【正文】 pCI ? )()()(1 pNCI nISNRSNR ??I為積累改善因子。 )(/ ppNCI nInL ?L為積累損耗。 ? I1(index) = improv_fac (np, pfa1, pd1)。 1001011021030510152025積累脈沖數(shù)改善因子/dB改善因子與非相干積累脈沖的關(guān)系曲線 p d = . 5 , n f a = e + 2p d = . 8 , n f a = e + 6p d = . 9 5 , n f a = e + 1 0p d = . 9 9 9 , n f a = e + 1 3100101102103012345678脈沖數(shù)積累損耗 dB積累損耗與非相干積累脈沖數(shù)的關(guān)系曲線 p d = . 5 , n f a = e + 1 2p d = . 8 , n f a = e + 1 2p d = . 9 5 , n f a = e + 1 2p d = . 9 9 , n f a = e + 1 2I1 = improv_fac (np, pfa1, pd1)。 i1 = 10.^(*I1)。 L1(index) = 1*10*log10(i1 ./ np)。%Lnci=np/I(np) 問題： P115例子， 10個(gè)積累的信噪比減少還是增加？？ ? 起伏目標(biāo)的檢測(cè) ? 以上探測(cè)概率的計(jì)算都是假設(shè)目標(biāo)截面積是常數(shù)，即非起伏目標(biāo)，主要是 Marcum研究。 ? Swerling考慮截面積變化的四種情況，稱為 Swrling模型。 ? 常值目標(biāo)截面積被稱為 Swerling 0或 Swerling V。 ? Swerling I和 II模型的適用于由很多小散射體組成的目標(biāo)。 ? Swerling III和 IV模型的適用于由一個(gè)大散射體和許多相同的小散射體組成的目標(biāo)。 ? 非相關(guān)積累應(yīng)用于所有四種 Swerling模型。 ? 相關(guān)模型不能用于 Swerling II和 IV型的目標(biāo)起伏。 ? 目標(biāo)起伏降低探測(cè)概率，降低 SNR。 ? ? 門限選擇 )1,(1 ???? pTIfa nVPGamma函數(shù)的計(jì)算程序。 計(jì)算閾值函數(shù) 100101102100101102N u m b e r o f p u l s e sThreshold n f a = 1 0 0 0n f a = 1 0 0 0 0n f a = 5 0 0 0 0 0Vt和 np的關(guān)系 while (abs(delta) = vt0) igf = inplete_gamma(vt0,np)。 num = ^(np/nfa) igf。 temp = (np1) * log(vt0+eps) vt0 factor(np1)。 deno = exp(temp)。 vt = vt0 + (num / (deno+eps))。 delta = abs(vt vt0) * 。 vt0 = vt。 end ? ? Swerling 5 0 2 4 6 8 10 12 14 16 18 2000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 5Probability of detection n p = 1n p = 1 02 4 6 8 10 12 14 16 18 20 2200 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g IProbability of detection S w e r l i n g VS w e r l i n g I? Swerling 1 解譯 ? ? Swerling 1 ? Swerling 1 1 0 5 0 5 10 15 20 25 3000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 1 P f a = 1 0 8Probability of detection n p = 1n p = 1 0n p = 5 0n p = 1 0 0 1 0 5 0 5 10 15 20 25 3000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 1 P f a = 1 0 6Probability of detection n p = 1n p = 1 0n p = 5 0n p = 1 0 0? ? Swerling 2 ? Swerling 3 1 0 5 0 5 10 15 20 25 3000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 2Probability of detection n p = 1n p = 1 0n p = 5 0n p = 1 0 0 1 0 5 0 5 10 15 20 25 3000 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 3Probability of detection n p = 1n p = 1 0n p = 5 0n p = 1 0 0? ? Swerling 4 1 0 5 0 5 10 15 20 25 300 . 10 . 20 . 30 . 40 . 50 . 60 . 70 . 80 . 91S N R d B f o r S w e r l i n g 4Probability of detection n p = 1n p = 1 0n p = 5 0n p = 1 0 0? 小結(jié) ? 相關(guān)積累：此時(shí)改善因子就是 np ? 非相干積累：改善因子 I，和損失因此 L=np/I ? 