一步
系统对象:phased.CFARDetector2D
包:分阶段
二维CFAR检测
描述
请注意
或者,而不是使用一步定义的方法来执行操作系统对象™,您可以调用对象的参数,就好像它是一个函数。例如,y =步骤(obj, x)和y = obj (x)执行相同操作。
请注意
对象执行一个初始化第一次执行的对象。这个初始化锁nontunable属性和输入规范,比如尺寸,复杂性,和数据类型的输入数据。如果你改变一个nontunable财产或输入规范,一个错误的系统对象问题。改变nontunable属性或输入,您必须首先调用释放方法来释放对象。
输入参数
输出参数
例子
二维Noise-Only CFAR阈值数据集
这个例子显示了如何设置一个二维CFAR阈值基于需要假警报的可能性(pfa)。
执行cell-averaging CFAR检测41-by-41矩阵含有高斯噪声的细胞。估计所需的pfa实证pfa和比较。接受良好的估计,执行这个模拟1000相似矩阵。首先,使用所需的pfa设置一个阈值。在这种情况下,没有目标和pfa可以从细胞的数量,估计超过阈值。假设通过一个平方律检测器和数据处理,不执行脉冲集成。使用training-cell乐队3细胞宽度和4细胞高度。使用防护频带宽度和2细胞高度3细胞分离被测细胞细胞(减少)的培训。指定一个需要pfa的5.0的军医。
p = 5的军医;rs = RandStream.create (“mt19937ar”,“种子”5);N = 41;ntrials = 1000;探测器= phased.CFARDetector2D (“TrainingBandSize”3],[4日,…“ThresholdFactor”,“汽车”,“GuardBandSize”(2、3),…“ProbabilityFalseAlarm”、磷、“方法”,“严重”,“ThresholdOutputPort”,真正的);
创建一个41-by-41图像包含随机复杂的数据。然后,广场的数据来模拟一个平方律检测器。
x = 2 /√(2) * (randn (rs, N, N, ntrials) + 1我* randn (rs, N, N, ntrials));x2 = abs (x) ^ 2;
过程中的每一个细胞图像。要做到这一点,找到每个减少细胞的行和列的训练完全落在每个地区的形象。
Ngc = detector.GuardBandSize (2);是= detector.GuardBandSize (1);Ntc = detector.TrainingBandSize (2);正常= detector.TrainingBandSize关系(1);cutidx = [];colstart = Ntc + Ngc + 1;colend = N - (Ntc + Ngc);rowstart =正常+是+ 1关系;rowend = N -(正常+是关系);为m = colstart: colend为n = rowstart: rowend cutidx = [cutidx, [n; m]];结束结束ncutcells =大小(cutidx, 2);
显示细胞减少。
cutimage = 0 (N, N);为k = 1: ncutcells cutimage (cutidx (k), cutidx (2 k)) = 1;结束显示亮度图像(cutimage)轴平等的
对所有减少细胞执行检测。返回检测分类和阈值用于分类单元。
(精细,th) =检测器(x2, cutidx);
找到并显示一个图像与插图的假警报。
di = [];为k = 1: ntrials d =检波器(:,k);如果(任何(d) > 0) di = (di, k);结束结束idx = di (1);detimg = 0 (N, N);为k = 1: ncutcells detimg (cutidx (k), cutidx (2 k)) =检波器(k, idx);结束显示亮度图像(detimg)轴平等的
计算经验pfa。
pfa =总和(依据(:))/ ntrials / ncutcells
pfa = 4.5898 e-04
指定的实证和pfa同意。
显示所有图片平均经验阈值。
意思是(th (:))
ans = 31.7139
计算所需的pfa的理论阈值因素。
threshfactor = npwgnthresh (p, 1,“非相干”);threshfactor = 10 ^ (threshfactor / 10);disp (threshfactor)
7.6009
理论阈值系数乘以噪声方差应该同意测量阈值。
noisevar =意味着(x2 (:));disp (threshfactor * noisevar);
30.4118
理论阈值和经验阈值同意在一个可接受的差异。
检测目标背景噪音
执行cell-averaging CFAR检测的41-by-41矩阵包含5个间隔太近高斯噪声的目标细胞。执行此检测在1000年的模拟图像。使用两个探测器与不同的保护带区域。手动设置的阈值使用自定义阈值的因素。假设通过一个平方律检波器和数据处理,不执行脉冲集成。使用训练2细胞带宽度和2细胞高度。第一探测器使用的保护带1细胞周围分离将细胞从培养细胞。对于第二个探测器,使用8细胞周围的保护带。
p = 5的军医;rs = RandStream.create (“mt19937ar”,“种子”5);N = 41;ntrials = 1000;
创造1000个41-by-41复杂的图像随机噪声标准差的1。
s = 1;x = s /√(2) * (randn (rs, N, N, ntrials) + 1我* randn (rs, N, N, ntrials));
靶细胞的值设置为1.5。然后,平方单元格的值。
一个= 1.5;x(: 23日,20日)=一个;x(: 23日,18日)=一个;x(: 23日,23日)=一个;x(20、22日:)=一个;x(: 21日18日)=一个;x2 = abs (x) ^ 2;
显示目标细胞。
xtgt = 0 (N, N);xtgt(: 23日,20日)= A;xtgt(: 23日,18日)= A;xtgt(: 23日,23日)= A;:xtgt(20、22) =一个;xtgt(: 21日18日)= A;显示亮度图像(xtgt)轴平等的轴紧
设置减少细胞靶细胞。
cutidx (1,1) = 23;cutidx (2, 1) = 20;cutidx (1、2) = 23;cutidx (2, 2) = 18;cutidx (1、3) = 23;cutidx (2,3) = 23;cutidx (1、4) = 20;cutidx (2、4) = 22;cutidx (1、5) = 21;cutidx (2、5) = 18;
执行所有减少细胞使用两种CFAR检测二维探测器。第一个探测器有一个小的保护带地区。培训区域可以包括邻近目标可以影响噪声功率的计算。第二个探测器有一个更大的保护带地区,这就排除了噪声计算中使用的靶细胞。
创建两个CFAR检测器。
detector1 = phased.CFARDetector2D (“TrainingBandSize”(2,2),…“GuardBandSize”[1],“ThresholdFactor”,“自定义”,“方法”,“CA”,…“CustomThresholdFactor”2,“ThresholdOutputPort”,真正的);detector2 = phased.CFARDetector2D (“TrainingBandSize”(2,2),…“GuardBandSize”[8],“ThresholdFactor”,“自定义”,“方法”,“CA”,…“CustomThresholdFactor”2,“ThresholdOutputPort”,真正的);
返回检测分类和使用的阈值对细胞进行分类。然后,计算概率的检测。
[dets1, th1] = detector1 (x2, cutidx);ndets =元素个数(dets1 (:));pd1 =总和(dets1 (:)) / ndets
pd1 = 0.6416
[dets2, th2] = detector2 (x2, cutidx);pd2 =总和(dets2 (:)) / ndets
pd2 = 0.9396
探测器与更大的保护带地区pfa更高,因为噪音更准确的估计。
版本历史
介绍了R2016b
