论文基于排序的自动剔除SWitching—CFAR检测器是关于CFAR检测器方面的论文题目、论文提纲、CFAR检测器论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要：针对传统恒虚警（constant False-Alarm Rate,CFAR）检测器在非均匀噪声环境下检测性能较差的问题,本文提出了一种基于排序的自动剔除Switching-CFAR（AutomaticCensoring Switehing-CFAR Detector Based on Sorting,ACS-CFAR）检测器.选择参考窗中间单元为测试单元,其余单元按照幅值升序排列,根据两个分界点位置参数,选择合适的参考单元集进行背景噪声功率估计以及结合参考单元数和目标恒虚警率计算相关系数,得到最优检测门限.经过仿真对比,ACS-CFAR检测器在均匀噪声环境下检测率为98.73%,接近于单元平均恒虚警（CA-CFAR）检测器；在非均匀噪声环境下检测率为98.16%,优于可变索引恒虚警（VI-CFAR）和自动删除平均恒虚警（ACCA-CFAR）检测器,虚警率误差均控制在0.10%以内.结果表明,本文提出的ACS-CFAR检测器在均匀噪声环境以及杂波和多目标干扰环境下均具有较好的检测性能.
关键词：目标检测；恒虚警；自动剔除；Switching-CFAR；非均匀噪声
中图分类号：TN957.51 文献标志码：A DOI：10.3969/j.issn.1000-5641.2017.03.014
0引言
目前大部分雷达系统均通过测试单元与检测门限的比较来判断目标的有无.各种目标检测算法的关键在于最优检测门限估计.在保证恒虚警（CFAR）概率的同时尽可能地提高目标检测率.应用最广泛的是基于平均功率的检测器.如单元平均恒虚警（cA-CFAR）、最大选择恒虚警（GO-CFAR）和最小选择恒虚警（SO-CFAR）X等检测算法.CA-CFAR检测算法在均匀背景噪声环境下,具有最优的检测性能；但是当参考窗长度增加时,参考窗中可能包含有较多目标干扰和杂波干扰信号单元,这时功率估计值偏差较大,检测性能下降明显,当有效目标信号单元被大量杂波信号单元淹没时,虚警率偏高.GO-CFAR检测算法针对边缘杂波干扰和多目标干扰,能保持稳定的虚警概率,但检测性能严重下降.SO-CFAR检测算法检测性能最好,但在杂波边缘干扰和多目标干扰环境下,虛警率过高.另外一种应用比较多的是基于有序统计的恒虚警（OS-CFAR）检测算法.Rickard和Dillard提出了删除平均功率的恒虚警（CMLD-CFAR）检测算法,通过将极大值参考单元从参考窗中删除,优化了平均噪声功率的估计,在多目标干扰环境下具有稳定的检测性能,但针对杂波边缘干扰环境,虚警率仍然过多.同时Rohling等人也提出了一种改进的消减平均恒虚警（TM-CFAR）检测器,删除部分极大和极小值参考单元后,通过剩余参考单元来估计背景噪声功率.这两种算法引入了删除算法,可以适当剔除部分干扰单元,提高噪声功率的估计精度,但需要事先知道干扰目标和杂波干扰单元的数量,实用性差.所以Barkat等人提出了自动删除平均恒虚警（ACCA-CFAR）检测器,不需要任何先验数据,通过自适应比较的方式剔除不需要的参考单元,在目标干扰环境下能够保持稳定的虚警率,但在杂波边缘干扰环境下仍然具有过多的虚警率.鉴于各检测算法的优点,Smith和Varshney提出了可变索引恒虚警（VI-CFAR）检测器,该算法能够在CA-CFAR、SO-CFAR和GO-CFAR算法之间进行动态切换,在均匀和非均匀噪声环境下具有很好的检测性能,但当目标干扰信号和杂波边缘干扰信号在参考窗口中分布不集中时,该算法的检测性能明显下降,具有一定的局限性.不同CFAR检测算法的差异主要在于估计背景噪声功率时选择参考单元的方法不同,如果能够根据参考窗口中各参考单元的分布特性,再选择合适的参考单元进行噪声功率估计,剔除不需要的参考单元（包括目标干扰和杂波干扰信号单元）,就可以得到最优的检测门限.
