CFAR

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

摘要
雷达恒虚警技术,是雷达设计的关键技术之一。

本论文主要研究了各种恒虚警处理器在多种检测场景的性能分析以及对比。

根据高斯白噪声通过平方律检测器为指数分布的信号模型,仿真产生了目标遮蔽场景,杂波边缘场景。

通过单元平均恒虚警的算法,分析了单元平均恒虚警处理器在上述场景中的性能,研究了一些改进的处理器算法。

针对目标遮蔽效应,设计了单元平均选小恒虚警处理(SOCA CFAR)、审核式恒虚警处理器(Audit CFAR)、排序式恒虚警处理器(OS CFAR)。

针对杂波边缘效应,分别研究了单元平均选大恒虚警处理器(GOCA CFAR)、开关式恒虚警处理器(Switching CFAR)。

完成了算法编程及其评估。

验证了恒虚警算法的有效性和正确性。

研究了一种综合的处理方法VI CFAR处理器,完成了其在杂波边缘场景和目标遮蔽场景和其他处理器的对比分析,验证了这种处理的优点。

关键词恒虚警;检测场景;杂波边缘效应;目标遮蔽效应;单元平均;恒虚警处理器
Abstract
Radar CFAR technique, is one of the key technology of radar design.This paper mainly studies the various kinds of CFAR processors performance analysis and comparison of detecting scene. Under Gaussian white noise through the square-law detector for signals of the exponential distribution model, and obscured targets the simulation scene, clutter edge scene.Through cell average CFAR algorithms, analysis of cell average CFAR processor performance in the scene above, research a number of improved algorithm for processor. Targeting the shadowing effect, designed the average small selection CFAR processing unit (SOCA CFAR), audit-CFAR processor (Audit CFAR), sort-CFAR processor (OS CFAR). Edge effect for clutter, has studied cell average CFAR processor selection (GOCA CFAR), switch-CFAR processor (Switching CFAR). Completed algorithm programming and its evaluation.Verify the validity and correctness of the CFAR algorithm.
Key words Detection of scene Clutter edge effects Target shadowing effects Cell averaging CFAR processor
目录
摘要 (I)
Abstract................................................................................................................ I I
第1章绪论 (5)
1.1 课题背景 (5)
1.2 课题来源、目的和意义 (5)
1.3 主要研究内容 (6)
1.3.1 均值类CFAR处理算法 (6)
1.3.2 有序统计量类CFAR处理算法 (7)
1.3.3 删除单元平均的CFAR处理算法 (7)
1.4 本文结构 (7)
第2章单元平均CFAR (8)
2.1 单元平均CFAR的检测场景 (8)
2.2 单元平均CFAR的概念 (10)
2.2.1 单元平均CFARM门限的推导 (10)
2.2.2 单元平均CFAR分析 (12)
2.3 恒虚警损失 (13)
2.4 单元平均CFAR的局限 (15)
2.4.1 目标遮蔽效应 (15)
2.4.2 自遮蔽效应 (18)
2.4.3 杂波边缘效应 (20)
2.5 本章小结 (21)
第3章单元平均CFAR的改进算法 (22)
3.1 均值类CFAR (22)
3.1.1 单元平均选小CFAR (22)
3.1.2 单元平均选大CFAR (24)
3.1.3 开关式CFAR (26)
3.2 有序统计类CFAR (28)
3.2.1 排序式CFAR (28)
3.2.2 审核式CFAR (31)
3.3 一种综合的CFAR (32)
3.3.1 VI CFAR原理介绍 (32)
3.4 本章小结 (35)
第4章CFAR的性能对比 (37)
4.1 恒虚警率验证 (37)
4.2 目标遮蔽效应下的性能对比分析 (37)
4.3 杂波边缘效应下的性能对比分析 (40)
4.4 本章小结 (43)
结论 (44)
致谢 (45)
参考文献 (46)
第1章绪论
1.1课题背景
雷达要探测的目标的周围经常存在着各种背景,例如各种地形,云雨,海浪及敌人施放的金属丝干扰等。

