近日，*声学研究所水下航行器信息技术重点实验室助理研究员王雷欧及其合作者利用机器学习中的支持向量机(support vector machine，svm)技术，研制出一种智能的恒虚警率(constant false alarm rate，cfar)检测器。
当背景噪声未知时，cfar检测器在自适应雷达检测中是一种非常有用的方法。但均值类检测器、有序统计量类检测器以及自适应检测器等传统的cfar检测方法在均匀背景和非均匀背景下很难同时控制检测和虚警性能。
该研究提出的cfar检测器则利用先验数据训练svm，随后用训练好的svm识别当前工作环境并输出一个判断信号，根据判断信号，智能选择合适的检测阈值。它可以在均匀背景环境下提供优检测性能，并在非均匀背景环境下提高检测性能的鲁棒性。经测试，该检测器在不同环境下的检测性能优于传统方法。该研究成功将机器学习技术移植到传统的信号检测器领域，为非高斯背景下的信号检测工作提供了新思路。
相关研究成果发表在ieee access上。
编辑点评：这项工作成功将机器学习技术移植到传统的信号检测器领域，并通过实验验证了该方法的有效性，为今后在非高斯背景下的信号检测工作提供了新的思路。未来，研究人员可以利用机器学习技术在模式识别、函数分类以及函数回归等方面的优势，结合传统经典算法，推进信号检测领域的研究工作。
(原文标题：声学所基于支持向量机技术研制出智能恒虚警率检测器)