜k1≤N/2,k2＞N/2時(shí),表示參考窗中測(cè)試單元處于雜波干擾信號(hào)和目標(biāo)干擾信號(hào)當(dāng)中,未同時(shí)處于干擾信號(hào)單元和目標(biāo)干擾信號(hào)當(dāng)中,為了避免背景噪聲功率估計(jì)值偏低或者偏高,而導(dǎo)致過(guò)多的虛警率和檢測(cè)率降低即遮擋效應(yīng),從X(1),X(2),···,X(N)低端去掉k1個(gè)幅值較小的熱噪聲單元和從高端去掉N-k2個(gè)幅值較大的參考單元,選擇剩余的k2-k1個(gè)參考單元進(jìn)行估計(jì).背景噪聲功率Z的計(jì)算公式為

步驟4∶計(jì)算比例因子T.假設(shè)系統(tǒng)目標(biāo)恒虛警率設(shè)定為Pfa,則當(dāng)k1=0,k2=0時(shí),T的計(jì)算公式為

當(dāng)0＜k1≤N/2,k2=0時(shí),T的計(jì)算公式為

當(dāng)k1＞N/2,k1＜k2≤N/2時(shí),T的計(jì)算公式為

當(dāng)k1＞N/2,k2=0時(shí),T的計(jì)算公式為

當(dāng)0＜k1≤N/2,k2＞N/2時(shí),T的計(jì)算公式為

步驟5∶目標(biāo)的假設(shè)檢驗(yàn).假設(shè)Z為背景噪聲功率估計(jì)值,T為對(duì)應(yīng)的比例因子,則測(cè)試單元X0是否為有效目標(biāo)的回波信號(hào)單元的判別式為

其中,H1表示有目標(biāo),H0表示無(wú)目標(biāo).

2 性能仿真分析

2.1 均勻噪聲環(huán)境下性能仿真分析

在Matlab環(huán)境下,通過(guò)蒙特卡洛方法進(jìn)行模擬均勻噪聲環(huán)境下性能仿真.因?yàn)閰⒖即爸袥](méi)有雜波信號(hào)和目標(biāo)干擾信號(hào)單元,只有熱噪聲信號(hào)單元,所以k1=0,k2=0.圖2為本文所提出的ACS-CFAR檢測(cè)算法,在N=24、目標(biāo)虛警率Pfa=10-4和Pfc=10-3的均勻背景噪聲仿真環(huán)境下與各檢測(cè)算法檢測(cè)性能仿真結(jié)果對(duì)比.

圖2 各檢測(cè)器在均勻背景噪聲下的檢測(cè)率對(duì)比Fig.2 Probability of detection comparison between detectors in homogenous environment

從圖2可知,SNR=25dB時(shí),ACS-CFAR檢測(cè)器檢測(cè)率為98.73%,與ACCA-CFAR和VICFAR檢測(cè)器的檢測(cè)性能差不多,接近于CA-CFAR檢測(cè)器的檢測(cè)性能.同時(shí)對(duì)比參考文獻(xiàn)仿真結(jié)果數(shù)據(jù),SNR=25 dB時(shí),文獻(xiàn)[5]中CA-CFAR檢測(cè)器的檢測(cè)率為98.88%,文獻(xiàn)[6]中GOCFAR檢測(cè)器的檢測(cè)率為93.68%,文獻(xiàn)[16]中ACCA-CFAR檢測(cè)器的檢測(cè)率為98.69%,文獻(xiàn)[19]中VI-CFAR檢測(cè)器的檢測(cè)率為98.56%.對(duì)比結(jié)果也表明本文提出的ACS-CFAR檢測(cè)器在均勻噪聲環(huán)境下,檢測(cè)率大于GO-CFAR、ACCA-CFAR和VI-CFAR檢測(cè)器的檢測(cè)率,小于CA-CFAR檢測(cè)器的檢測(cè)率,相差小于0.10%.

