【word】 一种改进的VI-CFAR检测器

【word】 一种改进的VI-CFAR检测器 一种改进的VI-CFAR检测器 第27卷第6期 2011年6月 信号处理 SIGNALPROCESSING V01.27 Jun. No.6 2011 一 种改进的VI.CFAR检测器 徐从安简涛何友顾新锋顾雪峰 (1.海军航空工程学院信息融合研究所,烟台264001;2.海军工程大学科研部,武汉430033) 摘要:修正的削减平均MTM(modifiedtrimmedmean)恒虚警(constantfalsealarmrate,CFAR)算法通过对前后滑窗的削 减平均再求和实现杂波功率估计,其在多目标环境下具有很好的抗干扰性能.为了提高VI检测器在多目标背景尤其是前后 滑窗都存在干扰目标时的检测性能,将MTM算法应用于VI(variabilityindex)检测器,提出了一种改进的恒虚警检测器 (VIMTM),该检测器的检测阈值由CA,GO和MTM算法产生.同时本 文推导了MTM算法标称化因子的表达式,在 SwerllingII假设下,对VIMTM在不同的杂波背景下的性能进行了仿 真分析,并与VI和基于OS(orderstatistic)的OSVI进行 了比较.结果表明,在均匀环境和多目标背景下,VIMTM检测性能较 好,且具有更强的鲁棒性;在杂波边缘背景下, VIMTM控制虚警的能力与VI,OSVI相当.另外,与OSVI相 比,VIMTM缩短了参考样本的排序时间,提高了检测器的工作 效率. 关键词:雷达目标检测;恒虚警率;修正的削减平均算法;非均匀背景 中图分类号:TN957?51文献标识码:A文章编 号:1003—0530(2011)06—0926—06 AnImprovedVI—CFARDetector XUCong—anJIANTaoHEYou.GUXin—fengGUXue—feng (1.ResearchInstituteofInformationFusion,NavalAeronauticalandAstronauticalUniversity,Yantai,Shandong,264001,China; 2.OfficeofResearchandDevelopment,NavalUniversityofEngineering,Wuhan,Hubei430033,China) Abstract:Themodifiedtrimmedmean(MTM)schemeisrobustinmultipletargetsbackground.Ittakesthesumoftwolocal estimationsofleadingandlaggingreferencewindowswhichapplyTMmethodasthetotalclutterpowerestimation.Inordertoimprove therobustperformanceofthevariabilityindex(VI)sehemeinmuhipletargetssituationwheretheinterferingtargetsarepresentinboth thehalvesofthereferencewindow,animprovedVIconstantfalsealarmrate(CAFR)detectorbasedonMTM(VIMTM)schemeis proposed.ItemploysacompositeapproachbasedonthecellaveragingCFAR(CA—CFAR),greatest—ofCFAR(GO—CFAR),andmod— ifiedtrimmedmeanCFAR(MTM—CFAR)detectors.Theanalyticexpressio nofitsthresholdmultiplierfactorTM?isalsoderived.Un— derSwerlling? assumption.theperformanceoftheVIMTMdetectorindifferentclutterenvironmentsiscomparedwiththeVIandOSVI (orderstatisticVI)throughMonte—Carlosimulationandanalysis.Resultssh owthattheVIMTMdetectorhasbetterdetectionperform— anceandrobustnessinhomogeneousenvironmentandmultipletargetsbackground.Inclutteredgeenvironment,thefalsealarmperform— anceoftheVIMTMdetectorisalmostconsistentwiththeVIandOSVI.Inaddition,thesamplesortingtimeofVIMTMdetectorisless thanthatofOSVI_ Keywords:Radartargetdetection;Constantfalsealarmrate(CFAR);Modifiedtrimmedmean(MTM)algorithm;Nonhomo— geneousbackground 1引言 在雷达目标检测中,恒虚警率(CFAR)检测器根据 检测单元两侧的参考单元来估计背景杂波功率,从而 自适应的设定门限,保持恒虚警性能.