《表5 韦布尔杂波条件下，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

上面的仿真结果是在复高斯背景杂波下进行的，适用于热噪声或低分辨率、大擦地角（≥5°）的海陆杂波场景。对于高分辨率，小擦地角（<5°）的海陆杂波场景，其概率密度函数通常具有更长“拖尾”，建模为韦布尔分布、对数正态分布、K分布、G0分布等。下面我们就韦布尔分布杂波进行仿真，其中形状参数α=0.5，尺度参数β=0.5。图4给出了DP-TBD算法为了达到pfa=10-6的虚警概率所需的阈值VT与积累搜索波门大小ф、积累帧数K的关系。与复高斯杂波场景类似，阈值VT随着K的增加而增大。同时可以看出，相同条件下，韦布尔杂波场景中的阈值VT高于复高斯杂波场景6～9 dB。这是由于长“拖尾”现象导致强幅度杂波量测的出现频率增大，为了保持相同的虚警概率，阈值VT需要增大。从而检测性能也随之下降。图5与图6分别给出了韦布尔杂波场景下RCS不起伏目标与RCS起伏目标的检测概率曲线。与复高斯杂波场景相比，检测性能下降7～8 dB。表5给出了韦布尔杂波场景下各种算法相对于单帧的检测得益。检测得益大小的趋势与复高斯杂波场景下相同，即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。此外韦布尔杂波场景下的检测得益普遍高于复高斯杂波场景，这是因为韦布尔杂波的起伏更强。