王陸林，劉貴如，鄒 姍，李志玲

(安徽工程大學(xué) 計(jì)算機(jī)與信息學(xué)院，安徽 蕪湖 241000)

0 引 言

在雷達(dá)目標(biāo)檢測(cè)過程中，如果回波信號(hào)中有噪聲、雜波干擾和目標(biāo)干擾信號(hào)時(shí)，要實(shí)現(xiàn)恒虛率(constant false alarm rate，CFAR)警檢測(cè)就變得非常困難[1-2]。雜波等干擾信號(hào)的功率是隨機(jī)的，無(wú)法預(yù)知，所以固定檢測(cè)門限會(huì)導(dǎo)致大量的虛警或者檢測(cè)率嚴(yán)重下降，在實(shí)際應(yīng)用中無(wú)法使用[3-4]。CFAR檢測(cè)算法是在雷達(dá)檢測(cè)領(lǐng)域應(yīng)用較為廣泛的一種檢測(cè)技術(shù)，它通過估計(jì)待檢測(cè)參考單元周圍相鄰參考單元的功率得到背景噪聲功率估計(jì)值，然后再乘以比例系數(shù)得到功率檢測(cè)門限[5-6]。其中，基于平均功率和有序統(tǒng)計(jì)方法的CFAR檢測(cè)使用最為廣泛。單元平均恒虛警(cell averaging constant false alarm rate, CA-CFAR)檢測(cè)器[7]、最大選擇恒虛警(greatest of constant false alarm rate, GO-CFAR)檢測(cè)器[8]、VI-CFAR(variability index constant false alarm rate, VI-CFAR)檢測(cè)器[9-10]均依賴于先驗(yàn)知識(shí)即背景噪聲、雜波和多目標(biāo)干擾的分布情況。但在實(shí)際應(yīng)用場(chǎng)景中，背景噪聲功率分布是不確定的，有時(shí)無(wú)法得到先驗(yàn)知識(shí)，不能保證較穩(wěn)定的檢測(cè)性能。

有序統(tǒng)計(jì)恒虛警率(order statistic constant false alarm rate, OS-CFAR)檢測(cè)器[11]在多目標(biāo)干擾環(huán)境下具有較佳的檢測(cè)性能。而在實(shí)際工程應(yīng)用中，背景噪聲環(huán)境是隨機(jī)的，無(wú)法預(yù)知的，如果采用單一的CFAR檢測(cè)器，有時(shí)會(huì)導(dǎo)致檢測(cè)性能嚴(yán)重下降。面對(duì)復(fù)雜的檢測(cè)環(huán)境和苛刻的系統(tǒng)需求，在保持較低虛警率的前提下，要保持較高且較穩(wěn)定的檢測(cè)率，尤其是檢測(cè)率在90%以上時(shí)，檢測(cè)率的提高將變得非常困難。對(duì)此專家學(xué)者引入了多傳感器檢測(cè)系統(tǒng)，結(jié)合數(shù)據(jù)融合方法，可以有效提高系統(tǒng)的檢測(cè)穩(wěn)定性、速度、檢測(cè)范圍及檢測(cè)性能[12-15]。

分布式檢測(cè)系統(tǒng)采用不同的CFAR檢測(cè)器用于局部傳感器檢測(cè)并進(jìn)行局部判決，并將判決結(jié)果發(fā)送回融合中心進(jìn)行數(shù)據(jù)融合和全局判決[16-17]。Blum和Kassam[18]提出了一種分布式單元平均恒虛警率(distributed cell averaging constant false alarm rate, DCA-CFAR)檢測(cè)器，采用CA-CFAR檢測(cè)器作為局部檢測(cè)器，將二元判決結(jié)果發(fā)送回融合中心，然后通過AND和OR融合準(zhǔn)則進(jìn)行全局判決。相比CA-CFAR檢測(cè)算法，提高了在均勻噪聲環(huán)境下的檢測(cè)性能，但是針對(duì)非均勻噪聲環(huán)境，檢測(cè)性能仍然較差。對(duì)此Uner[19]和Blum[20]分別提出了非均勻噪聲環(huán)境下的分布式檢測(cè)算法，將OS-CFAR檢測(cè)算法作為局部檢測(cè)器雖然可以在一定程度上提高系統(tǒng)的檢測(cè)性能，但是選擇合適的參數(shù)較為困難，引入更多的局部檢測(cè)器，將更有利于提高分布式檢測(cè)系統(tǒng)的檢測(cè)性能。

