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(chē)股份有限公司 前瞻技術(shù)研究院，安徽 蕪湖 241006)

基于最大值參考單元的雙剔除門(mén)限恒虛警目標(biāo)檢測(cè)算法

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(chē)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)恒虛警目標(biāo)檢測(cè)算法在非均勻噪聲環(huán)境下虛警率過(guò)高的問(wèn)題，提出一種基于最大值參考單元的雙剔除門(mén)限恒虛警(dual censoring threshold based on maximal reference cell-constant false alarm rate, DCT-MRC-CFAR)目標(biāo)檢測(cè)算法?；趨⒖即白畲笾祬⒖紗卧玫教蕹容^門(mén)限，通過(guò)比較，剔除極大值參考單元，根據(jù)剩余參考單元的數(shù)量選擇參考窗中剔除后剩余參考單元或者參考窗中全部參考單元來(lái)估計(jì)背景噪聲功率，并得到功率檢測(cè)門(mén)限。與其他算法進(jìn)行仿真對(duì)比，DCT-MRC-CFAR算法在均勻噪聲環(huán)境下，檢測(cè)性能接近于單元平均恒虛警(cell averaging-constant false alarm rate, CA-CFAR)算法；在非均勻噪聲環(huán)境下，檢測(cè)性能較穩(wěn)定，且優(yōu)于自動(dòng)刪除單元平均恒虛警(automatic censored cell averaging-constant false alarm rate, ACCA-CFAR)和自動(dòng)雙刪除單元平均恒虛警(automatic dual censored cell averaging-constant false alarm rate, ADCCA-CFAR)算法。結(jié)果表明，提出的DCT-MRC-CFAR目標(biāo)檢測(cè)算法在均勻和非均勻噪聲環(huán)境下，均具有較優(yōu)和較穩(wěn)定的檢測(cè)性能。

目標(biāo)檢測(cè)；恒虛警；最大值參考單元；非均勻噪聲

0 引 言

隨著車(chē)輛主動(dòng)安全技術(shù)和智能車(chē)技術(shù)的快速發(fā)展，毫米波雷達(dá)作為一種低成本的目標(biāo)檢測(cè)技術(shù)得到了廣泛的應(yīng)用，雷達(dá)目標(biāo)檢測(cè)算法作為核心技術(shù)得到了深入的研究，根據(jù)實(shí)際應(yīng)用場(chǎng)景對(duì)現(xiàn)有算法進(jìn)行改進(jìn)或提出新的算法將變得更為迫切。

恒虛警目標(biāo)檢測(cè)算法是在雷達(dá)目標(biāo)檢測(cè)領(lǐng)域應(yīng)用最為廣泛的一項(xiàng)技術(shù)，它通過(guò)估算測(cè)試單元鄰近參考單元的背景噪聲和雜波功率，然后乘以根據(jù)目標(biāo)恒虛警率計(jì)算出的比例系數(shù)得到恒虛警功率識(shí)別門(mén)限。其中基于平均功率的恒虛警檢測(cè)算法和基于統(tǒng)計(jì)的恒虛警檢測(cè)算法使用最為廣泛?；谄骄β实暮闾摼瘷z測(cè)算法有單元平均恒虛警(cell averaging-constant false alarm rate, CA-CFAR)檢測(cè)算法、最大選擇恒虛警(greatest of-constant false alarm rate, GO-CFAR)檢測(cè)算法和最小選擇恒虛警(smallest of-constant false alarm rate, SO-CFAR)檢測(cè)算法。CA-CFAR檢測(cè)算法通過(guò)取參考窗中所有參考單元的平均功率作為功率檢測(cè)門(mén)限，在均勻噪聲環(huán)境下，具有最優(yōu)的檢測(cè)性能，但是當(dāng)參考窗口長(zhǎng)度增加時(shí)，測(cè)試單元可能被淹沒(méi)在多目標(biāo)干擾和雜波干擾環(huán)境中，此時(shí)，CA-CFAR檢測(cè)算法存在虛警率偏高的問(wèn)題[1]。GO-CFAR和SO-CFAR檢測(cè)算法在CA-CFAR算法的基礎(chǔ)上進(jìn)行了改進(jìn)，GO-CFAR檢測(cè)算法針對(duì)邊緣雜波干擾和多目標(biāo)干擾，虛警率較低，但是檢測(cè)性能?chē)?yán)重下降。SO-CFAR檢測(cè)算法檢測(cè)性能較好，但是在邊緣雜波干擾和多目標(biāo)干擾環(huán)境下，虛警率過(guò)高?；诮y(tǒng)計(jì)的恒虛警檢測(cè)算法包括有序統(tǒng)計(jì)恒虛警 (order statistic-constant false alarm rate,OS-CFAR) 檢測(cè)算法[2]、自動(dòng)刪除單元平均恒虛警(automatic censored cell averaging-constant false alarm rate, ACCA-CFAR)檢測(cè)算法[3-4]和自動(dòng)雙刪除單元平均恒虛警(automatic dual censored cell averaging-constant false alarm rate, ADCCA-CFAR)檢測(cè)算法[5]。OS-CFAR檢測(cè)算法針對(duì)多目標(biāo)干擾具有很好的檢測(cè)性能，但是在出現(xiàn)雜波邊緣干擾的情況下，虛警率過(guò)高。ACCA-CFAR和ADCCA-CFAR檢測(cè)算法通過(guò)剔除參考窗口中極大和極小值參考單元，然后取平均值的方法得到功率檢測(cè)門(mén)限，相比較CA-CFAR檢測(cè)算法，具有較佳的檢測(cè)性能，但是剔除門(mén)限的確定要依賴(lài)于先驗(yàn)知識(shí)，具有局限性。

