基于GLRT的自适应门限方法用于Pareto分布杂波中Pareto目标CFAR检测
应用统计
2021-02-23 v2 统计理论
统计理论
摘要
在Pareto分布已被验证适用于多种场景下海杂波回波之后，文献中出现了一些用于恒虚警率（CFAR）准则的自适应门限启发式方法。这些方案使用了与最初为在指数分布杂波中检测Swerling-I（指数）目标所推导的相同自适应门限形式。在此类理想化假设下获得的统计过程，当应用于更新的目标与杂波模型（尤其是如Pareto这样的重尾分布）时，会影响检测性能。此外，除海杂波回波外，也有报道指出广义Pareto分布最适合拟合SAAB飞机的实测雷达截面（RCS）数据。因此，在机载预警与控制系统（AWACS）等雷达应用场景中，当目标与杂波均为Pareto分布时，我们将检测问题表述为一个两样本、Pareto对Pareto复合假设检验问题。我们通过佐证二元假设框架而非调整现有自适应门限CFAR检测器的传统方式来解决该问题。据此，对于复合情形，在不知晓Pareto分布杂波的形状与尺度参数的情况下，我们基于广义似然比检验（GLRT）统计量推导了新的自适应门限检测器。我们进一步证明所提出的自适应门限检测器具有CFAR性质。我们提供了大量仿真结果以展示该检测器的性能。
引用
@article{arxiv.2002.02434,
title = {GLRT based Adaptive-Thresholding for CFAR-Detection of Pareto-Target in Pareto-Distributed Clutter},
author = {John Bob Gali and Priyadip Ray and Goutam Das},
journal= {arXiv preprint arXiv:2002.02434},
year = {2021}
}
备注
21 pages, 5 figures