论文

介绍 本人最近受够代码了，下定决心来点不一样的，do some math（如果能在下方打赏就更好了，码文不易，希望能赞助 买奶茶钱 买可乐钱） 恒虚警率这个约束是经典符合假设检验中的标准要求，随着科技进步，机器学习这一方法已经开始被人们使用在各个领域 这篇文章的主要内容： 定义了一个可以用于贝叶斯和机器学习的CFAR检测器框架：将CFAR约束应用于贝叶斯最优检测器，可以用于任意复合假设检验 提出learning-based CFAR检测器的性能门限，证明CFAR-constrained Bayes检测器渐进收敛于GLRT 提出了CFARnet，一种深度学习的恒虚警检测 将CFARnet与GLRT进行性能对比 相同性能下：CFARnet计算复杂度<GLRT GLRT表现不佳时：CFARnet仍有很好的性能，且仍能保持恒虚警特性 检测器 经典检测器 似然比检验（Likelihood Ratio Test,LRT)[1]： TLRT(x)=2log⁡p(x∣z=z1)p(x∣z=z0)T_{LRT}(\boldsymbol{x}) =...