phased.CFARDetector

Детектор постоянной частоты ложных предупреждений (CFAR)

Описание

The CFARDetector объект реализует одномерный детектор постоянной скорости ложного предупреждения (CFAR). Обработка обнаружения выполняется для выбранных элементов (называемых камерами) входных данных. Обнаружение объявляется, когда значение камеры изображения превышает порог. Чтобы поддерживать постоянную частоту ложных предупреждений, порог устанавливается на значение, кратное степени шума изображения. Детектор оценивает степень шума для тестируемой (CUT) ячеек из окружающих камер с помощью одного из трех методов усреднения камер или метода статистики порядка. Среднее по ячейкам представляют собой среднее по камерам (CA), самое большое среднее по камерам (GOCA) или самое маленькое среднее по камерам (SOCA).

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

Для каждой тестовой камеры детектор:

  1. оценивает статистику шума из значений камер в обучающей полосе, окружающей камеру CUT.

  2. вычисляет порог путем умножения оценки шума на пороговый коэффициент.

  3. сравнивает значение камеры CUT с порогом, чтобы определить, присутствует ли цель или отсутствует. Если значение больше порога, присутствует цель.

Чтобы запустить детектор

  1. Определите и настройте детектор CFAR. См. «Конструкция».

  2. Функции step для выполнения обнаружения CFAR в соответствии со свойствами phased.CFARDetector. Поведение step характерен для каждого объекта в тулбоксе.

Примечание

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

Конструкция

H = phased.CFARDetector создает CFAR- Системного объекта, H. Объект выполняет обнаружение CFAR на входных данных.

H = phased.CFARDetector(Name,Value) создает объект, H, с каждым заданным именем свойства, установленным на заданное значение. Можно задать дополнительные аргументы пары "имя-значение" в любом порядке как (Name1, Value1..., NameN, ValueN).

Свойства

Method

Алгоритм CFAR

Задайте алгоритм детектора CFAR как один из

'CA'CFAR со средним количеством ячеек
'GOCA'Наибольшее среднее значение CFAR для ячеек
'OS'Статистика порядка CFAR
'SOCA'CFAR с наименьшим средним значением ячейки

По умолчанию: 'CA'

Rank

Ранг статистики порядка

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

По умолчанию: 1

NumGuardCells

Количество защитных камер

Задайте количество защитных камер, используемых в обучении, как четное целое число. Это свойство задает общее количество камер на обеих сторонах тестируемой камеры. Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 2, что указывает на наличие одной защитной камеры спереди и сзади испытуемой камеры

NumTrainingCells

Количество обучающих камер

Укажите количество обучающих камер, используемых в обучении, как четное целое число. По возможности обучающие камеры разделяются поровну до и после тестируемой камеры. Это свойство поддерживает одинарную и двойную точность, Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 2, что указывает на наличие одной обучающей камеры как спереди, так и сзади испытуемой камеры

ThresholdFactor

Методы получения порогового фактора

Укажите, получен ли пороговый коэффициент от автоматического вычисления, CustomThresholdFactor свойство этого объекта или входного параметра в step. Значения этого свойства:

'Auto'Приложение автоматически вычисляет пороговый коэффициент на основе желаемой вероятности ложного предупреждения, заданного в ProbabilityFalseAlarm свойство. Вычисление предполагает, что каждый независимый сигнал во входе является одним импульсом, выходящим из детектора квадратного закона без импульсного интегрирования. Вычисление также предполагает, что шум является белым Гауссовым.
'Custom'The CustomThresholdFactor свойство этого объекта задает пороговый коэффициент.
'Input port'A входного параметра в каждом вызове step задает пороговый коэффициент.

По умолчанию: 'Auto'

ProbabilityFalseAlarm

Желаемая вероятность ложного предупреждения

Задайте желаемую вероятность ложного предупреждения как скаляр между 0 и 1 (не включительно). Это свойство применяется только при установке ThresholdFactor свойство к 'Auto'.

По умолчанию: 0.1

CustomThresholdFactor

Пользовательский пороговый коэффициент

Задайте пользовательский коэффициент порога как положительная скалярная величина. Это свойство применяется только при установке ThresholdFactor свойство к 'Custom'. Это свойство настраивается. Это свойство поддерживает одинарную и двойную точность,

По умолчанию: 1

OutputFormat

Формат результатов обнаружения

Формат результатов обнаружения, возвращенный step метод, заданный как 'CUT result' или 'Detection index'.

  • Когда установлено значение 'CUT result', результатами являются логические значения обнаружения (1 или 0) для каждой тестируемой камеры. 1 указывает, что значение тестируемой камеры превышает порог обнаружения.

  • Когда установлено значение 'Detection index'результаты формируют вектор или матрицу, содержащую индексы тестируемых камер, которые превышают порог обнаружения. Вы можете использовать этот формат как вход в phased.RangeEstimator и phased.DopplerEstimator Системные объекты.

По умолчанию: 'CUT result'

ThresholdOutputPort

Выходной порог обнаружения

Чтобы получить порог обнаружения, установите это свойство на true и используйте соответствующий выходной аргумент при вызове step. Если вы не хотите получать порог обнаружения, задайте для этого свойства false.

По умолчанию: false

NoisePowerOutputPort

Выходной расчетный шум

Чтобы получить предполагаемый шум, установите это свойство на true и используйте соответствующий выходной аргумент при вызове step. Если вы не хотите получать предполагаемый шум, установите это свойство на false.

По умолчанию: false

NumDetectionsSource

Источник количества обнаружений

Источник количества обнаружений, заданный как 'Auto' или 'Property'. Когда вы устанавливаете это свойство на 'Auto', количество сообщенных индексов обнаружения является общим количеством камер, которые имеют обнаружения. Если вы задаете это свойство равным 'Property'количество зарегистрированных обнаружений определяется значением NumDetections свойство.

Зависимости

Чтобы включить это свойство, установите OutputFormat свойство к 'Detection index'.

По умолчанию: 'Auto'

NumDetections

Максимальное количество обнаружений, которые нужно сообщить

Максимальное количество отчетных индексов обнаружения, заданное как положительное целое число.

Зависимости

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

По умолчанию: 1

Методы

шагВыполните обнаружение CFAR
Общий для всех системных объектов
release

Разрешить изменение значения свойства системного объекта

Примеры

свернуть все

Выполните среднее обнаружение CFAR ячейки на данном векторе Гауссова шума с желаемой вероятностью ложного предупреждения (pfa) 0,1. Предположим, что данные поступают от детектора квадратного закона, и никакое импульсное интегрирование не выполняется. Используйте 50 камеры для оценки уровня шума и 1 камеру для отделения тестовой камеры и обучающих камер. Выполните обнаружение всех камер 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

Выполните среднее обнаружение CFAR ячейки на данном векторе Гауссова шума с желаемой вероятностью ложного предупреждения (pfa) 0,005. Предположим, что данные поступают от детектора квадратного закона, и никакое импульсное интегрирование не выполняется. Выполните обнаружение всех камер входа. Используйте 50 камеры для оценки уровня шума и 1 камеру для отделения тестовой камеры и обучающих камер. Отобразите индексы 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

расширить все

Ссылки

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

Расширенные возможности

.
Введенный в R2011a
Для просмотра документации необходимо авторизоваться на сайте