求解分布式顺序统计CFAR检测器参数的新方法

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (2): 258-262.

求解分布式顺序统计CFAR检测器参数的新方法

刘盼芝1，郭国防2，潘若禹3

1.长安大学电子与控制工程学院，西安 710064
2.陕西重型汽车有限公司，西安 710200
3.西安邮电大学通信与信息技术学院，西安 710061

出版日期:2014-01-15 发布日期:2014-01-26

Novel threshold optimization for distributed order statistic CFAR detector by using particle swarm optimization

LIU Panzhi1, GUO Guofang2, PAN Ruoyu3

1.School of Electronic and Control Engineering, Chang’an University, Xi’an 710064, China
2.Shaanxi Automobile Group Co.LTD, Xi’an 710200, China
3.School of Communication and Information Technology, Xi’an University of Posts and Telecommunications, Xi’an 710061, China

Online:2014-01-15 Published:2014-01-26

摘要/Abstract

摘要： 复杂条件下，分布式顺序统计恒虚警率（OS-CFAR）检测系统的参数选择和检测性能分析是一个典型的非线性优化问题，通常采用数值求解和计算机搜索的方法。但在复杂条件下，特别是当传感器数量较多，或采用分布式OS-CFAR这种双门限参数检测方式时，其计算量会异常庞大。提出了一种基于模拟退火的微粒群优化算法，将模拟退火思想引入到具有杂交和高斯变异的粒子群优化算法中，并采用具有递减w算法，保证算法具有较好的全局搜索能力和较好的收敛性。使用这种方法，在进化100代后，在保证精度达到0.000 001，可使所有的系统参数同时得到优化。仿真结果表明，同遗传算法比，虽然该方法收敛速度稍慢，但是可避免遗传算法的早熟问题，同时该方法实施简单方便，便于工程应用。

关键词: 恒虚警检测, 分布式检测, 分布式顺序统计检测器, 微粒群优化算法

Abstract: For a distributed Ordered Statistics（OS） Constant False Alarm Ration（CFAR） detection system, the searching of the optimum detector parameters and detection performance is a typical nonlinear optimization problem. It is very difficult to choose system parameters to obtain optimal threshold values at the fusion center for two threshold parameters detection method like distributed OS-CFAR, especially the number of sensors is huge. This paper provides a novel solution based on an effective and flexible Particle Swarm Optimization（PSO） algorithm. The simulated annealing idea is introduced into the PSO algorithm with crossover and mutation of Gauss, and decreasing w algorithm is employed, to ensure the advantage of global searching ability and convergence. Using this method, while the accuracy is 0.000001, with the evolution of 100 generations，it can make all the system parameters optimize. Compared with genetic algorithm, simulation results show that, this method can avoid premature problem of genetic algorithm, although this method converges slightly slower. Moreover the method is easy and simple to implement, and it is convenient for engineering applications.

Key words: Constant False Alarm Ration（CFAR） detection, distributed detection, distributed ordered statistics constant false alarm, Particle Swarm Optimization（PSO）

刘盼芝1，郭国防2，潘若禹3. 求解分布式顺序统计CFAR检测器参数的新方法[J]. 计算机工程与应用, 2014, 50(2): 258-262.

LIU Panzhi1, GUO Guofang2, PAN Ruoyu3. Novel threshold optimization for distributed order statistic CFAR detector by using particle swarm optimization[J]. Computer Engineering and Applications, 2014, 50(2): 258-262.

[1]	张敏，唐东成，张君跃，易志威，朱红萍，陈微. 基于微粒群算法的永磁同步发电机滑模控制[J]. 计算机工程与应用, 2015, 51(22): 266-270.
[2]	张鹏，杨秋辉，李海怒. 嵌入式软件内存泄露检测方法研究[J]. 计算机工程与应用, 2013, 49(14): 56-59.
[3]	叶春晓，罗娟. 基于网格的混合微粒群算法解决任务调度问题[J]. 计算机工程与应用, 2012, 48(12): 34-37.
[4]	杨小军. 无线传感器网络下分布式决策融合方法综述[J]. 计算机工程与应用, 2012, 48(11): 1-6.
[5]	林令娟1，刘希玉2. 结合SA算法的快速微粒群优化算法[J]. 计算机工程与应用, 2011, 47(8): 27-29.
[6]	赵嘉1，曹寒问2，孙辉1，李文力1. 双群交换微粒群算法及在Shearlet图像去噪中的应用[J]. 计算机工程与应用, 2011, 47(19): 207-210.
[7]	赵嘉，孙辉. 多阶段多模型的改进微粒群优化算法[J]. 计算机工程与应用, 2010, 46(33): 32-35.
[8]	柳枝华¹，孙辉^1，2，胡海智¹. 双群分段交换的改进微粒群优化算法研究[J]. 计算机工程与应用, 2010, 46(25): 34-36.
[9]	陈华，范宜仁，邓少贵，李智强. 基于多核微机的微粒群并行算法[J]. 计算机工程与应用, 2010, 46(13): 34-36.
[10]	吴烈阳¹，孙辉²，白明明¹，李敏¹. 一种新的并行文化微粒群优化算法[J]. 计算机工程与应用, 2009, 45(35): 44-46.
[11]	黄力明. 混沌微粒群优化算法在图像匹配中的应用[J]. 计算机工程与应用, 2009, 45(32): 168-170.
[12]	卜艳萍^1，2，俞金寿¹. 协同进化算法及在软测量建模中的应用[J]. 计算机工程与应用, 2009, 45(31): 241-244.
[13]	郭成,李群湛. 利用T-S模糊自适应PSO算法优化PID参数[J]. 计算机工程与应用, 2009, 45(3): 245-248.
[14]	黄力明. 微粒群优化和区域生长结合的图像分割方法[J]. 计算机工程与应用, 2009, 45(28): 193-195.
[15]	陈晓东¹，张玉敏²，徐跃¹. 应用微粒群算法确定有机化合物分子式[J]. 计算机工程与应用, 2009, 45(27): 246-248.