一种非均匀Weibull杂波背景下的CFAR检测方法

摘要

本发明涉及一种非均匀Weibull杂波背景下的CFAR检测方法，其特征在于：该方法是基于一种M-N杂波边缘二元积累检测方法下的均匀参考单元选择方法，根据尺度参数和形状参数对M-N杂波边缘二元积累检测方法得到的数据进行分类编号，编号后选择与CUT编号相同的分辨单元作为参考窗来进行CFAR检测。

主权项

1.一种非均匀Weibull杂波背景下的CFAR检测方法，其特征在于：该方法是基于一种M-N杂波边缘二元积累检测方法下的均匀参考单元选择方法，根据尺度参数和形状参数对M-N杂波边缘二元积累检测方法得到的数据进行分类编号，编号后选择与CUT编号相同的分辨单元作为参考窗来进行CFAR检测，包括以下具体步骤：S1、对雷达回波数据平面取对数处理，并沿距离向以长度为N的参考窗进行滑窗处理，对每个滑窗进行杂波边缘检测，检测过程为：定义一个滑窗内的随机样本，x=[x₀,x₁,…,x_N]^T∈R^N，其中x_n为第n个样本，样本间相互独立，对参考窗进行杂波边缘检测，步骤为：S11、初始化参考窗内分辨单元数据，为x₁,…,x_n，长度为N，其中ξ=2ln(N)；S12、假设参考窗中第M和M+1个分辨单元之间存在一个杂波边缘，所述M满足1≤M≤N-1，则杂波边缘将参考窗数据分为y_M∈R^M和z_M∈R^N-M两部分，其中y_M包含X的前M个分量，则z_M包含X后面的N-M个分量，即x=[y_M,z_M]，定义y_M和z_M具有独立同分布，y_M和z_M的概率密度函数分别为$f\left(y_k\right|{\overrightarrow{a}}_y)={\Pi }_{k=1}^{M}f\left(y_k\right|{\overrightarrow{a}}_y)$和$f\left(z_k\right|{\overrightarrow{a}}_z)={\Pi }_{k=1}^{N-M}f\left(z_k\right|{\overrightarrow{a}}_z),$所述是y_M的未知参数，所述是Z_M的未知参数，其中不同于选择利用最大似然估计参数，实现最大，其中sup(·)表示取上界,k为第一个到第M个的概率密度函数，因此：$f\left(m\right)=\left\{\begin{array}{c}N\ln \left(\mathrm{std}\left(x\right)\right)-\xi ,m=1\\ (N-m)\ln \left(\mathrm{std}\left(z\right)\right)+m\ln \left(\mathrm{std}\left(y\right)\right),2\le m\le N-2\end{array}\right.\text{,}$其中，std(·)为标准差函数，y=[x₁…x_m]，z=[x_m+1…x_N]；S13、根据S12中所述，杂波边缘位于当时杂波边缘不存在，当时杂波边缘存在；S2、利用S1中给出的杂波边缘检测方法，在各个方位向上除首尾两个滑窗之外所有分辨单元会进行N次杂波边缘检测，累计各个分辨单元在这N次检测中出现杂波边缘的次数，当分辨单元出现杂波次数≥M时，则认为该分辨单元为杂波边缘；S3、在雷达回波平面内，利用S2得到的相邻两个杂波边缘内的分辨单元来估计这些分辨单元数据所服从的Weibull分布的尺度参数和形状参数，分别对数据平面内所有估计的尺度参数和形状参数排序，根据参数的范围变化分别将排好序的形状参数分为N₁份，尺度参数分为N₂份，将划分好的形状参数和尺度参数对数据平面从1到N₁×N₂进行编号，则数据平面具有N₁×N₂种地形，所述尺度参数和形状参数采用最大似然估计，表达式为是尺度参数的估计值，是形状参数的估计值，x_j(j=1,…L)为相邻的两个杂波边缘内分辨单元数据，L为两个相邻杂波边缘间分辨单元个数，不同相邻两个杂波边缘间的L不同；S4、利用S3得到的地形分类编号，在回波数据平面选择与CUT具有相同地形编号的距离最近的[N_min,N_max]个分辨单元作为参考窗，进行Log-t-CFAR处理，其中CUT的门限由参考窗估计得到，定义参考窗内分辨单元回波数据为w=[w₁,w₂…w_L]，则门限为其中，为样本均值，std(·)为样本标准差，门限因子α_L与L有关，它满足所需的虚警概率P_fa。