发布时间 : 星期三 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）
图2-14展示了非均匀杂波边缘的另一个影响。除了具体的杂波数据不同以外，其他条件和图2-13的一致。一个信噪比为15dB的目标位于第95个距离单元内，距离杂波边缘有5个单元。CFAR处理使用的前后参考窗均由10个单元组成，且待检测单元的每侧还有3个保护单元，从而使全部参考窗的长度达到27个单元。因此，当目标所在单元作为待检测单元时，前参考窗绝大部分由雷子高反射率区域的杂波单元组成，从而抬高了检测该目标时所用门限，导致了漏警。
50454035幅度 /dB 漏警3025201510 20406080100距离单元120140160180200
图2-14 杂波边缘的目标遮蔽
2.5 本章小结
CFAR处理技术是雷达信号检测和处理的主要技术之一，也是雷达实际实现中的关键步骤。本节的处理基于平方律检波器，而基于线性检波器的处理方法和本文基本相同，在这里没有给出详细的论述。正如文中所阐述的那样，单元平均CFAR存在一些缺陷，正是这些缺陷，雷达设计者们通过改进提出了其他的算法处理，这些内容将在下一章中详细的介绍。
- 17 -
哈尔滨工业大学（威海）本科毕业设计（论文）
第3章 单元平均CFAR的改进算法
在CFAR检测中，最典型的是CA ，GOCA和SOCA CFAR 。它们均利用前沿和后沿参考单元中的参考采样的均值形成前沿和后沿局部估计，然后对两个局部估计进行平均或选大或选小或者进行加权平均，以确定检测单元的背景杂波平均功率水平估计，因此被称为均值（Mean Level,ML）类CFAR检测[5]。
本章介绍的审核式恒虚警处理器是其中的一种，由于它排除了一些干扰，其性能方面有一定的提升。也有一些新提出的算法，比如此章要介绍的排序式恒虚警，开关式恒虚警处理器。前者使用排序的方法，来选取噪声功率以期获得误差较小的估计值，这种算法在抗目标干扰上有着很大的优势，但是其牺牲的是时间，因为这种算法需要排序。开关式恒虚警处理器主要针对杂波边缘效应。最后也提出了一种综合的处理方法，它结合了CA CFAR、GOCA CFAR、SOCA CFAR三种算法，整体上体现了三种算法的优势。
3.1 均值类CFAR
在CFAR检测中，最典型的是CA- 、GOCA-和SOCA-CFAR 。它们均利用前沿和后沿参考单元中的参考采样的均值形成前沿和后沿局部估计，然后对两个局部估计进行平均或选大或选小或者进行加权平均，以确定检测单元的背景杂波平均功率水平估计，因此被称为均值（Mean Level,ML）类CFAR检测。
3.1.1 单元平均选小CFAR
一种常见的CFAR改进算法是单元平均选小CFAR恒虚警处理技术（SOCA CFAR）。这种技术被设计用来抑制由图2-12所示参考窗内存在干扰目标的情况下的情况下所引起的目标遮蔽效应。在N个单元的SOCA CFAR处理中，前后参考窗内的数据分别进行平均处理，得到两个独立的干
?2和??2，两次估计均基于N/2个数据单元。然后利扰功率的估计值，记为?12用两个估计值里最小的那个值作为对干扰功率的估计值，可计算得到门限
- 18 -
哈尔滨工业大学（威海）本科毕业设计（论文）
值
?2,??2 （3-1） ?=?min?Tso12??如果干扰目标存在于子参考窗中的一个，则会使那个子参考窗的估计
值增大。因此，两个估计值中最小的那个可能更接近于真实的干扰功率，所以应该使用该值来计算检测门限。
因为干扰功率是从N/2个单元而不是从N个单元中估计得到，所以对应于一定的预设PFA值得门限乘积因子?会增大。我们很容易得出结论，SOCA CFAR 处理的门限因子?so可以直接使用式（2.8）来计算，而仅需要将其中的N变换为N/2即可。然而经过认真的分析，表明所要求的?so应该是以下方程的解：
PFA??SO?2???2??N2??????N2?k??1?N?N??2??1?k????2??SO?? （3-2）
???2????N2?????k?0?k????这个方程需要通过迭代法来解。例如，当PFA=10?3且N=20时，
?so=11.276。作为对比，同样条件下的CA CFAR处理中?=8.25。再次说明，?so对应于基于N/2个单元的干扰功率估计，而?对应于N个单元参与平均的处理。
50454035 幅度 /dB302520151050 20406080100120距离单元140噪声CA-CFRASOCA160180200
图3-1传统CA CFAR和SOCA CFAR
- 19 -
哈尔滨工业大学（威海）本科毕业设计（论文）
图3-1基于仿真数据比较了传统CA CFAR和SOCA CFAR处理过程。该仿真包括两个相邻很近的目标，信噪比分别为15dB和20dB，杂波边缘的跨度为10dB，信噪比为15dB的第3个目标位于杂波边缘附近。同前，所用的前后参考窗均含10个单元（N=20），且待检测单元附近各设3个保护单元。图中所给的理想门限是根据PFA=10?3计算得到的。如前所述，对于CA CFAR来说，其门限乘积因子?=8.25，而SOCA CFAR有?so=11.276。
在这个例子里，CA CFAR处理两个紧邻目标中的弱小目标被淹没了，并且在杂波边缘附近出现了漏警，但其在杂波边缘处也未出现虚警。作为对比，在SOCA CFAR处理中所设的门限使两个紧邻的目标均可以被检测到，这是因为根据CFAR的处理逻辑，包含其他目标的参考窗就被忽略了。类似情况下，SOCA CFAR也检测到了杂波边缘附近的目标，这也是因为逻辑，含有高能量的杂波参考窗，被忽略掉了。
图3-1也给出了SOCA方法的主要缺点。CA CFAR处理在杂波边缘处没有发生虚警，但是SOCA方法发生了虚警。事实上，这是SOCA处理逻辑的自然结果。当CFAR所用的干扰估计数据参考窗划过杂波边缘时，存在一个区域内的待检测单元位于较高的能量干扰区域，同时前后参考窗之一主要甚至全部由低能量的干扰数据组成。SOCA的判断逻辑确保了检测门限的值是基于较低干扰功率参考窗计算得到的，这样就极大地增大了待检测单元的杂波超过门限的概率。
3.1.2 单元平均选大CFAR
对于不大可能出现紧邻目标但杂波严重不均匀的场合，相对于目标遮蔽效应，我们更加关注于杂波边缘的虚警。此时，我们选用单元平均选大CFAR（GOCA CFAR）选择逻辑。如同SOCA 处理，GOCA CFAR也分别对前后参考窗内的数据进行平均处理，但门限由两个估计值中较大值决定，即
?2,??2 （3-3） ???max?TGO12??类似于SOCA处理，GOCA门限乘积因子是以下方程的解：
- 20 -