針對(duì)以上問題，本文提出了一種改進(jìn)的分布式IVI-CFAR (improved variability index-constant false alarm rate, IVI-CFAR)檢測(cè)算法，對(duì)VI-CFAR作為局部檢測(cè)器并進(jìn)行了改進(jìn)，引入OS-CFAR檢測(cè)器，根據(jù)局部統(tǒng)計(jì)量選擇不同的局部檢測(cè)器，提高局部背景噪聲功率的估計(jì)精度，從而提高局部檢測(cè)器的檢測(cè)性能，克服了分布式VI-CFAR檢測(cè)算法中局部檢測(cè)器過于單一的不足，有效提高系統(tǒng)在均勻和非均勻噪聲環(huán)境下的檢測(cè)性能。

1 改進(jìn)的VI-CFAR檢測(cè)算法

改進(jìn)的VI-CFAR檢測(cè)算法的結(jié)構(gòu)原理見圖1。

圖1中，雷達(dá)的回波同相I和正交Q信號(hào)經(jīng)過包絡(luò)檢波器后，將得到的參考單元序列存入線性緩沖池中，并從中選擇N+1個(gè)參考單元，把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)參考單元分別組成Leading子窗口A和Lagging子窗口B，每個(gè)參考單元呈獨(dú)立同分布。IVI-CFAR檢測(cè)器可以選擇子參考窗A、子參考窗B或者整個(gè)參考窗用于背景噪聲功率估計(jì)。同時(shí)，在CA-CFAR，GO-CFAR和SO-CFAR的基礎(chǔ)上引入OS-CFAR局部檢測(cè)器。IVI-CFAR檢測(cè)器根據(jù)統(tǒng)計(jì)量VI與子窗口A和B的背景噪聲功率均值比2個(gè)參量，選擇不同的檢測(cè)器進(jìn)行背景噪聲功率的估計(jì)記為Z。功率估計(jì)值再乘以門限檢測(cè)系數(shù)記為T，就可以得到功率檢測(cè)門限T·Z，每個(gè)參考單元均可以作為待檢測(cè)單元xn+1與檢測(cè)門限T·Z進(jìn)行比較，判斷目標(biāo)有無(wú)。其中，H1表示有目標(biāo)，H0表示無(wú)目標(biāo)。

1.1 IVI-CFAR局部統(tǒng)計(jì)量定義

統(tǒng)計(jì)量VI是一個(gè)二階統(tǒng)計(jì)量，是估計(jì)均值和方差的函數(shù)?？梢员硎緸?/p>

(1)

(2)

為了判斷每個(gè)子參考窗口中參考單元功率分布是否均勻，將得到的VI與比較門限KVI進(jìn)行比較，如果VI≤KVI，則子參考窗口參考單元呈均勻分布；如果VI≥KVI，則呈非均勻分布。

圖1 IVI-CFAR檢測(cè)器框圖Fig.1 IVI-CFAR block diagram

MR表示子參考窗A和B的均值比，表示為

(3)

(4)

(5)

MR的分布函數(shù)可以表示為

(6)

為了判斷每個(gè)參考窗口中參考單元功率均值是否相同，還需要將計(jì)算得到的MR與比較門限KMR進(jìn)行比較，如果1/KMR≤MR≤KMR，則均值相同；如果MR≤1/KMR或者M(jìn)R≥KMR，則均值不同。

KVI和KMR均為參數(shù)，后續(xù)通過仿真可以得到最優(yōu)值。VIA，VIB和MR可以通過計(jì)算得到。

1.2 IVI-CFAR檢測(cè)器選擇

檢測(cè)器的選擇和檢測(cè)門限的估計(jì)取決于子參考窗A和B中參考單元的分布情況及參考單元均值是否相同等因素。下面針對(duì)參考窗中參考單元所處的3種不同環(huán)境分別進(jìn)行分析。

