论文部分内容阅读
随着先进体制雷达的使用与雷达应用场景的日益复杂,检测背景也愈发复杂,形成不只存在均匀环境、多目标环境或杂波边缘环境中的一种,而是多种环境并存,以非均匀环境为主的检测局面,使得单一环境检测性能优越的CFAR检测器不能满足多种环境并存的目标检测要求,这就促使了智能型CFAR检测器的诞生与发展。本文首先针对检测背景分布不唯一的情况,基于KLD(Kullback–Leibler divergence)分割背景,识别不同区域数据的分布类型并统一转化成指数分布。继而,利用实测数据处理方法改进了TM-CFAR检测器,使TM-CFAR中的删除大值数目2r可以随干扰目标的数目自适应地变化,无需人为事先设定。本文的具体的工作与研究内容如下:(1)研究了经典CFAR检测器——均值类CFAR检测:CA-CFAR,GOCFAR,SO-CFAR和有序类CFAR检测器OS-CFAR以及均值类CFAR和有序类CFAR检测器的统一框架:TM-CFAR的性能,同时给出了S-CFAR和VICFAR的检测原理。(2)利用KLD计算实测数据的统计分布差异,进而利用Ostu算法计算自动分割门限,从而将RD谱数据分成噪声区域与杂波区域,分别进行统计模型的识别与参数估计,利用MSE检验与KS检验识别最优匹配,进而将非指数分布数据转化为指数分布数据,实际虚警率的统计表明,转化后的数据比转化前更有利于经典CFAR检测器维持恒定的虚警率。(3)基于KLD并结合Ostu法,在TM-CFAR的基础之上,本文改进了TM-CFAR检测器,使之具有自适应CFAR检测器的特点。仿真实验表明,该检测器克服了剔除样本数目不能随实际干扰目标数目自动调整的问题,同时对干扰目标的位置没有要求,在存在大量干扰目标的多目标环境中能够维持比经典CFAR检测器与S-CFAR和VI类检测器更好的检测性能。