تخمين وفقي مرز كلاتر در كلاتر‌هاي ويبول با استفاده از پيش آشكارساز UMPI

Adaptive Estimation of Clutter Edge in Weibull Clutters Using UMPI Pre-Detector

وجود مرز كلاتر در مجموعه نمونه‌هاي مرجع در آشكارسازي سيستم‌هاي راداري مي‌تواند باعث افت عملكرد قابل توجه آشكارساز شود. لذا در صورت تخمين مرز كلاتر مي‌توان آشكارسازهاي CFAR موجود را بهبود داد. علاوه بر آن مي‌توان در تشخيص مرز ميان كلاترهايي مانند دريا، كوه، جنگل و غيره از اين سيستم بهره برد. در اين مقاله سعي شده توسط يك الگوريتم وفقي، مرز كلاتر ما‌بين دو كلاتر متفاوت با توزيع ويبول با پارامترهاي شكل و توان متفاوت تخمين زده شود و با دقت بالايي جداسازي كلاترها انجام گردد. در اين كار از آشكارساز UMPI بعنوان يك پيش پردازشگراستفاده شده كه در كلاس آشكارسازهاي پايا بهينه است. در نهايت بوسيله يك الگوريتم وفقي بر روي نتايج حاصل از آشكارسازي، دسته‌بندي نمونه‌هاي مشاهده شده انجام گرفته و از نتايج بدست آمده تصميم گيري براي تخمين مرز انجام مي‌شود. براي انجام اين كار به توابع چگالي احتمال نمونه‌هاي خروجي آشكارساز نيازمنديم كه از روش "نزديكترين همسايگي" استفاده شده است.

In radar detection, the existence of the clutter edge in the reference samples considerably degrades the performance of the detector. Hence, clutter edge estimation not only improves the CFAR detectors, but also can be used for partitioning the various areas of the clutter in the clutter map. In this paper, we propose an adaptive algorithm for detecting the clutter edge between two Weibull clutter areas with different shape and scale parameters. First, we apply the UMPI detector as a data pre-processor which is optimal among the invariant detectors. Then, based on the results of the previous pre-detection, the reference data are partitioned by an adaptive algorithm and the position of the clutter edge is estimated. For this, we need to the probability density functions of the pre-detector output samples which are provided by the nearest neighbor method.