根据杂波估 计的方法不同,相继出现了单元平均CA(cellavera. 收稿日期:2011年1月1013;修回13期:2011年3月2813 基金项目:国家自然科学基金资助(批准号:60672140);海军航空工程学院青年科研基金资助(批准号:HYQN201013) 第6期徐从安等:一种改进的VI—CFAR检测器927 ging)[33,最大选择G0(greatestof)I4],最小选择sO (smallestof),有序统计OS(orderstatistic)..和削减 平均TM(trimmedmean)恒虚警检测器.这些检测器 有一个共同的缺点,它们都是针对某一种背景而提出 的,在提高该背景下检测性能的同时,却以其它背景下 的CFAR损失为代价.文献[8]提出一种基于可变指 标VI(variabilityindex)的恒虚警检测器,其通过假设检 验得出可能的杂波背景,自适应选择相应的恒虚警算 法.VI综合了CA,GO和S0的优点,具有很好的鲁棒 性.但是,当前后滑窗均存在干扰目标时,VI的检测性 能显着下降.文献[9]提出了一种基于有序统计OS的 检测器(OSVI),其与VI不同之处在于选择逻辑的不 同,OSVI采用OS,OSSO与OSGO作为恒虚警处理算 法,在均匀背景和仅单滑窗存在干扰目标环境下,OSVI 的检测性能相比VI有所下降,而且由于OSVI检测时 需要进行全滑窗的样本排序,大大提高了处理器的运 行时间. 为了解决以上问题,本文在前后滑窗均存在干扰 目标的情况下,采用修正的削减平均MTM(modified trimmedmean)101算法作为VI检测器的选择逻辑,提 出了一种改进的VI检测器(简称VIMTM).另外,本 文推导了MTM算法标称化因子删的表达式,在均匀 背景,多目标背景(干扰目标位置随机和干扰目标个数 随机)以及杂波边缘背景下,对VIMTM的性能进行了 分析,并与VI,OSVI进行了性能对比,分析表明,在保 持均匀背景和杂波边缘环境较好性能的同时,VIMTM 在多目标背景下具有更强的鲁棒性.而从计算量上来 说,由于排序的计算量与m(m为排序个数)成正比, 故三种算法复杂度主要取决于样本排序时间.VI在任 何背景下都无须对样本进行排序,计算量最小;OSVI 检测时需要进行全滑窗排序,排序计算量为N; VIMTM则仅在前后滑窗均存在干扰目标时,对参考样 本进行前后滑窗的半滑窗排序,其计算量为?/2,其 它背景下则无需排序,故计算量介于VI和OSVI之间. 虽然相比VI,VIMTM增加了样本排序时问,但相对于 VIMTM性能的提高,这也是值得的. 2VIMTM检测器 VIMTM通过可变性指标VI假设检验和均值比 MR(meanratio)假设检验的结果进行自适应检测,得到 杂波功率估计结果,此结果乘以相应的标称化因子得 到自适应阈值.文献[8]定义了二阶统计量与均值 比统计量MR,同时给出了相应的假设检验表达式. 的定义如下 VI:+霉2 =+ 砉(一)2/()(1) 式中,代表第i个参考滑窗的采样值,n为半滑窗长 度,五和为样本均值,为样本方差.值与门限 相比较,作出前(后)滑窗是否处于均匀背景中的判 断,假设检验为 Jw?w环境均匀r’1 IVI>j环境非均匀 MR的定义如下 MR=L/L=?x,/?X(3) 其中,和分别为前后滑窗的采样均值,MR值与门 限和相比较,作出前后滑窗均值是否相等的判 断,公式如下 JKMj均值相等(4) l枷<或>j均值不等 2.1VIMTM检测器的自适应逻辑选择 VI根据以上两个假设,判断目标所处的杂波背景, 基于均值类CFAR算法,自适应的在CA,GO,SO之间 进行选择,克服了单一CFAR算法鲁棒性差的问题. OSVI基于Os类CFAR算法,选择逻辑变为OS,OSSO, OSGO,解决了前后滑窗均存在干扰目标的背景下,VI 性能变差的问题.但OSVI排序时间过长,且在均匀背 景和干扰目标位于单个滑窗时,检测性能有所下降. 为了更好的提高检测器的鲁棒性和检测性能,兼顾样 本的排序时间,本文将MTM算法应用到VI中,提出了 VIMTM检测器. 表1为VIMTM的自适应逻辑,z为杂波功率水 平估计,为VIMTM的标称化因子,S为检测阈值,且 s=TZ.?表示全滑窗参考单元的采样和,?, ?分别为前沿滑窗和后沿滑窗参考单元的采样和. 表示基于CA的全滑窗标称化因子,表示基于 CA的半滑窗标称化因子,其中?为全滑窗长度,/7,为 前(后)沿滑窗长度,?=2n.