Taux de fausses alarmes constant - Constant false alarm rate

La détection de taux de fausse alarme constante ( CFAR ) fait référence à une forme courante d' algorithme adaptatif utilisé dans les systèmes radar pour détecter les retours de cible dans un contexte de bruit , de fouillis et d'interférences.

Principe

Dans le récepteur radar, les échos de retour sont généralement reçus par l' antenne , amplifiés, convertis à une fréquence intermédiaire , puis passés à travers un circuit de détection qui extrait l'enveloppe du signal, connue sous le nom de signal vidéo . Ce signal vidéo est proportionnel à la puissance de l'écho reçu et comprend le signal d'écho souhaité ainsi que les signaux indésirables provenant du bruit du récepteur interne et du fouillis et des interférences externes . Le terme vidéo se réfère au signal résultant étant approprié pour l'affichage sur un tube à rayons cathodiques , ou "écran vidéo".

Le rôle du circuit de taux de fausses alarmes constant est de déterminer le seuil de puissance au-dessus duquel tout retour peut être considéré comme provenant probablement d'une cible par opposition à l'une des sources parasites. Si ce seuil est trop bas, alors plus de cibles réelles seront détectées, mais au détriment d'un nombre accru de fausses alarmes. Inversement, si le seuil est trop élevé, moins de cibles seront détectées, mais le nombre de fausses alarmes sera également faible. Dans la plupart des détecteurs de radar, le seuil est défini afin d'obtenir une probabilité requise de fausse alarme (ou de manière équivalente, le taux de fausses alarmes ou le temps entre les fausses alarmes).

Si l'arrière-plan par rapport auquel les cibles doivent être détectées est constant avec le temps et l'espace, alors un niveau de seuil fixe peut être choisi qui fournit une probabilité spécifiée de fausse alarme, régie par la fonction de densité de probabilité du bruit, qui est généralement supposée être Gaussien . La probabilité de détection est alors fonction du rapport signal sur bruit du retour cible. Cependant, dans la plupart des systèmes sur le terrain, les parasites indésirables et les sources d'interférence signifient que le niveau de bruit change à la fois spatialement et temporellement. Dans ce cas, un seuil changeant peut être utilisé, où le niveau de seuil est augmenté et abaissé pour maintenir une probabilité constante de fausse alarme. C'est ce qu'on appelle la détection de taux de fausses alarmes constant (CFAR).

CFAR à moyenne cellulaire

Taux de fausses alarmes constant (CFAR). Le centre est la cellule testée. Les deux cellules adjacentes sont ajoutées et multipliées par une constante pour établir un seuil. La détection se produit lorsque la cellule testée dépasse le seuil.

Dans la plupart des schémas de détection CFAR simples, le niveau de seuil est calculé en estimant le niveau du bruit de fond autour de la cellule sous test (CUT). Cela peut être trouvé en prenant un bloc de cellules autour de la CUT et en calculant le niveau de puissance moyen. Pour éviter de corrompre cette estimation avec la puissance de la CUT elle-même, les cellules immédiatement adjacentes à la CUT sont normalement ignorées (et appelées «cellules de garde»). Une cible est déclarée présente dans le CUT si elle est à la fois supérieure à toutes ses cellules adjacentes et supérieure au niveau de puissance moyen local. L'estimation du niveau de puissance locale peut parfois être légèrement augmentée pour tenir compte de la taille limitée de l'échantillon. Cette approche simple est appelée un CFAR à moyenne cellulaire (CA-CFAR).

D'autres approches associées calculent des moyennes séparées pour les cellules à gauche et à droite de la CUT, puis utilisent le plus grand ou le moins élevé de ces deux niveaux de puissance pour définir le niveau de puissance local. Ceux-ci sont appelés respectivement le plus grand de CFAR (GO-CFAR) et le moins de CFAR (LO-CFAR) et peuvent améliorer la détection lorsqu'ils sont immédiatement adjacents à des zones de désordre.

Approches CFAR sophistiquées

Des algorithmes CFAR plus sophistiqués peuvent sélectionner de manière adaptative un niveau de seuil en tenant rigoureusement compte des statistiques du contexte dans lequel les cibles doivent être détectées. Ceci est particulièrement courant dans les applications de surveillance maritime (radar), où le fond du fouillis marin est particulièrement pointu et mal approximé par le bruit gaussien blanc additif . Il s'agit d'un problème de détection difficile, car il est difficile de différencier les pointes dues aux retours de surface de la mer et les pointes dues à des retours valides, par exemple, des périscopes sous- marins . La distribution K est une distribution populaire pour modéliser les caractéristiques du désordre marin.

Voir également

Références