分布式OSCA-CFAR檢測系統的檢測性能

摘 要:分布式檢測系統可以提供更高的信噪比，提高系統在復雜電磁環境下的生存能力，抗干擾能力。由于OSCA-CFAR檢測器具有較好的抗干擾性能，因此，在此研究了分布式OSCA-CFAR檢測系統采用“AND”，“OR”融合準則時在非均勻背景下的檢測性能。分析表明，分布式OSCA-CFAR檢測系統采用“OR”融合準則時在非均勻背景下具有更好的抗干擾性能。

關鍵詞: 分布式檢測; 恒虛警; 有序統計平均; 融合準則

中圖分類號:TN911; TP206 文獻標識碼:A

文章編號:1004-373X(2010)14-0131-03

Detecting Performance of Distributed OSCA-CFAR Detection System

SONG Yu-zhen1， 2， LIU Lian1， QU Fu-yong2

(1. Unit 91550 of PLA， Dalian 116023， China; 2. Postgraduate Brigade 1 of Navy Aeronautical Engineering Institute， Yantai 264001， China)

Abstract: The distributed detection system can provide higher signal to noise rate (SNR)， and improve the viability and anti-jamming ability in complicated magnetoelectric environment. OSCA-CFAR detector has better anti-jamming performance. The detecting performance of distributed OSCA-CFAR detection systems as adopting \"AND\" and \"OR\" fuse rule in the non-uniform background is researchd. The analysis indicates that the distributed OSCA-CFAR detection systemhas better anti-jamming performance when it adopts \"OR\" fuse rule in the non-uniform background.

Keywords: distributed detection; CFAR; OSCA-CFAR; fuse rule

0 引 言

雷達信號的恒虛警率檢測是一種能夠提供自適應閾值的信號處理算法，其基本原理就是根據檢測單元附近的參考單元估計背景雜波的平均功率，以此調整門限，從而達到恒虛警處理的目的。雷達自動檢測跟蹤中的恒虛警問題是每個雷達系統研究和設計人員必須重視的重要問題之一。

在空間上分布的多個傳感器構成的多傳感器系統可以提高系統的生存能力，抗干擾能力，增加覆蓋區域和監視目標數，提供更高的總的信噪比，并且可以提高系統的反應速度以及在單個傳感器故障情況下的可靠性[1]。因此，近年來關于多傳感器的分布式信號處理的研究得到了極大的重視[2-8]。Barkat研究了局部檢測器采用單元平均恒虛警檢測器(CA-CFAR)的分布式CA-CFAR檢測系統的性能[9]，Blum研究了局部檢測器采用有序統計恒虛警檢測器(OS-CFAR)的分布式OS-CFAR檢測系統的性能[10]。由于OSCA-CFAR檢測器在均勻背景和非均勻背景下的良好性能，文中研究了分布式OSCA-CFAR檢測系統的性能。

1 分布式OSCA-CFAR檢測系統

OSCA-CFAR檢測器的檢測原理是將檢測單元兩側的參考單元劃分為長度相等的前沿滑窗和后沿滑窗，雜波功率水平估計即為:

Y=Q1(k)+Q2(k) (1)

式中:Q1(k)，Q2(k)分別為參考滑窗前后沿中第k個參考單元采樣值。

圖1為分布式OSCA-CFAR檢測系統得原理框圖，圖1中傳感器即為OSCA-CFAR檢測器。各個OSCA-CFAR檢測器中，參考滑窗長度為Mj=M，左右子滑窗中選取第kj個參考單元作為背景雜波估計，假設背景雜波服從瑞利分布，目標為Swerling Ⅱ型，則各個局部檢測器的虛警概率Pfj和檢測概率Pdj可表示為:

Pfj=∏kj-1i=0Mj/2-iMj/2-i+Tj2 (2)

Pdj=∏kj-1i=0Mj/2-iMj/2-i+Tj/(1+SNR)2 (3)

融合中心采用“AND”融合規則(即K=N)時，系統總的虛警概率和檢測概率可表示為:



PF=∏jPfj=∏Nj=1∏ki-1i=0Mj/2-iMj/2-i+Tj2 (4)

PD =∏jPdj=

∏Nj=1∏ki-1i=0Mj/2-iMj/2-i+Tj/(1+SNR)2 (5)

圖1 分布式OSCA-CFAR檢測系統原理框圖

融合中心采用“OR”融合規則(即K=1)時，系統總的虛警概率和檢測概率可表示為:



PF =1-∏j(1-Pfj)=

1-∏Nj=11-∏ki-1i=0Mj/2-iMj/2-i+Tj2 (6)

PD= 1-∏j(1-Pdj)=

1-∏Nj=11-∏ki-1i=0Mj/2-iMj/2-i+Tj/(1+SNR)2 (7)



2 性能分析

通常情況下，分布式檢測系統的優化是將系統總的虛警概率固定，使得總的檢測概率最大化，通常使用拉格朗日乘子轉化為無約束的函數優化問題，由于方程中有未知參數ki，Ti，即在每組ki下，優待化函數對每個INR=SNR求偏導，求解方程組，得到一組Ti值，最后取使得檢測概率最大的一組ki，Ti值作為問題的解。當傳感器數目增多時，這使得使用常規方法實現極其困難，因此出現了很多的優化算法[8]。