这些背景所产生的回波称为杂波。

当杂波和目标回波在雷达显示器上同时显示时,会使目标的观察变得很困难。

如果目标处在杂波背景内,我们制定的检测门限若定的偏高就会使弱的目标湮没在强杂波中,形成漏警;但是若门限偏低就会使强杂波误报成为目标信号,形成虚警。

因此,无论从抗干扰或改善雷达工作质量的观点来看,在一定的虚警概率下使发现概率尽可能的大都是一个很重要的问题。

早期的雷达系统是把所有得到的视频信息直接送到显示器,将杂波和噪声以及回波信号的幅度变化同时显示出来,对目标的检测能力由操作手对显示器的监视决定。

现代雷达系统已经能够完成自动检测与跟踪。

在不考虑人为的干预情况下,把统计决策理论应用到目标检测问题中便形成了了雷达自动检测理论。

在雷达自动检测系统中需要提供一个检测阀值,再根据判决准则做出目标是否存在的判决。

在非平稳杂波中,对于固定阀值检测,如果杂波平均功率水平增加几分贝,虚警概率将急剧增加,以至于显示器画面饱和或数据处理设备过载。

这时即使信噪比很大,也不能做出正确的判决.因此在强干扰中提取信号,不仅要求有一定的信噪比,而且要求检测器具有恒虚警性能。

1.2课题来源、目的和意义
雷达的工作区域随着作战的环境的变化而变换。

然而,在每天的运作过程中,接收机噪声电平会随着环境温度变换和远见的老化而变化,如果可能的话,我们可以通过温度补偿和周期性的校准来解决这个问题。

如果整体干扰主要由外部源引入的,则噪声波动会更加剧烈。

对于超低噪声雷达系统,噪声功率的一个重要部分是宇宙噪声,因此在这种情况下,接收机的噪声水平是随着雷达波束视角和天时的不同而变化。

对于传统雷达系统,带内的电磁干扰(EMI)会影响干扰功率的大小。

例如,UHF波段的雷达会被电视信号影响,而特定的无线通信服务也会与更高波段的雷达信
号发生竞争,尤其是在城市地区。

如果地杂波是决定性的干扰来源,则噪声电平会随着波束观察地区的地形,甚至是天气和季节,而发现明显的变化。

例如,开阔的沙漠地表的反射率相对较低,而结冰的雪地却具有很高的反射率系数。

最后需要说明的是,主要干扰也可能来自于敌方故意释放的针对性电磁干扰(认为干扰),这种情况的干扰功率可能会很大。

在上述人一种情况下,实际的虚警概率都会偏离预期值[4]。

从雷达系统的观点来看,这绝对不是我们所希望看到的。

当干扰功率增加时,虚警数也会增大,可能成数量级地增加。

看起来,810-和610-的虚警概率的差别似乎并不明显,但是我们来看一个具体的例子,假设雷达系统的脉冲重复频率PRF 为10 kHz ,待检测距离单元为200个。

如果每个距离单元均进行自动检测,则系统每秒钟需要进行2百万次检测判决。

若虚警率为810-,则平均每50秒仅发生一次虚警。

若虚警率上升到610-,则雷达系统平均每秒将会产生两次虚警。

上述虚警的增加所产生的后果到底有多严重,决定于虚警的发生会对整个雷达系统产生怎样的影响。

可能会使雷达或者信号处理机需要增加额外的系统资源来确认或是拒绝这次虚警,也可能使得雷达开启不必要的跟踪程序,或者使得操作员显示器的显示杂波增加,最极端的情况使得雷达引导武器进行攻击。

