twoD_CA_CFAR.rar_CFAR二维_hotldn_二维CA-CFAR_十字窗cfar_矩形窗cfar

共1个文件

m：1个

版权申诉

5星 · 超过95%的资源 135 浏览量 2022-07-13 22:31:32 上传评论 2 收藏 1KB RAR 举报

二维CFAR（Constant False Alarm Rate，恒虚警率）算法是雷达信号处理中的关键技术，用于检测潜在目标的存在，同时保持恒定的虚警率。在雷达系统中，虚警是指在没有真实目标的情况下误报为目标的情况。CFAR算法旨在减少这种误报，确保在复杂背景噪声中准确识别目标。本压缩包文件"twoD_CA_CFAR.rar"包含了一个名为"twoD_CA_CFAR.m"的MATLAB脚本，该脚本主要实现了二维CFAR处理，包括使用矩形窗和十字窗两种方法。下面将详细介绍这两种方法及其相关知识点： 1. **二维CFAR**： - 二维CFAR处理是针对雷达图像数据的，它不仅考虑了距离信息，还考虑了角度信息，从而提供更全面的目标检测能力。 - 通常，二维CFAR分为两个步骤：行检测（range CFAR）和列检测（azimuth CFAR），分别处理距离和角度维度的数据。 2. **矩形窗CFAR**： - 矩形窗是最简单的CFAR检测器类型之一，它使用一个矩形区域（也称为保护窗口）来评估背景噪声的统计特性。 - 在二维CFAR中，矩形窗通常围绕潜在目标点设置，以计算噪声平均功率。 - 通过对保护窗口内的功率进行平均，可以确定一个阈值，用于判断目标是否超过噪声背景。 3. **十字窗CFAR**： - 十字窗CFAR是改进的二维CFAR技术，它更有效地考虑了邻近噪声的影响，特别是对于倾斜目标或旁瓣干扰。 - 在十字窗CFAR中，保护窗口呈十字形状，沿着目标的径向和方位向延伸，避免了目标自身对噪声估计的污染。 - 这种方法在处理雷达图像时能提供更好的性能，特别是在目标与背景噪声分布不均匀时。 4. **MATLAB实现**： - "twoD_CA_CFAR.m"脚本使用MATLAB编程语言，这表明它可能包含用于读取雷达数据、执行CFAR算法以及显示结果的代码。 - MATLAB的信号处理工具箱提供了丰富的函数支持，如滤波、统计分析等，非常适合进行此类信号处理任务。通过这个MATLAB脚本，用户可以学习到如何在实际应用中实现二维CFAR算法，包括矩形窗和十字窗的方法。这有助于理解雷达信号处理中的目标检测原理，并为其他类似问题提供基础。在雷达系统设计和优化中，理解并熟练掌握这些技术至关重要。