2.2 非均勻噪聲環(huán)境下性能仿真分析

2.2.1 雜波邊緣干擾環(huán)境下性能仿真分析在模擬的雜波干擾環(huán)境下,因?yàn)閰⒖即爸泻袩嵩肼暫碗s波干擾信號(hào).假設(shè)在參考窗口中只包含一種雜波干擾信號(hào),雜波干擾信號(hào)單元數(shù)用NC表示.當(dāng)雜波干擾信號(hào)單元數(shù)量大于N/2時(shí),測(cè)試單元被淹沒(méi)在雜波信號(hào)當(dāng)中,此時(shí)0＜k1＜N/2,k2=0;而當(dāng)雜波干擾單元數(shù)量小于N/2時(shí),測(cè)試單元未被雜信號(hào)淹沒(méi),此時(shí)k1＞N/2,k2=0.圖3為本文所提出的ACS-CFAR檢測(cè)器,在N=24、Pfa=10-4、NC=16和Pfc=10-3的雜波邊緣干擾仿真環(huán)境下與各檢測(cè)算法檢測(cè)性能仿真結(jié)果對(duì)比.從圖3可知,SNR=25 dB時(shí),ACS-CFAR檢測(cè)器檢測(cè)率為98.53%,檢測(cè)性能接近于GO-CFAR檢測(cè)器,優(yōu)于ACCA-CFAR、VI-CFAR,表現(xiàn)出了在雜波邊緣干擾環(huán)境下較佳的檢測(cè)性能.同時(shí)對(duì)比參考文獻(xiàn)仿真結(jié)果數(shù)據(jù),SNR= 25 dB時(shí),文獻(xiàn)[6]中GO-CFAR檢測(cè)器的檢測(cè)率為98.97%,文獻(xiàn)[5]中CA-CFAR檢測(cè)器的檢測(cè)率為95.52%,文獻(xiàn)[16]中ACCA-CFAR檢測(cè)器的檢測(cè)率為98.26%,文獻(xiàn)[19]中VI-CFAR檢測(cè)器的檢測(cè)率為98.06%,對(duì)比結(jié)果也表明本文提出的ACS-CFAR檢測(cè)器在雜波邊緣干擾環(huán)境下,檢測(cè)率大于ACCA-CFAR和VI-CFAR檢測(cè)器的檢測(cè)率,小于GO-CFAR檢測(cè)器的檢測(cè)率,相差小于0.10%,遠(yuǎn)大于CA-CFAR檢測(cè)器的檢測(cè)率.

圖3 各檢測(cè)器在雜波干擾環(huán)境下的檢測(cè)率對(duì)比Fig.3 PDcomparison of the detectors in clutter edge situation

在雜波邊緣干擾環(huán)境下,虛警率會(huì)隨著雜波數(shù)量以及在參考窗口中的位置而變化,NC小于2時(shí)或者大于20時(shí),ACS-CFAR檢測(cè)器的虛警率同樣接近于目標(biāo)虛警率,且虛警率均小于ACCA-CFAR和VI-CFAR檢測(cè)器.仿真結(jié)果見(jiàn)圖4,從圖中可以看出,ACS-CFAR檢測(cè)器具有較好的恒虛警率控制效果.

圖4 各檢測(cè)器在雜波干擾環(huán)境下的虛警率控制對(duì)比Fig.4 Pfacomparison of the detectors in clutter edge situation

2.2.2 多目標(biāo)干擾環(huán)境下性能仿真分析

在模擬的多目標(biāo)干擾環(huán)境下,因?yàn)閰⒖即爸泻腥舾筛蓴_目標(biāo)信號(hào)單元.假設(shè)在參考窗口中只包含一種干擾目標(biāo)信號(hào)單元.當(dāng)目標(biāo)干擾信號(hào)單元數(shù)量大于N/2時(shí),測(cè)試單元淹沒(méi)在目標(biāo)干擾信號(hào)當(dāng)中,此時(shí)0＜k1＜N/2,k2=0;而當(dāng)干擾目標(biāo)信號(hào)單元數(shù)量小于N/2時(shí),測(cè)試單元未被干擾目標(biāo)信號(hào)淹沒(méi),此時(shí)k1＞N/2,k2=0.圖5為本文提出的ACS-CFAR檢測(cè)器,在N=24和Pfc=10-3的4個(gè)干擾目標(biāo)仿真環(huán)境下剔除能力仿真結(jié)果,SNR=30 dB時(shí), ACS-CFAR檢測(cè)器剔除概率分別為96.82%和97.20%,表現(xiàn)出了較好的干擾目標(biāo)剔除能力.假設(shè)干擾目標(biāo)數(shù)為m,則該算法最大可以刪除k1=N-m+1個(gè)干擾目標(biāo).在實(shí)際工程應(yīng)用中,干擾目標(biāo)的數(shù)量是未知的,檢測(cè)器的剔除概率有時(shí)會(huì)有所下降.