为基于MTM的标称 化因子,x(k,k),X(k.,)分别为前后滑窗剔除 最小的k个和最大的k个采样值后剩余参考单元采 样值的平均. 928信号处理第27卷 表1VIMTM的自适应逻辑 Tab.1VIMTMadaptivelogic 在表1中,经两假设检验即可得到相应的杂波背 景.第一行对应均匀背景,用CA进行检测是准最优的 [1];第二行对应杂波边缘最恶劣的情况,采用GO可 较好的控制虚警性能;第三(四)行对应杂波边缘或干 扰目标位于前(后)滑窗的非均匀背景,采用半滑窗的 CA,参考单元采样值充分参与杂波功率水平的估计的 同时,可很好的对抗非均匀背景的影响;第五行对应前 后滑窗均存在干扰目标的情况,在此背景下,若采用 SO来估计杂波功率水平,则会受干扰目标的影响导致 检测性能的下降,若采用OSSO也会因为采样值的未充 分利用导致检测性能的损失,而MTM则能在充分利用 参考单元的情况下更好的对抗多目标干扰.基于以上 考虑,采用MTM算法,能更好的提高VI在各种杂波背 景下鲁棒性. 2.2VIMTM标称化因子的确定 在均匀环境下,VIMTM采用全滑窗的CA进行杂 波功率估计,其标称化因子为… = ()v_1(5) 在杂波边缘环境或者前(后)滑窗存在干扰目标背 景下,VIMTM选用半滑窗的CA进行杂波功率估计,其 标称化因子为 T=()l/n一1(6) 当前后滑窗均存在干扰目标时,选用MTM算法进 行杂波功率水平估计.MTM检测器对前后滑窗均采 用剔除平均(TM)算法估计杂波功率水平.由于前后 滑窗采用相同的削减方法,不妨以前沿滑窗为例进行 理论分析.对于前沿滑窗,先剔除最小的k个和最大 的k个样本,将剩余的(n—k.一k:)个单元取平均作为 前沿滑窗对杂波功率水平的估计,即 1n — - — k2 . Xi(7) 其矩产生函数(MGF)为(具体推导见文献[10]) 中()=耳n-/~2ci(8) 式中 In+1一ii:1,…,k1”1-1 c’ 1-_l_二三,_:+2,…,一9kiln一,一-I-1’.一’’” 同样得后沿滑窗的MGF 中(“)=()(10) MTM算法取前后滑窗的估计之和Z作为杂波功率水 平估计,即 Z=XA+(11) 由于前后滑窗的一致性,后沿滑窗的MGF与前沿滑窗 相同.由卷积定理,即和的矩产生函数等于矩产生函 数之积,得统计量Z的MGF )=熹l(12) 故MTM检测器的虚警概率表达式为 ?…=去1(13) 聊的值可由(13)式得到. 3性能分析 由于很难得出统计方差的概率密度函数,采 用Monte—Carlo仿真对VIMTM在均匀背景,多目标背景 和杂波边缘环境下的性能进行分析.具体参数设定如 下:目标类型为SwerlinglI型,仿真次数设定为10次, 全滑窗长度N=2n=32.两个假设的门限值根据文献 [8]设定,K=4.76,KMa=1.806.在均匀背景和多目标 背景下,=10,,在杂波边缘背景下,=10,.考虑 到OSVI在目标个数未知的多目标环境和杂波边缘环 境下的鲁棒性,一般选取k=3n/4. 3.1均匀背景下检测性能分析 图1为均匀背景下VI,OSVI和VIMTM的检测性 能对比曲线.图1中OSVI(12)表示OSVI的序值k= 12,由检i见l生能曲线可以看出,在均匀背景下,VIMTM 检测性能与VI基本一致,相对于OSVI检测性能则有 一 定提高,当PI=O.5时,OSVI相对于VIMTM有0.1dB 的损失.这是因为均匀背景下,VI,VIMTM选择逻辑对 应全滑窗的CA,具有准最优的检测性能,而OSVI对应 全滑窗的OS,故OSVI相比VIMTM存在一定的检测性 能损失. 第6期徐从安等:一种改进的VI—CFAR检测器929 1 0.9 0.8 O.7 0.6 0.5 0.4 0.3 0.2 0.1 O 图1均匀背景下vI,OSVI和VIMTM的检测性能 Fig.1DetectionperformanceoftheVI,OSVIandVIMTM inhomogeneousenvironment 3.2多目标背景下检测性能分析 假设干扰目标与主目标功率相等,即干噪比INR 与信噪比SNR相等.在干扰目标随机分布于前后滑窗 的多目标背景下,根据干扰目标的位置,将多目标环境 分为以下两种情况进行分析,即干扰目标仅位于单个 滑窗和前后滑窗均存在于扰目标.不失一般性,当干 扰目标仅位于单滑窗时假定仅位于前滑窗,仅位于后 滑窗时分析方法与此类似,此时取MTM算法削减个数 为:,=2,k:=3.而在干扰目标数目随机的情况下,分 析干扰目标数目变化和削减个数k,变化条件下 VIMTM的检测性能. 图2为仅前滑窗存在一个干扰目标时VI,OSVI和 VIMTM的检测性能对比曲线.由图2可以看出,当干 扰目标仅存在于前滑窗时,VIMTM,VI检测性能基本一 致,都表现出较好的检测性能,这是因为VIMTM与VI 在此背景下,选择逻辑对应表1第三行,通过选择单滑 窗的CA,很好的避免了干扰目标的影响.