在复杂环境下的信号检测中, 目标所在的杂波环境往往无法预先确定, 这时选用针对性较强的单一CFAR检测策略往往会出现不同程度的损失, 灵活性较差。因此, 采用一种基于自适应阈值选择的多策略CFAR检测算法, 结合CA,GO和ACCA等检测算法的优点, 通过对当前杂波背景的判断, 合理选择相应的策略。此外, 研究了采用该复合算法作为局部检测器的分布式CFAR系统, 融合准则采用“与”和“或”两种方式, 最后通过仿真对算法的性能进行了验证。

针对红外舰船小目标图像复杂背景弱信号，虚警率较高且难以被精确检测的问题，提出了一种恒虚警率(Constant False-Alarm Rate，CFAR)-全连接条件随机场(Dense Conditional Random Fields，DCRF)舰船目标检测算法.该算法针对小目标与虚警信号变化特征相似但结构特征不同的特点,利用CRF的多维上下文(空间、辐射)表达的优势，实现虚警特征抑制，并引入CFAR对模型进行改进，提高了DCRF对于弱信号目标的检出能力,实现舰船小目标的精确检测与分割.实验结果表明，该算法能够充分利用海域的全局上下文信息，能够在保持较高检出率同时，有效降低虚警率，实现单帧端到端的小目标检测.

Optical fiber pre-warning system (OFPS) is often used to monitor the occurrence of disasters such as the leakage of oil and natural gas pipeline. It analyzes the collected vibration signals to judge whether there is any harmful intrusion (HI) events. At present, the research in this field is mainly focused on the constant false alarm rate (CFAR) methods and derivative algorithms to detect intrusion signals. However, the performance of CFAR is often limited to the actual collected signals distribution. It is found that the background noise usually obeys non-independent and identically distribution (Non-IID) through the statistical analysis of acquisition signals. In view of the actual signal distribution characteristics, this paper presents a CFAR detection method based on the normalization processing for background noise. A high-pass filter is designed for the actual Non-IID background noise data to obtain the characterization characteristic. Then, the background noise is converted to independent and identically distribution (IID) by using the data characteristic. Next, the collected data after normalization is processed with efficient cell average constant false alarm rate (CA-CFAR) method for detection. Finally, the results of experiments both show that the intrusion signals can be effectively detected, and the effectiveness of the algorithm is verified.

针对韦布尔分布杂波背景中的目标检测问题，本文提出了一种CFAR检测器—循环剔除TLM-CFAR检测器。该检测器基于TL 矩估计方法，首先获得韦布尔分布的两参数估计值，进而确定CFAR 检测门限，然后利用循环剔除法剔除干扰目标和强散射点的影响。文中证明了TLM-CFAR检测器具有恒虚警性，利用Monte Carlo仿真方法研究了这种检测器的性能，并与MLH-CFAR检测器进行了比较。仿真结果和实验结果表明，这种检测器不仅可以达到MLH-CFAR检测器的性能，同时避免了最大似然估计需要迭代计算的繁琐性，提高了检测算法的效率和适用性。

为了解决传统目标检测算法在非均匀噪声环境下检测性能严重下降的问题，提出了一种自由滑窗式恒虚警检测算法，在被检测单元两侧各取 N－1个参考单元作为初始自由参考窗，然后从左向右依次滑动 N次，得到 N个滑窗，根据滑窗噪声功率的平均值与被检测参考单元功率值的比较结果，选择相应的滑窗噪声功率平均值集合取均值，再乘以参数因子 T得到比较门限阈值 S，根据被检测单元的功率与 S进行比较，确定是否为有效目标。经过与其他算法进行仿真对比，该算法具有最优的检测性能，检测率 98.93%，误检率 2.28%，并成功应用于车辆开门预警系统，经测试，预警率大于 98.10%，虚警率小于 2.80%。结果表明，该算法提高了非均匀噪声环境下目标的检测概率，具有良好的检测性能。

提出一种基于高斯点特征的方法来解决红外背景下弱目标的探测问题。首先, 利用高斯斑点目标的对称特性构造高斯斑点特征响应函数, 利用该函数在红外单帧图像上提取高斯点特征响应图; 然后, 使用CFAR方法对响应图进行二值分割, 并对该图像进行形态学运算去除噪声干扰; 最后检测并定位目标, 输出目标在图像上的坐标。实验结果表明, 提出的方法比传统的滤波探测方法及文献提出的双边滤波算法对高斯斑点目标检测结果更好。

激光多普勒测速仪(LDV)能够实现载体速度的高精度测量, 从而满足航空航天领域对高精度导航的需求。目标速度测量是建立在回波信号成功检测的基础上进行的, 因此微弱多普勒信号检测是LDV的关键技术。根据光频段噪声频谱特性, 提出了对有用信号频率进行带阻滤波、利用剩余噪声强度估计总体噪声强度的方法, 设计了频域内基于噪声强度估计的自适应阈值信号检测算法。通过与传统的固定阈值算法的对比仿真和实验, 表明该方法具有更好的探测性能, 能够在保持较低恒定虚警概率条件下实现对高于信噪比为-9 dB信号的完全检测, 具有抵抗噪声强度的起伏变化、算法简单、适用性强等特点。

背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间，以不同速度矢量控制图像叠加，形成提升了信噪比的新的图像序列并构成图像空间；利用恒虚警判决法在图像空间中检测候选目标点；根据候选目标点所对应的坐标向量和速度向量分别映射到坐标空间和速度空间，由两个空间中出现的峰值判定目标点。实际红外成像系统实拍实验表明，算法能将信噪比提升至接近原图的n^1/2倍，目标检测概率和虚警概率都明显优于所对比的弱目标检测算法。

针对大多数CFAR 算法在检测舰船目标时受滑动窗口的限制,检测耗时长、效率低和易造成漏检等问题,提出一种将自适应窗口与CFAR 算法结合的舰船目标检测方法.首先利用目标的全局显著性找到其大致位置,根据目标区是否满足自适应窗口设置条件分别进行处理:采用剔除掉目标干扰的背景参数检测内部目标;采用检出目标与整体背景参数双重筛选边缘目标;最后将两部分合并进行后续处理.实验结果表明,本文方法能够准确快速地定位目标区域,且能精确检测并刻画目标形状,取得了较为满意的检测结果.