在實(shí)際工程應(yīng)用中，如車(chē)載毫米波雷達(dá)，尤其是在城市復(fù)雜工況下，回波中夾雜的多目標(biāo)干擾和雜波邊緣干擾信號(hào)無(wú)法預(yù)知，如果剔除門(mén)限設(shè)定不合理會(huì)引起過(guò)多的誤檢和誤報(bào)，導(dǎo)致用戶(hù)無(wú)法容忍。針對(duì)以上問(wèn)題，本文引入最大值參考單元，并結(jié)合ACCA-CFAR和ADCCA-CFAR算法的優(yōu)點(diǎn)，提出了一種基于最大值參考單元的雙剔除門(mén)限恒虛警(dual censoring threshold based on maximal reference cell-constant false alarm rate, DCT-MRC-CFAR)目標(biāo)檢測(cè)算法，從參考窗中選擇最大值參考單元，再乘以比例系數(shù)得到單元剔除比較門(mén)限，通過(guò)與剔除門(mén)限比較，剔除參考窗中極大值參考單元，間接降低目標(biāo)檢測(cè)門(mén)限，提高目標(biāo)檢測(cè)率，同時(shí)根據(jù)剩余參考單元個(gè)數(shù)，選擇不同的參考單元集，估算得到背景噪聲功率，再乘以比例系數(shù)得到最終的功率檢測(cè)門(mén)限，避免噪聲功率估計(jì)過(guò)低，造成虛警率過(guò)高。經(jīng)過(guò)仿真驗(yàn)證，DCT-MRC-CFAR目標(biāo)檢測(cè)算法在均勻背景噪聲環(huán)境下，檢測(cè)損失較小，在雜波邊緣干擾和多目標(biāo)干擾環(huán)境下，檢測(cè)性能優(yōu)于ACCA-CFAR和ADCCA-CFAR目標(biāo)檢測(cè)算法，具有很好的魯棒性。

1 DCT-MRC-CFAR檢測(cè)算法

1.1 算法結(jié)構(gòu)圖

DCT-MRC-CFAR檢測(cè)算法結(jié)構(gòu)如圖1所示。其中，I和Q為雷達(dá)前段返回的中頻信號(hào)，經(jīng)過(guò)平方律檢波器得到檢測(cè)包絡(luò)序列作為算法輸入[6]；x0為測(cè)試單元，x1,x2,x3,…,xN為從檢測(cè)包絡(luò)序列中提取的N個(gè)參考單元序列組成參考窗；xmax為從參考窗口中選擇的最大值參考單元；γ為比例系數(shù)。

1.2 算法描述及步驟

步驟1 最大值參考單元選擇。xmax可以表示為

xmax=max(xi),i∈[1,N]

(1)

