基于AdaBoost算法的改进型VI-CFAR
研究复杂环境下自适应恒虚警(Constant False Alarm Rate,CFAR)检测问题,针对背景环境先验知识不足的情况,提出了一种基于AdaBoost 决策树算法的自适应CFAR 检测系统。该系统将前后沿参考单元的VI(the Variability Index)值和均值比作为背景特征,利用AdaBoost 决策树构建背景识别模型。在训练阶段,系统利用参考单元的VI 值和AdaBoost 算法构建背景识别模型；在检测过程中,参考单元的VI 值和均值比作为识别模型的输入,识别模型的输出为当前背景环境的识别结果。进一步根据识别结果选择对应的检测策略,完成最终的检测。利用蒙特卡洛仿真方法,分析了新检测系统在不同背景环境下的检测性能。仿真结果表明,新检测器在均匀环境和多目标干扰环境下,能有效地进行恒虚警检测。
AdaBoost 决策树 恒虚警 VI-CFAR 自适应检测
朱东升 马治勋 陈熠达
中国科学院声学研究所,北京 100190 中国科学院声学研究所,北京 100190;中国科学院大学,北京 100049
国内会议
重庆
中文
71-76
2022-04-10（万方平台首次上网日期，不代表论文的发表时间）