基于Matlab实现CFAR算法（cfar_ac、cfar_go、cfar_so、cfar_os、cfar_tc）

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法       神经网络预测       雷达通信       无线传感器        电力系统

信号处理              图像处理               路径规划       元胞自动机        无人机 

⛄ 内容介绍

恒虚警处理是雷达信号处理过程中最关键的技术之一,其目的是保证在目标检测过程中保持稳定的虚警率。一般的恒虚警处理是以杂波分布特性为先决条件,不同的杂波分布对应不同的恒虚警处理算法。并且一种恒虚警算法即使在同一杂波分布下也很难在不同环境中同时具有良好的检测性能。因此,研究杂波的分类识别与自适应不同环境的恒虚警算法具有理论意义和应用价值。基于Matlab实现CFAR算法（cfar_ac、cfar_go、cfar_so、cfar_os、cfar_tc）。

⛄ 部分代码

%% 有序统计恒虚警算法实现

% 优点：多目标检测性能很好；

% 缺点：杂波边缘区域虚警概率提高；

%% 程序初始化

clc;clear all;close all;

%% 均匀背景噪声（单目标&多目标）

% shape=[200];

% variance=200;

% noise_db=20;

% noise_p=10.^(noise_db./10);

% show_out=0;

% [ xc ] = env_uniform(variance,  shape, noise_db,show_out);

% 单目标

% SNR1=15;    signal1_p=10.^(SNR1./10).*noise_p;

% xc(1,90)=signal1_p;

%

% 多目标

% SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;

% xc(1,90)=signal1_p;

% SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;

% xc(1,102)=signal2_p;

%% 杂波边缘背景噪声（单目标&多目标）

shape=[100,200];

variance=200;

noise_db=[20,30];

noise_p=10.^(noise_db./10);

show_out=0;

[ xc ] = env_edge(variance,  shape, noise_db,show_out);

% 多目标

SNR1=15;signal1_p=10.^(SNR1./10).*noise_p(1,end);

SNR2=12;signal2_p=10.^(SNR2./10).*noise_p(1,end);

SNR3=8;signal3_p=10.^(SNR3./10).*noise_p(1,end);

SNR4=5;signal4_p=10.^(SNR4./10).*noise_p(1,end);

loc1=randi([43,44],1,1);

xc(1,loc1)=signal1_p;

loc2=randi([46,48],1,1);

xc(1,loc2)=signal3_p;

loc3=randi([50,53],1,1);

xc(1,loc3)=signal2_p;

loc4=randi([55,58],1,1);

xc(1,loc4)=signal1_p;

loc5=randi([90,93],1,1);    %接近杂波区，但是依然在

%     xc(1,loc5)=signal1_p;

xc(1,loc5)=signal2_p;     %这种杂波边缘有目标的情况，还需要优化

%     xc(1,loc5)=signal3_p;

loc6=randi([102,108],1,1);

xc(1,loc6)=signal3_p;

%% 算法结果&图谱显示

N=36;

pro_N=2;

k=2.*N./4;

PAD=10^(-4);

[ index, XT ] = cfar_os( abs(xc), N, k, pro_N, PAD);

figure;

plot(10.*log(abs(xc))./log(10)),hold on;

plot(index,10.*log(abs(XT))./log(10)),hold on;

⛄ 运行结果

⛄ 参考文献

[1] 郝程鹏, 侯朝焕, 王维建. 基于改进的VI-CFAR算法的分布式CFAR检测[J]. 系统仿真学报, 2007, 19(4):830-832.

[2] 李园园. 基于杂波分类识别的自适应IOSGO-CFAR算法研究及实现[D]. 西安电子科技大学, 2020.

[3] 姜劼. EOSVI-CFAR算法研究及硬件设计与实现[D]. 西安电子科技大学.

[4] 张云秀, 赵春晖. 基于直方图参数估计CFAR的SAS图像目标检测算法的研究[J]. 黑龙江大学自然科学学报, 2011(003):028.

[5] 马宝金, 李跃华. 基于VI_CFAR算法改进的毫米波LFMCW恒虚警算法研究[J]. 微波学报, 2021(S01):037.

⛳️ 代码获取关注我

❤️部分理论引用网络文献，若有侵权联系博主删除

❤️ 关注我领取海量matlab电子书和数学建模资料