近日，中国科学院声学研究所水下航行器信息技术重点实验室助理研究员王雷欧及其合作者利用机器学习中的支持向量机（Support Vector Machine，SVM）技术，研制出一种智能的恒虚警率（Constant False Alarm Rate，CFAR）检测器。
当背景噪声未知时，CFAR检测器在自适应雷达检测中是一种非常有用的方法。但均值类检测器、有序统计量类检测器以及自适应检测器等传统的CFAR检测方法在均匀背景和非均匀背景下很难同时控制检测和虚警性能。
该研究提出的CFAR检测器则利用先验数据训练SVM，随后用训练好的SVM识别当前工作环境并输出一个判断信号，根据判断信号，智能选择合适的检测阈值。它可以在均匀背景环境下提供最优检测性能，并在非均匀背景环境下提高检测性能的鲁棒性。经测试，该检测器在不同环境下的检测性能优于传统方法。该研究成功将机器学习技术移植到传统的信号检测器领域，为非高斯背景下的信号检测工作提供了新思路。
相关研究成果发表在IEEE Access上。（来源：中国科学院声学研究所）
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
