In this article, the concept of quantile is introduced and elaborately related to the truncation depth, based on which quantile truncated statistics (QTS) is put forward. The QTS gives a reasonable explanation of truncation depth and makes the selection of truncation depth well-founded and controllable. In addition, maximum likelihood (ML) estimation based on QTS (QTS-MLE) for the probability density function (pdf) parameters is derived. We start the analysis from Weibull background assuming that the shape parameter is known, and then extend it to the case where the shape parameter is unknown. By analyzing the variance and mean square error (MSE) of the estimated parameters in Weibull background, it is found that QTS-MLE has better estimation performance than the MLE based on TS (TS-MLE). On this basis, the constant false alarm rate (CFAR) detector based on QTS-MLE, i.e., QTS-CFAR, is proposed. The analytic expressions of the false alarm rate and detection probability of QTS-CFAR are derived under the Weibull background with known shape parameter. The full CFAR characteristics of TS- and QTS-CFAR detectors in Weibull background with unknown shape parameter are proved by an invariant theory. Monte Carlo simulations show that the QTS-CFAR detector has better antiinterference performance and false alarm control ability in multiple-target environment. Furthermore, the superiority of QTS-CFAR detector is verified by the real data collected by skywave over-the-horizon radar (OTHR). Finally, we present the expression of QTS-MLE for the scale parameter in the Gamma background.

中文翻译：

---

基于分位数截断统计的鲁棒滑动窗口恒虚警检测

本文介绍了分位数的概念，并详细介绍了截断深度，并在此基础上提出了分位数截断统计（QTS）。QTS对截断深度给出了合理的解释，使得截断深度的选择有充分的依据和可控性。此外，导出了基于 QTS (QTS-MLE) 的概率密度函数 (pdf) 参数的最大似然 (ML) 估计。我们假设形状参数已知，从 Weibull 背景开始分析，然后将其扩展到形状参数未知的情况。通过分析Weibull背景下估计参数的方差和均方误差（MSE），发现QTS-MLE比基于TS的MLE（TS-MLE）具有更好的估计性能。以这个为基础，提出了基于QTS-MLE的恒虚警率（CFAR）检测器，即QTS-CFAR。在已知形状参数的 Weibull 背景下，推导出了 QTS-CFAR 的误报率和检测概率的解析表达式。TS-和QTS-CFAR探测器在形状参数未知的Weibull背景下的完整CFAR特性由不变理论证明。蒙特卡罗模拟表明，QTS-CFAR检测器在多目标环境下具有较好的抗干扰性能和虚警控制能力。此外，天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。在已知形状参数的 Weibull 背景下，推导出了 QTS-CFAR 的误报率和检测概率的解析表达式。TS-和QTS-CFAR探测器在形状参数未知的Weibull背景下的完整CFAR特性由不变理论证明。蒙特卡罗模拟表明，QTS-CFAR检测器在多目标环境下具有较好的抗干扰性能和虚警控制能力。此外，天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。在已知形状参数的 Weibull 背景下，推导出了 QTS-CFAR 的误报率和检测概率的解析表达式。TS-和QTS-CFAR探测器在形状参数未知的Weibull背景下的完整CFAR特性由不变理论证明。蒙特卡罗模拟表明，QTS-CFAR检测器在多目标环境下具有较好的抗干扰性能和虚警控制能力。此外，天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。TS-和QTS-CFAR探测器在形状参数未知的Weibull背景下的完整CFAR特性由不变理论证明。蒙特卡罗模拟表明，QTS-CFAR检测器在多目标环境下具有较好的抗干扰性能和虚警控制能力。此外，天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。TS-和QTS-CFAR探测器在形状参数未知的Weibull背景下的完整CFAR特性由不变理论证明。蒙特卡罗模拟表明，QTS-CFAR检测器在多目标环境下具有较好的抗干扰性能和虚警控制能力。此外，天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。天波超视距雷达（OTHR）采集的真实数据验证了QTS-CFAR探测器的优越性。最后，我们给出了 Gamma 背景中尺度参数的 QTS-MLE 表达式。