步驟2 背景噪聲功率估計(jì)。參考窗中除了最大值參考單元，其余剩余參考單元組成N-1個(gè)參考單元的集合，表示為：x1′,x2′,x3′,…,xN-1，每個(gè)參考單元分別與γ·xmax進(jìn)行比較，其中，γ為比例系數(shù)，0<γ≤1。小于等于γ·xmax的所有參考單元組成單元集s0，大于γ·xmax的所有參考單元組成單元集s1，表示為

(2)

(2)式中：k′∈[1,N-1]；n0表示單元集s0中參考單元個(gè)數(shù)，0≤n0

(3)

(3)式中：Nt為整數(shù)，指參考窗大小減去算法在參考窗中最多可以承受的干擾單元個(gè)數(shù)的差值，0

步驟3 計(jì)算檢測(cè)功率門(mén)限。假設(shè)T為功率檢測(cè)門(mén)限，則背景噪聲功率Z乘以α得到T，T的計(jì)算式為

T=Z·α

(4)

(4)式中，α為門(mén)限系數(shù)，α>0。

步驟4 目標(biāo)判別。測(cè)試單元x0通過(guò)與功率檢測(cè)門(mén)限T進(jìn)行比較，即可判別測(cè)試單元x0是否為有效目標(biāo)的回波信號(hào)單元，即是否為有效目標(biāo)，假設(shè)H1表示有目標(biāo)，H0表示無(wú)目標(biāo)，目標(biāo)判斷方法為

x0>T?H1;x0≤T?H0

(5)

1.3 算法參數(shù)選擇

N為參考窗大小即包含樣本數(shù)，關(guān)于參考窗中樣本單元數(shù)N的選擇不宜過(guò)大，如果參考窗中包含有過(guò)多的樣本單元，并不一定能很好地估計(jì)背景噪聲功率[7-11]。本文中取N=24。當(dāng)N確定后，DCT-MRC-CFAR檢測(cè)算法的檢測(cè)性能取決于參數(shù)Nt,γ,α。在本文中，參數(shù)選擇過(guò)程如下：假設(shè)M為算法最大能夠容忍的干擾目標(biāo)個(gè)數(shù)；Nt=N-M。假設(shè)Pfa為目標(biāo)恒虛警率，根據(jù)比例系數(shù)γ∈[0.01,1]和Pfa計(jì)算對(duì)應(yīng)的α。各參數(shù)間關(guān)系式及其推導(dǎo)過(guò)程見(jiàn)參考文獻(xiàn)[12]，關(guān)系式為

假設(shè)信號(hào)與噪聲的比率(signal noise ratio,SNR)為σs；雜波與噪聲的比率為σc；干擾信號(hào)與噪聲的比率為σi;當(dāng)σs=0時(shí)，(6)式中的P為均勻噪聲環(huán)境下的虛警概率Pfa。當(dāng)σ=σc或者σi時(shí)，(6)式中的P為雜波干擾或者多目標(biāo)干擾環(huán)境下的虛警率Pfa，其中，r1=1+γ(M-m-1)+γi+(1-γ)j，r2=γ(N-M-n0+m)+γp+(1-γ)q。當(dāng)σs=0時(shí)，(7)式中的P為目標(biāo)干擾環(huán)境下的虛警率Pfa；當(dāng)σs=0，σi=σc時(shí)，(7)式中的P為雜波干擾環(huán)境下的虛警率Pfa；根據(jù)Pfa和設(shè)定的γ參數(shù)即可計(jì)算出α。針對(duì)計(jì)算出的各組數(shù)據(jù)，通過(guò)檢測(cè)率仿真結(jié)果，選擇最優(yōu)值。

當(dāng)σs≠0時(shí)，(6)式中的P為多目標(biāo)干擾環(huán)境下的檢測(cè)概率Pd；當(dāng)σs≠0，σi=σc時(shí)，(7)式中的P為雜波干擾環(huán)境下的檢測(cè)率Pd。當(dāng)σs≠0時(shí)，(6)式中的P為目標(biāo)干擾環(huán)境下的檢測(cè)率Pd。對(duì)于步驟2所計(jì)算出的(γ,α)以及給定的σ值，如σ=25 dB時(shí)，可以利用(6)—(7)式計(jì)算出均勻和非均勻噪聲環(huán)境下的目標(biāo)檢測(cè)概率Pd。 為了保證DCT-MRC-CFAR檢測(cè)算法在均勻噪聲環(huán)境下，具有較小的檢測(cè)損失以及在非均勻噪聲環(huán)境下，保持穩(wěn)定的檢測(cè)性能，必須通過(guò)仿真選擇最優(yōu)的(γ,α)參數(shù)。

