【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