提升多目标环境下的检测性能：排序方差驱动的非参数ACGS算法

本文主要探讨了一种基于排序方差的非参量自动删除检测算法（ACGS），该算法旨在提升广义符号（GS）检测算法在多目标环境中的性能。ACGS算法的设计灵感源于自动删除单元平均（ACCA）检测方法和GS统计量，它在检测过程中采用ACCA作为参考单元选择策略。具体操作流程是，算法首先在前沿和后沿位置运用ACCA来确定候选单元，然后与实际检测单元进行比较，形成检验统计量。 在理论分析部分，ACGS算法分别在均匀背景和多目标环境中进行了性能评估。在均匀杂波背景下，通过与传统的GS检测算法相比较，结果显示ACGS算法具有较小的恒虚警率（CFAR）损失，这意味着在保持一定检测灵敏度的同时，能有效抑制假警报的发生。然而，在多目标环境下，ACGS展现出显著的优势，其检测性能得到了明显改善，能够更准确地识别和区分目标信号。 作者通过对实测数据的验证，进一步证实了ACGS算法在复杂环境下的优越性。这种非参量检测方法无需依赖特定分布假设，从而提高了算法的鲁棒性和适用性。此外，论文的关键术语包括“非参量”、“广义符号统计量”、“自动删除单元平均”和“排序数据方差”，这些概念是理解ACGS算法核心原理的重要组成部分。 本文的研究成果对于提升雷达系统在多目标环境下对目标信号的准确检测具有重要意义，对于雷达科学与技术领域内的噪声抑制和目标检测技术的发展具有推动作用。