二维CFAR检测器

二维恒虚警率(CFAR)检测器

全部展开页面

库:
相控阵系统工具箱/检测

描述

的二维CFAR检测器块实现了二维图像数据的恒定虚警率检测器。当图像单元值超过阈值时，就声明检测。为了保持一个恒定的误报率，阈值被设置为图像噪声功率的倍数。检测器估计被测单元周围邻近单元的噪声功率(减少)使用三种单元格平均方法或顺序统计方法中的一种。细胞平均法有细胞平均法(CA)、最大细胞平均法(GOCA)或最小细胞平均法(SOCA)。

对于每个测试单元，检测器：

从围绕CUT单元的训练带中的单元值估计噪声统计量。
通过将噪声估计乘以阈值因子来计算阈值。
将剪切单元值与阈值进行比较，以确定目标是否存在。如果该值大于阈值，则表示存在目标。

港口

输入

全部展开

`X`——输入图像
真正的米-借-N矩阵|真实米-借-N-借-P大堆

输入图像，指定为实数米-借-N矩阵或真实米-借-N-借-P数组中。米和N表示矩阵的行和列。每一页都是一个不同的二维信号。

输入矩阵的第一个维度的大小可以改变，以模拟变化的信号长度。例如，在具有可变脉冲重复频率的脉冲波形的情况下，可以发生尺寸变化。

数据类型:双
复数的支持:万博1manbetx是的

`idx`-测试单元的位置
2-借-l正整数矩阵

测试单元的位置，指定为2-借-l正整数矩阵，其中l为测试单元的数目。每一列的idx指定剪切单元的行和列索引。剪切单元的位置受到限制，以便其训练区域完全位于输入图像内。

数据类型:双

`K`-检测阈值因子
积极的标量

用于计算检测阈值的阈值因子，指定为正标量。

依赖关系

要启用该端口，请设置阈值因子法参数输入端口的

数据类型:双

输出

全部展开

`Y`——检测结果
逻辑矩阵(默认)|实值矩阵

检测结果，其格式取决于输出格式财产

当输出格式是“切的结果”，Y是一个D-借-P包含被测细胞逻辑检测结果的矩阵。D为长度cutidx和P页数是多少X.一排Y对应于的行cutidx．对于每一行,Y包含1中对应的单元格中有检测，则在列中X．否则,Y包含一个0．
当输出格式是检测指标，Y是一个K-借-l包含检测指标的矩阵。K的维数是多少X．l是在输入数据中发现的检测数量。当X是一个矩阵,Y包含中每个检测的行和列索引X在表单中[detrow; detcol]．当X是一个数组,Y中包含每个检测的行、列和页索引X在表单中[detrow; detcol; detpage]．当NumDetectionsSource属性设置为“属性”，l等于NumDetections财产。如果实际检测的数量小于此值，则将不进行检测的列设置为南．

数据类型:双

`Th`—计算检测阈值
实值矩阵

为每个检测单元计算的检测阈值，返回为实值矩阵。Th有相同的尺寸Y．

当输出格式是“切的结果”，Th的元素时返回检测阈值Y是1和南每当一个元素Y是0．
当输出格式是检测指标，th中每个相应检测的检测阈值Y．当NumDetectionsSource属性设置为“属性”，l等于NumDetections财产。如果实际检测的数量小于此值，则将不进行检测的列设置为南．

依赖关系

要启用该端口，请选择输出检测阈值复选框。

数据类型:双

`N`-估计噪音功率
实值矩阵

每个检测单元的估计噪声功率，返回为实值矩阵。噪音有相同的尺寸Y．

当输出格式是“切的结果”，噪音的元素返回噪声功率Y是1和南每当一个元素Y是0．
当输出格式是“检测指数”，噪音中每个相应检测的噪声功率Y．当NumDetectionsSource属性设置为“属性”，l等于NumDetections财产。如果实际检测的数量小于此值，则将不进行检测的列设置为南．

依赖关系

要启用该端口，请选择输出估计噪声功率复选框。

数据类型:双

参数

全部展开

`恒虚警算法`—噪声功率估计算法
`CA`(默认)|`戈卡`|`索卡`|`操作系统`

噪声功率估计算法，规定为CA，戈卡，索卡,或操作系统．为CA，戈卡，索卡，噪声功率是由训练频带得到的样本均值。为操作系统，噪声功率是k由所有训练单元值的数值排序得到的单元值。集k由阶数统计量参数。请参阅培养细胞．

求平均值法	描述
`CA`- Cell-averaging算法	计算切割单元周围所有训练单元的样本平均值。
`戈卡`-最大的单元平均算法	将围绕CUT单元格的2d训练窗口分割为左右两部分。然后，算法计算每一半的样本均值，并选择最大的均值。
`索卡`-最小单元平均算法	将围绕CUT单元格的2d训练窗口分割为左右两部分。然后，算法计算每一半的样本均值并选择最小的均值。
`操作系统`-顺序统计算法	按数值升序对训练单元格进行排序。然后算法选择k列表中的Th值。k级别是否由`排名`参数。

