摘要：首先通过时频方法分析了毫米波汽车防撞雷达的实测数据,根据实际分析得到的杂波分布规律提出一种毫米波汽车防撞雷达的门限设计方法,它能够根据背景杂波功率的变化进行自动的改变门限使毫米波汽车防撞雷达的虚警率保持恒定,并且给出了利用该方法进行门限设定时实际的测试结果.同时给出了该自适应恒虚警器的性能分析,结果表明这种方法在实际工程中完全可行.

摘要：针对强噪声下的X射线脉冲星信号检测,提出了一种基于时频熵的恒虚警率检测算法.首先对脉冲星信号的时频熵进行了定义;然后从理论上对脉冲星信号时频熵的分布特性进行分析,并用蒙特卡罗方法对理论分析结果进行验证.在此基础上,利用时频熵来设计检测统计量,对脉冲星信号进行基于恒虚警率的检测.仿真结果表明:本文算法可以有效提高检测概率,降低计算复杂度,并且可以在一定精度下给出脉冲星信号的时延值.

摘要：提出了一种新的雷达引信多门限频域恒虚警率检测算法。该算法根据雷达引信目标的运动特征,在传统的时域双门限检测基础上,增加了时域和频域门限判别条件,即采用多门限检测技术抑制引信工作的虚警率。仿真及实测结果表明,采用上述检测算法的引信实现了低信噪比条件下对目标的可靠检测,虚警率低。算法设计还充分考虑了检测的实时性,且具有易于工程实现的优点。

摘要：快速准确稳定的捕获是编队卫星间自主测控的关键,针对传统的编队卫星间捕获方法虚警率高、捕获时间长等缺点,提出了一种基于自适应双门限的恒虚警率捕获算法,采用双积分滑动相关搜索,第一积分电路输出超过门限时,启动第二个积分电路,以实现快速准确的捕获;对输入信号进行噪声能量强度实时估计,自适应调节捕获门限,从而在不同的干扰噪声强度下实现恒虚警率控制。以加性高斯白噪声信道为背景对算法性能进行分析,证明虚警概率为独立于信噪比的常数,通过设计积分时间常数,可以实现快速捕获。仿真结果表明,与传统固定单门限滑动相关捕获方法相比,本文的方法具有捕获时间短、虚警率低等优点,适用于编队卫星间捕获。

摘要：文章研究了背景为子空间干扰加高斯杂波的距离扩展目标方向检测问题。杂波是均值为零协方差矩阵未知但具有斜对称特性的高斯杂波,目标与干扰分别通过具备斜对称特性的目标子空间和干扰子空间描述。针对方向检测问题,利用上述斜对称性,根据广义似然比检验(Generalized Likeli-hood Ratio Test,GLRT)准则的一步与两步设计方法,设计了基于GLRT的一步法与两步法的距离扩展目标方向检测器。通过理论推导证明了这2种检测器相对于未知杂波协方差矩阵都具有恒虚警率。对比相同背景下已有检测器,特别是在辅助数据有限的场景下,文章提出的2个检测器表现出了优越的检测性能。

摘要：为提高传感器的检测性能,将一种经典的恒虚警率检测器CA-CFAR与多传感器集中式检测相结合。给出了多传感器集中式CA-CFAR检测器在均匀杂波环境中的虚警概率解析表达式。对两传感器集中式恒虚警率检测器和三传感器集中式恒虚警率检测器的检测概率进行了仿真,仿真结果表明,多传感器集中式恒虚警率检测器相对于单传感器恒虚警率检测器的检测概率有明显提高。

摘要：依据非制冷红外成像探测系统噪声分析结果建立噪声数学模型,以二元假设与极大似然比检验为基础,提出了应用于非平稳高斯噪声下的目标恒虚警率(CFAR)探测算法。该算法的目的是在无先验知识、不稳定的噪声环境中寻找已知外形的目标。经过与固定门限方法以及高斯模型二元假设恒虚警率探测算法比较之后得出,文中的算法在探测低信噪比小目标时有较高的探测概率,并且对噪声具有自适应性能,仿真实验验证了该方法的正确性和可行性。

摘要：为进一步提高深度神经网络算法在嵌入式机器人系统中的物体识别性能,提出了一种基于恒虚警率检测的深度神经网络Dropout正则化方法(CFAR-Dropout)。首先,通过对权重进行量化,将权重和激活从浮点数减少到二进制值;然后,设计了一个恒虚警检测器(CFAR),保持一定的虚警率,自适应地删减一些神经元节点,优化参与计算的神经元节点;最后,在嵌入式平台PYNQ-Z2上,使用基于VGG16的优化模型对算法的物体识别性能进行实验验证。实验结果表明,与使用经典的Dropout正则化方法相比,CFAR-Dropout正则化方法的错误率降低了约2%,有效防止了过拟合;与原本的网络结构相比,参数量所占内存减少到8%左右,有效防止了过参数化。

摘要：为了解决水下声矢量信号处理中的宽带目标被动探测问题,提出了一种波束域的检测算法.该算法借鉴人眼对空间谱的检测原理,对波束域数据进行广义似然比检测.首先结合干扰抑制问题和矢量环境噪声场特性,探讨了波束域变换矩阵的设计准则,并推导了解析解的形式;然后在假定已知不含目标波束个数的情况下,构建了波束域的概率密度模型,并对模型中的未知参量进行最大似然估计,进而给出了广义似然比检测器的形式;最后应用信息论准则,给出了不含目标波束个数的估计方法.理论分析与仿真实验表明,该算法在强目标干扰,以及背景噪声功率谱起伏、时变等环境下,始终具有更好的系统增益和恒虚警率特性.湖上试验的结果进一步验证了算法的有效性.

摘要：该文提出一种基于压缩感知(Compressive Sensing,CS)的恒虚警率(Constant False Alarm Rate,CFAR)目标检测算法,首先分析了目标在距离单元上具有稀疏特性,并构造了目标回波的稀疏字典,设计特定的测量矩阵以及基于CS的CFAR检测结构,然后实现了对回波信号的压缩测量和CFAR检测,无需对回波信号重构。该文提出的算法具有很好的降噪性能并提高了检测效率,可以对低信噪比、低信杂比信号成功检测。仿真结果表明:当信噪比为-14 d B,信杂比为-10 d B时,该算法与传统匹配滤波检测算法相比,减少了一半数据运算量,性能明显优于压缩匹配滤波检测算法。