基于先验知识的分布式恒虚警率检测算法研究

近年来，多传感器分布式检测系统由于具有更高的检测性能、更好的生存能力、更强的稳定性等原因近年来得到了很大的发展和应用。分布式检测将是未来多传感器系统的一个主要发展方向。不同的检测背景，检测算法的性能也不尽相同，本课题将针对高斯非均匀环境下分布式恒虚警率检测的问题，结合检测样本的先验知识，利用采样样本的已知信息，根据检测单元附近的与背景杂波统计信息最为接近的采样值来估计检测阈值；进而综合考虑具体的检测背景，结合随机采样的统计信息如均值、方差等，引入复杂背景下分布式恒虚警率检测算法；并同现有算法在多种典型环境下的检测性能进行比较，揭示在检测器工作条件不一致时的融合规则选取原则。从而提高雷达检测算法在实际工作环境中的检测概率，为雷达数据分析和处理提供理论依据，为目标检测与跟踪提供理论基础。

针对分均匀环境下分布式恒虚警率检测方法的性能下降的问题，本项目开展了背景噪声环境分析，检测阈值估计和融合方法三个方面的研究，主要研究成果包括：（1）采用自适应恒虚警率算法分别准确估计均匀环境下和杂波边缘背景噪声功率水平值; （2）基于统计信息的恒虚警率自适应检测算法; （3）分布式恒虚警率检测的融合准则和局部传感器的优参数获取。本项目的研究成果为多传感器分布式恒虚警率检测算法在实际工作环境中的应用提供了一定理论依据。