1.2.1 CA-CFAR檢測(cè)器選擇

如果子參考窗A和B中參考單元均呈均勻分布，且均值相同，滿足如下2個(gè)條件，即

VIA≤KVI，VIB≤KVI

(7)

1/KMR≤MR≤KMR

(8)

(7)—(8)式中：VIA為子參考窗A的VI統(tǒng)計(jì)量；VIB為子參考窗B的VI統(tǒng)計(jì)量；KVI為VI的比較門限。

根據(jù)(7)—(8)式可以判斷檢測(cè)單元所處環(huán)境為均勻噪聲環(huán)境，此時(shí)IVI-CFAR檢測(cè)算法將選擇CA-CFAR檢測(cè)方法進(jìn)行背景噪聲功率估計(jì)，即取參考窗中所有參考單元均值作為背景噪聲功率估計(jì)值。背景噪聲功率估計(jì)值記為ZCA_N，其目標(biāo)虛警率記為Pf_CA_N,檢測(cè)率記為Pd_CA_N,功率門限系數(shù)記為TCA_N。ZCA_N，Pf_CA_N，TCA_N和Pd_CA分別表示為

(9)

Pf_CA_N=(1+TCA_N)-N

(10)

TCA_N=(Pf_CA)-1/N-1

(11)

(12)

(9)—(12)式中：S為信噪比(Signal-noise-ratio, SNR)；N為參考窗長(zhǎng)度。

但是在實(shí)際應(yīng)用環(huán)境下，由于雨霧、路面積水等因素，噪聲回波中含有邊緣雜波干擾信號(hào)。當(dāng)一個(gè)或多個(gè)干擾目標(biāo)參考單元出現(xiàn)在參考窗中時(shí)，如果干擾目標(biāo)參考單元只出現(xiàn)在參考窗A中，子參考窗A中的參考單元呈非均勻分布，子參考窗B中的參考單元呈均勻分布，滿足以下條件，即

VIA≥KVI，VIB≤KVI

(13)

MR≤1/KMR或MR≥KMR

(14)

此時(shí)，待檢測(cè)單元被認(rèn)為是處在均勻噪聲環(huán)境下，為了提高檢測(cè)率，IVI-CFAR檢測(cè)算法將選擇參考窗B中參考單元功率均值作為背景噪聲功率估計(jì)值記為ZCA_B，表示為

(15)

如果干擾目標(biāo)參考單元只出現(xiàn)在子參考窗B中時(shí)，子參考窗B中的參考單元呈非均勻分布，子參考窗A中的參考單元呈均勻分布，滿足條件，即

VIA≤KVI，VIB≥KVI

(16)

此時(shí)，待檢測(cè)單元被認(rèn)為是處在均勻噪聲環(huán)境下，為了提高檢測(cè)率，IVI-CFAR檢測(cè)算法將選擇子參考窗A中參考單元功率均值作為背景噪聲功率估計(jì)值，記為ZCA_A，表示為

(17)

針對(duì)雜波邊緣干擾信號(hào)或目標(biāo)干擾信號(hào)只出現(xiàn)在子參考窗A或者B中時(shí)，IVI-CFAR檢測(cè)算法選擇CA-CFAR對(duì)參考單元呈均勻分布的子參考窗A或者B中的N/2個(gè)參考單元取均值作為背景噪聲功率估計(jì)，其目標(biāo)虛警率記為Pf_CA_N/2,檢測(cè)率記為Pd_CA_N/2,功率門限系數(shù)記為TCA_N/2。則Pf_CA_N/2，TCA_N/2和Pd_CA_N/2分別表示為

Pf_CA_N/2=(1+TCA_N/2)-N/2

(18)

TCA_N/2=(Pf_CA_N/2)-2/N-1

(19)

(20)