`阶数统计量`-秩统计量
`1`(默认)|正整数

指定二维CFAR算法中使用的顺序统计量的秩为正整数。取值范围为1 ~N_火车,在那里N_火车为训练单元的数量。1的值选择训练区域中最小的值。

依赖关系

要启用该参数，请设置恒虚警算法参数操作系统．

`保卫区带细胞的大小`-保护带宽度
`[1]`(默认)|非负整数标量| 2元正整数向量

被测单元格每一侧的行和列保护单元格的数量是非负整数。第一个元素指定沿行维的保护带大小。第二个元素指定沿行维的保护带大小。指定保卫区带细胞的大小作为标量，相当于为两个维度指定具有相同值的向量[1]，表明在每个CUT细胞周围有一个全保卫细胞区域。

`训练区域带的细胞大小`-训练带的宽度
`[1]`(默认)|非负整数标量| 2元正整数向量

以训练区域标注栏的单元格为单位的大小，指定为非负整数或非负整数的1×2矩阵。第一个元素指定沿行维度的训练标注栏大小，第二个元素指定沿列维度的训练标注栏大小。指定训练区域带的细胞大小作为标量，相当于为两个维度指定具有相同值的向量[1]指示在每个被测单元的保护区域周围有一个训练单元范围的区域。

`阈值因子法`-确定阈值因子的方法
`汽车`(默认)|`输入端口`|`风俗`

确定阈值因子的方法，指定为汽车，输入端口,或风俗．

当你选择汽车，根据估计的噪声统计量和虚警概率确定阈值因子。
当你选择输入端口，使用K输入端口。
当你选择风俗，使用自定义阈值因子参数。

`自定义阈值因子`-自定义阈值因子
`1`（默认值）|正标量

自定义阈值因子，指定为正标量。

依赖关系

要启用该参数，请设置阈值因子法参数风俗．

`误报概率`—虚警概率
`0．1`(默认)|在0和1之间的实标量

虚警概率，指定为0到1之间的实标量。您可以根据所需的误报概率计算阈值因子。

依赖关系

要启用该参数，请设置阈值因子法财产汽车．

`输出格式`-检测结果的格式
`切的结果`(默认)|`检测指标`

检测结果格式，指定为切的结果或检测指标．

当设置为“切的结果”，检测结果为逻辑检测值(1或0)对于每个测试单元。
当设置为“检测指数”，结果形成一个向量或矩阵，包含超过检测阈值的被测试细胞的指数。

`输出阈值检测`-启用检测阈值输出
关闭(默认)|开启

选中此复选框后，可以通过Th输出端口。

`输出估计噪声功率`-启用检测阈值输出
关闭(默认)|开启

选择此复选框以启用通过N输出端口。

`检测次数的来源`-报告的探测数量的来源
`汽车`(默认)|`财产`

探测次数的来源，指定为汽车或财产．当您选择汽车，报告的检测索引数是具有检测的测试单元总数。如果选择财产，报告的检测数量由值决定最大检测次数参数。

依赖关系

要启用该参数，请设置输出格式参数检测指标．

数据类型:烧焦

`最大检测次数`—上报的最大检测指标数
`1`(默认)|正整数

要报告的最大检测指标数，指定为正整数。

依赖关系

要启用该参数，请设置输出格式参数检测指标和检测次数的来源参数财产．

数据类型:双

算法

CFAR二维需要估计噪声功率。噪声功率是从假定不包含任何目标信号的单元中计算出来的。这些细胞是培养细胞．训练细胞在待测细胞(CUT)周围形成一个带，但可能被一个保卫带与被切细胞分开。检测阈值的计算方法是将噪声功率乘以阈值因子。

对于GOCA和SOCA平均，噪声功率来自训练单元区域左半部分或右半部分之一的平均值。

因为训练区域中的列数是奇数，中间列中的单元被相等地分配给左或右半部。

使用顺序统计方法时，rank不能大于训练单元区域的单元数，N_火车．你可以计算N_火车．

N_TC为训练频带列的个数。
N_TR为训练带行数。
N_GC是保护频带列的数量。
N_GR是保护带的行数。

联合训练区、保卫区和CUT区细胞的总数为N_总计= (2 n_TCn + 2_GC+ 1) (2 n_TRn + 2_GR+ 1)．

保卫区和CUT细胞合并后的细胞总数为N_警卫= (2 n_GC+ 1) (2 n_GR+ 1)．

训练单元的数量是N_火车= N_总计–N_警卫．

通过构造，训练单元的数量总是偶数。因此，要实现中值过滤器，可以选择一个秩N_火车／2或N_火车/ 2 + 1．

另请参阅

介绍了R2016b

二维CFAR检测器

描述

港口