基于Matlab模拟单元平均、审核式、有序统计CFAR检测门限

​✅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👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

雷达系统在进行恒虚警处理时, 通常采用的参考单元数是有限的.此时若采用理论的检测门限,将使虚警率大大增加. 本文中我们通过仿真的方法确定CFAR中的实际门限系数,研究有限的参考单元数对虚警性能的影响.本文模拟单元平均、审核式、有序统计CFAR检测门限。

⛄ 代码

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% Name          :  CFAR.m

% Function      :  比较各种ＣＦＡＲ算法的检测门限

% Date          :　2010-10-30

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

clc;

close all;

clear all

x=[wgn(1,100,20,50,'dbm') wgn(1,100,30,50,'dbm')];

x(45)=x(45)+sqrt(10^(35/10)/20);

x(48)=x(48)+sqrt(10^(22/10)/20);

x(42)=x(42)+sqrt(10^(22/10)/20);

x(50)=x(50)+sqrt(10^(40/10)/20);

x(52)=x(52)+sqrt(10^(27/10)/20);

x(48)=x(48)+sqrt(10^(27/10)/20);

x(96)=x(96)+sqrt(10^(35/10)/20);

x(103)=x(103)+sqrt(10^(45/10)/20);

ref_win=16;

safe_win=3;

pfa=10^-6;

alpha=ref_win*(pfa^-(1/ref_win)-1);

ca_cfar=zeros(1,200);

censor_cfar=zeros(1,200);

os_cfar=zeros(1,200);

%ca_cfar

for i=20:180

    tmp=abs([x(i-safe_win-ref_win:i-safe_win-1) x(i+safe_win:i+safe_win+ref_win-1)]);

    tmp=sort(tmp);

    ca_cfar(i)=mean(tmp);

    censor_cfar(i)=mean(tmp(10:25));

    os_cfar(i)=tmp(24);

end

%censor_cfar

plot(10*log10(abs(x).^2/50*1000));hold on;grid on

plot([20*ones(1,100) 30*ones(1,100)]+11.2,'--');

plot(10*log10(alpha*abs(ca_cfar).^2/50*1000),'b');

plot(10*log10(abs(4.8*censor_cfar).^2/50*1000),'-g');

plot(10*log10(10*abs(os_cfar).^2/50*1000),'-r');

axis([1 200 0 50]);

hold off

legend('','理想检测门限','单元平均CFAR检测门限','审核式CFAR检测门限','有序统计CFAR检测门限')

⛄ 运行结果

⛄ 参考文献

[1] 高志强. 船用调频连续波雷达信号处理关键算法研究与实现[D]. 电子科技大学, 2016.

[2] 郝程鹏, 侯朝焕, 王维建. 基于改进的VI-CFAR算法的分布式CFAR检测[J]. 系统仿真学报, 2007, 19(4):830-832.

[3] 茆星宇刘贵如王陆林李铮. 基于有序统计和最大参考单元选择的CFAR算法[J]. 佳木斯大学学报:自然科学版, 2022, 40(6):33-37.

[4] 孟祥伟, 何友. 基于准最佳加仅有序统计的最大选择CFAR检测算法[J]. 电子学报, 1997.

[5] 刘盼芝, 韩崇昭. 基于自动筛选技术的分布式CFAR检测算法[J]. 系统工程与电子技术, 2008, 30(6):6.

Please cite the paper:

[1] C. Wang, W. Pedrycz, Z. Li and M. Zhou, "Kullback–Leibler Divergence-Based Fuzzy C-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation," in IEEE Transactions on Cybernetics, vol. 52, no. 8, pp. 7612-7623, Aug. 2022, doi: 10.1109/TCYB.2021.3099503.

Full paper link: https://ieeexplore.ieee.org/document/9565823 

Note: If you want to segment a gray image, please run test_FCM_g.m.

Cong Wang's homepage: https://iopen.nwpu.edu.cn/info/1251/2526.htm

Google Scholar Profile: https://scholar.google.com/citations?user=5bCRqnkAAAAJ&hl=zh-CN

Github Profile: https://congwang0705.github.io/

Research Gate Profile: https://www.researchgate.net/profile/Cong-Wang-42

⛳️ 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