1.2.2GO-CFAR檢測(cè)器選擇

如果子參考窗A和B中均包含雜波干擾單元，即滿足條件，即

VIA≥KVI，VIB≥KVI

(21)

這種情況下，待檢測(cè)單元被認(rèn)為是處在非均勻噪聲環(huán)境下，滿足(14)式和(21)式的條件。如果此時(shí)待檢測(cè)單元本身就是雜波干擾單元的情況，此時(shí)為了避免過多的虛警，IVI-CFAR檢測(cè)算法將選擇GO-CFAR檢測(cè)方法進(jìn)行背景噪聲功率估計(jì)，選擇子參考窗A和B中均值最大值作為背景噪聲功率估計(jì)值。背景噪聲功率估計(jì)值記為ZGO。目標(biāo)虛警率記為Pf_GO,檢測(cè)率記為Pd_GO,功率門限系數(shù)記為TGO。則Pf_GO和Pd_GO分別表示為

Pf_GO=2(1+TGO)-N/2-

(22)

(23)

TGO可以由設(shè)定的目標(biāo)恒虛警率Pf_GO根據(jù)(23)式求得。ZGO可以表示為

(24)

1.2.3SO-CFAR檢測(cè)器選擇

在滿足(14)式和(21)式的條件下，如果此時(shí)待檢測(cè)單元本身并非雜波干擾單元，為了避免選擇GO-CFAR可能導(dǎo)致較大的檢測(cè)損失，IVI-CFAR檢測(cè)算法將選擇SO-CFAR檢測(cè)方法進(jìn)行背景噪聲功率估計(jì)，選擇子參考窗A和B中均值最小值作為背景噪聲功率估計(jì)值。背景噪聲功率估計(jì)值記為ZSO。目標(biāo)虛警率記為Pf_SO,檢測(cè)率記為Pd_SO,功率門限系數(shù)記為TSO。則Pf_SO和Pd_SO分別表示為

(25)

(26)

TSO可以由設(shè)定的目標(biāo)恒虛警率Pf_SO根據(jù)(26)式求得。ZSO可以表示為

(27)

1.2.4OS-CFAR檢測(cè)器選擇

滿足(14)式和(21)式的條件下，如果多個(gè)干擾目標(biāo)出現(xiàn)在參考窗中，并同時(shí)出現(xiàn)在子參考窗A和B中時(shí)，子參考窗A和B中參考單元均呈現(xiàn)非均勻分布。

如果此時(shí)選擇功率均值最大的子窗口的功率均值作為背景噪聲功率估計(jì)值，將導(dǎo)致較大的檢測(cè)損失，檢測(cè)率嚴(yán)重下降。相反，選擇最小的子窗口的功率均值作為背景噪聲功率估計(jì)值，則會(huì)導(dǎo)致過多的虛警。針對(duì)這種情況，本文引入了OS-CFAR檢測(cè)算法，在對(duì)參考窗中所有參考單元功率進(jìn)行升序排列的基礎(chǔ)上，通過第k個(gè)參考單元功率值作為背景噪聲功率估計(jì)值。此時(shí)背景噪聲功率估計(jì)值記為ZOS，目標(biāo)虛警率記為Pf_OS,檢測(cè)率記為Pd_OS,功率門限系數(shù)記為TOS。

ZOS，Pf_OS和Pd_OS分別表示為

ZOS=Xk

(28)

(29)

(30)

TOS可以由設(shè)定的目標(biāo)恒虛警率Pf_OS根據(jù)(30)式求得。綜上，不同情況下的檢測(cè)器選擇以及檢測(cè)門限表示如表1。

假設(shè)Z表示背景噪聲功率估計(jì)值，則Z={ZCA,ZCA_A,ZCA_B,ZGO,ZOS};T表示功率門限參數(shù)，則T={TCA_N,TCA_N/2,TGO,TOS}。Z和T的選擇與當(dāng)前子參考窗A和B以及選擇的檢測(cè)器有關(guān)(見表1)。待檢測(cè)單元xn+1通過與檢測(cè)門限T·Z進(jìn)行比較，得到二元判決結(jié)果{0,1}。

xn+1≥Z·T?H1

(31)

xn+1

(32)