2 仿真分析

2.1 算法關(guān)鍵參數(shù)仿真結(jié)果及分析

本文在Matlab環(huán)境下通過(guò)蒙特卡洛方法對(duì)DCT-MRC-CFAR檢測(cè)算法的關(guān)鍵參數(shù)以及與其他各檢測(cè)算法的檢測(cè)性能進(jìn)行了仿真對(duì)比分析。假設(shè)N=24，Pfa=10-4，Nt=N-M，M通過(guò)仿真可以得到最優(yōu)參數(shù)，本文通過(guò)仿真該算法最多可以剔除8個(gè)干擾目標(biāo)，即M=8。故Nt值取16。根據(jù)Pfa=10-4以及(6)—(7)式可以計(jì)算得到γ與α的對(duì)應(yīng)關(guān)系，即(γ,α)的典型對(duì)應(yīng)值如表1所示。

表1 γ與α的關(guān)系

從表1和(6)—(7)式可以看出，α與γ直接相關(guān)，γ參數(shù)需要通過(guò)仿真確定。在確定了參數(shù)γ后，就確定了α。假設(shè)Pd為算法目標(biāo)檢測(cè)率，SNR為信噪比，圖2為N=24，Pfa=10-4,Nt=16時(shí)，DCT-MRC-CFAR檢測(cè)算法在σs=30 dB時(shí)的均勻噪聲仿真環(huán)境下和σi=30 dB時(shí)多目標(biāo)干擾仿真環(huán)境下的Pd與γ的關(guān)系曲線。

從圖2可以看出，當(dāng)γ=0.04時(shí)，DCT-MRC-CFAR檢測(cè)算法在均勻和非均勻噪聲環(huán)境下，均具有較好的檢測(cè)性能。在多目標(biāo)干擾環(huán)境下，當(dāng)γ值從0.01增加到0.04時(shí)，Pd呈上升趨勢(shì)，從43.25%增大到79.37%；γ=0.04時(shí)，Pd達(dá)到最大83.56%；當(dāng)γ值從0.05增加到0.1時(shí)，Pd呈下降趨勢(shì)，從78.65%降低到22.13%。而在均勻噪聲環(huán)境下，γ=0.01時(shí)，Pd最大為95.15%；當(dāng)γ值從0.01增加到0.04時(shí)，Pd從95.15%降低到94.53%。折中考慮DCT-MRC-CFAR檢測(cè)算法在均勻和多目標(biāo)干擾環(huán)境下的檢測(cè)率，γ選擇0.04，根據(jù)表1的對(duì)應(yīng)關(guān)系，α取值為18.86。

圖2 DCT-MRC-CFAR算法檢測(cè)率與γ的關(guān)系Fig.2 Relationship between detection performance of DCT-MRC-CFAR and γ

2.2 均勻噪聲環(huán)境下仿真結(jié)果及分析

圖3為N=24，Pfa=10-4,Nt=16，γ=0.04，α=18.86時(shí)，均勻噪聲仿真環(huán)境下DCT-MRC-CFAR檢測(cè)算法與CA-CFAR，ACCA-CFAR和ADCCA-CFAR檢測(cè)算法的檢測(cè)性能仿真對(duì)比曲線。

圖3 各算法在均勻噪聲環(huán)境下的檢測(cè)率對(duì)比Fig.3 Pd comparison between detectors in homogenous environment

從圖3可以看出，在均勻噪聲環(huán)境下，當(dāng)SNR=25 dB時(shí)，DCT-MRC-CFAR算法檢測(cè)率達(dá)97.32%，接近于CA-CFAR，ACCA-CFAR和ADCCA-CFAR算法。當(dāng)檢測(cè)概率為80.00%時(shí)，各算法與CA-CFAR算法相比，DCT-MRC-CFAR算法損失約0.05 dB,ADCCA-CFAR和ACCA-CFAR算法損失約0.12 dB。

