جبران افت SNR ناشي از عدم انطباق مدل طراحي با شرايط عملي در آشكارسازهاي تطبيقي CFAR

در الگوريتم هاي آشكارسازي CFAR در رادارها ، GLRT2 به عنوان يكي از انواع رايج تست كه در اكثر موارد شرايط معيار نيمن پيرسن را برآورده مي سازد استفاده مي شود. مدل GMANOVA نيز بدليل انعطاف بالا در پذيرش حالات مختلف براي بيان سيگنال، در GLRT كاربرد گسترده اي دارد. در صورتي كه پارامترها ي مشخص فرض شده مدل GMANOVA هنگام طراحي با شر ايط واقع ي اختلاف داشته باشند در آشكارساز GLRT يك كاهش كارايي بدليل افت SNR رخ خواهد داد. در اين مقاله با فرض اطلاعات قبلي از ساختار سيستم، كاهش SNR بوجود آمده با استفاده از تركيب دو آشكارساز GLRT ساده و GLRT مبتني بر زير فضا، با دو روش پيشنهادي تقريبي و دقيق برآورد شده و با اضافه كردن ضر يبي مناسب،SNR اصلاح ميشود. در روش دقي ق الگوريتم امكان استفاده از اطلاعات قبلي را رد نميكند اين اطلاعات كه مربوط به ساختار تفاوت مدل طراحي با شرايط عملي است به بهبود كارايي الگوريتم كمك ميكند. آشكارساز با SNR اصلاح شده با دو روش تقريبي و دقيق با آشكارساز ساده GLRT هنگام عدم تطبيق شرايط طراحي و عملي مقايسه شده است و بهبود كارايي آشكارساز نشان داده شده است. خطاي دو روش تقريبي و دقيق نيز در شرايط يكسان مقايسه شده و بهبود بيشتر كارايي در روش دقيق نشان داده شده است.