基于自动筛选技术的广义有序统计类CFAR检测性能分析*

孙艳丽　李建海　陈贻焕

(1.海军航空工程学院基础实验部　烟台　264001)(2.海军航空工程学院训练部　烟台　264001)



基于自动筛选技术的广义有序统计类CFAR检测性能分析*

孙艳丽1李建海1陈贻焕2

(1.海军航空工程学院基础实验部烟台264001)(2.海军航空工程学院训练部烟台264001)

通过仿真实现了自动筛选技术的广义有序统计(GOS)类CFAR,并与经典CFAR检测器进行检测性能比较。并基于雷达对海探测实测数据,在数据预处理基础上对GOS类CFAR算法的检测性能进行验证与分析。

广义有序统计; CFAR; 检测

Class NumberTP311

1　引言

在自动检测雷达系统中,恒虚警处理是一个提供检测阈值的数字信号处理算法[1]。1968年,H M Finn等提出CA-CFAR算法,该经典算法以检测单元两侧参考单元的采样的均值作为背景杂波功率估计[2～4]。为了提高和改善CA-CFAR检测器在多目标环境和杂波边缘中的性能,相继出现了GO-CFAR[5],SO-CFAR[6]和WCA-CFAR[7]检测。将以上几种CFAR手段进行结合,可以获取总体上性能的改善,如OSGO,OSSO等CFAR检测器。GOS类CFAR在这一基础上进行的发展,在前后参考滑窗长度以及前后参考滑窗中的代表序值不相等的情况下产生了GOSCA,GOSGO,GOSSO-CFAR检测器。改变后沿参考滑窗局部估计方法,用CA方法估计后沿参考滑窗,就又派生出MOSCA,OSCAGO,OSCASO-CFAR检测器。这六种新的CFAR检测器中都运用了一种新的自动筛选技术,称为广义有序统计(GOS)类CFAR检测器[8]。本文对GOS-CFAR检测器的性能进行仿真分析并加以比较,并对实测数据进行分析。

2　基本模型描述

在杂波包络服从瑞利分布和对斯威林Ⅱ型目标进行单脉冲平方律检波的假设下,对GOS类CFAR的基本模型进行简单描述。

1) OS-OS类CFAR检测器基本模型描述

GOSCA,GOSGO,GOSSO-CFAR检测器的共同特点是在参考滑窗的前沿和后沿均采用OS方法,于是

X=x(k1),Y=y(k2)

(1)

其中,x(k1)是来自于前沿滑窗R1个总体样本的第k1个排序样本;y(k2)是来自于后沿滑窗R2个总体样本的第k2个排序样本。

在均匀杂噪背景中,这几类CFAR检测器的检测概率为

(2)

虚警概率为

Pfa=MZ(u)|u=T

(3)

MZ(u)是Z的矩母函数。

2) OS-CA类CFAR检测器基本模型描述。

在均匀背景中,MOSCA,OSCAGO,OSCASO-CFAR前后沿的局部估计分别为

(4)

上式中定义的X与式(1)中定义的X相同,所以,均匀杂波背景中,OS-CA类CFAR检测器前沿局部估计X的PDF和CDF也与式(1)中的X相同。由CA方法产生的后沿滑窗局部估计W的PDF和CDF分别为

(5)

(6)

由于篇幅限制,这里对每个CFAR检测器的基本原理不再详细介绍,只在上面给出了两大类算法的基本模型。下面只对每种GOS类CFAR算法中Z的估计方法加以简单描述。

GOSCA-CFAR是取两个局部估计的和作为总的杂波功率估计,即Z=X+Y;

GOSGO-CFAR是取两个局部估计中较大者作为总的杂波功率估计,即Z=max(X,Y);

GOSSO-CFAR是取两个局部估计中较小者作为总的杂波功率估计,即Z=min(X,Y);

MOSCA-CFAR是取两个局部估计的和作为总的杂波功率估计,即Z=X+W;