這里，做了簡化處理，假設各個局部傳感器及所處檢測環境完全一致，則其參數ki，Ti可認為都是相等的，因此，ki=k，Ti=T。表1給出了當M=24和36時，局部傳感器數為3個，融合中心采用“AND”，“OR”融合規則時最佳參數的取值。設定系統總的虛警概率為1.0×10-6。

表1 不同融合規則下，局部傳感器最佳參數的選擇

融合規則M=24M=36

kTkT

AND101.652 0151.523 5

OR115.537 4165.068 4

表2給出了分布式OSCA-CFAR檢測器在均勻背景下的檢測概率。顯然，當局部傳感器所處檢測環境完全一致時，使用OR融合規則要好于AND融合規則。

表2 選擇最佳參數后，分布式OSCA-CFAR檢測系統在均勻背景下的檢測概率

SNR /dB510152025303540

AND融合M=240.025 30.240 80.615 90.854 60.951 20.984 30.995 00.998 4

M=360.028 40.254 60.628 70.860 50.953 30.984 90.995 20.998 5

OR融合

M=240.006 70.303 50.864 80.991 20.999 6~1~1~1

M=360.010 20.371 90.897 50.993 90.999 8~1~1~1

由于很難得到分布式OSCA-CFAR檢測器在多目標情形下的檢測概率表達式，因此采用monte-carlo仿真得到其在不同多目標情況下的檢測性能。假設INR=SNR，選擇參數M=24，相應的k，T的選擇可參見表1。圖2和3表示當只有一個傳感器包含干擾目標為r1=1，2，3，6時，“AND”和“OR”融合規則下，系統的檢測性能與信噪比關系。由圖可知，隨著干擾目標數的增加，“AND”融合下降較快，而“OR”下降較緩。這也說明了當只有部分傳感器受到干擾時，“OR”融合規則對系統地檢測性能影響要小于“AND”融合。圖4和圖5表示當所有傳感器都受到干擾目標影響時，2種融合方法都使得系統的性能下降較快，相比之下，還是“OR”融合規則要好于“AND”融合。

圖2 多目標環境下，只有1個傳感器包含

干擾目標時，AND融合檢測性能

圖3 多目標環境下，只有1個傳感器包含

干擾目標時，OR融合檢測性能

圖4 多目標環境下，所有傳感器都包含

干擾目標時，AND融合檢測性能

圖5 多目標環境下，所有傳感器都包含

干擾目標時，OR融合檢測性能

3 結 語

在此研究了局部檢測器采用OSCA-CFAR檢測器 的分布式OSCA-CFAR檢測系統融合中心采用“AND”，“OR”融合準則時在均勻背景和非均勻背景下的檢測性能。分析表明，分布式OSCA-CFAR檢測系統采用“OR”融合準則時在均勻背景下檢測性能更好，且在非均勻背景中相比“AND”融合準則具有更好的抗干擾性能。

參考文獻

[1]VARSHNEY P K. Distributed dtection and data fusion[M]. New York: Springer Verlag， 1996: 12-56.

[2]VISWANTHAN R， VARSHNEY P K. Distributed detection with multiple sensors: part I-fundamentals[J]， Proceedings of the IEEE， 1997: 85(1): 54-63.

[3]BLUM R， KASSAM S， POOR H V. Distributed detection with multiple sensors: part II-advanced topics[J]. Proceedings of the IEEE， 1997: 85(1): 64-79.

[4]BAKRY Mohamed， MASHADE E. Performance comparison of a linearly combined ordered statistic detectors under poostdetection integration and nonhomogeneous situations[J]. Journal of Electronics， 2006: 23(5): 698-707.

[5]HAMMOUDI Z， SOLTANI F. Distributed CA-CFAR and OS-CFAR detection using fuzzy spaces and fuzzy fusion rules[J]. IEE Proceedings Radar Sonar and Navigation， 2004: 151(3): 135-142.

[6]TAN Tri， GAO Van. A CFAR thresholding approach based on test cell statistics[ C] //Proceedings of the IEEE Radar Conference. [ S.l.] : IEEE， 2004: 349-354.

[7]CONTE E， MAIO A D， RICCI G. CFAR detection of distributed targets in non-gaussian disturbance[ J] . IEEE Trans.AES， 2002， 38(2): 612-620.

[8]SHNIDMAN D A， Radar detection in clutter[ J] . IEEE Transactions on Aerospace and Electronic Systems， 2005， 41(3): 1056-1067.

[9]BLUM R S， QIAO J F. Threshold optimization for distributed order-statistic CFAR signal detection[J]. IEEE Trans. on AES (S0018-9251)， 1996， 32(1): 368-377.

[10]LIU Wei-xian， LU Yi-long， JEFFREY S F U. Data fusion of multiradar system by using genetic algorithm[ J] . IEEE Trans. on AES[J]. 2002， 38(2): 601-612.