Exponenta Banner
exponenta event banner

поэтапный. CFARDetector

Детектор постоянной частоты ложных аварийных сигналов (CFAR)

развернуть все на странице

Описание

CFARDetector объект реализует одномерный детектор постоянной частоты ложных аварийных сигналов (CFAR). Обработка обнаружения выполняется на выбранных элементах (называемых ячейками) входных данных. Обнаружение объявляется, когда значение ячейки изображения превышает пороговое значение. Для поддержания постоянной частоты ложных аварийных сигналов пороговое значение устанавливается кратным мощности шума изображения. Детектор оценивает мощность шума для тестируемой ячейки (CUT) из окружающих ячеек, используя один из трех способов усреднения ячеек или способ статистики порядка. Способы усреднения клеток представляют собой усреднение клеток (CA), наибольшее усреднение клеток (GOCA) или наименьшее усреднение клеток (SOCA).

Для получения дополнительной информации о детекторах CFAR см. [1].

Для каждой испытательной ячейки детектор:

  1. оценивает статистику шума по значениям ячеек в обучающем диапазоне, окружающем соту CUT.

  2. вычисляет пороговое значение путем умножения оценки шума на пороговый коэффициент.

  3. сравнивает значение ячейки CUT с пороговым значением для определения наличия или отсутствия цели. Если значение больше порогового значения, то присутствует целевой объект.

Запуск детектора

  1. Определите и настройте детектор CFAR. См. раздел Строительство.

  2. Звонить step для обнаружения CFAR в соответствии со свойствами phased.CFARDetector. Поведение step относится к каждому объекту на панели инструментов.

Примечание

Начиная с R2016b, вместо использования step для выполнения операции, определенной системным object™, можно вызвать объект с аргументами, как если бы это была функция. Например, y = step(obj,x) и y = obj(x) выполнять эквивалентные операции.

Строительство

H = phased.CFARDetector создает объект системы извещателей CFAR, H. Объект выполняет обнаружение CFAR для входных данных.

H = phased.CFARDetector(Name,Value) создает объект, H, с каждым указанным свойством Name, имеющим указанное значение. Можно указать дополнительные аргументы пары имя-значение в любом порядке как (Name1,Value1,...,NameN,ValueN).

Свойства

Method

Алгоритм CFAR

Укажите алгоритм извещателя CFAR как один из

'CA'Клеточно-усредняющий CFAR
'GOCA'Наибольшее среднее по клеткам CFAR
'OS'Статистика заказа CFAR
'SOCA'Наименьший из среднеклеточных CFAR

По умолчанию: 'CA'

Rank

Ранг статистики порядка

Укажите ранг статистики порядка как положительный целочисленный скаляр. Значение должно быть меньше или равно значению NumTrainingCells собственность. Это свойство применяется только при установке Method свойство для 'OS'. Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 1

NumGuardCells

Количество защитных ячеек

Укажите количество защитных ячеек, используемых при обучении, как четное целое число. Это свойство указывает общее количество ячеек на обеих сторонах тестируемой ячейки. Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 2, указывая на наличие одной защитной ячейки как спереди, так и сзади тестируемой ячейки

NumTrainingCells

Количество учебных ячеек

Укажите количество обучающих ячеек, используемых при обучении, как четное целое число. По возможности тренировочные клетки делятся поровну до и после тестируемой клетки. Это свойство поддерживает одинарную и двойную точность, это свойство поддерживает одинарную и двойную точность,

По умолчанию: 2, указывая, что имеется одна тренировочная ячейка как спереди, так и сзади тестируемой ячейки

ThresholdFactor

Методы получения порогового коэффициента

Укажите, берется ли пороговый коэффициент из автоматического расчета, CustomThresholdFactor свойство этого объекта или входной аргумент в step. Значения этого свойства:

'Auto'Приложение автоматически вычисляет пороговый коэффициент на основе требуемой вероятности ложного аварийного сигнала, указанной в ProbabilityFalseAlarm собственность. Вычисление предполагает, что каждый независимый сигнал на входе является единственным импульсом, выходящим из детектора квадратного закона без интегрирования импульсов. Расчет также предполагает, что шум является белым гауссовым.
'Custom' CustomThresholdFactor свойство этого объекта указывает пороговый коэффициент.
'Input port'Входной аргумент в каждом вызове step задает пороговый коэффициент.

По умолчанию: 'Auto'

ProbabilityFalseAlarm

Желаемая вероятность ложного аварийного сигнала

Укажите требуемую вероятность ложного аварийного сигнала как скаляр от 0 до 1 (не включая). Это свойство применяется только при установке ThresholdFactor свойство для 'Auto'.