OSCAGO-CFAR是取两个局部估计中较大者作为总的杂波功率估计,即Z=max(X,W);

OSCASO-CFAR是取两个局部估计中较小者作为总的杂波功率估计,即Z=min(X,W)。

3　仿真性能分析

这里分别给出了在均匀杂波背景中OS-OS类和OS-CA类CFAR检测器的仿真曲线,如图1所示,其中,参考滑窗总长度R均为32,Pfa均为10-6。

图1　均匀杂波背景中不同CFAR检测器性能比较

图1(a)、(b)分别画出了OS-OS类中的GOSCA-CFAR和OS-CA类中的MOSCA-CFAR检测器检测性能曲线,在与CA,SO,OS-CFAR的比较中可以发现GOSCA-CFAR在均匀杂波背景中的检测性能与OS-CFAR的检测性能非常接近,检测曲线几乎重合。实际上,R的值越大,GOSCA的检测性能越接近OS-CFAR,而GOSCA中序值k1,k2的选择要比OS有更大的自由度,这一特性对处理多目标是有利的。相对来说,MOSCA-CFAR的检测性能明显优于OS-CFAR,它基本上位于CA和OS之间,是对CA-CFAR和OS-CFAR的折中,这一点从杂波功率水平的估计方式也可以看出来。由图1(c)、(d)可以看出均匀杂波背景中OS-OS类CFAR检测器的检测性能相差不大,GOSCA与GOSGO的性能曲线几乎重合,二者的性能均明显优于GOSSO;同样OS-CA类检测器也是如此,OSCAGO的检测性能明显优于OSCASO,却明显低于MOSCA,这里原因类似于ML类CFAR中CA,GO,SO的区别,主要在于对杂波局部估计完之后采取何种方式对总杂波功率水平进行估计。

4　实测数据仿真分析

对已经采集好的雷达试验数据进行分析回放,不仅有助于对雷达本身的一些性能进行改进、提升,而且针对实测数据可以进行一系列的算法研究,不仅仅可以对已有算法的性能进行实际地测试,检验算法在实际雷达目标检测中的性能,而且还可以进行新的算法研究或者对原有的各种算法进行改进,提高各种检测器在复杂背景中对目标的检测、识别能力,这是让算法从实验室走向实际应用十分重要的一步。

本批数据来自于某相控阵雷达对海上固定目标的扫描,通过数据采集设备直接将视频信号采集为I、Q两路,原始数据的三维图形如图2所示。

图2　采集数据的三维时域图形

雷达实验数据在采集过程中可能引起误差的因素很多。为了正确提取海杂波的特征量,必须对实验数据进行必要的预处理。针对本批数据而言,由于实验误差的存在,数据的同相(I)和正交(Q)分量有可能不匹配,即方差不相等和互相关不为零。我们可以通过校正,使两者严格正交以及具有相等的方差,经过校正后的数据曲线如下。

图3　校正后的IQ通道曲线

图4　求模并归一化后曲线

图5　二次相消后IQ模值的曲线

由图3～图5可以看出,经过校正后,再进行二次相消,效果明显优于校正之前,采样点之间幅度值的差距比原来大幅度减小,并且固定目标已经消去。实际上,进行完IQ通道的幅度和相位校正之后,有一个异常点的剔除过程。

经过校正之后,有极小一部分采样点的幅值急剧增大,这是由校正算法本身引起的,从附录可以看出相位校正之前必须消除均值和标准偏差,消除标准差相当于对标准差进行规一化,这就可能导致某一些点经过调整之后与其它点幅值的对比度比原来大幅度增大。这些点并不在目标区域内,并且数目很少,并不影响到对数据整体的分析,所以这里判为异常点,可以剔除。