圖5ACS-CFAR檢測(cè)算法在不同信噪比條件下的剔除概率Fig.5 Probability of censoring in multiple target situations for two values of SNR

圖6 為干擾目標(biāo)數(shù)m和算法剔除能力之間關(guān)系的仿真,從圖中看以看出,隨著干擾目標(biāo)數(shù)量m的增加,該檢測(cè)器的剔除能力尤其明顯,表現(xiàn)出了較好的實(shí)用性和工程應(yīng)用價(jià)值以及對(duì)干擾目標(biāo)極佳的剔除能力.

圖6 多目標(biāo)干擾環(huán)境下剔除概率與干擾目標(biāo)數(shù)之間的關(guān)系Fig.6 Relationship between the Probability of censoring and interfering targets number in multi-interfering targets environment

當(dāng)ACS-CFAR檢測(cè)器剔除算法剔除目標(biāo)概率Pfc減小時(shí),算法的實(shí)際剔除概率增加,尤其在干擾目標(biāo)數(shù)m較大時(shí).其仿真結(jié)果見(jiàn)圖7.

圖7 算法在不同目標(biāo)剔除概率下的剔除概率對(duì)比Fig.7Probability of censoring in multiple target situations for two values of Pfa

圖8為本文所提出的ACS-CFAR檢測(cè)器,在N=24、Pfa=10-4、m=4和Pfc= 10-3的多目標(biāo)干擾仿真環(huán)境下與不同檢測(cè)器的檢測(cè)性能仿真結(jié)果對(duì)比.從圖8可知,SNR= 25 dB時(shí),ACS-CFAR檢測(cè)器檢測(cè)率高達(dá)98.43%,檢測(cè)性能優(yōu)于ACCA-CFAR和VI-CFAR檢測(cè)器.同時(shí)對(duì)比參考文獻(xiàn)仿真結(jié)果數(shù)據(jù),SNR=25 dB時(shí),文獻(xiàn)[6]中GO-CFAR檢測(cè)器的檢測(cè)率為88.35%,文獻(xiàn)[6]中CA-CFAR檢測(cè)器的檢測(cè)率為53.67%,文獻(xiàn)[16]中ACCA-CFAR檢測(cè)器的檢測(cè)率為98.13%,文獻(xiàn)[19]中VI-CFAR檢測(cè)器的檢測(cè)率為97.95%,對(duì)比結(jié)果也表明本文提出的ACS-CFAR檢測(cè)器在多目標(biāo)干擾環(huán)境下,檢測(cè)率大于ACCA-CFAR和VI-CFAR檢測(cè)器的檢測(cè)率.

圖8 各檢測(cè)器在多目標(biāo)干擾環(huán)境下的檢測(cè)概率對(duì)比Fig.8 Detection performance comparison between detectors in multi-interfering targets environment

2.2.3 雜波和多目標(biāo)干擾環(huán)境下性能仿真分析

在模擬的雜波和多目標(biāo)干擾環(huán)境下,因?yàn)閰⒖即爸屑劝繕?biāo)干擾信號(hào)單元,也包含雜波干擾單元,假設(shè)在參考窗口中只包含一種干擾目標(biāo)信號(hào)單元和一種雜波信號(hào)單元.當(dāng)目標(biāo)干擾信號(hào)和雜波干擾信號(hào)單元的數(shù)量均大于N/2時(shí),測(cè)試單元淹沒(méi)在目標(biāo)干擾信號(hào)和雜波信號(hào)當(dāng)中,此時(shí)0＜k1＜N/2,k1＜k2≤N/2;當(dāng)目標(biāo)干擾信號(hào)和雜波干擾信號(hào)單元的數(shù)量均小于N/2時(shí),測(cè)試單元未處于目標(biāo)干擾信號(hào)或者雜波信號(hào)當(dāng)中,此時(shí)k1＞N/2,k1＜k2≤N.