2.3 非均勻噪聲環(huán)境下仿真結(jié)果及分析

2.3.1 雜波干擾環(huán)境下仿真結(jié)果及分析

假設(shè)NC表示參考窗中雜波參考單元數(shù)，圖4為N=24，Pfa=10-4,Nt=16，γ=0.04，α=18.86時(shí)，雜波干擾仿真環(huán)境下DCT-MRC-CFAR檢測(cè)算法與ACCA-CFAR和ADCCA-CFAR檢測(cè)算法的虛警率控制效果仿真對(duì)比曲線。

圖4 各檢測(cè)算法在雜波干擾環(huán)境下的虛警率對(duì)比Fig.4 Pfa comparison of the detectors in clutter edge situation

從圖4可以看出，當(dāng)參考窗中雜波干擾單元數(shù)量較少時(shí)，選擇S0作為參考單元集估計(jì)背景噪聲功率的概率較高，因?yàn)镾0為參考窗剔除極大值參考單元后剩余的參考單元集，所以功率估計(jì)值最小，實(shí)際虛警率接近于目標(biāo)虛警率Pfa，隨著雜波數(shù)量NC的增加，背景噪聲估計(jì)值逐漸偏大，故虛警率逐漸降低，但是當(dāng)NC增加到一定數(shù)量時(shí)，參考單元所處環(huán)境由均勻噪聲環(huán)境向非均勻噪聲環(huán)境轉(zhuǎn)移，選擇參考窗中所有參考單元，估計(jì)背景噪聲功率的概率較高。同時(shí)，選擇參考窗中所有參考單元估計(jì)背景噪聲功率，雖然背景噪聲功率值增大，但是極大值參考單元未予剔除，故虛警率突然增加，導(dǎo)致虛警率發(fā)生突變。但是隨著NC的進(jìn)一步增加，背景噪聲功率估計(jì)值逐漸偏高，虛警率逐步降低。NC小于3或者大于22時(shí)， DCT-MRC-CFAR檢測(cè)算法的虛警率接近于目標(biāo)虛警率，且虛警率小于ADCCA-CFAR和ACCA-CFAR檢測(cè)算法，虛警率控制穩(wěn)定性較好。

圖5為DCT-MRC-CFAR檢測(cè)算法與各檢測(cè)算法在雜波干擾環(huán)境下的檢測(cè)性能仿真對(duì)比曲線。

從圖5中可以看出，DCT-MRC-CFAR檢測(cè)算法通過(guò)第一重比較門(mén)限將大部分干擾信號(hào)參考單元剔除，提高了背景噪聲功率估計(jì)精度，檢測(cè)率明顯提高，在5 dB≤SNR≤30 dB范圍內(nèi)，其檢測(cè)性能明顯優(yōu)于ADCCA-CFAR和ACCA-CFAR檢測(cè)算法，表現(xiàn)出了在雜波邊緣干擾環(huán)境下良好的檢測(cè)性能。

2.3.2 多目標(biāo)干擾環(huán)境下仿真結(jié)果及分析

假設(shè)m表示參考窗中干擾目標(biāo)個(gè)數(shù)，圖6為N=24，Pfa=10-4,m=8，9，10，11，12，Nt=16，γ=0.04，α=18.86時(shí)，多目標(biāo)干擾仿真環(huán)境下DCT-MRC-CFAR算法虛警率控制效果曲線。

圖5 各檢測(cè)算法在雜波干擾環(huán)境下的檢測(cè)率對(duì)比Fig.5 Pd comparison of the detectors in clutter edge situation

圖6 DCT-MRC-CFAR算法在多目標(biāo)干擾環(huán)境下的虛警率Fig.6 Pfa of the DCT-MRC-CFAR detector in multi-interfering target situation