为了获得可预知且稳定的检测性能雷达设计师通常倾向于设计雷达具有恒定的虚警概率。

为了达到这个目的,实际干扰噪声功率电平必须实时地从数据中进行估计,从而相应的调整雷达的检测门限以获取期望的虚警概率Pfa 。

可以保持恒定虚警概率的检波处理器被称为恒虚警(CFAR )处理器。

1.3 主要研究内容
1.3.1 均值类CFAR 处理算法
均值类[3]CFAR 处理算法是在局部估计中采用了取均值的方法。

最早的均值类CFAR 方法是单元平均CA(cell averaging)方法,后来为改善非均匀杂波背景中的检测性能,又先后出现了最大选择GO(greatest of)、最小选择SO(smallest of)和杂波在单元平均CA- CFAR 检测器中,R=2n 个参考单元采样的均值作为背景杂波功率水平估计;在最大选择GO- CFAR 检测器中,取两个局部估计的较大值作为总的杂波功率水平估计;在最小选择SO-
CFAR检测器中,取两个局部估计的较小值作为总的杂波功率水平估计。

1.3.2有序统计量类CFAR处理算法
有序统计量OS(order statistics)方法源于数字图像处理的排序处理技术,它在抗干扰方面作用显著。

在多目标环境中,它相对于均值类CFAR 处理算法具有较好的抗干扰目标的能力,同时在均匀杂波背景和杂波边缘环境中的性能下降也适度的、可以接受的。

有序统计量类CFAR处理算法首先对参考采样值作排序处理: x(1) ≤x(2) ≤…≤x(R),然后取第k个采样值x(k)作为总的背景杂波功率水平估计Z,即Z=x(k) 。

有序统计量CFAR处理算法的关键是k值的选取,在均匀杂波背景和均匀目标视频的情况下,选取适当的k值,可以达到较满意的检测性能。

1.3.3删除单元平均的CFAR处理算法
在前面提到的均值类检测算法和有序统计量检测算法中,如果在检测滑窗中出现较多的干扰目标回波时,检测阀值将随之升高,目标的检测性能将随之下降,特别是对小信号目标的检测性能将严重恶化。

为了得到杂波背景的均匀功率水平估计,可以采用删除单元平均的检测算法。

删除单元平均的CFAR处理算法将干扰目标从参考单元序列中排除出去,然后基于删除后的采样序列重新计算阀值。

删除单元均值的CFAR检测算法能有效地抑制多干扰目标带来的检测损失,特别是在目标密集的环境中,具有更显著的检测性能。

1.4本文结构
本文主要内容如下:
第2章中,主要介绍了检测场景的产生、单元平均恒虚警技术以及其缺陷。

第3章中,主要介绍均值类恒虚警处理器:SOCA、GOCA、审核式;排序式、开关式等一系列算法以及一种综合的处理方法VI CFAR。

第4章中,对以上几种恒虚警处理器进行系统的对比分析。

第2章 单元平均CFAR
单元平均(CA )CFAR 处理器是一种简单实用的算法。

介绍了检测场景的产生过程,同时引出了单元平均算法的两个缺陷:目标遮蔽效应和杂波边缘效应。

针对这两个缺陷,讨论了他们对恒虚警检测的影响。

2.1 单元平均CFAR 的检测场景
一般的雷达检波处理器[2]如图 2.1所示,这类检波器用于具有距离多普勒处理能力雷达系统,而其他系统在进行检测判决时仅考虑距离单元的一维信息。

当然,可能有的系统基于获得的雷达图像进行判决处理,此时各个单元在雷达二维图像中表现为像素。

图2-1 一般雷达检波处理器功能示意图
无论数据是怎么样的形式,检波处理器通过对每个获得的数据采样进行检测来判断目标的有无。

如图2-1所示,用xi 表示待检测的当前单元,该单元将同由干扰电平决定的门限进行比较.如果待检测单元中的采样值大于门限,则检波处理器判决在对应的距离和速度单元内存在目标。

