发布时间 : 星期一 文章CFAR更新完毕开始阅读b690ed08bed5b9f3f90f1c97
哈尔滨工业大学（威海）本科毕业设计（论文）
第1章 绪论
1.1 课题背景
雷达要探测的目标的周围经常存在着各种背景，例如各种地形，云雨，海浪及敌人施放的金属丝干扰等。这些背景所产生的回波称为杂波。当杂波和目标回波在雷达显示器上同时显示时，会使目标的观察变得很困难。如果目标处在杂波背景内，我们制定的检测门限若定的偏高就会使弱的目标湮没在强杂波中，形成漏警；但是若门限偏低就会使强杂波误报成为目标信号，形成虚警。因此，无论从抗干扰或改善雷达工作质量的观点来看，在一定的虚警概率下使发现概率尽可能的大都是一个很重要的问题。
早期的雷达系统是把所有得到的视频信息直接送到显示器，将杂波和噪声以及回波信号的幅度变化同时显示出来，对目标的检测能力由操作手对显示器的监视决定。现代雷达系统已经能够完成自动检测与跟踪。在不考虑人为的干预情况下，把统计决策理论应用到目标检测问题中便形成了了雷达自动检测理论。在雷达自动检测系统中需要提供一个检测阀值，再根据判决准则做出目标是否存在的判决。在非平稳杂波中，对于固定阀值检测，如果杂波平均功率水平增加几分贝，虚警概率将急剧增加，以至于显示器画面饱和或数据处理设备过载。这时即使信噪比很大，也不能做出正确的判决.因此在强干扰中提取信号，不仅要求有一定的信噪比，而且要求检测器具有恒虚警性能。
1.2 课题来源、目的和意义
雷达的工作区域随着作战的环境的变化而变换。然而，在每天的运作过程中，接收机噪声电平会随着环境温度变换和远见的老化而变化，如果可能的话，我们可以通过温度补偿和周期性的校准来解决这个问题。如果整体干扰主要由外部源引入的，则噪声波动会更加剧烈。对于超低噪声雷达系统，噪声功率的一个重要部分是宇宙噪声，因此在这种情况下，接收机的噪声水平是随着雷达波束视角和天时的不同而变化。对于传统雷达系统，带内的电磁干扰（EMI）会影响干扰功率的大小。例如，UHF波段的雷达会被电视信号影响，而特定的无线通信服务也会与更高波段的雷达信
- 1 -
哈尔滨工业大学（威海）本科毕业设计（论文）
号发生竞争，尤其是在城市地区。如果地杂波是决定性的干扰来源，则噪声电平会随着波束观察地区的地形，甚至是天气和季节，而发现明显的变化。例如，开阔的沙漠地表的反射率相对较低，而结冰的雪地却具有很高的反射率系数。最后需要说明的是，主要干扰也可能来自于敌方故意释放的针对性电磁干扰（认为干扰），这种情况的干扰功率可能会很大。在上述人一种情况下，实际的虚警概率都会偏离预期值[4]。
从雷达系统的观点来看，这绝对不是我们所希望看到的。当干扰功率增加时，虚警数也会增大，可能成数量级地增加。看起来，10?8和10?6的虚警概率的差别似乎并不明显，但是我们来看一个具体的例子，假设雷达系统的脉冲重复频率PRF为10 kHz，待检测距离单元为200个。如果每个距离单元均进行自动检测，则系统每秒钟需要进行2百万次检测判决。若虚警率为10?8，则平均每50秒仅发生一次虚警。若虚警率上升到10?6，则雷达系统平均每秒将会产生两次虚警。
上述虚警的增加所产生的后果到底有多严重，决定于虚警的发生会对整个雷达系统产生怎样的影响。可能会使雷达或者信号处理机需要增加额外的系统资源来确认或是拒绝这次虚警，也可能使得雷达开启不必要的跟踪程序，或者使得操作员显示器的显示杂波增加，最极端的情况使得雷达引导武器进行攻击。
为了获得可预知且稳定的检测性能雷达设计师通常倾向于设计雷达具有恒定的虚警概率。为了达到这个目的，实际干扰噪声功率电平必须实时地从数据中进行估计，从而相应的调整雷达的检测门限以获取期望的虚警概率Pfa。可以保持恒定虚警概率的检波处理器被称为恒虚警（CFAR）处理器。
1.3 主要研究内容