圖9為本文所提出的ACS-CFAR檢測(cè)器在N=24、雜波信號(hào)單元數(shù)NC=16、干擾目標(biāo)數(shù)m=4和Pfc=10-3的雜波和多目標(biāo)干擾仿真環(huán)境下算法剔除能力仿真結(jié)果,當(dāng)SNR=30 dB,k2=N-m+1=21,k1=N-NC+1=24-16+1=9時(shí),該檢測(cè)器剔除雜波干擾信號(hào)單元和干擾目標(biāo)信號(hào)單元的概率為97.31%和98.430%.

圖9 ACS-CFAR算法在雜波和多目標(biāo)干擾環(huán)境下的剔除概率Fig.9 Probability of censoring in clutter edge and multi-interfering target environment

圖10和圖11為本文所提出的ACS-CFAR檢測(cè)器在N=24,Pfa=10-4,m=4,NC= 16和Pfc=10-3的多目標(biāo)干擾和雜波干擾仿真環(huán)境下與不同檢測(cè)器的檢測(cè)性能仿真結(jié)果對(duì)比.

圖10 各檢測(cè)器在多目標(biāo)和雜波干擾環(huán)境下虛警率對(duì)比Fig.10 Pfacomparison between detectors in clutter edge and multi-interfering target environment

圖10中,干擾目標(biāo)數(shù)量對(duì)ACS-CFAR檢測(cè)器的檢測(cè)性能影響不明顯,而其他幾種檢測(cè)器在多目標(biāo)干擾和雜波干擾的情況下,虛警率失控,尤其是SNR＞10 dB的情況下,虛警率嚴(yán)重偏離設(shè)定的目標(biāo)值,隨著SNR的增大,偏離越明顯,而本文所提出的ACS-CFAR檢測(cè)器則僅在SNR＜15 dB的情況下有所偏離,SNR＞25 dB時(shí),虛警率接近于目標(biāo)虛警率,表現(xiàn)出了較好的虛警率控制效果.

圖11 各檢測(cè)器在多目標(biāo)和雜波干擾環(huán)境下的檢測(cè)率對(duì)比Fig.11 Detection performance comparison between detectors in clutter edge and multi-interfering target environment

圖11 中,SNR=25 dB時(shí),ACS-CFAR檢測(cè)器檢測(cè)率98.16%,檢測(cè)性能優(yōu)于VI-CFAR和ACCA-CFAR檢測(cè)器.同時(shí)對(duì)比參考文獻(xiàn)仿真結(jié)果數(shù)據(jù),SNR=25 dB時(shí),文獻(xiàn)[16]中ACCACFAR檢測(cè)器的檢測(cè)率為97.96%,文獻(xiàn)[19]中VI-CFAR檢測(cè)器的檢測(cè)率為97.74%,對(duì)比結(jié)果也表明本文提出的ACS-CFAR檢測(cè)器在多目標(biāo)干擾環(huán)境下,檢測(cè)率大于ACCA-CFAR和VI-CFAR檢測(cè)器的檢測(cè)率.