接下去检测下一个单元,知道所有的感兴趣的单元检测完毕。

我们假设雷达接收机噪声和背景杂波是高斯分布,则经过平方律检波后参考单元服从指数分布。

在均匀背景中,我们假设参考单元采样是统计独立的,且具有相同的分布,其概率密度函数为 ()2
21
i i x x i p x e ββ-= (2-1)
复杂距离
多普勒具体单元 检测器 二维多普勒-距
离 判断目标有无
当参考单元内不存在目标时,2β为噪声功率;但存在目标时,()221ββχ=+,χ为信噪比。

上式的完成可以由均匀分布变换为指数分布的方法实现[1]具体的步骤如下:
1. 产生N 个均匀分布的数据wi (i=1,2,3...N ),利用Matlab 的rand 函数即
可。

2. ()21log(1)i i x w βχ=+-,χ为信噪比在产生噪声的时候置为0即可。

根据上述步骤就可以产生如图2-2的基于假设的检测场景。

距离单元幅度 /d B
图2-2 基于假设的检测场景,噪声功率为20dB ,SNR=15dB
实际我们仿真需要各种各样的场景,比如目标遮蔽时的检测场景,杂波边缘时的检测场景。

这些场景是对应于后文的恒虚警的两个缺陷的仿真,不过这种变更只需改变噪声的功率以及信号出现的大小和位置。

图2-3展示了目标遮蔽效应和杂波边缘效应的的一个场景。

一旦设立好了我们就可以开始下一步处理器的设计。

图2-3中噪声的的功率低的部分为20dB ,高的部分为30dB ,一次来仿真两个反射率不同的区域,在第50单元处有一个信噪比为15dB 的目标,在第58个参考单元处有一个较强的目标20dB 以此来仿真弱目标在强目标作用下的遮蔽效应。

这些将在下一节中做系统的论述。

距离单元幅度 /d B
图2-3 检测场景,杂波边缘和目标遮蔽
2.2 单元平均CFAR 的概念
2.2.1 单元平均CFARM 门限的推导
为了设定检测单元x i 所需的门限电平,同一个单元的干扰功率电平必须已知。

由于干扰功率电平是变化的,其必须通过数据估计得到。

CFAR 实用的这种估计方法基于两个重要的假设,即
1. 临近单元的所含杂波的统计特性与待检单元的一致(称为均匀干扰),
因此他们对于会同潜在目标进行竞争的干扰具有代表性。

2. 临近单元不包含任何目标,其仅仅存在干扰噪声。

在上述条件下,检测单元的杂波统计特性可以从临近单元的数据估计得到。

待估计统计量由完成门限检测所需要的量决定。

对于高斯干扰下的平方律检波器,干扰指数分布。

在这种情况下,干扰的概率密度函数均仅有一个自由参数,即平均干扰功率。

因此,CFAR 处理器需要利用周围临近单元中的数据值,对待检测单元的平均功率进行估计。

给出一个更具体的例子。

假设干扰噪声是独立同分布的(i.i.d ),且I 通道和Q 通道的噪声功率均为22β(全功率为2β),则待检测单元xi 的概率密度函数为
()2
2
1
i
i x x i p x e ββ-=
(2-2)
设定门限需要已知参数2β的大小。

当无法获取准确的2β值时,必须估计得到该参数值。

假设待检测单元周围有N 个相邻单元可以用来估计2β,且每个单元的干扰是独立同分布的,则N 个样本数据组成的矢量x 的联合概率密度函数为
()
2
2
1
2121
()1
i i N i
i N
x x i N
i x N
p x e
e
ββββ=-=-
=
∑=
∏ (2-3)
式(2.3)为观测数据x 的似然函数,记为Λ。