资源详情

资源评论

资源推荐

收起资源包目录

twoD_CA_CFAR.rar （1个子文件）

twoD_CA_CFAR.m 6KB

%%%%%%%36个参考单元%%%%%%%%% clear clc close all Pfa=1e-6; b=2.5;%尺度参数 c=1.8;%形状参数 M1=32;%矩形窗相参积累脉冲个数 N1=9;%矩形窗距离单元数 M2=32;%十字窗相参积累脉冲个数 N2=23;%十字窗距离单元数 Nf1=5;%矩形窗参考滑窗多普勒单元数 Nr1=9;%矩形窗参考滑窗距离单元数 Nf2=21;%十字窗参考滑窗多普勒单元数 Nr2=23;%十字窗参考滑窗距离单元数 factor1=13; factor2=15; s1=zeros(M1,N1); s2=zeros(M2,N2); k=0; R1=Nf1*Nr1-3*3;%矩形窗参考单元数 R2=(Nf2+Nr2-1)-(2*2+1*2+1);%参考单元数 T1=R1*(Pfa^(-1/R1)-1); T2=R2*(Pfa^(-1/R2)-1); clutterpower=b^(-2/c)*gamma(2/c+1);%杂波功率 for scr=-20:0 k=k+1; pd1(k)=0; pd2(k)=0; A=sqrt(2*clutterpower*10^(scr/10));%计算目标信号的幅度 nn1=0:M1-1; nn2=0:M2-1; sd1=exp(-j*2*pi*(factor1-1)*nn1/M1); sd2=exp(-j*2*pi*(factor2-1)*nn2/M2); s1(:,(N1+1)/2)=A.*sd1'; s2(:,(N2+1)/2)=A.*sd2'; for testnumber=1:10000 r1=weibrnd(b,c,M1,N1);%仿真的杂波 r2=weibrnd(b,c,M2,N2);%仿真的杂波 z1=r1+s1;%总的接收信号 z2=r2+s2;%总的接收信号 y1=abs(fft(z1)); y2=abs(fft(z2)); y1=y1.^2; y2=y2.^2; y1=y1(factor1-2:factor1+2,:);%矩形窗口大小5X9,待检测单元为y1(3,5) y2=y2(factor2-10:factor2+10,:);%参考窗为21+23的十字窗 yd1=y1(3,(N1+1)/2); yd2=y2(11,(N2+1)/2); clutterlevel_gj1=(sum(sum(y1))-sum(sum(y1(2:4,4:6))))/R1;%杂波电平估计 clutterlevel_gj2=(sum(y2(11,:))+sum(y2(:,(N2+1)/2))-sum(y2(11,10:14))-sum(y2(10:12,(N2+1)/2)))/R2; threshold1=T1*clutterlevel_gj1;%真实的门限 threshold2=T2*clutterlevel_gj2;%真实的门限 if yd1>threshold1 pd1(k)=pd1(k)+1; end if yd2>threshold2 pd2(k)=pd2(k)+1; end end pd1(k)=pd1(k)/10000; pd2(k)=pd2(k)/10000; end scr=-20:0; plot(scr,pd1,'<-'); grid on;hold on; plot(scr,pd2,'*-'); %%%%%%%28个参考单元%%%%%%%% M1=32;%矩形窗相参积累脉冲个数 N1=9;%矩形窗距离单元数 M2=32;%十字窗相参积累脉冲个数 N2=19;%十字窗距离单元数 Nf1=5;%矩形窗参考滑窗多普勒单元数 Nr1=9;%矩形窗参考滑窗距离单元数 Nf2=17;%十字窗参考滑窗多普勒单元数 Nr2=19;%十字窗参考滑窗距离单元数 factor1=13; factor2=15; s1=zeros(M1,N1); s2=zeros(M2,N2); k=0; R1=Nf1*Nr1-17;%矩形窗参考单元数 R2=(Nf2+Nr2-1)-(2*2+1*2+1);%参考单元数 T1=R1*(Pfa^(-1/R1)-1); T2=R2*(Pfa^(-1/R2)-1); clutterpower=b^(-2/c)*gamma(2/c+1);%杂波功率 for scr=-20:0 k=k+1; pd1(k)=0; pd2(k)=0; A=sqrt(2*clutterpower*10^(scr/10));%计算目标信号的幅度 nn1=0:M1-1; nn2=0:M2-1; sd1=exp(-j*2*pi*(factor1-1)*nn1/M1); sd2=exp(-j*2*pi*(factor2-1)*nn2/M2); s1(:,(N1+1)/2)=A.*sd1'; s2(:,(N2+1)/2)=A.