基于blue估计的分布式cfar检测算法研究

基于blue估计的分布式cfar检测算法研究

ID:17336386

大小:29.06 KB

页数:7页

时间:2018-08-30

基于blue估计的分布式cfar检测算法研究_第1页
基于blue估计的分布式cfar检测算法研究_第2页
基于blue估计的分布式cfar检测算法研究_第3页
基于blue估计的分布式cfar检测算法研究_第4页
基于blue估计的分布式cfar检测算法研究_第5页
资源描述:

《基于blue估计的分布式cfar检测算法研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于BLUE估计的分布式CFAR检测算法研究  (1.空军雷达学院研究生管理大队;2.空军雷达学院科研部,湖北武汉430019)  摘要:文章针对单参数恒虚警(CFAR)检测器在Weibul  l杂波模型下CFAR性能的不足,提出采用最优线性无偏估计(BLUE)算法设计局部检测器,并在全局最优条件对局部检测器的双门限参数以及判决融合规则进行优化。实验仿真表明,该方法能有效改善分布式CFAR检测系统的性能。  关键词:分布式CFAR检测;Weibull杂波;BLUE估计  中图分类号:TN957.51文献标识码:A文章编号:1007—6921(XX)11—0021—03  多传感器分

2、布式检测可有效提高雷达系统检测性能,因而引起了广泛的重视。传统的分布式检测系统是在Rayleigh杂波背景下研究,然而实际应用表明,高分辨条件下以及低视角观测的海杂波和地杂波,其杂波包络的概率密度函数(PDF)与Rayleigh分布的PDF相比有一个长的拖尾〔1〕。与Rayleigh分布不同,Weibull分布能更好地描述这种杂波环境〔2〕。此时,使用以往的单参数CFAR检测器无法匹配杂波分布,将导致严重的恒虚警损失或高的虚警概率。文献〔2〕研究了采用最大似然估计(MLE-CFAR)的分布式检测系统在Weibull杂波中的性能,这种方法能有效估计出杂波参数并形成自适应门限以确保恒虚警,然而它不

3、仅会为两个非线性方程〔3〕带来计算负担,而且无法在小采样数的情况下得到最小方差和最优性能〔4〕。文献〔4〕研究了采用最优线性无偏估计(BLUE)的单雷达在Weibull杂波中的性能,结果表明了BLUE-CFAR的实用性。何友等〔5〕对采用这两种方法的单雷达在Weibull杂波中的性能进行了分析总结。  本文在此基础上将BLUE-CFAR扩展到分布式检测系统。首先,介绍了BLUE-CFAR的检测原理,然后在确定的信杂比(SCR)和杂波参数下,研究了使用Neyman-Pearson准则优化局部检测器参数达成全局优化。通过分析系统在Weibull杂波背景下的最优与准最优检测性能之间的差异,表明了不

4、同融合方式对检测性能的影响。  1模型及求解  1.1Weibull杂波模型  如果随机变量服从Weibull分布,其概率密度函数:  740)this.width=740"border=undefined>  其中α是尺度参数,表示分布的中位数;β是形状参数,表示分布的偏斜度。β=2时即为Rayleigh杂波。  BLUE-CFAR的原理如图1所示。由于大杂噪比时,背景由杂波PDF决定〔3〕。可以假设当回波信号不含目标信号,只有杂波,不考虑噪声。此时包络检波器的输出z=|y|为Weibull分布,z再通过对数放大器变为Gumbel变量x=ln(z),其概率密度函数为:  740)thi

5、s.width=740"border=undefined>  1.2.1BLUE参数估计  最优线性无偏估计器〔5〕(BLUE)是在所有的无偏估计器中具有最小方差的线性估计器,它通过参考单元得到有序统计量估计检测门限,并且允许对两端进行削减。令Z=(Z(ri+1),L,ZN-r2)T表示服从Gu(0,1)分布的有序统计量构成的向量。E[Z]是它的均值向量,B是其协方差矩阵,C=(1,E[Z]是一个(N-r1-r2)×2阶的辅助矩阵,其中为参考单元数,r1、r2为排序后从低端和高端削减的采样数。X=(X(r1+1),L,X(N-r2))T是服从未知参数分布的有序向量。根据BLUE,得到a、b

6、的估计:  740)this.width=740"border=undefined>  1.2.2门限因子的选择  740)this.width=740"border=undefined>    系统如图2所示,局部检测器将判决经过二进制积累后,送入融合中心。从前节的分析可知整个系统中只有a、b的估计值是固定的,PFi受gi和wi影响,PDi受PFi和wi直接影响。虽然系统概率只与局部概率和融合规则k的选取直接有关,但是系统优化必须对门限因子gi,第二门限wi以K/N融合规则综合考虑。  本文使用Neyman-Pearson准则,系统优化问题可以表示成〔6〕  740

7、)this.width=740"border=undefined>  融合中心不考虑加权,概率函数表达式为〔6〕:  740)this.width=740"border=undefined>  全局最优系统的求取过程,即求J最大值的过程,用求解下列方程组表示:  740)this.width=740"border=undefined>  于是优化过程分以下几个步骤进行:①分别优化各个局

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。