Cell Averaging CFAR Detector with Scale Factor Correction through the Method of Moments for the Log-Normal Distribution

Abstract

Se presenta el nuevo detector LN-MoM-CA-CFAR que tiene una desviación reducida en la tasa de probabilidad de falsa alarma operacional con respecto al valor concebido de diseño. La solución corrige un problema fundamental de los procesadores CFAR que ha sido ignorado en múltiples desarrollos. En efecto, la mayoría de los esquemas previamente propuestos tratan con los cambios bruscos del nivel del clutter mientras que la presente solución corrige los cambios lentos estadísticos de la señal de fondo. Se ha demostrado que estos tienen una influencia marcada en la selección del factor de ajuste multiplicativo CFAR, y consecuentemente en el mantenimiento de la probabilidad de falsa alarma. Los autores aprovecharon la alta precisión que se alcanza en la estimación del parámetro de forma Log-Normal con el MoM, y la amplia aplicación de esta distribución en la modelación del clutter, para crear una arquitectura que ofrece resultados precisos y con bajo costo computacional. Luego de un procesamiento intensivo de 100 millones de muestras Log-Normal, se creó un esquema que, mejorando el desempeño del clásico CA-CFAR a través de la corrección continua de su factor de ajuste, opera con una excelente estabilidad alcanzando una desviación de solamente 0,2884 % para la probabilidad de falsa alarma de 0,01.

Modelación estadística de la textura del clutter marino en Matlab

“…Por tanto, la simulación de un medio con condiciones variables a través de cuatro distribuciones cambiantes permitirá diseñar detectores más eficientes que podrán combinarse con la técnica existente, realizándose un procesamiento mejorado de la señal. De hecho, las modelaciones de distribuciones realizadas previamente por Machado Fernández (2016b) y Machado Fernández y Bacallao Vidal (2016c) permitieron el desarrollo de mecanismos novedosos de estimación paramétrica (Machado Fernández y Bacallao Vidal, 2016a, 2016bMachado Fernández, Bacallao Vidal y Chávez Ferry, 2015), usando inteligencia artificial, que a la postre posibilitaron el diseño de detectores adaptativos (Machado Fernández, 2015;Machado Fernández y Bacallao Vidal, 2016d, 2017a, 2017cMachado Fernández, Torres Martínez y Bacallao Vidal, 2017).…”