约束i x ∑为常数,最大化式(2.3)的最大似然估计[2]。

更方便的一个等效方法是利用其对数似然函数
()2
211ln ln N i i N x ββ=⎛⎫
Λ=-- ⎪⎝⎭
∑ (2-4)
设式(2.4)关于2β的倒数等于0,得
()()
22221ln 110()N i i d N x d βββ=Λ⎛⎫⎛⎫⎛⎫
==--- ⎪ ⎪ ⎪⎝⎭
⎝⎭⎝⎭∑ (2-5)
解方程(2.5)得2β解,其给出预料的结果,即最大似然估计恰好是已知数据样本的平均,
21
1ˆN i i x N β==∑ (2-6) 则要求的门限可以由估计到的干扰功率乘以一个系数得到,即
2ˆˆT
αβ= (2-7) 因为干扰功率以相应的检测门限是由待检测但愿周围的临近单元干扰
功率的平均获得的,所以这种方法称为单元平均CFAR (CA CFAR )。

对于给定的虚警概率,所需的乘积因子α[3]为
1(1)N N P α-=- (2-8)
需要指出,平均恒虚警概率FA P 不依赖于实际干扰噪声功率大小,而仅和参与平均的临近单元样本数N 及门限乘机因子 有关。

因此,单元平均处理技术表现出恒虚警率的特点。

图2-4显示了单元平均恒虚警处理过程示意图。

图2-4 单元平均CFAR 处理过程示意图
通过设计我们最后可以得到图2-5处理的一个实例。

单元平均恒虚警
距离单元
幅度 /d B
噪声
CA-CFRA 理想
图2-5 单元平均CFAR 检测的实例过程P FA =10-3,N=20
2.2.2 单元平均CFAR 分析
假设单元平均恒虚警CFAR 处理器的前后参考窗内均包括3个保护单元和10个参考数据单元,即N=20个单元数据作平均来估计干扰功率。


式(2.8)可得,门限乘积因子α为8.25,设定的门限高于估计的平均功率9.2dB 。

CFAR 门限的曲线是参考窗划过数据序列时所计算的得到的门限值。

除了在目标区域,估计门限和理想门限吻合良好,绝大部分待检测单元上的波动在2dB 内。

仅在第50个距离单元处,雷达信号数据超过CFAR 门限。

此时,CFAR 检波器工作性能很好:当CFAR 检测单元位于第50个距离单元处,雷达信号数据超过CFAR 门限,正确的报告一次成功目标检测,但在其他所有距离单元处没有虚警(超过门限)。

目标位置单元两侧的门限值偏高是单元平均CFAR 处理的特点。

对于此处应用的特定CFAR 参考窗来说,当检测单元在第37个和第46个距离单元之间是,包含的目标单元落在钱参考窗内,从而参与了估计干扰噪声功率的平均处理过程。

因此,估计得到的2β及此后计算的门限值将会显著的上升。

这个现象也存在于待检测单元位于第54个和第63个距离单元内的情况,此时目标落在后参考窗内。

当参考窗内存在目标时,其违反了所有的参考单元同待检测单元的干扰具有相同统计特性的假设,从而使估计的干扰功率不可靠,然而当检测单元位于目标单元时,参考窗呃逆仅含有噪声样本,所以门限落在一个合理的水平还是那个以利于检测目标。

目标单元两侧门限被抬高的区域的大小取决于前后参考窗的大小。

两个高区域的中间的正常门限的区间大小等于全部保护单元的个数加1(考虑到待检测单元)。

随着参考单元N 的增加,估计量2ˆβ收敛于真实值2β,同时平均检测概率和虚警概率也将分别收敛于理论值。

利用这个关系我们可以推导出单
元平均CFAR 的检测概率公式[2]
()
()
11D FA P P χ+= (2.9)
2.3 恒虚警损失
若干扰功率精确已知,则理想的检测门限高于平均功率8.4dB.由于干扰功率需要从数据中得到,当参考窗为20时。