3 總結(jié)

本文針對(duì)在實(shí)際工程應(yīng)用中,非均勻噪聲環(huán)境下,雜波干擾和多目標(biāo)干擾信號(hào)的數(shù)量以及在參考窗口中出現(xiàn)的位置等不確定因素,導(dǎo)致的傳統(tǒng)CFAR檢測(cè)器有時(shí)存在虛警過(guò)多、檢測(cè)性能明顯下降的問(wèn)題,提出了ACS-CFAR檢測(cè)器.通過(guò)對(duì)參考窗中參考單元按照功率大小升序排列組成有序參考單元序列,讓熱噪聲信號(hào)單元、雜波干擾或者目標(biāo)干擾信號(hào)單元以及雜波干擾和多目標(biāo)干擾信號(hào)單元集中有序排列,并進(jìn)行數(shù)量統(tǒng)計(jì),確定兩個(gè)分界點(diǎn)位置參數(shù),根據(jù)這兩個(gè)參數(shù)有效地區(qū)分測(cè)試單元在參考窗中是處于均勻噪聲環(huán)境還是非均勻噪聲環(huán)境,然后從有序參考單元序列集中選擇合適的參考單元進(jìn)行背景噪聲功率估計(jì),得到最優(yōu)的檢測(cè)門限.在MATLAB環(huán)境下,采用蒙特卡洛方法對(duì)本文所提出的檢測(cè)器與CA-CFAR、GO-CFAR、ACCA-CFAR和VI-CFAR其他檢測(cè)器在模擬的各種環(huán)境下進(jìn)行了仿真和對(duì)比分析.仿真結(jié)果表明,本文所提出的ACS-CFAR檢測(cè)器,相對(duì)其他檢測(cè)器均有最優(yōu)的剔除能力和檢測(cè)性能,不受雜波和目標(biāo)干擾單元數(shù)量以及在參考窗中所處位置的影響.

[1]章建成,蘇濤,呂倩.基于運(yùn)動(dòng)參數(shù)非搜索高速機(jī)動(dòng)目標(biāo)檢測(cè)[J].電子與信息學(xué)報(bào),2016(6):1460-1467.

[2]關(guān)鍵,張曉利,簡(jiǎn)濤,等.分布式目標(biāo)的子空間雙門限GLRT-CFAR檢測(cè)[J].電子學(xué)報(bào),2012,9:1759-1764.

[3]劉紅亮,周生華,劉宏偉,等.一種航跡恒虛警的目標(biāo)檢測(cè)跟蹤一體化算法[J].電子與信息學(xué)報(bào),2016(5):1072-1078.

[4]簡(jiǎn)濤,蘇峰,何有,等.復(fù)合高斯雜波下距離擴(kuò)展目標(biāo)的自適應(yīng)檢測(cè)[J].電子學(xué)報(bào),2012(5):990-994.

[5]ZAIMBASHI A.An adaptive CA-CFAR detector for interfering targets and clutter-edge situations[J].Digital Signal Processing,2014,31(5):59-68.

[6]ZHANG R L,SHENG W X,MA X F,et al.Constant false alarm rate detector based on the maximal reference cell[J].Digital Signal Processing,2013,23:1974-1988.

[7]SMITH M E,VARSHNEY P K.Intelligent CFAR processor based on data variability[J].IEEE Transactions on Aerospace&Electronic Systems,2000,36(3):837-847.

[8]陳建軍,黃孟俊,趙宏鐘,等.相參雷達(dá)時(shí)頻域CFAR檢測(cè)門限獲取方法研究[J].電子學(xué)報(bào),2013,8:1634-1638.

[9]于洪波,王國(guó)宏,曹倩,等.一種高脈沖重復(fù)頻率雷達(dá)微弱目標(biāo)檢測(cè)跟蹤方法[J].電子與信息學(xué)報(bào),2015(5):1097-1103.

[10]SHTARKALEV B,MULGREW B.Multistatic moving target detection in unknown coloured Gaussian interference[J].Signal Processing,2015,115:130-143.

[11]DU B,ZHANG L P.Target detection based on a dynamic subspace[J].Pattern Recognition,2014,47:344-358.

[12]LEI S W,ZHAO Z Q,NIE Z P,et al.Adaptive polarimetric detection method for target inpartially homogeneous background[J].Signal Processing,2015,106:301-311.

[13]WEINBERG G V,KYPRIANOU R.Optimised binary integration with order statistic CFAR in pareto distributed clutter[J].Digital Signal Processing,2015,42:50-60.

