【雷达目标检测】恒定阈值法和恒虚警(CFAR)法及代码实现
这是目录
- 实验原理
- 1.1 目标检测概念
- 1.2 恒定阈值
- 1.3 恒虚警率(CFAR)检测
- 实验内容
- 2.1 恒定阈值法
- 2.1.1 目标检测模拟
- 2.1.2 检测概率
- 2.2 CA-CFAR恒虚警
- 2.2.1 目标检测
- 2.2.2 检测概率和错警率
- 2.2.3 其他参数
- 2.2.4 CA-CFAR和恒定阈值比较
- 2.3 MATLAB实现
- 参考文献
实验原理
1.1 目标检测概念
在接收到回波信号后,我们需要对信号进行处理,以区分目标与噪声、杂波和干扰。
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。
经典的检测问题可以建模为一个二元假设问题。
H0:z=nH_0:z=nH0:z=n H1:z=1+nH_1:z=1+nH1:z=1+n
其中nnn是满足N(0,1)N(0,1)N(0,1)的加性高斯白噪声。
所以,每次进行实验时,可能会发生以下四种情况之一:
第一行表示预测结果,第一列表示实际情况。具体来说,当H1为真,我们选择H1时,信号被称为被检测到。当H0为真时,我们选择H1,这就是假警,错误检测。
雷达回波总是含有噪声,噪声会引起错警和漏检,但同时降低虚警概率与提高检测概率之间存在矛盾,因此需要精心设计阈值。
1.2 恒定阈值
对于单个数据样本的最简单情况,虚警概率为PFA=e−TP_{FA}=e^{-T}PFA=e−T,其中T是检测阈值。So,固定虚警率,阈值为T=−lnPFAT=-lnP_{FA}T=−lnPFA。
对于unnormalized data sample 和 绝对律检测器,阈值是T=−σ2lnPFA,T=\sqrt{-\sigma^2lnP_{FA}},T=−σ2lnPFA,其中,其中σ2σ^2σ2是干扰的总噪声功率。虚警概率为PFA=e−T/σ2P_{FA}= e^{-T/σ^2}PFA=e−T/σ2。检测过程如下图所示。
请注意,阈值T与噪声功率成正比。当雷达接收机输出的干扰发生变化时,实际PFAP_{FA}PFA将剧变。对于雷达系统来说,当干扰增加时,假警报的数量也会增加。因此,应调整固定阈值以保持所需的PFAP_{FA}PFA。
1.3 恒虚警率(CFAR)检测
根据以上内容,我们知道应该调整阈值以保持所需的PFAP_{FA}PFA。我们将在这里介绍基本的单元平均CFAR(CA CFAR)方案。
CA CAFR使用当前待检测数据周围一定范围的单元格的平均值来确定被测单元格的阈值,如下图所示。
Guard cells: 保护间隔
Window:做CA-CFAR的数据长度
使用平方律检测器时,估计的阈值为
其中x是平方律检测器的输出,α=N(PFA−1/N−1),α=N(P_{FA}^{-1/N}-1),α=N(PFA−1/N−1),N是相邻单元的数量,即蓝色单元,PFAP_{FA}PFA是虚警概率。检测过程如下图所示。
实验内容
2.1 恒定阈值法
实验参数:
SNR:0-20dB
误警率:0.001
2.1.1 目标检测模拟
利用1.2所述公式T=−σ2lnPFA,T=\sqrt{-\sigma^2lnP_{FA}},T=−σ2lnPFA,算得阈值。
我们绘制了噪声、噪声+信号的pdf和时域波形,虚线为阈值。
1) SNR = 0dB 时:
2) SNR = 10dB 时:
2.1.2 检测概率
重复实验次数:100
检测概率PDP_DPD随着信噪比的增加而增加。
改变PFAP_{FA}PFA,我们可以看到PDP_DPD会随着PFAP_{FA}PFA的减小而减小。
2.2 CA-CFAR恒虚警
参数设置:
窗长(单边):10
保护间隔:1
错警率:0.001
重复实验次数:1000
SNR:0-20dB
2.2.1 目标检测
我们演示了在SNR=10dB和SNR=15dB的情况下的检测过程。黑色实线表示恒虚警阈值,红色实线表示恒定阈值,橙色实线表示噪声,蓝色实线表示信号加噪声。
- SNR = 10dB
- SNR = 15dB
我们可以看到,当信噪比相对较小时,即10dB,恒定阈值远高于恒虚警阈值,因此恒虚警的检测率更好。
当信噪比相对较大时,即15dB,恒虚警阈值相当于恒定阈值,因此两种方案可能具有相同的检测率。
2.2.2 检测概率和错警率
可以看出,检测概率随信噪比的增加而增加,而虚警概率随信噪比的增加而降低。
2.2.3 其他参数
窗口的长度会影响性能,我们对此进行了模拟。
M表示窗长。
M增大,检测率和错检率都增大。
2.2.4 CA-CFAR和恒定阈值比较
从图中可以看出,当信噪比相对较小时,CA-CFAR方法的$PDP_DPD较高,而当信噪比相对较大时,恒定阈值方法较好。当信噪比大于18dB时,两种方法的检测概率都达到饱和。
