Parallel distributed adaptive order statistics CFAR-Detector with data fusion based PSO for threshold optimization

Abstract

In this master thesis, target detection in a non-homogeneous environment is studied, when the receiver uses multi-sensor data fusion with detection threshold optimization based on the PSO metaheuristic algorithm. The aim of this thesis is to improve the performance of the detection process in an inhomogeneous environment. The scheme used is based on the optimisation of the detection threshold in a parallel multi-sensor data fusion. The distributed systems used here are based on the OS-CFAR (ordered statistics constant false alarm rate) and CMLD (censored mean level detector) adaptive detectors. For detection threshold optimisation, the PSO (Particulate Swarm Optimization) algorithm with a linearly decreasing strategy is applied where the multi-sensor detection threshold is determined by maximising the global detection probability while keeping the global false alarm probability constant, employing two logical fusion rules for detection improvement in an non-homogeneous environment.

Résumé Dans le cadre de cette thèse de master, la detection de cible dans un environnement non homogene est etudiée, quand le récepteur utilise une fusion de données multi-capteurs avec une optimization du seuil de detection basé sur I >>algorithme methaheuristique PSO.. Le but recherché dans cette thèse, est d'améliorer les performances du processus de detection dans un environnement non homogene, le schéma utilisé est basé sur l'optimisation du seuil de détection dans une fusion de données multi-capteurs parallels. Les systèmes distribués utilisés ici sont à base des détecteurs adaptatifs OS-CFAR (ordered statistics constant false alarm rate) et CMLD (Censored mean level detector). Pour l'optimisation du seuil de detection, l'algorithme PSO (Particule Swarm Optimization) avec une stratégie linéairement décroissante est appliquée où le seuil de detection des multi capteurs est determiné en maximisant la probabilité de detection globale tout en maintenant la probabilité de fausse alarme globale constante, en employant deux règles de fusion logiques pour l'amélioration de la detection dans un environnement non homogene.