對(duì)于 np1時(shí)，由于 SNR變化了，因此在虛警率不變情況下，探測(cè)率肯定有所提高。 ? 計(jì)算虛警概率 pfa 求單個(gè)脈沖 SNR RCS常數(shù) 計(jì)算附加 SNR Np=1 相干 計(jì)算改善因子 I 改善因子為 np No Yes Yes No No 利用雷達(dá)方程計(jì)算探測(cè)距離 R Yes 10324)()4()(SNRLLfFBkTnIGGPRftrprtAV?????fL是目標(biāo)起伏引起的損耗， 有程序計(jì)算 。 tL是包含積累損耗的總系統(tǒng)損耗，沒提，應(yīng) 如何計(jì)算？ ? ? 起伏損耗 0 0 . 1 0 . 2 0 . 3 0 . 4 0 . 5 0 . 6 0 . 7 0 . 8 0 . 9 142024681012P r o b a b i l i t y o f d e t e c t i o nFluctuation loss dBP f a = 1 e 9 , n p = 1 S w e r l i n g I I IS w e r l i n g I I I I V5SWswif SNRSNRL ??function [Lf,Pd_Sw5] = fluct_loss(pd, pfa, np, sw_case) ? 累計(jì)探測(cè)概率 ? 基于雷達(dá)方程，得任意距離 R處的 SNR： 40 )(0RRSNRSNRR?注：此處 SNR單位非 dB。 00 )log (40 SNRRRdB ??注：與 。 累計(jì)探測(cè)概率 ：在距離 R處至少可探測(cè)目標(biāo)一次。 ?????niDC in PP1)1(1iDP為每一幀的探測(cè)概率。 ? 恒虛警率 （ CFAR） ? 恒虛警方法 就是采用自適應(yīng)門限代替固定門限，門限隨著被檢測(cè)點(diǎn)的背景噪聲、雜波和干擾的大小自適應(yīng)調(diào)整。 ? 獲取自適應(yīng)門限的方法 是設(shè)計(jì)雷達(dá)恒虛警檢測(cè)器的關(guān)鍵； ? 在不同噪聲、雜波和干擾背景下，應(yīng)采取不同的恒虛警器； ? 根據(jù)雜波統(tǒng)計(jì)特性情況： ? 參量型恒虛警檢測(cè)器 ： 針對(duì)某種雜波統(tǒng)計(jì)特性已知，實(shí)際雜波符合假設(shè)的統(tǒng)計(jì)模型，如雜波為 高斯雜波 時(shí)，可采用 單元平均恒虛警檢測(cè)器 。 ? 非參量恒虛警檢測(cè)器 雜波統(tǒng)計(jì)模型未知，其性能通常低于匹配時(shí)的參量型恒虛警檢測(cè)器，但高于失配時(shí)的情況。 ? (1) 白噪聲背景的恒虛警檢測(cè)器 K為門限乘子，根據(jù)要求的虛警率大小來確定。 相當(dāng)于固定門限。 ??KU ?0休止期內(nèi)進(jìn)行采樣 平滑相鄰周期采樣樣本 上述情況為 只有噪聲情況下 的恒虛警檢測(cè)器。 ? (2) 雜波背景檢測(cè)器 — 單元平均恒虛警檢測(cè)器 ? 雜波在空間的分布是非同態(tài)的，時(shí)變特性，不同區(qū)間的雜波強(qiáng)度差別較大。 ? 雜波背景下 與 噪聲背景下 的恒虛警檢測(cè)器有明顯差別、雜波的均值只能通過被檢測(cè)點(diǎn)的鄰近單元計(jì)算得到，稱為鄰近 單元平均恒虛警檢測(cè)器 (CACFAR)。 ? 雜波特性為 高斯統(tǒng)計(jì) ； ? 幅度檢波后的包絡(luò)的 PDF為瑞利分布 。 K調(diào)節(jié)門限和虛警率。 ? ? 由于單元數(shù)據(jù)有限，均值估計(jì)會(huì)有起伏，必去提高門限（ k）。 ? 需要增加信噪比保持制定 Pd，為達(dá)到指定 Pf額外增加的信噪比成為恒虛警損失， LCFAR （通過 Pd和輸入信噪比的關(guān)系獲取），影響因素： ? 與參考單元數(shù) M：負(fù)相關(guān)，取值范圍 416，不超過 50。 ? 檢測(cè)前的脈沖積累數(shù) N：負(fù)相關(guān)。 ? 目標(biāo)起伏情況 （斯韋林情況， Swerling I， II等） ? ? CACFAR恒虛警檢測(cè)器在雜波邊緣的檢測(cè)性能會(huì)明顯變壞。 檢測(cè)性能下降 虛警較高 在方波內(nèi)側(cè)時(shí)，因門限升高有一個(gè) 暫態(tài) 。 ? GOCFAR SOCFAR 解決方波內(nèi)側(cè)虛警增大問題 解決方波外側(cè)檢測(cè)性能下降問題 ? (3) 有序恒虛警檢測(cè)器 OSCFAR ? 當(dāng)參考單元中出現(xiàn)其他目標(biāo)（干擾目標(biāo)） ? 有序統(tǒng)計(jì)量恒虛警檢測(cè)器 OSCFAR OSCFAR中，選擇排序后的 第 m個(gè) x(m)作為 雜波雜波電平的估計(jì)。 當(dāng)有較強(qiáng)的目標(biāo)（一個(gè)或多個(gè)）進(jìn)入 2L參考單元時(shí)， OSCFAR檢測(cè)器中排序有變化，但門限變化不大。 而對(duì) CACFAR影響大，降低性能。 如 m= ? ? 改進(jìn)的有序恒虛警檢測(cè)器 ? 剔除和平均恒虛警檢測(cè)器（ CMLDCFAR） ? 整理和平均恒虛警檢測(cè)器（ TMCFAR） ? 有序兩側(cè)選擇（ OSGO）和有序兩側(cè)選?。?OSSO）恒虛警檢測(cè)器 ? (4) 非高斯雜波中的恒虛警檢測(cè)器 ? 對(duì)數(shù) 正態(tài)分布雜波背景的恒虛警檢測(cè)器 ? 韋布爾雜波背景的恒虛警檢測(cè)器 ]2 )(lnexp [2 1)(2mcxxxf??????)2exp (21)( 2zzf ?? ?xy ln?cmyz ????對(duì)數(shù) 正態(tài)分布雜波轉(zhuǎn)化為與概率分布 和