经典雷达资料-第8章 自动检测、自动跟踪和多传感器融合-2.docVIP

相對於OBMW，當N=8,16,24和32脈衝數時，MBWM分別產生0.15,0.53,1.80和2.45 dB的損耗。 圖8.9 二進位積累器（M-N）與其他積累器性能的比較 （Pfa=10-10,PD=0.5）（引自參考資料16） 圖8.10 二進位積累器（M-N）與其他積累器性能的比較 （Pfa=10-10, PD =0.90）（引自參考資料16） 圖8.11 在對數-正態分佈干擾的情況下（( = 6 dB），各種檢測器的比較 （N=3,Pfa=10-6）（引自參考資料19） 批次處理器 當3 dB波束寬度中的脈衝數目很大時，批次處理器（如圖8.3（e）所示）是非常有用的。若3 dB波束寬度中有kN個脈衝，先進行k個脈衝的求和（分批），求和後小於門限T1為0，大於門限T1為1。然後將最後的N個0和1求和，並與第二個門限M進行比較。它等效於資料分批通過滑窗檢測器。 類似於二進位積累器，批次處理器很容易實現，不受干擾毛刺的影響，並且當雜訊具有非瑞利密度分佈時，批次處理器工作得特別好。此外，與二進位積累器相比，批次處理器具有存儲空間更小，檢測性能更好，角度估計更精確的特點。例如，若目標上返回80個回波脈衝，每16個脈衝為一批次處理，這個結果量化為0或1，然後用3-5準則（或2-5準則）的二進位積累器判定目標。用一個8位A/D轉換器，批次處理器在每個距離單元只需要17位元的存儲空間（12位元給批次處理，5位元給二進位積累器），而二進位積累器則需要80位元存儲空間，滑窗需要640位元存儲空間。在大量脈衝積累時，批次處理器的檢測性能大約比滑窗差0.5 dB。Johns Hopkins大學的應用物理實驗室[21]成功地實現了批次處理器。角度估計值比Cramer-Rao 下限高出大約20%，其中的表示式為 （8.16） 式中，Bi為批的幅度；(i為與批中心相關的方位角。 虛警控制 在有雜波的情況下，如果採用前面討論過的固定門限的積累器，會產生大量的檢測數，使雷達系統中的跟蹤電腦達到飽和且工作混亂。因此，必須注意以下四個重要的因素： ( 跟蹤系統必須與自動檢測系統結合起來（多次掃描的檢測顯示的情況除外）。 ( 在不使跟蹤電腦飽和的情況下，檢測器的Pfa應盡可能高。 ( 如果雷達跟蹤電腦能去掉隨機虛警和不感興趣的目標（如固定目標），則在積累器中可不考慮去除問題。 ( 可用掃描間處理去掉固定目標點雜波或MTI的雜波剩餘。 在固定門限檢測系統中，可通過設置較高的門限來限制虛警數。不幸的是，這樣會降低在低雜訊（雜波）回波區域內的目標靈敏度。為解決上述問題（降低虛警），主要有三種方法：自我調整門限、非參量型檢測器以及雜波圖方法。自我調整門限和非參量型檢測器是假設在檢測距離單元周圍（稱為參考單元）的樣本是獨立同分佈的。另外，通常假設時域採樣是獨立的；這兩種檢測器都是檢測在測試單元內是否存在比參考單元內大得多的回波。雜波圖允許在空間有變化，但要求雜波在多次的掃描中（典型掃描數為5～10次）必須是平穩的，雜波圖為每一個距離-方位單元存儲一個平均背景電平。若在某一個距離-方位單元內有新的值超過平均背景電平的一個特定量，那麼就判定該距離-方位單元內有一個目標。 自我調整門限 自我調整門限設置技術所基於的假設是除了少數幾個未知的參量外，雜訊的概率密度是已知的。周圍參考單元用於估計未知參數，且門限是基於參量估計確定的。最簡單的自我調整檢測器如圖8.12所示，是Finn和Johnson研究[22]得到的單元平均CFAR（恒虛警率）。若雜訊服從瑞利分佈，即p(x)=xexp(-x2/2(2)/(2，那麼只需估計參量(（(2是雜訊功率），並且門限具有的形式，式中，是( 的估計值。然而，由於T是根據估計值設置的，所以它有點誤差，因此，T就必須比由已知( 計算得到的門限大一些。提高門限在目標靈敏度上會引起一些損耗，這個損耗被稱為CFAR損耗，這些損耗的計算結果歸納在表8.1中[23]。從表中可以看到，參考單元數較少時，由於( 的估計值較差，損耗較大。故人們更願意使用大數目的參考單元，但如果這樣做，就有可能與均勻性假設（即所有的參考單元都是統計相似的）相悖。一個好的經驗就是，用足夠多的參考單元使CFAR損耗低於1 dB，同時不讓參考單元超出測試單元兩邊各1 n mile。對於特殊的雷達來說，這一點有可能不夠現實。 圖8.12 單元平均CFAR（字母C表示比較，引自參考資料7） 表8.1 Pfa=10-6及PD=0.9時的CFAR損耗（引自參考資料23） 積累的脈衝數 各種不同數目參考單元的損耗（ dB） 1 2 3 5 10 ∞ 1 … 15.3 7.7 3.5 0