表1 檢測(cè)器選擇和檢測(cè)門限計(jì)算

2 分布式IVI-CFAR檢測(cè)算法

基于IVI-CFAR檢測(cè)器的分布式檢測(cè)系統(tǒng)結(jié)構(gòu)原理圖如圖2。

圖2 并行分布式IVI-CFAR檢測(cè)系統(tǒng)結(jié)構(gòu)圖Fig.2 Parallel distributed IVI-CFAR detection system block diagram

圖2中，并行分布式IVI-CFAR檢測(cè)系統(tǒng)由N個(gè)IVI-CFAR檢測(cè)器組成，記為di,i=1,2,3,…,N, 每個(gè)檢測(cè)器di均進(jìn)行局部判決，得到局部判決結(jié)果Di,i=1,2,3,…,N,Di∈[0,1]。局部判決結(jié)果發(fā)送到融合中心，通過融合得到全局判決結(jié)果D0。每個(gè)檢測(cè)器di的檢測(cè)概率和虛警概率分別用Pdi和Pfi，分別表示為

Pdi={Pd_CA_N,Pd_CA_N/2,Pd_GO,Pd_SO,Pd_OS}

(33)

Pfi={Pf_CA_N,Pf_CA_N/2,Pf_GO,Pf_SO,Pf_OS}

(34)

而融合中心分布式檢測(cè)系統(tǒng)檢測(cè)概率和虛警概率分別用Pd和Pf表示。假設(shè)所有的檢測(cè)器di是相互獨(dú)立的，且每個(gè)檢測(cè)器的觀測(cè)值也相互獨(dú)立。本文在融合中心采用“AND”, “OR”融合規(guī)則對(duì)各檢測(cè)器返回的二元判決結(jié)果進(jìn)行處理，得到全局判決結(jié)果，記為D0。

2.1 AND融合規(guī)則

融合中心采用AND融合規(guī)則時(shí)，如果每個(gè)檢測(cè)器di返回的局部判決結(jié)果Di全部為1時(shí)，全局二元判決結(jié)果為1，否則全局二元判決結(jié)果為0。將所有Di值進(jìn)行邏輯與運(yùn)算即可得到融合結(jié)果D0為

D0=D1&&D2&&D3…&&DN

(35)

當(dāng)D0=0時(shí)，全局二元判決結(jié)果為無(wú)目標(biāo)，當(dāng)D0=1時(shí)，全局二元判決結(jié)果為有目標(biāo)。目標(biāo)判決方法表示為

D0=1?H1;D0=0?H0

(36)

Pd和Pf分別表示為

(37)

(38)

2.2 OR融合規(guī)則

融合中心采用OR融合規(guī)則時(shí)，如果每個(gè)檢測(cè)器di返回的局部判決結(jié)果Di全為0，則全局二元判決結(jié)果才為0，否則全局二元判決結(jié)果為1。將所有Di值進(jìn)行邏輯或運(yùn)算即可得到融合結(jié)果D0為

D0=D1‖D2‖D3……‖DN

(39)

當(dāng)D0=1時(shí)，全局二元判決結(jié)果為有目標(biāo)；當(dāng)D0=0時(shí)，全局二元判決結(jié)果為無(wú)目標(biāo)。目標(biāo)判決方法同(34)式。Pd和Pf分別表示為

(40)

(41)

3 仿真分析

本文在Matlab環(huán)境下，通過蒙特卡洛仿真方法，通過Swerling I起伏目標(biāo)模擬非均勻噪聲環(huán)境。對(duì)所提出的分布式IVI-CFAR檢測(cè)系統(tǒng)的檢測(cè)性能進(jìn)行仿真。以2個(gè)和3個(gè)檢測(cè)傳感器為例給出了采用不同融合規(guī)則時(shí)，各信噪比(signal-to-noise ratio, SNR)條件下的檢測(cè)性能對(duì)比。假設(shè)各局部傳感器的參數(shù)相同，即：N1=N2=N3=36，SNR1=SNR2=SNR3,Pf1=Pf2=Pf3；融合中心目標(biāo)虛警率Pf=10-4；KMR和KVI分別等于1.82和4.75。