По умолчанию: 0.1

CustomThresholdFactor

Пользовательский пороговый коэффициент

Укажите пользовательский пороговый коэффициент как положительный скаляр. Это свойство применяется только при установке ThresholdFactor свойство для 'Custom'. Это свойство можно настроить. Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 1

OutputFormat

Формат результатов обнаружения

Формат результатов обнаружения, возвращенных step метод, указанный как 'CUT result' или 'Detection index'.

  • Если установлено значение 'CUT result', результаты являются логическими значениями обнаружения (1 или 0) для каждой тестируемой ячейки. 1 указывает, что значение тестируемой ячейки превышает порог обнаружения.

  • Если установлено значение 'Detection index'результаты образуют вектор или матрицу, содержащую индексы тестируемых клеток, которые превышают порог обнаружения. Этот формат можно использовать в качестве входных данных для phased.RangeEstimator и phased.DopplerEstimator Системные объекты.

По умолчанию: 'CUT result'

ThresholdOutputPort

Порог обнаружения выхода

Чтобы получить порог обнаружения, установите для этого свойства значение true и использовать соответствующий выходной аргумент при вызове step. Если вы не хотите получать порог обнаружения, установите для этого свойства значение false.

По умолчанию: false

NoisePowerOutputPort

Выходной расчетный шум

Чтобы получить расчетный шум, установите для этого свойства значение true и использовать соответствующий выходной аргумент при вызове step. Если вы не хотите получать расчетный шум, установите для этого свойства значение false.

По умолчанию: false

NumDetectionsSource

Источник количества обнаружений

Источник количества обнаружений, указанный как 'Auto' или 'Property'. При установке для этого свойства значения 'Auto', количество сообщенных индексов обнаружения - это общее число проверяемых ячеек, имеющих обнаруженные ячейки. Если для этого свойства задано значение 'Property', количество зарегистрированных обнаружений определяется значением NumDetections собственность.

Зависимости

Чтобы включить это свойство, установите значение OutputFormat свойство для 'Detection index'.

По умолчанию: 'Auto'

NumDetections

Максимальное число обнаружений для отчета

Максимальное число индексов обнаружения для отчета, указанное как положительное целое число.

Зависимости

Чтобы включить это свойство, установите значение OutputFormat свойство для 'Detection index' и NumDetectionsSource свойство для 'Property'.

По умолчанию: 1

Методы

шагВыполнить обнаружение CFAR
Общие для всех системных объектов
release

Разрешить изменение значения свойства объекта системы

Примеры

свернуть все

Открыть сценарий в реальном времени

Выполнить обнаружение cell-avering CFAR для данного вектора гауссова шума с желаемой вероятностью ложного аварийного сигнала (pfa) 0,1. Предположим, что данные поступают от детектора квадратного закона, и интеграция импульсов не выполняется. Используйте 50 ячеек для оценки уровня шума и 1 ячейку для разделения тестовой ячейки и обучающих ячеек. Выполните обнаружение всех ячеек входа.

detector = phased.CFARDetector('NumTrainingCells',50,...
    'NumGuardCells',2,'ProbabilityFalseAlarm',0.1);
N = 1000;
x = 1/sqrt(2)*(randn(N,1) + 1i*randn(N,1));
dets = detector(abs(x).^2,1:N);
pfa = sum(dets)/N
pfa = 0.1140
Открыть сценарий в реальном времени

Выполнить обнаружение cell-avering CFAR для данного вектора гауссова шума с желаемой вероятностью ложного аварийного сигнала (pfa) 0,005. Предположим, что данные поступают от детектора квадратного закона, и интеграция импульсов не выполняется. Выполните обнаружение всех ячеек входа. Используйте 50 ячеек для оценки уровня шума и 1 ячейку для разделения тестовой ячейки и обучающих ячеек. Отображение индексов обнаружения.

rng default;
detector = phased.CFARDetector('NumTrainingCells',50,'NumGuardCells',2, ...
    'ProbabilityFalseAlarm',0.005,'OutputFormat','Detection index');
N = 1000;
x1 = 1/sqrt(2)*(randn(N,1) + 1i*randn(N,1));
x2 = 1/sqrt(2)*(randn(N,1) + 1i*randn(N,1));
x = [x1,x2];
cutidx = 1:N;
dets = detector(abs(x).^2,cutidx)
dets = 2×11

   339   537   538   734   786   827   979   136   418   539   874
     1     1     1     1     1     1     1     2     2     2     2

Алгоритмы

развернуть все

Ссылки

[1] Ричардс, М. А. Основы обработки радиолокационных сигналов. Нью-Йорк: Макгроу-Хилл, 2005.

Расширенные возможности

.

См. также

| |

Представлен в R2011a

Документация по панели инструментов системы поэтапной обработки массивов

Поддержка