✅作者简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,matlab项目合作可私信。
🍎个人主页:Matlab科研工作室
🍊个人信条:格物致知。
更多Matlab仿真内容点击👇
⛄ 内容介绍
在分析多假目标环境下单元平均恒虚警(CA—CFAR)检测器检测性能的基础上,提出一种多假目标压制干扰门限的概念,通过理论推导出压制干扰门限值,为分布式小型干扰机参数设置提供一定的理论参考.即当假目标落入雷达检测目标的参考单元内,假目标数量和功率的乘积超过压制干扰门限时,真实目标的检测概率将不大于0.1,压制干扰有效..
⛄ 部分代码
tic; %运行时间约23s
clear all;
close all;
clc;
Pf=1e-6; %设定虚警概率为10^(-6)
N=32; %滑动窗尺寸为32 (参考单元长度)
n=N/2; %%半滑窗长度
SNR_dB=5:1:30; %设置信噪比(dB)
SNR=10.^(SNR_dB./10); %计算信噪比
k=length(SNR);
figure
%%%%%%%%%%%%%%%%%%%%%%%%%%%CA-CFAR%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
T_CA=Pf^(-1/N)-1 %计算门限系数(标称化因子)
Pd=(1+T_CA./(1+SNR)).^(-N); %计算发现概率
%Pd=(1+T_CA./(1+SNR)).^(N);
plot(SNR_dB,Pd,'b');
xlabel('SNR(dB)');
ylabel('Pd');
hold on
Pd_opt=Pf.^(1./(1+SNR)); %特定信噪比对应的最优检测概率
plot(SNR_dB,Pd_opt,'-*r');
grid on;
%%%%%%%%%%%%%%%%%%%%%%%%%%%%GO-CFAR%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
syms T f %定义变量
f=0;
for i=0:n-1
f=f-2*(nchoosek(n+i-1,i)*((2+T)^-(n+i)));
end;
g=f+(2*(1+T)^(-n))-Pf;
x=solve(g);
T=double(x);
T_GO=T(T==abs(T)); %计算GO-CFAR门限系数0.9828
%T_GO=0.8551;
Pd_GO=0;
for j=1:k %计算不同信噪比下检测概率
Pd_G=2*(1+T_GO/(1+SNR(j))).^(-n);
for i=0:n-1
Pd_G=Pd_G-2*(nchoosek(n+i-1,i)*((2+T_GO/(1+SNR(j))).^-(n+i)));
end
Pd_GO(j)=Pd_G;
end
hold on
plot(SNR_dB,Pd_GO,'--g');
%%%%%%%%%%%%%%%%%%%%%%%%%%%%SO-CFAR%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
syms T f
f=0;
for i=0:n-1 %计算门限系数
f=f+2*(nchoosek(n+i-1,i)*((2+T)^-(n+i)));
end;
g=f-Pf;
x=solve(g);
T=double(x);
T_SO=T(T==abs(T));%1.4754
Pd_SO=0;
for j=1:k %计算不同信噪比对应的检测概率
Pd_S=0;
for i=0:n-1
Pd_S=Pd_S+2*(nchoosek(n+i-1,i)*((2+T_SO/(1+SNR(j)))^-(n+i)));
end
Pd_SO(j)=Pd_S;
end
hold on
plot(SNR_dB,Pd_SO,'--b');
grid on
legend('CA-Pd','Pd-opt','GO-Pd','SO-Pd');
title('opt、CA、GO、和SO检测概率');
toc;
⛄ 运行结果
⛄ 参考文献
[1] 吴筑莉, 熊鑫, 余国文,等. 基于CA-CFAR检测下多假目标的压制干扰门限[J]. 电子信息对抗技术, 2018, 33(1):5.
[2] 巩朋成, 朱鑫潮, 李婕,等. 基于贝叶斯干扰控制的变异指数的BVI-CFAR目标检测算法:, CN113189560A[P]. 2021.
[3] 李怀巷, 卓智海. 基于Grubbs准则的改进的2D CA-CFAR[J]. 北京信息科技大学学报:自然科学版, 2023, 38(1):6.
⛳️ 代码获取关注我
❤️部分理论引用网络文献,若有侵权联系博主删除
❤️ 关注我领取海量matlab电子书和数学建模资料