例如,如果我们想要得到指定的PDP_DPD=0.8,我们需要要求恒定阈值的信噪比比比CA-CFAR方案高出约4.5dB。
正如我们在恒虚警检测的部分仿真中所述,当信噪比较小时,由于恒虚警方案可以充分利用干扰,因此我们可以获得更好的阈值。当信噪比较大时,这两种方案具有等效阈值,且信号和噪声具有很强的可分离性。
2.3 MATLAB实现
clc;clear;close all
% 参数
signal = 1;
SNR = 10:0.1:20;
Pfa = 1e-3;
N = 1000; % 信号长度
Q = 1000; % 重复实验次数Pd = zeros(2,length(SNR)); % 检测概率
Pf = zeros(2,length(SNR)); % 错警率
T_a = zeros(2,length(SNR)); % 阈值for r = 1:length(SNR) snr = SNR(r);for q = 1:Qsigma2 = signal/(10^(snr/10)); % 噪声方差x = ones(1,N)*sqrt(signal); % 信号noise = sqrt(sigma2)*randn(1,N); % 噪声x = x + noise; % 信号+噪声% [fn,xn] = ksdensity(noise); % 噪声pdf% [fs,xs] = ksdensity(x); % 噪声+信号的pdf% ============== 恒定阈值 =================T1 = sqrt(-1*sigma2*log2(Pfa)/log2(exp(1)));T_a(1,r) = T_a(1,r)+T1;t = 1:N;Pd(1,r) = Pd(1,r) + sum(abs(x)>T1);Pf(1,r) = Pf(1,r) + sum(abs(noise)>T1);% =================== CA CFAR ===================M = 10; % length of window (single side)g = 1; % length of guard cells(single side)% 平方律y = abs(x).^2;n = abs(noise).^2;k = Pfa^(-1/2/M)-1;T2 = zeros(1,N);for i = 1:Nif i == 1 cell_right = 1/M*sum(y(i+g:i+g+2*M));Z = cell_right/2;endif i>1 && i < M+g+1cell_right = 1/2/M*sum(y(i+g:i+g+M-i-1));cell_left = 1/M*sum(y(1:i-g));Z = (cell_left+cell_right)/2;endif M+g+1<=i && i<= N-M-gcell_left = 1/M*sum(y(i-g-M:i-g));cell_right = 1/M*sum(y(i+g:i+g+M));Z = (cell_left+cell_right)/2;endif i> N-M-g && i<Ncell_left = 1/M*sum(y(i-g-M+i+1:i-g));cell_right = 1/M*sum(y(i+g:N));Z = (cell_left+cell_right)/2;endif i == Ncell_left = 1/M*sum(y(i-g-M*2:i-g));Z = cell_left/2;endT = k*Z;T2(i) = T;if y(i) >= T2(i)Pd(2,r) = Pd(2,r)+1;endif n(i) >= T2(i)Pf(2,r) = Pf(2,r)+1;endendend
end% 取平均
Pd(1,:) = Pd(1,:)/Q/N;
Pf(1,:) = Pf(1,:)/Q/N;
Pd(2,:) = Pd(2,:)/Q/N;
Pf(2,:) = Pf(2,:)/Q/N;
T_a = T_a/Q;figure;
plot(SNR,Pd(1,:),'LineWidth',1.2);
title('Probability of Detection');
xlabel('SNR (dB)');
grid on
hold on
plot(SNR,Pd(2,:),'LineWidth',1.2);
legend('恒定阈值','CA CFAR');
参考文献
《雷达信号处理》
【雷达目标检测】恒定阈值法和恒虚警(CFAR)法及代码实现相关推荐
- 纽曼皮尔逊准则Matlab实现,噪声恒虚警处理电路的计算机仿真
0 引 言 雷达系统的信号检测是在各种噪声和杂波干扰的环境中进行的.视频的回波信号与噪声.杂波一起送到检测器,并在检测器对视频信号进行分级,即设置一个检测门限.如果信号超过该门限,就判决目标存在.显然 ...
