Постоянство вероятности ложной тревоги CFAR (constant false alarm rate) в условиях переменных уровней шума является обычным требованием, предъявляемым к любому современному радару. Обнаружители с усреднением по ячейкам CA (cell-averaging) и порядковыми статистиками OS (ordered-statistic) наиболее часто используются на практике. CA-CFAR обнаружитель является оптимальным по критерию вероятности обнаружения в условиях идеального (равномерного) шума, когда опорные ячейки содержат идентичные, независимые и экспоненциально распределенные сигналы. OS-CFAR алгоритм представляет альтернативу СА алгоритму, обеспечивая несколько худшие характеристики обнаружения в условиях идеального фонового шума, однако значительно меньшее ухудшение характеристик обнаружения в условиях неидеального фонового шума. В данной работе сравниваются две модифицированные версии этих алгоритмов MX-CFAR и MN-CFAR, которые предложены сравнительно недавно. В работе производится оценка характеристик обнаружения нового ML-CFAR алгоритма. Получены точные формулы вероятности ложной тревоги и вероятности обнаружения при наличии и отсутствии мешающих целей. Результаты для фонового шума и цели, имеющих рэлеевское распределение, показывают, что MN-CFAR алгоритм работает практически так же хорошо, как OS обнаружитель, в условиях множества целей, и все модифицированные обнаружители превосходят его в условиях равномерного фонового шума. По сравнению с СА модифицированные обнаружители работают лучше в идеальных условиях и значительно лучше в условиях присутствия мешающих целей. Ключевые слова: адаптивное обнаружение; скачок уровня шума; средний порог обнаружения; рабочие характеристики приемника; работа с множеством целей