本文结合删除算法和VI-CFAR的优点,在参考窗中参考单元按幅值大小进行升序排序的基础上,提出了一种基于排序的自动剔除Switching-CFAR（Automatic CensoringSwitching-CFAR Detector Based on Sorting,ACS-CFAR）检测器,该检测器能够通过参考窗口中噪声单元、杂波信号单元和干扰目标信号单元的数量统计,得到能够表征有序参考单元序列中集中存放的各类参考单元的边界点参数,从而判定测试单元在原参考窗中的分布特性（即是否淹没在杂波干扰信号或者干扰目标信号当中）,从而可以选择有效的参考单元估计背景噪声功率,得到最优的估计值,避免背景噪声功率估计值偏低或者偏高而导致过多的虚警率或者检测率降低即遮挡效应,间接剔除了目标干扰信号和杂波信号,提高了ACS-CFAR检测器的自适应性,不仅在均匀噪声环境下具有和CA-CFAR同样的检测性能,而且在杂波干扰环境下具有接近于GO-CFAR的检测性能,同时在杂波干扰和多目标干扰环境下,ACS-CFAR检测器的检测性能优于ACCA-CFAR和VI-CFAR检测器.
1ACS-CFAR检测器
1.1检测器结构图
ACS-CFAR检测器的结构原理图见图1.雷达前端返回的同相J和正交Q信号,首先经过滤波包括时域滤波和频率滤波后进入检波器,输出的参考信号单元预存在抽头延迟线性数组中,从中选择N+1个参考单元,选择中间参考单元作为测试单元X0,左侧相邻的N/2个和右侧相邻的N/2个,共计N个参考单元组成参考窗,表示为X1,X2,等,XN.
1.2检测器描述及步骤
步骤1：参考单元排序.先对参考窗口中N个参考信号单元X1,X2,等,XN按照信号功率（即幅值）进行升序排序,能量相对较小的热噪声单元排在低端,能量相对较大的杂波信号和目标干扰信号参考单元排在高端,排列后的Ⅳ个有序参考单元序列X（1）,X（2）,等,X（N）表示为
总结:本论文可用于CFAR检测器论文范文参考下载，CFAR检测器相关论文写作参考研究。
参考文献：
1、 微信自动赚钱机我口袋赚钱机 2015年，微信自动赚钱机重磅出击，全新升级，技术更加成熟，操作更加简单，功能更加强大。由于2014年微信自动赚钱机销售火爆，已帮助数万人月赚过。
2、 自动柜员机现金保障类型学实证 摘要：自动柜员机（ATM）已成为我国部分商业银行最大的交易渠道，我国ATM保有量，2014年已在全世界排名第一，在分流柜面业务、降低运营成本、延。
3、 Uber遭遇自动驾驶撞死人事故 当地时间3月18晚10点，在美国亚利桑那州坦佩市，发生了世界上首起自动驾驶车辆在公共道路上撞击行人并致死的事件。据多家外媒报道，事故发生在一条。
4、 海川智能国内自动衡器领先企业搏浪智能化潮头 近十年来，我国自动衡器行业取得了长足发展，行业内优秀企业通过引进吸收和自主创新，不断提高产品质量。经过多年的积累，海川智能已成为国内智能组合秤行。
5、 百度高度自动驾驶巴士量产风险大 2018年7月4日，李彦宏在百度AI开发者大会上宣布，首款量产的Level 4級自动驾驶巴士“阿波龙”正式下线，并已签下来自日本的订单，国产自动。
6、 千里眼、顺风耳、最强大脑，谁来打造自动驾驶机器人 如果把自动驾驶系统比作是一个人，感知、决策、执行三个方面就分别是获取信息的五官、思考的大脑和行动的四肢。这些方面的零部件都是相当重要的底层技术，。