经过上述的各项工作之后,下一步就可以加入各种CFAR算法了,如图6所示给出了进行校正和相消之前和之后运用CFAR的效果,对比效果比较明显。

图6　IQ模值曲线

通过对比可以发现,IQ通道经过校正后的检测效果较好。本批数据是在海杂波背景中对固定目标的探测,经过上述校正和相消之后固定目标已经被消去,所以加入CFAR算法之后最理想的情况就是检测出来的是一条恒为零的直线,但实测数据往往有很多难以预料的情况,譬如,海杂波的无规律缓慢运动特性影响,天气因素的影响,热噪声影响等等,所以难以达到理想值。不过从目标区域(采样点50～100之间)看,检测效果GOSCA-CFAR稍优于GOSSO-CFAR,总体上检测后的曲线比较接近理想结果。

5　结语

本文通过仿真实现了GOS类CFAR检测器,通过与经典检测器之间检测性能曲线的比较,对其性能作出评价。在此基础上,基于雷达对海探测实测数据,采用GOS类CFAR算法以及二次相消、相位校正等辅助算法进行了一定程度的分析,取得了较好的效果。

[1] 何友,关键,彭应宁,等.雷达自动检测与恒虚警处理[M].北京:清华大学出版社,1999:71-73.

HE You, GUAN Jian, PENG Yingning, et al. Radar Target Detection and CFAR Processing[M]. Beijing: Tsinghua University Press,1999:71-73.

[2] 何友,关键,孟祥伟,等.雷达自动检测和CFAR处理方法综述[J].系统工程与电子技术,2001,23(1):9-14.

HE You, GUAN Jian, MENG Xiangwei, et al. Survey of Automatic Radar Detection and CFAR[J]. Processing Systems Engineering and Electronics,2001,23(1):9-14.

[3] ROHLING H. Radar CFAR Thresholding in Clutter and Multiple Target Situations[J]. IEEE Trans. on AES,1983,19(3):608-621.

[4] FINN H M, JOHNSON R S. Adaptive detection mode with threshold control as a function of spatially sampled clutter-level estimates[J]. RCA Review,1968,29:414-464.

[5] HANSEN V G. Constant false alarm rate processing in search radars[C]//IEEE International Radar Conference. London,1973:325-332.

[6] TRUNK G V. Range resolution of targets using automatic detectors[J]. IEEE Trans. on AES,1978,14(5):750-755.

[7] BARKAT M VARSHNEY P K. A weighted cell-averaging CFAR detector for multiple target situation[C]//Proc. of the 21st Annual Conference on Information Sciences and Systems. Baltimore, Maryland,1987:118-123.

[8] 关键,彭应宁,何友.基于局部检测统计量的分布式CFAR检测及其融合方法研究[J].电子学报,2000,28(3):125-127.

GUAN Jiang, PENG Yingning, HE You. Study of Distributed CFAR Detection Based on Local Test Statistics and Its Fusion Strategy[J]. Acta Electronica Sinica,2000,28(3):125-127.

Detection Performance Analysis on CFAR of GOS Based on Automatic Censoring Technique

SUN Yanli1LI Jianhai1CHEN Yihuan2

(1. Department of Basic Experiment, Naval Aeronautical and Astronautical University, Yantai264001) (2. Department of Training, Naval Aeronautical and Astronautical University, Yantai264001)

Constant False-Alarm Rate (CRAR) of Generalized Ordered Statistics (GOS) is achieved by simulation using automatic censoring technique, and its detection performance is compared with that of the classical detector. With actual measuring data of radar detecting on sea, detection performance of CFAR algorithm of GOS is validated and analyzed on the basis of data pretreatment.

GOS, CFAR, detection

2016年3月12日,

2016年4月15日

国家自然科学基金“扰动反馈作用下雷达目标与海杂波差异特性认知研究”(编号:61401495)资助。

孙艳丽,女,硕士,工程师,研究方向:信号处理。李建海,男,硕士,副教授,研究方向:电气自动化、计算机控制技术。陈贻焕,男,硕士,高级工程师,研究方向:电气自动化。

TP311DOI:10.3969/j.issn.1672-9722.2016.09.011