基于Matlab模拟单元平均、审核式、有序统计CFAR检测门限

简介: 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


相关文章
|
1月前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
13天前
|
运维 算法
基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
本程序基于Lipschitz李式指数进行随机信号特征识别和故障检测。使用MATLAB2013B版本运行,核心功能包括计算Lipschitz指数、绘制指数曲线、检测故障信号并标记异常区域。Lipschitz指数能够反映信号的局部动态行为,适用于机械振动分析等领域的故障诊断。
|
19天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于GA-PSO-SVM算法的混沌背景下微弱信号检测matlab仿真
本项目基于MATLAB 2022a,展示了SVM、PSO、GA-PSO-SVM在混沌背景下微弱信号检测中的性能对比。核心程序包含详细中文注释和操作步骤视频。GA-PSO-SVM算法通过遗传算法和粒子群优化算法优化SVM参数,提高信号检测的准确性和鲁棒性,尤其适用于低信噪比环境。
|
2月前
|
监控 算法 数据安全/隐私保护
基于视觉工具箱和背景差法的行人检测,行走轨迹跟踪,人员行走习惯统计matlab仿真
该算法基于Matlab 2022a,利用视觉工具箱和背景差法实现行人检测与轨迹跟踪,通过构建背景模型(如GMM),对比当前帧与模型差异,识别运动物体并统计行走习惯,包括轨迹、速度及停留时间等特征。演示三维图中幅度越大代表更常走的路线。完整代码含中文注释及操作视频。
|
3月前
|
机器学习/深度学习 监控 算法
基于深度学习网络的人员行为视频检测系统matlab仿真,带GUI界面
本仿真展示了基于GoogLeNet的人员行为检测系统在Matlab 2022a上的实现效果,无水印。GoogLeNet采用创新的Inception模块,高效地提取视频中人员行为特征并进行分类。核心程序循环读取视频帧,每十帧执行一次分类,最终输出最频繁的行为类别如“乐队”、“乒乓球”等。此技术适用于智能监控等多个领域。
70 4
|
3月前
|
机器学习/深度学习 数据采集 算法
基于深度学习网络的USB摄像头实时视频采集与火焰检测matlab仿真
本项目使用MATLAB2022a实现基于YOLOv2的火焰检测系统。通过USB摄像头捕捉火焰视频,系统实时识别并标出火焰位置。核心流程包括:视频采集、火焰检测及数据预处理(图像标准化与增强)。YOLOv2模型经特定火焰数据集训练,能快速准确地识别火焰。系统含详细中文注释与操作指南,助力快速上手。
|
3月前
|
存储 Serverless
【matlab】matlab实现倒谱法基音频率检测和共振峰检测(源码+音频文件)【独一无二】
【matlab】matlab实现倒谱法基音频率检测和共振峰检测(源码+音频文件)【独一无二】
|
3月前
|
算法
基于IEEE802.11g标准的OFDM信号帧检测matlab仿真
此项目旨在应对无线信号识别挑战,利用MATLAB/Simulink开发IEEE 802.11g OFDM信号识别算法。通过对标准的深入研究,设计并计算PLCP前导码数据,采用信号相关性进行信号鉴定。项目构建了完整的发射机模型,在AWGN信道下评估性能。通过生成特定的短训和长训序列,实现帧头检测,并模拟真实信号传输。测试使用MATLAB 2022a版本,展示了信号生成与识别的关键步骤及结果。
|
4月前
|
监控
基于偏微分方程离散化计算的地下换热器建模与温度检测matlab仿真
**摘要:** 探索地下换热器的建模与温度检测,使用MATLAB2022a进行系统仿真,关注传热过程的热传导、对流和辐射。通过离散化偏微分方程建立数值模型,模拟温度场,考虑地质特性和水流影响。建模以网格单元描述温度变化,采用热电偶、红外和光纤测温技术验证模型并监控温度,各具优缺点。光纤测温法提供高精度和抗干扰的分布式监测。
|
4月前
|
机器学习/深度学习 算法 BI
基于深度学习网络的USB摄像头实时视频采集与手势检测识别matlab仿真
**摘要:** 本文介绍了使用MATLAB2022a实现的基于GoogLeNet的USB摄像头手势识别系统。系统通过摄像头捕获视频,利用深度学习的卷积神经网络进行手势检测与识别。GoogLeNet网络的Inception模块优化了计算效率,避免过拟合。手势检测涉及RPN生成候选框,送入网络进行分类。系统架构包括视频采集、手势检测与识别、以及决策反馈。通过GPU加速和模型优化保证实时性能,应用于智能家居等场景。

热门文章

最新文章

下一篇
无影云桌面