Automatic censored mean level detector using a variability-based censoring with non-coherent integration

Radar detection is impaired by the presence of clutter transitions or interfering targets within the reference channel. In this paper, we propose an automatic censoring constant false alarm rate (CFAR) detector processing for multiple target situations and using multiple non-coherent pulse integration. The proposed detection scheme is based on an optimal selection of the appropriate censored mean level according to the actual background environment and thus, we call it Opt-CMLD. In particular, we use an automatic data variability-based censoring technique to generate a suitable ranked subset for the background level estimate, and derive an exact expression for the probability of false alarm, Pfa. Then, the performance analysis of the proposed Opt-CMLD is studied for M non-coherent integrated pulses in both a homogeneous environment and multiple target situations.

RésuméLa détection Radar peut être altérée par les transitions brusques dans la puissance du fouillis ou par la présence de cibles interférentes au niveau du canal de référence. Dans cet article, nous proposons un détecteur à taux de fausse alarme constant utilisant une procédure de censure automatique avec un traitement non cohérent de plusieurs impulsions. Selon l’environnement en cours, notre schéma de détection se base sur la sélection optimale du niveau moyen censuré le plus approprié. Afin de générer l’échantillon ordonné le plus représentatif du bruit de fond, nous utilisons une technique de censure automatique basée sur les données de variabilité. Ainsi, l’expression exacte de la probabilité de fausse alarme est obtenue, puis l’analyse des performances du détecteur proposé est effectuée aussi bien en milieu homogène qu’en présence de cibles multiples.