圖3為IVI-CFAR在由2個(gè)檢測(cè)器組成的分布式系統(tǒng)中，且每個(gè)檢測(cè)器的參考窗中只包含一個(gè)雜波邊緣干擾環(huán)境下的檢測(cè)率對(duì)比分析曲線。從圖3中可以看出，當(dāng)每個(gè)檢測(cè)器的參考窗中只包含一個(gè)雜波邊緣干擾單元時(shí)，VI-CFAR和IVI-CFAR均選擇不包含雜波邊緣干擾單元的子參考窗并用CA-CFAR檢測(cè)器進(jìn)行功率估計(jì)。所以，分布式VI-CFAR和IVI-CFAR融合中心具有接近相同的檢測(cè)性能，且基于“OR”融合規(guī)則的分布式檢測(cè)系統(tǒng)檢測(cè)性能優(yōu)于基于“AND”融合規(guī)則的檢測(cè)性能。在均勻噪聲環(huán)境下也具有同樣的檢測(cè)性能。

但是在實(shí)際應(yīng)用場(chǎng)景中，可能2個(gè)子參考窗中均包含有雜波干擾信號(hào)單元或者目標(biāo)干擾單元，此時(shí)，分布式VI-CFAR和IVI-CFAR檢測(cè)性能嚴(yán)重下降。針對(duì)多目標(biāo)干擾的環(huán)境，本文在VI-CFAR的基礎(chǔ)上，引入了OS-CFAR局部檢測(cè)器，提出了IVI-CFAR分布式檢測(cè)系統(tǒng)。

圖4為針對(duì)“AND”和“OR”2種融合規(guī)則，分布式IVI-CFAR和OS-CFAR檢測(cè)器在多目標(biāo)干擾環(huán)境下的檢測(cè)率對(duì)比分析曲線。

圖3 單個(gè)雜波環(huán)境下分布式IVI-CFAR和VI-CFAR檢測(cè)率對(duì)比Fig.3 Pd comparison of distributed IVI-CFAR and VI-CFAR in a clutter edge situation

圖4 多目標(biāo)干擾環(huán)境下分布式IVI-CFAR和OS-CFAR檢測(cè)率對(duì)比Fig.4 Pd comparison of distributed IVI-CFAR and OS-CFAR in multi-interfering targets situation

從圖4中可以看出，在多個(gè)干擾目標(biāo)參考單元環(huán)境下，分布式IVI-CFAR和OS-CFAR檢測(cè)器具有幾乎相同的檢測(cè)性能。同樣基于 “OR”融合規(guī)則的分布式檢測(cè)系統(tǒng)檢測(cè)性能優(yōu)于基于“AND”融合規(guī)則的。

圖5為針對(duì)“AND”和“OR”2種融合規(guī)則，分布式IVI-CFAR和OS-CFAR檢測(cè)器在多雜波干擾環(huán)境下的檢測(cè)率對(duì)比分析曲線。

從圖5中可以看出，在多雜波干擾環(huán)境下，分布式IVI-CFAR檢測(cè)算法優(yōu)于OS-CFAR檢測(cè)器，針對(duì)雜波邊緣干擾參考單元在分布集中的情況下，通過選擇SO-CFAR檢測(cè)器，提高了檢測(cè)率，降低了檢測(cè)損失；針對(duì)待檢測(cè)參考單元本身可能是雜波干擾信號(hào)的情況下或者雜波干擾參考單元數(shù)量較多的情況下，通過選擇GO-CFAR檢測(cè)器，降低了虛警率。同樣基于 “OR”融合規(guī)則的分布式檢測(cè)系統(tǒng)檢測(cè)性能優(yōu)于基于“AND”融合規(guī)則的。

圖5 多雜波干擾環(huán)境下，分布式IVI-CFAR和OS-CFAR檢測(cè)率對(duì)比Fig.5 Pd comparison of distributed IVI-CFAR and OS-CFAR in multi-clutter edges situation