而OSVI则 表现出一定的检测性能下降,但尚在可接受的范围内, 这是因为OSVI在此背景下选择逻辑对应单滑窗的 0s,通过选择合适的|j}值(本文中|j}=12),即可对抗干 扰目标,但与单滑窗CA相比存在检测损失. 1 0.9 0.8 O.7 0.6 0.5 0.4 0.3 0.2 0.1 O 图2前滑窗有1个干扰目标时vI,OSVI和VIMTM的检测性能 Fig.2DetectionperformanceofVI,OSVIandVIMTMwhen oneinterferingtargetinwindowA 图3为前后滑窗内各存在一个干扰目标时VI,0s— VI和VIMTM的检测性能对比曲线.在干扰目标同时 存在于前后滑窗时,VIMTM检测性能最好,略优于0s. VI.VI检测性能急剧恶化,检测性能损失达到了不可 接受的地步.这是因为当前后滑窗均存在于扰目标 时,VIMTM,OSVI,VI三种检测器对应的CFAR方法不 同,VI对应SO,OSVI对应OSSO,VIMTM则对应MTM. 在此背景下,VI无论选择前滑窗还是后滑窗,杂波功率 估计均偏高,导致检测性能下降;OSVI则由于结合了 OS类CFAR,只要选择合适的k值,就能较准确的估计 杂波功率,检测性能较好;VIMTM则由于运用了半滑窗 的削减平均处理,消除干扰的同时又充分运用了参考 单元的采样值,抗干扰能力最强,检测性能最好. 1 0.9 0.8 0.7 0.6 0.5 O.4 0.3 0.2 0.1 0 图3前后滑窗各有1个干扰目标时VI,OSVI和VIMTM的检测性能 Fig.3DetectionperformanceofVI,OSVIVIMTMwhen oneinterferingtargetineachhalfwindow 图4为不同干扰目标数的多目标背景下VIMTM 的检测性能曲线,VIMTM(n,n:,k)中n.,/2表示前后 滑窗干扰目标数分别,k表示MTM削减最大的后个 采样值后再进行平均.由图4可以看出,当ns3,n: 3同时成立,即前后滑窗的干扰目标数均不大于3 时,VIMTM检测性能较好;而当n.>3或/2>3时,即至 少有一个滑窗存在3个以上的干扰目标时,VIMTM检 测性能急剧恶化.这是因为仿真中设定MTM参数k: = 3,当滑窗内的干扰目标数大于3个时,由于不能完全 删除干扰目标所在参考单元的采样值,导致杂波功率 估计偏高,从而使检测阈值偏高,检测性能下降. 1 0.9 0.8 O.7 0.6 0.5 0.4 0.3 0.2 0.1 0 图4不同干扰目标数的多目标背景下VIMTM的检测性能 Fig.4DetectionperformanceofVIMTMindifferent numberofimerferingtargetsbackground 930信号处理第27卷 图5为不同削减个数条件下VIMTM的检测性能 曲线.由图5可以看出,当削减值:=4,6,8时, VIMTM检测性能变化不大,k,在较宽的取值范围内均 能保持较好的检测性能,即VIMTM检测性能对k:的变 化不敏感;当削减值=12时,检测性能有所下降,这 是因为削减个数过多,参考样本未充分利用,导致检测 性能下降. l 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 O.1 O 图5不同削减个数条件下VIMTM的检测性能 Fig.5DetectionperformanceofVIMTMwhen differenttrimmednumberchosen 由图4和图5还可以得出,在考虑参考样本得到 充分利用的同时,适当选取较大的k值,可以很好的对 抗干扰目标数随机的情况,从而在多目标背景下保持 较好的鲁棒性. 3.3杂波边缘背景下虚警性能分析 在杂波边缘背景下,假设杂波服从瑞利分布,杂波 边缘位置由左到右连续变化.图6所示为杂噪比CNR = 10dB时VI,OSVI和VIMTM的虚警控制性能曲线,? 表示被强杂波占据的参考单元数.由图6可以看出, 当N,=16时,即杂波边缘刚好扫过检测单元时,VI,OS. VI,VIMTM虚警尖峰很低,三者虚警控制性能基本一 致,都表现出很好的虚警控制性能.因此可以说, VIMTM在获得了均匀背景和多目标环境下良好检测 性能的同时也保持了良好的抗杂波边缘性能. 图6vI,osvI和VIMTM在杂波边缘背景下的虚警性能 Fig.6FalsealarmperformanceofVI,OSVIandVIMTMinclutteredge 4结论 本文将MTM应用于VI,提出了一种新的恒虚警检 测器(VIMTM).分析表明,在均匀背景下,VIMTM与 VI检测性能相差无几,略优于OSVI;在干扰目标位置 随机的多目标背景下,与VI相比,VIMTM表现出很好 的鲁棒性,并且其检测性能优于OSVI,在干扰目标数 随机的情况下,VIMTM也表现出很好的鲁棒性;在杂波 边缘背景下,VI,OSVI,VIMTM控制虚警的能力基本一 致.