则门限高于估计得到的功率电平9.2dB 。

相对于干扰功率电平,我们需要设定更高的门限来弥补未知干扰功率的不足,且保证达到虚警率的期望值FA P 。

由于恒虚警处理中的门限乘积因子增大,对于给定的信噪比的目标,其平均检测概率要低于干扰电平已知情况下的值。

图2-6显示了恒虚警损失的原理。

图2-6 恒虚警损失示意图
事实上,在给定的虚警概率FA P 下,为了达到某个检测概率PFA ,在相对干扰功率精确已知的情况下,需要更大的信噪比。

在给定的检测概率下,由于是永恒虚惊处理而需要增加的信噪比称之为CFAR 损失。

我们来定量的分析单元平均CFAR 中的恒虚警损失。

利用式(2.8)和式(2.9)消去门限因子α,从而解出为获得特定D P 和FA P 性能所需的信噪比得到的结果是参与平均处理的单元数目的函数,记为N χ,有
()
111
1N
D FA N N
D P P P χ-=
- (2-10)
当N →∞时,干扰功率的估计量收敛于真实值,从而虚警概率和检测概率的期望值分别收敛于理论值。

从而可以得到当干扰功率估计值为真值时达到某个虚警概率和检测概率所需要的信噪比,即
()()
ln ln FA D D P P P χ∞=
(2-11)
则CFAR 损失就等于上两式的比值[4]
N CFAR loss χχ∞
=
(2-12)
设D P 为0.9,针对三个不同的FA P 值画出式(2-12),如图2-7所示。

对于更小的FA P 值,CFAR 损失更大,而参考单元数增加时,正如所预计的那样,CFAR 损失下降。

对于较小的参考窗(N<20),CFAR 损失可达几个dB 。

当N 的值低于10时,高的CFAR 损失对于大多数情况是不可接受的。

图中未给出,但需要说明的是对于给定的FA P 和N ,CFAR 损失也随着D P 的增大而增大。

参考窗口采样尺寸
C F R A 损失 /d B
图2-7 D P =0.9单元平均检测的恒虚警损失
2.4 单元平均CFAR 的局限
单元平均恒虚警的概念基于如下两个主要的假设:
1. 临近单元的所含杂波的统计特性与待检单元的一致(称为均匀干
扰),因此他们对于会同潜在目标进行竞争的干扰具有代表性。