1.3.1 均值类CFAR处理算法
均值类[3]CFAR处理算法是在局部估计中采用了取均值的方法。最早的的均值类CFAR方法是单元平均CA(cell averaging)方法，后来为改善非均匀杂波背景中的检测性能,又先后出现了最大选择GO(greatest of)、最小选择SO(smallest of)和杂波在单元平均CA- CFAR检测器中，R=2n个参考单元采样的均值作为背景杂波功率水平估计；在最大选择GO- CFAR检测器中，取两个局部估计的较大值作为总的杂波功率水平估计；在最小选择SO-
- 2 -
哈尔滨工业大学（威海）本科毕业设计（论文）
CFAR检测器中，取两个局部估计的较小值作为总的杂波功率水平估计。
1.3.2 有序统计量类CFAR处理算法
有序统计量OS(order statistics)方法源于数字图像处理的排序处理技术，它在抗干扰方面作用显著。在多目标环境中，它相对于均值类CFAR处理算法具有较好的抗干扰目标的能力,同时在均匀杂波背景和杂波边缘环境中的性能下降也适度的、可以接受的。有序统计量类CFAR处理算法首先对参考采样值作排序处理: x(1) ≤x(2) ≤…≤x(R),然后取第k个采样值x(k)作为总的背景杂波功率水平估计Z，即Z=x(k) 。有序统计量CFAR处理算法的关键是k值的选取,在均匀杂波背景和均匀目标视频的情况下，选取适当的k值，可以达到较满意的检测性能。
1.3.3 删除单元平均的CFAR处理算法
在前面提到的均值类检测算法和有序统计量检测算法中，如果在检测滑窗中出现较多的干扰目标回波时，检测阀值将随之升高，目标的检测性能将随之下降，特别是对小信号目标的检测性能将严重恶化。为了得到杂波背景的均匀功率水平估计，可以采用删除单元平均的检测算法。删除单元平均的CFAR处理算法将干扰目标从参考单元序列中排除出去，然后基于删除后的采样序列重新计算阀值。
删除单元均值的CFAR检测算法能有效地抑制多干扰目标带来的检测损失，特别是在目标密集的环境中，具有更显著的检测性能。
1.4 本文结构
本文主要内容如下：
第2章中，主要介绍了检测场景的产生、单元平均恒虚警技术以及其缺陷。
第3章中，主要介绍均值类恒虚警处理器：SOCA、GOCA、审核式；排序式、开关式等一系列算法以及一种综合的处理方法VI CFAR。
第4章中，对以上几种恒虚警处理器进行系统的对比分析。
- 3 -
哈尔滨工业大学（威海）本科毕业设计（论文）
第2章 单元平均CFAR
单元平均（CA）CFAR处理器是一种简单实用的算法。介绍了检测场景的产生过程，同时引出了单元平均算法的两个缺陷：目标遮蔽效应和杂波边缘效应。针对这两个缺陷，讨论了他们对恒虚警检测的影响。
2.1 单元平均CFAR的检测场景
一般的雷达检波处理器[2]如图2.1所示，这类检波器用于具有距离多普普勒处理能力雷达系统，而其他系统在进行检测判决时仅考虑距离单元的一维信息。当然，可能有的系统基于获得的雷达图像进行判决处理，此时各个单元在雷达二维图像中表现为像素。
复杂距离 多普勒具体单元
检测器
二维多普勒-距
离
判断目标有无
图2-1 一般雷达检波处理器功能示意图
无论数据是怎么样的形式，检波处理器通过对每个获得的数据采样进行检测来判断目标的有无。如图2-1所示，用xi表示待检测的当前单元，该单元将同由干扰电平决定的门限进行比较.如果待检测单元中的采样值大于门限，则检波处理器判决在对应的距离和速度单元内存在目标。接下去检测下一个单元，知道所有的感兴趣的单元检测完毕。
我们假设雷达接收机噪声和背景杂波是高斯分布，则经过平方律检波后参考单元服从指数分布。在均匀背景中，我们假设参考单元采样是统计独立的，且具有相同的分布，其概率密度函数为
pxi?xi??1?2e?xi?2 （2-1）
- 4 -