- MATLAB目标检测恒虚警技术,一种自适应的恒虚警率目标检测方法
一种自适应的恒虚警率目标检测方法 [专利摘要]本发明涉及一种自适应的恒虚警率目标检测方法,包括以下步骤:1):将雷达接收到的数据传入匹配滤波器中:2):将匹配滤波器输出的信号传入平方律检波器中进行处理 ...
- 恒虚警检测(Constant False Alarm Rate, CFAR)
目录 1 简介 2 原理 2.1 定义 2.2 推导 2.3 举例 3 总结 1 简介 统计检测理论是利用信号的统计特性和噪声的统计特性等信息来建立最佳判决的数学理论.主要解决在受噪声干扰的观测中,信 ...
- Autoware.auto 毫米波雷达目标检测demo展示
Autoware.auto 毫米波雷达目标检测demo 展示 依赖:正确安装Autoware.auto(未安装参见 Autoware.auto安装) 1. 代码下载 代码下载 # 主机terminal ...
- ICMR 2021 雷达目标检测挑战赛正式启动(ROD2021)
点击上方"CVer",选择加"星标"置顶 重磅干货,第一时间送达 ROD2021 Challenge ACM ICMR 2021 雷达目标检测挑战赛(ROD20 ...
- cfar恒虚警matlab实现,一种用于距离副瓣抑制的自适应恒虚警方法与流程
本发明涉及脉冲压缩雷达数字信号处理技术领域. 背景技术: 在传统的真空管体制雷达中,由于发射占空比受限,通过设计较低的雷达重复发射频率实现远距离的目标探测,但由于发射的是简单的脉冲调制波形,重复频率降 ...
- 目标检测 - IoU和GIoU作为边框回归的损失和代码实现
目标检测 - IoU和GIoU作为边框回归的损失和代码实现 flyfish GIoU =General-IOU =Generalized Intersection over Union 论文<G ...
- 一维恒虚警检测CFAR,雷达回波-检测门限波形图
目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述 统计检测理论是利用信号的统计特性和噪声的统计特性等信息来建立最佳判决的数学理论.主要解决在受噪声干扰的观测中,信号有无的判决问 ...
- 目标检测经典算法和API详解(笔记)
文章目录 商品目标检测 1. 目标检测概述 1.1.项目演示介绍 学习目标 1.1.1 项目演示 1.1.2 项目结构 1.1.3 项目安排 1.2 图像识别背景 学习目标 1.2.1 图像识别三大任 ...
- 科普:目标检测Anchor是什么?怎么科学设置?[附代码]
文章来源于AIZOO,作者元峰 在基于anchor的目标检测网络(Faster RCNN.SSD.YOLO v2&v3等)中,一个至关重要的步骤就是科学的设置anchor,可以说,Anchor ...
最新文章
- 查看显卡利用率 python_既然大家都说装了win10,就不用鲁大师监测显卡温度,为什么呢?...
- 移动用户体验设计中的原型应用
- linux shell审计--snoopy的注意事项
- CSDN官方发布的《180道Python面试题,助你一举通过面试》浅析一
- linux系统——fread()与read()函数族区别
- Python getattr() 函数==>获取一个对象的属性值
- 应届生拿到offer之后的流程_【经验】我是如何一步步拿到拼多多amp;京东amp;艺龙等多个产品offer的...
- in function ‘int main()’_如果 main 函数的末尾没有 return 语句将会有什么影响
- 素数和 mooc 翁恺
- nodejs连接mysql哪个版本_nodejs连接mysql
- Window8专业版免序列号激活工具下载地址
- 网站必备之简繁切换功能实现
- 古典恺撒移位密码破解
- SpringBoot整合MyBatis实现数据增删改查
- 微阵列数据分析(Microarray data analysis)
- 什么是IP?什么是DN/DNS?什么是hosts文件?计算机访问网络的原理又是怎样的?
- 绝对精美的ios壁纸【收藏】
- 决策曲线拆解分析兼随机森林DCA绘制
- 价格术语trade term (price term)
- linux上php读取和创建word文档