[14]HOU H L,PANG C S,GUO H L,et al.Study on high-speed and multi-target detection algorithm based on STFT and FRFT combination[J].Optik,2016,127:713-717.

[15]ZAIMBASHI A,NOROUZI Y.Automatic dual censoring CA-CFAR detector in non-homogenous environments [J].Digital Signal Processing,2008,88:2611-2621.

[16]FARROUKI A,BARKAT M.Automatic censoring CFAR detector based on ordered data variability for nonhomogeneous environments[J].IEEE Proceedings-Radar Sonar and Navigation,2005,152(1):43-51.

[17]BOUDEMAGH N,HAMMOUDI Z.Automatic censoring CFAR detector for heterogeneous environments[J].Int J Electron Commun(AEU),2014,68:1253-1260.

[18]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(2):223-230.

[19]GURAKAN B,CANDAN C,CILOGLU T.CFAR processing with switching exponential smoothers for nonhomogeneous environments[J].Digital Signal Processing,2012,22(3):407-416.

[20]WEINBERG G V.Management of interference in Pareto CFAR processes using adaptive test cell analysis[J]. Signal Processing,2014,104:264-273.

[21]MEZIANI H A,SOLTANI F.Decentralized fuzzy CFAR detectors in homogeneous Pearson clutter background [J].Signal Processing,2011,91(11):2530-2540.

[22]DAVID M M,NEREA D R M,VICTOR M P S,et al.MLP-CFAR for improving coherent radar detectors robustness in variable scenarios[J].Expert Systems with Applications,2015,42:4878-4891.

(責(zé)任編輯：李藝)

Automatic censoring switching-CFAR detector based on sorting

LIU Gui-ru1,WANG Lu-lin2,ZOU Shan1
(1.College of Computer and Information Science,Anhui Polytechnic University, Wuhu Anhui241000,China; 2.Prospective Technology Research Institute,Chery Automobile Co.,Ltd, Wuhu Anhui241006,China)

Because the conventional CFAR(Constant False-Alarm Rate)detectors have poor detection performance in non-homogeneous environments,an automatic censoring switching-CFAR detector based on sorting(ACS-CFAR)is proposed.The middle cell of the reference window acts as a cell under test;other cells are sorted into the ranked reference cells by ascending order according to their magnitudes.According to the location parameters of the two boundary points which can ef f ectively discriminate between thermalnoise,clutter edge or interferences plus thermal noise and interferences immersed in the clutter plus thermal noise region,the detection algorithm can ef f ectively select a suitable cell set from the ranked reference cells to estimate the unknown background level. Combined with the number of the selecting reference cells and the desired probability of false alarm,the corresponding scaling factor can be calculated.Finally,the adaptive detection threshold will be obtained according to background noise level estimated value and the calculated scaling factor.The performances of the ACS-CFAR detector is simulated and evaluated in different simulation environments and compared to the performance of the CA-CFAR,VI-CFAR and ACCA-CFAR detectors,the detection probability of ACS-CFAR detector is up to 98.73%,98.16%in homogeneous and non-homogeneous environments,respectively.The ACS-CFAR detector performs like the CA-CFAR detector in homogeneous environments and better than the VI-CFAR and ACCA-CFAR detector in non-homogeneous environments,false alarm rate errors are controlled within±0.10%. The simulation results show that the proposed ACS-CFAR detector has better detection performance in homogenous and the presence of interfering targets and clutter edge environments.

target detection;constant false-alarm rate(CFAR);automatic censoring; Switching-CFAR;non-homogenous noise

TN957.51

A

10.3969/j.issn.1000-5641.2017.03.014

1000-5641(2017)03-0120-13

2016-09-14

國(guó)家自然科學(xué)基金(91120307);安徽省自然科學(xué)基金(TSKJ2015B12);安徽工程大學(xué)計(jì)算機(jī)應(yīng)用技術(shù)重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金(JSJKF201514)

劉貴如,女,碩士,講師,研究方向?yàn)樾盘?hào)處理、車輛主動(dòng)安全和多傳感器融合.

E-mail：liuguiru yunnan@163.com.