從圖6可以看出，當(dāng)雜波干擾單元數(shù)量較少時(shí)，選擇S0作為參考單元集，估計(jì)背景噪聲功率的概率較高，因?yàn)镾0為參考窗剔除極大值參考單元后,剩余的參考單元集，所以功率估計(jì)值最小，實(shí)際虛警率接近于目標(biāo)虛警率Pfa，當(dāng)雜波干擾單元數(shù)量逐漸增加時(shí)，噪聲功率估計(jì)值逐漸增高，虛警率逐漸降低。當(dāng)雜波單元數(shù)逐漸增加且大于N/2時(shí)，測(cè)試單元可能會(huì)被淹沒(méi)在雜波干擾參考單元當(dāng)中，測(cè)試單元從均勻噪聲環(huán)境轉(zhuǎn)移到非均勻噪聲環(huán)境，此時(shí)選擇參考窗中所有參考單元估計(jì)背景噪聲功率的概率較高，選擇參考窗中所有參考單元估計(jì)背景噪聲功率，雖然背景噪聲功率值增大，但是極大值參考單元未予剔除，故虛警率突然增加，導(dǎo)致虛警率發(fā)生突變，虛警率突然增高，偏離目標(biāo)恒虛警率。但是隨著干擾目標(biāo)數(shù)量的繼續(xù)增加，噪聲功率估計(jì)值逐漸增大，虛警率又逐步降低。

圖7為N=24，Pfa=10-4,m=6，Nt=16，γ=0.04，α=18.86時(shí)，多目標(biāo)干擾仿真環(huán)境下DCT-MRC-CFAR檢測(cè)算法的檢測(cè)性能仿真曲線。

圖7 DCT-MRC-CFAR算法在多目標(biāo)干擾環(huán)境下的檢測(cè)率Fig.7 Pd of the DCT-MRC-CFAR detector in multi-interfering target situation

從圖7可以看出，當(dāng)干擾目標(biāo)數(shù)量逐漸增多時(shí)，檢測(cè)概率開(kāi)始明顯下降，檢測(cè)損失嚴(yán)重。DCT-MRC-CFAR檢測(cè)算法最多能夠剔除參考窗中8個(gè)干擾目標(biāo)，當(dāng)干擾目標(biāo)數(shù)量增多時(shí)，剔除能力下降，導(dǎo)致算法檢測(cè)性能?chē)?yán)重下降。

圖8為N=24，Pfa=10-4,m=6，Nt=16，γ=0.04，α=18.86時(shí)，多目標(biāo)干擾仿真環(huán)境下各算法檢測(cè)性能仿真對(duì)比曲線。

圖8 各檢測(cè)算法在多目標(biāo)干擾環(huán)境下的檢測(cè)率對(duì)比Fig.8 Pd comparison between detectors in multi-interfering target environment

從圖8可以看出，當(dāng)5 dB

3 結(jié) 論

本文針對(duì)在雜波和多目標(biāo)干擾環(huán)境下傳統(tǒng)目標(biāo)檢測(cè)算法虛警過(guò)多的問(wèn)題，基于最大值參考單元，并結(jié)合ADCCA-CFAR和ACCA-CFAR算法的優(yōu)點(diǎn)，提出了一種基于DCT-MRC-CFAR目標(biāo)檢測(cè)算法。選擇參考窗中最大值參考單元乘以相關(guān)系數(shù)作為比較門(mén)限剔除參考窗中極大值參考單元，再根據(jù)剩余參考單元數(shù)選擇合適的參考單元估計(jì)背景噪聲功率，間接剔除了部分干擾信號(hào)和極小值參考單元，避免了檢測(cè)門(mén)限估計(jì)偏大，檢測(cè)率下降導(dǎo)致的遮擋效應(yīng)問(wèn)題，也避免了檢測(cè)門(mén)限估計(jì)值有時(shí)偏小，導(dǎo)致虛警過(guò)多的問(wèn)題。針對(duì)本文提出的DCT-MRC-CFAR目標(biāo)檢測(cè)算法在Matlab環(huán)境下，采用蒙特卡洛方法，分別與CA-CFAR，ADCCA-CFAR和ACCA-CFAR目標(biāo)檢測(cè)算法進(jìn)行了仿真對(duì)比， DCT-MRC-CFAR算法在均勻噪聲環(huán)境下，檢測(cè)率為97.32%，接近于CA-CFAR算法；在非均勻噪聲環(huán)境下，檢測(cè)率為96.71%，優(yōu)于ADCCA-CFAR和ACCA-CFAR算法。結(jié)果表明，本文提出的DCT-MRC-CFAR檢測(cè)算法，相對(duì)其他檢測(cè)算法，有較好的剔除能力和虛警率控制效果，在均勻和非均勻噪聲環(huán)境下，表現(xiàn)出較好的檢測(cè)性能和魯棒性，有很好的工程應(yīng)用價(jià)值。

[1] ZAIMBASHI A. An adaptive CA-CFAR detector for interfering targets and clutter-edge situations [J].Digital Signal Processing, 2014,31(8):59-68.

