摘要:
在杂波边缘和多目标的复杂环境下,建立性能稳定的自适应检测技术是提高恒虚警率处理能力的关键。针对单元平均恒虚警检测(cell averaging-constant false alarm rate)和有序统计量恒虚警检测(ordered statistic-constant false alarm rate)的优缺点,提出一种基于神经网络的检测方法(cell averaging/ordered statistic-constant false alarm rate)。利用神经网络进行最优检测方法判断,根据选定的检测方法计算出检测阈值。通过训练计算初始阈值,采用神经网络分类并识别输入的类型。将该阈值与CA-CFAR和OS-CFAR计算结果相比较,并选用均匀杂波、多目标和杂波边缘环境的仿真案例进行测试。实验结果表明:该方法可在均值和非均匀的杂波背景中,能有效地进行最优检测方法判断。