*sd2'; for testnumber=1:10000 r1=weibrnd(b,c,M1,N1);%仿真的杂波 r2=weibrnd(b,c,M2,N2);%仿真的杂波 z1=r1+s1;%总的接收信号 z2=r2+s2;%总的接收信号 y1=abs(fft(z1)); y2=abs(fft(z2)); y1=y1.^2; y2=y2.^2; y1=y1(factor1-2:factor1+2,:);%矩形窗口大小5X9,待检测单元为y1(3,5) y2=y2(factor2-8:factor2+8,:);%参考窗为17+19的十字窗 yd1=y1(3,(N1+1)/2); yd2=y2(9,(N2+1)/2); clutterlevel_gj1=(sum(sum(y1))-sum(sum(y1(2:4,3:7)))-y1(1,5)-y1(5,5))/R1;%杂波电平估计 clutterlevel_gj2=(sum(y2(9,:))+sum(y2(:,(N2+1)/2))-sum(y2(9,8:12))-sum(y2(8:10,(N2+1)/2)))/R2; threshold1=T1*clutterlevel_gj1;%真实的门限 threshold2=T2*clutterlevel_gj2;%真实的门限 if yd1>threshold1 pd1(k)=pd1(k)+1; end if yd2>threshold2 pd2(k)=pd2(k)+1; end end pd1(k)=pd1(k)/10000; pd2(k)=pd2(k)/10000; end scr=-20:0; plot(scr,pd1,'o-'); grid on;hold on; plot(scr,pd2,'p-'); %%%%%%%%%20个参考单元%%%%%%%%%% M1=32;%矩形窗相参积累脉冲个数 N1=7;%矩形窗距离单元数 M2=32;%十字窗相参积累脉冲个数 N2=15;%十字窗距离单元数 Nf1=5;%矩形窗参考滑窗多普勒单元数 Nr1=7;%矩形窗参考滑窗距离单元数 Nf2=13;%十字窗参考滑窗多普勒单元数 Nr2=15;%十字窗参考滑窗距离单元数 factor1=13; factor2=15; s1=zeros(M1,N1); s2=zeros(M2,N2); k=0; R1=Nf1*Nr1-3*5;%矩形窗参考单元数 R2=(Nf2+Nr2-1)-(2*2+1*2+1);%参考单元数 T1=R1*(Pfa^(-1/R1)-1); T2=R2*(Pfa^(-1/R2)-1); clutterpower=b^(-2/c)*gamma(2/c+1);%杂波功率 for scr=-20:0 k=k+1; pd1(k)=0; pd2(k)=0; A=sqrt(2*clutterpower*10^(scr/10));%计算目标信号的幅度 nn1=0:M1-1; nn2=0:M2-1; sd1=exp(-j*2*pi*(factor1-1)*nn1/M1); sd2=exp(-j*2*pi*(factor2-1)*nn2/M2); s1(:,(N1+1)/2)=A.*sd1'; s2(:,(N2+1)/2)=A.*sd2'; for testnumber=1:10000 r1=weibrnd(b,c,M1,N1);%仿真的杂波 r2=weibrnd(b,c,M2,N2);%仿真的杂波 z1=r1+s1;%总的接收信号 z2=r2+s2;%总的接收信号 y1=abs(fft(z1)); y2=abs(fft(z2)); y1=y1.^2; y2=y2.^2; y1=y1(factor1-2:factor1+2,:);%矩形窗口大小5X7,待检测单元为y1(3,4) y2=y2(factor2-6:factor2+6,:);%参考窗为13+15的十字窗 yd1=y1(3,(N1+1)/2); yd2=y2(7,(N2+1)/2); clutterlevel_gj1=(sum(sum(y1))-sum(sum(y1(2:4,3:7))))/R1;%杂波电平估计 clutterlevel_gj2=(sum(y2(7,:))+sum(y2(:,(N2+1)/2))-sum(y2(7,6:10))-sum(y2(6:8,(N2+1)/2)))/R2; threshold1=T1*clutterlevel_gj1;%真实的门限 threshold2=T2*clutterlevel_gj2;%真实的门限 if yd1>threshold1 pd1(k)=pd1(k)+1; end if yd2>threshold2 pd2(k)=pd2(k)+1; end end pd1(k)=pd1(k)/10000; pd2(k)=pd2(k)/10000; end scr=-20:0; plot(scr,pd1,'h-'); grid on;hold on; plot(scr,pd2,'d-'); xlabel('scr/dB'); ylabel('pd'); legend('矩形窗:36参考单元','十字窗:36参考单元','矩形窗:28参考单元','十字窗:28参考单元','矩形窗:20参考单元','十字窗:20参考单元');