同时,VIMTM仅在前后滑窗均存在干扰目标的情 况下进行半滑窗排序,而OSVI在均匀和非均匀背景下 都要进行全滑窗或半滑窗排序,从这个意义上说, VIMTM缩短了排序时间,提高了检测器的工作效率,更 适应雷达的实际工作背景. 参考文献 [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. HeYou,GuanJian,PengYingning,etc.Automaticradar detectionandconstantfalsealarmrateprocessing[M]. Beijing:TsinghuaUniversityPress,1999,33.(inChi— nese) [2]简涛,何友,苏峰,等.小波变换在雷达信号检测中 的应用[J].海军航空工程学院,2006,21(1): 121.126. JianTao,HeYou,SuFeng,etc.Overviewonradarsig— naldetectionwithwavelettransform『J].JournalofNaval AeronauticalandAstronauticalUniversity,2006,21(1): 121—126.(inChinese) [3]FinnHM,JohnsonRS.Adaptivedetectionmodewith thresholdcontrolasafunctionofspatiallysampledclutter— levelestimates[J].RCAReview,1968,29(9):414— 464. [4]HansenVG.ConstantFalseAlarmRateProcessingin SearchRadars[c]?ProceedingIEEInternationalRadar Conference,London,1973. [5]TrunkGV.RangeResolutionofTargetsUsingAutomatic Detectors[J].IEEETransonAerospaceandElectronic System,1978,14(5):750-755. [6]RohlingH.RadarCFARthresholdinginclutterandmulti— pietargetsituations[JJ.IEEETransonAerospaceandE— lectronicSystem,1983,19(4):608—621. [7]GandhiPP,KassamSA.AnalysisofCFARProcessors inNonh0mogeneousBackground[J].IEEETransonAer- ospaceandElectronicSystem,1988,24(4):427—445. [8]SmithME,VarshneyPK.IntelligentCFARprocessor basedondatavariability『J].IEEETrans.onAerospace 847. andElectronicSystem,2000,36(3):837— 第6期徐从安等:一种改进的VI.CFAR检测器931 [9] [10] 胡文琳,王永良,王首勇.一种基于有序统计的鲁棒 CFAR检测器[J].电子,2007,35(3):530-533. HuWenlin,WangYongliang,Wangshouyong.ARobust CFARDetectorBasedOrderedStatistic[J].ChineseJour— nalofElectronics,2007,35(3):530-533.(inChinese) 孟祥伟,何友,关键.采用子滑窗技术的修正剔除平 均恒虚警检测算法[J].仪器与仪表,2001,22 (3):231-239. MengXiangwei,HeYou,GuanJian.AModifiedTrimmed MeanCFARAlgorithmwithTwoSubwindowsTechnique 『J].ChineseJournalofScientificInstrument,2001,22 (3):231-239.(inChinese) 作者简介 徐从安(1987一),男,出生于山东日 照,现为海军航空工程学院硕士研究生. 主要研究方向为雷达目标恒虚警检测. E—mail:xcatougao@163.eom 简涛(1980一),男,出生于湖北天 门,现为海军航空工程学院讲师.主要研 究方向为雷达信号检测与信号处理,现代 信号处理及智能信号处理在雷达中的应 用研究. 何友(1956一),男,出生于吉林,现 为海军航空工程学院教授,博士生导师. 主要研究方向为雷达自适应检测方法,多 传感器信息融合,模式识别等. 顾新锋(1983一),男,出生于江苏无 锡,现为海军航空工程学院博士研究生. 主要研究方向为高分辨率雷达目标检测. E—mail:gxf1983@126.com 顾雪峰(1980-),男,江苏人,海军工程大学工程师,研究 方向信号处理. 一卫