排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
文章在假设信号参数和噪声统计特性未知的情况下,介绍了一种广义似然比恒虚警检测方法,并对其检测性能进行了分析。最后进行仿真实验,结果表明,这种检测方法具有较好的检测性能。 相似文献
3.
基于BP神经网络的CFAR检测器标称化因子确定方法 总被引:1,自引:0,他引:1
在运用恒虚警(CFAR)检测算法中,一个非常重要的工作是根据给定的恒虚警率确定其标称化因子。当标称化因子关于虚警率的关系式很难甚至于是不可能得到时,传统上采用仿真方法,但仿真方法的计算量非常大。为此文章利用BP神经网络具有强大的逼近任意非线性关系式的能力,提出了一种基于BP神经网络的CFAR检测器标称化因子确定方法。通过实例研究表明,通过对BP神经网络的输入进行自然对数的变换后,其对虚警概率和标称化因子的关系进行逼近时需要的训练次数将大为减少,研究还表明基于BP神经网络的标称化因子确定方法具有相当高的精度。 相似文献
4.
针对Barnard等人提出的非高斯混响背景下的恒虚警检测器在非均匀环境中性能下降的缺点,将基于自动删除算法的最小选择恒虚警检测方法运用于其检测器结构中,提出了非高斯混响背景下基于自动删除算法的最小选择恒虚警检测器.该方法可以自动删除参考单元中的干扰点,从而可以克服Barnard等人提出的方法存在的缺点.推导出了该检测器的平均虚警概率和平均检测概率.最后通过对仿真数据和试验数据的处理结果验证了该检测器的优越性. 相似文献
1