2. 临近单元不包含任何目标,其仅仅存在干扰噪声。

尽管在一些情况下上述假设是成立的,但是实际情况经常会违反上面两个条件中的一个或者全部,尤其当主要的干扰是地杂波时,即来自地面的回波而不是热噪声。

本节讨论上述田间得不到满足对单元平均CFAR 处理的影响,以及解决问题的一些改进方法。

2.4.1 目标遮蔽效应
当存在两个或者两个以上的目标,且一个目标位于但检测单元,而其余一个目标或多个目标落在参考单元内时,会出现目标遮蔽现象[2]。

假设位于参考单元内的目标回波功率超过了周围干扰功率,则它的存在会提高干扰功率的估计值,进而抬高了CFAR 检测门限。

参考单元内的目标参考单元内的目标可能会遮蔽待检测单元内的目标,这是因为被抬高的检测门限会降低检测概率,及增加了丢失目标的可能性。

等效地,为了获得给定的
检测概率期望值D P ,需要更高的信噪比。

在图2.6使用的参数下,当目标落在参考单元内时,待检测单元的门限值会提高3至4 dB 。

图 2.6给出了发生目标遮蔽效应[5]时的例子。

干扰功率电平为20 dB ,位于第50个距离单元内目标信噪比为15 dB ,利用20个参考单元来计算CFAR 门限,FA P 的期望值设为310-。

但是,当第一个目标处于但检测单元位置时,位于第58个距离单元内的信噪比为20 dB 的第二个目标提高了干扰功率的估计值。

在这个例子中,次提高的门限使我们无法检测到第一个目标。

另一方面,此15 dB 的目标不足以影响到第二个更强目标的检测门限。

距离单元
幅度 /d B
图2-8 目标遮蔽效应实例(详细说明见上下文)
精确分析参考单元内存在干扰目标的影响,从概念上是简单的,但是在实际中却又一定的复杂性。

但是可以得到一个相对简单的方法来给出对干扰目标的近似影响的评估。

假设唯一的干扰目标功率为i γ,其仅存在于N 个参考单元中的一个。

这个干扰目标的信噪比为2i i χγβ=,则新门限的期望值为
{}
1
022
ˆ1N i i i i i E T E x N x N N αγαγαβαβ-=⎧⎫⎛⎫'=+⎨⎬
⎪⎝⎭⎩⎭⎛⎫=+=+ ⎪⎝⎭
∑ (2-13)
可见,{}
ˆE T '仍是干扰功率2β的乘积形式,如同式(2-7),但乘积因
子不同,
1i N χαα⎛⎫
'≡+
⎪⎝⎭
(2-14) 抬高的门限会同时降低检测概率和虚警概率。

将式(2.14)和式(2.8)代入到公式(2.9)中,我们得到以原先设计值FA P 作为变量的新的检测概率的表达式
()11111N
i D FA N P P χχ--⎡⎤⎛+⎫'=+-⎢⎥
⎪+⎝⎭⎣
⎦ (2-15)
注意到,当0i χ→时(不存在干扰目标时)或者N →∞时(干扰目标
的影响可以忽略不计),有D
D P P '→。

图2-9正是这样的例子,其中FA P =310-,N 分别取20和50。

对于这种情况,不存在干扰目标的检测概率分别约为0.78和0.8。

干扰器的信噪比 /dB
检测的近似概率 /d B
图2-9 检测概率损失
另一种刻画干扰目标影响的方法是在保证原先的检测概率D P 所需要的基础上提高信噪比。

设使用被抬高的门限T '来进行检测而又要获得原先的检测概率D P 时所需要的基础上提高信噪比为χ'。

原始的门限乘积因子α来表示D P 为
()11N
D P N α
χ-⎛⎫=+ ⎪ ⎪
+⎝⎭
(2-16)
类似的可以用同样的关系式来表示在新的门限乘积因子α'和信噪比χ'
下的检测概率D
P '。

因此,当下面的条件满足时,D P '等于D P ,即满足条件 ()()
11N N ααχχ'
=
'++ (2-17) 将式(2.14)代入到式(2.17)中,得
()111i x N χχ⎛⎫
'=++- ⎪⎝⎭
(2-18)
图2-10中的曲线就是目标遮蔽损失χχ'的近似值,其单位为dB ,其他参数同图2-9。

干扰器的信噪比 /dB
近似目标遮蔽损失 /d B
图2-10 等效遮蔽损失
2.4.2 自遮蔽效应
图2-11给出了一个和目标遮蔽效应相关的现象,即分布目标的自遮蔽效应。

干扰、检波器和目标特性与图2-4相同。

但有所区别的是图2-11中的目标物理尺寸超过一个距离单元的长度,因此目标的回波散布在三个连续单元上。

不使用保护单元进行CFAR 处理的一个结果如图2-11所示,当三个存在目标信号距离单元中的任何一个作为待检测单元时,另外两个单元会影响对干扰功率的估计,在此,使门限抬高到足以使雷达检波器漏过目标。

距离单元
幅度 /d B
图2-11 无保护单元的门限设定
距离单元
幅度 /d B
图2-12 待检单元两边各有三个保护单元的门限设定
这种效应正是使用保护单元的原因所在,其功能如图2-12所示,在进行CFAR 检测时,两边各使用了3个保护单元。

这种处理方法稍微拉长参考窗的长度,但可以确保当待检测单元位于目标的中心位置时临近单元不会干扰对噪声功率的估计,从而可以成功的检测到目标。

相关文档
最新文档