《表3 检测概率为0.8，虚警概率为10-6，积累圈数K=6时不同算法对各种目标模型的检测得益对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于动态规划的检测前跟踪算法的性能分析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图3给出了RCS起伏目标在虚警概率pfa=10-6，积累圈数K=6时各种算法的检测性能比较。Swerling I/II类目标的RCS服从自由度为2的卡方分布，Swerling III/IV类目标的RCS服从自由度为4的卡方分布。在RCS起伏强弱方面，Swerling I/II类目标最强，Swerling III/IV类目标次之，Swerling 0类目标最弱（不起伏）。在起伏快慢方面，Swerling I/III类目标为慢起伏，脉冲间相关，扫描间不相关，Swerling II/IV类目标为快起伏，脉冲间不相关。因为我们的仿真对象为单脉冲多圈积累，所以Swerling I/II类目标的结果相同，Swerling III/IV类目标的结果相同。同非起伏目标，当=1时，DP-TBD性能与K帧非相参积累的理论性能相同。随着值增大，DP-TBD的检测性能逐渐下降。表3给出了检测概率为0.8，虚警概率为10-6，积累圈数K=6时各种算法对不同目标模型的检测得益对比，这里的检测得益是相对于单帧检测来说的。可以看出，对于同一种算法，Swerling I/II类目标的检测得益总是高于Swerling III/IV类目标，高于Swerling 0类目标，与目标RCS起伏强弱成正比。