圖6為針對(duì)2個(gè)檢測(cè)傳感器且采用“AND”和“OR”2種融合規(guī)則的分布式IVI-CFAR和VI-CFAR檢測(cè)算法在多目標(biāo)干擾和多雜波干擾的復(fù)雜環(huán)境下的檢測(cè)率對(duì)比曲線。

圖6 多目標(biāo)和多雜波干擾環(huán)境下分布式IVI-CFAR和VI-CFAR檢測(cè)率對(duì)比Fig.6 Pd comparison of distributed IVI-CFAR and VI-CFAR in multi-interfering targets and multi-clutter edges situation

從圖6中可以看出，在復(fù)雜的多目標(biāo)干擾和雜波干擾環(huán)境下，即每個(gè)檢測(cè)器的參考窗中既包括多個(gè)雜波干擾單元，同時(shí)也包括多個(gè)目標(biāo)干擾單元時(shí)，在2種融合規(guī)則下，分布式IVI-CFAR檢測(cè)算法均優(yōu)于VI-CFAR檢測(cè)算法，尤其是參考窗中同時(shí)出現(xiàn)多個(gè)雜波干擾單元和多個(gè)干擾目標(biāo)單元的情況下。同樣采用“OR”融合規(guī)則時(shí)的分布式檢測(cè)系統(tǒng)檢測(cè)性能優(yōu)于基于“AND”融合規(guī)則的。因此，本文提出的分布式IVI-CFAR檢測(cè)算法不僅在均勻噪聲環(huán)境下，而且在多目標(biāo)干擾和多雜波邊緣干擾的非均勻噪聲環(huán)境下均具有較優(yōu)和較穩(wěn)定的檢測(cè)性能。尤其是采用“OR”融合規(guī)則時(shí)，分布式檢測(cè)系統(tǒng)檢測(cè)性能達(dá)到最優(yōu)，檢測(cè)損失最小。

各算法時(shí)間和空間復(fù)雜度對(duì)比見表2。

表2 各檢測(cè)算法時(shí)間和空間復(fù)雜度對(duì)比

由表2可知，本文提出的IVI-CFAR檢測(cè)算法，在時(shí)間和空間復(fù)雜度方面沒有明顯優(yōu)勢(shì)，但是算法的檢測(cè)性能大幅提升。鑒于目前嵌入式系統(tǒng)的硬件資源相當(dāng)豐富，冗余量即可滿足硬件資源需求，時(shí)間和空間復(fù)雜度方面的劣勢(shì)，在實(shí)用性方面可以接受。

4 結(jié) 論

本文在分布式VI-CFAR檢測(cè)算法的基礎(chǔ)上，結(jié)合OS-CFAR檢測(cè)器的優(yōu)點(diǎn)，提出分布式IVI-CFAR檢測(cè)及其融合算法，引入OS-CFAR檢測(cè)器，根據(jù)參考窗中參考單元的統(tǒng)計(jì)分布情況即2個(gè)統(tǒng)計(jì)量與相應(yīng)的比較門限的比較，選擇合適的檢測(cè)器用于估計(jì)背景噪聲功率，同時(shí)將IVI-CFAR作為局部檢測(cè)器，提出了分布式IVI-CFAR檢測(cè)算法，通過“AND”和“OR”2種融合規(guī)則對(duì)局部檢測(cè)器發(fā)回的二元判決結(jié)果進(jìn)行融合得到全局判決結(jié)果，提高了分布式VI-CFAR檢測(cè)算法在邊緣雜波干擾和多目標(biāo)干擾環(huán)境下的檢測(cè)性能。本文對(duì)提出的分布式IVI-CFAR檢測(cè)算法在Matlab環(huán)境下，通過蒙特卡洛方法進(jìn)行了仿真，在非均勻噪聲環(huán)境下均具有較好和較穩(wěn)定的檢測(cè)性能，在采用“OR”融合規(guī)則時(shí)，全局檢測(cè)性能最優(yōu)。