[2] WEINBERG G V,KYPRIANOU R.Optimized binary integration with Order Statistic CFAR in Pareto distributed clutter[J].Digital Signal Processing,2015,42(7):50-60.

[3] FARROUKI A, BARKAT M. Automatic censoring CFAR detector based on ordered data variability for non-homogeneous environments[J].IEE Proc Radar Sonar Navig,2005,152(1): 43-51.

[4] BOUDEMAGH N, HAMMOUDI Z. Automatic censoring CFAR detector for heterogeneous environments[J].Int J Electron Commun (AEU), 2014,68(12): 1253-1260.

[5] ZAIMBASHI A, NOROUZI Y.Automatic Dual Censoring CA-CFAR detector in non-homogenous environments[J]. Signal Processing, 2008, 88(11): 2611-2621.

[6] SMITH M E, VARSHNEY P K. Intelligent CFAR processor based on data variability [J].IEEE Trans Aerosp Electron Syst, 2000, 36(3): 837-847.

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

[8] 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(11): 4878-4891.

[9] DU B, ZHANG L P. Target detection based on a dynamic subspace [J].Pattern Recognition,2014,47(1):344-358.

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

[11] LEI S W, ZHAO Z Q, NIE Z P, et al. Adaptive polar metric detection method for target in partially homogeneous background [J].Signal Processing,2015,106(1): 301-311.

[12] ARNOLD B C, BALAKRISHNAN N, NAGARAJA H N. A First Course in Order Statistics [J]. SIAM, 2008,112(6):130-142.

(編輯：王敏琦)

s：The National Natural Science Foundation of China (91120307);The Anhui Provincial Natural Science Foundation (TSKJ2015B12);The Anhui Polytechnic University Computer application technology Laboratory Foundation(JSJKF201514)

Dual censoring threshold CFAR target detection algorithm based on maximal reference cell

LIU Guiru1, WANG Lulin2, ZOU Shan1
(1.College of Computer and Information Science, Anhui Polytechnic University, Wuhu 241000, P.R. China; 2.Prospective Technology Research Institute, Chery Automobile Co., Ltd, Wuhu 241006, P.R. China)

For the problem that the conventional constant false alarm rate(CFAR) detection algorithms suffer from excessive false alarms in non-homogenous environment, a dual censoring threshold based on maximal reference cell-constant false alarm rate (DCT-MRC-CFAR) target detection algorithm is proposed. Compared with the censoring threshold which is generated based on the amplitude of maximum reference cell, the higher amplitude reference cells are censored from the reference window. Base on the number of the remaining reference cells in the reference window, the proper reference cells are selected from the remaining reference cells or all reference cells of the reference window to computer the background noise power level and obtain the adaptive detection threshold. The performance of the DCT-MRC-CFAR detection algorithm is evaluated in different simulation environments. Compared to the other detectors, the DCT-MRC-CFAR detection algorithm performs like the CA-CFAR detection algorithm in homogeneous environment and better than the automatic censored cell averaging-constant false alarm rate (ACCA-CFAR) and automatic dual censored cell averaging-constant false alarm rate (ADCCA-CFAR) detection algorithms in non-homogeneous environment. The simulation results show that the proposed DCT-MRC-CFAR detection algorithm has excellent and robust performance both in homogenous and non-homogeneous environments.

target detection; constant false alarm rate(CFAR); maximal reference cell; non-homogenous noise

2016-11-01

2017-04-06 通訊作者：劉貴如 liuguiru@ahpu.edu.cn

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)

10.3979/j.issn.1673-825X.2017.03.020

TN957.51

A

1673-825X(2017)03-0409-07

劉貴如(1980-)，女，山西五臺(tái)人，講師，主要研究方向?yàn)樾盘?hào)處理。E-mail: liuguiru@ahpu.edu.cn。

王陸林 (1979-)，男，山西保德人，高級(jí)工程師，碩士，主要研究方向?yàn)檐?chē)輛主動(dòng)安全。E-mail: wanglulinswjtu@163.com。