шаг

Системный объект: поэтапный. CFARDetector
Пакет: поэтапный

Выполнить обнаружение CFAR

Синтаксис

Y = step(H,X,cutidx) [Y,th] = step(___) [Y,noise] = step(___) Y = step(H,X,cutidx,thfac) [Y,TH,N] = step(H,X,cutidx,thfac)

Описание

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.

Y = step(H,X,cutidx) выполняет обнаружение CFAR на указанных элементах входных данных, X. X может быть либо вектором M-by-1 столбца с вещественным значением, либо матрицей M-by-N. cutidx - вектор длины-D индексов, задающих входные элементы или проверяемые ячейки (CUT), на которых выполняется обработка обнаружения. Когда X является вектором, cutidx определяет элемент. Когда X является матрицей, cutidx указывает строку элемента. Один и тот же индекс применяется ко всем столбцам матрицы. Обнаружение выполняется независимо по каждому столбцу X для индексов, указанных в cutidx. Можно указать входные аргументы как одинарную или двойную точность.

Выходной аргумент Y содержит результаты обнаружения. Формат Y зависит от OutputFormat собственность.

Когда OutputFormat является 'Cut result', Y является вектором D-by-1 или матрицей D-by-N, содержащей результаты логического обнаружения. D - длина cutidx и N - количество столбцов X. Строки Y соответствуют строкам в cutidx. Для каждой строки, Y содержит 1 в столбце при обнаружении в соответствующем столбце X. В противном случае Y содержит 0.
Когда OutputFormat является 'Detection report', Y является вектором 1-by-L или матрицей 2-by-L, содержащей индексы обнаружений. L - количество обнаружений, обнаруженных во входных данных. Когда X - вектор столбца, Y содержит индекс для каждого обнаружения в X. Когда X является матрицей, Y содержит индексы строк и столбцов каждого обнаружения в X. Каждый столбец Y имеет форму [detrow;detcol]. Когда NumDetectionsSource свойство имеет значение 'Property', L равно значению NumDetections собственность. Если количество фактических обнаружений меньше этого значения, для столбцов без обнаружений устанавливается значение NaN.

Размер первого размера входной матрицы может изменяться для моделирования изменения длины сигнала. Изменение размера может происходить, например, в случае формы импульса с переменной частотой повторения импульса.

[Y,th] = step(___) также возвращает порог обнаружения, th, применяется к исследуемым клеткам.

Когда OutputFormat является 'CUT result', th возвращает порог обнаружения всякий раз, когда элемент Y является 1 и NaN всякий раз, когда элемент Y является 0. th имеет тот же размер, что и Y.
Когда OutputFormat является 'Detection index', th возвращает порог обнаружения для каждого соответствующего обнаружения в Y. Когда NumDetectionsSource свойство имеет значение 'Property', L равно значению NumDetections собственность. Если количество фактических обнаружений меньше этого значения, для столбцов без обнаружений устанавливается значение NaN.

Чтобы включить этот синтаксис, установите ThresholdOutputPort свойство для true.

[Y,noise] = step(___) также возвращает оцененную мощность шума, noise, для каждой обнаруженной тестируемой ячейки в X.

Когда OutputFormat является 'CUT result', noise возвращает оценку мощности шума, когда Y является 1 и NaN каждый раз, когда Y равно нулю. noise имеет тот же размер, что и Y.
Когда OutputFormat является 'Detection index', noise возвращает оценку мощности шума для каждого соответствующего обнаружения в Y. Когда NumDetectionsSource свойство имеет значение 'Property', L равно значению NumDetections собственность. Если количество фактических обнаружений меньше этого значения, для столбцов без обнаружений устанавливается значение NaN.

Чтобы включить этот синтаксис, установите NoisePowerOutputPort свойство для true.

Y = step(H,X,cutidx,thfac), кроме того, указывает thfac в качестве порогового коэффициента, используемого для вычисления порога обнаружения. thfac должен быть положительным скаляром. Чтобы включить этот синтаксис, установите ThresholdFactor свойство для 'Input port'.

Можно комбинировать необязательные входные и выходные аргументы, если заданы их разрешающие свойства. Дополнительные входы и выходы должны быть перечислены в том же порядке, что и порядок разрешающих свойств. Например, [Y,TH,N] = step(H,X,cutidx,thfac).

Примечание

Объект выполняет инициализацию при первом выполнении объекта. Эта инициализация блокирует неперестраиваемые свойства и входные спецификации, такие как размеры, сложность и тип данных входных данных. При изменении неперестраиваемого свойства или входной спецификации системный объект выдает ошибку. Чтобы изменить неперестраиваемые свойства или входные данные, необходимо сначала вызвать release метод разблокирования объекта.

Примеры

развернуть все

Вычисление PFA с помощью детектора CFAR при шуме

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

Вычислить индексы обнаружения CFAR

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

phased.CFARDetector использует усреднение клеток в три этапа:

Определите обучающие ячейки на входе и сформируйте оценку шума. Следующая таблица показывает, как детектор формирует оценку шума, в зависимости от Method значение свойства.

Метод	Оценка шума
`'CA'`	Используйте среднее значение значений во всех учебных ячейках.
`'GOCA'`	Выберите большее из средних значений в передних и задних учебных ячейках.
`'OS'`	Сортировка значений в учебных ячейках в порядке возрастания. Выберите N-ый элемент, где N - значение `Rank` собственность.
`'SOCA'`	Выберите меньшее из средних значений в передних и задних учебных ячейках.

Умножьте оценку шума на пороговый коэффициент, чтобы сформировать пороговое значение.
Сравните значение в тестовой ячейке с пороговым значением для определения наличия или отсутствия цели. Если значение больше порогового значения, то целевое значение присутствует.

Для получения более подробной информации см. [1].

Ссылки

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

Документация

шаг