中国科学院水下航行器信息技术重点实验室助理研究员王雷欧及其同事利用机器学习中的支持向量机（Support Vector Machine,简称SVM）技术，实现了一种智能的恒虚警率检测器。相关研究成果发表于国际学术期刊IEEE ACCESS 2017年11月第5卷第1期。
当背景噪声未知时，恒虚警率（Constant False Alarm Rate,简称CFAR）检测器在自适应雷达检测中是一种非常有用的方法。传统的CFAR检测方法包括均值类检测器、有序统计量类检测器以及自适应检测器等。上述检测器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。
王雷欧等人提出一种利用SVM技术的智能CFAR检测器。该检测器利用先验数据训练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，该检测器能够智能选择合适的检测阈值。
基于SVM技术的智能CFAR检测器可以在均匀背景环境下提供最优检测性能，并在非均匀背景环境下提高检测性能的鲁棒性。
实验结果说明本研究提出的检测器在不同环境下的检测性能优于已有方法。
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。
参考文献：
WANG Leiou, WANG Donghui, HAO Chengpeng. Intelligent CFAR Detector Based on Support Vector Machine. IEEE ACCESS （VOL.5, NO.1, November 2017）.
DOI: 10.1109/ACCESS.2017.2774262.
论文链接：
http://ieeexplore.ieee.org/document/8113458/
关键词：机器学习；支持向量机；恒虚警率
