雷达杂波抑制关键技术研究
摘要：针对防空系统雷达强杂波背景下雷达弱小目标检测问题，在分析传统杂
波抑制存在的问题的基础上，梳理了杂波图CFAR检测、检测跟踪联合处理、智
能杂波抑制等关键技术，并简要分析其原理及技术途径，并对雷达杂波抑制技术
发展趋势进行分析。

关键词：强杂波；CFAR；目标检测
1 引言
基于雷达信息的探测感知是现代信息化战争中武器装备的核心关键能力，随着低空突防、隐身突防、电磁干扰手段的普遍使用，造成雷达探测感知能力的急剧下降，进而导致防空武
器系统的作战效能严重下降。

雷达通过向目标辐射电磁波，然后接收从目标反射回来的电磁
波信号，再通过先进的信号处理技术，将有用目标信号从杂波和干扰中提取处理，进而完成
目标检测、位置估计、分类识别等功能。

巡航导弹等低空目标可通过超低空自主飞行，利用
地球曲率限制或复杂的地理环境实施攻击，雷达对其进行探测时，面临严重的地海杂波问题，为保证武器系统对低空目标的有效作战能力，必须解决强杂波背景下低小慢目标探测问题。

2 强杂波背景下目标检测面临的问题
当前，雷达探测面临复杂的地理环境，导引头下视探测以及地基雷达低空或下视探测时
不可避免会受到地理环境的制约以及地海杂波干扰。

这些背景杂波强度大，按照实际的测量
可得，幅度最强的地杂波可比系统内部的噪声大70 dB 以上。

另外由于地貌变换（如山区）、地表反射特性变化、离散强杂波点等使得杂波出现严重的非均匀/非平稳现象等，给杂波抑制等来严重挑战。

雷达杂波抑制技术经多年发展，目前常用的处理方法主要包括MTI、MTD、PD、STAP及
相应的改进设计等，同时也提出了多种目标检测方法，包括CA-CFAR、GO-CFAR、SO-CFAR、OS-CFAR等。

然而，由于当前雷达系统处理中环境的认知有限，杂波抑制滤波器的选择和设
计缺乏针对性，目标检测处理仍主要采取针对均匀平稳杂波的方法，多数情况下不满足实际
情况，使得杂波剩余较强，目标检测困难。

3 杂波抑制主要关键技术
3.1 杂波图CFAR检测技术
利用恒虚警检测[1]方法，对杂波背景功率的估计大致有两类，一类是空域检测技术，也
称为距离恒虚警检测技术，它将邻近参考单元处理器的输出均值作为检测门限的背景值，主
要应用在杂波分布比较均匀的雷达杂波背景中。

另一类是时域检测技术，即杂波图CFAR 检
测技术[2]，它是依据前面若干次天线扫描的值得到的杂波背景功率来对检测单元进行检测，
在均匀或者非均匀的雷达杂波背景中都可以稳定工作。

通常，杂波强度在方位/距离上有剧烈的变化，在同一距离单元随时间变化相对平缓，空域检测中的恒虚警检测方法仅能通过减小
参考单元的个数，来减小虚警率的损失，这样却会导致虚警率无法保持恒定。

因此，为了改
善目标的检测性能，必须找到更好的检测方法。

杂波图CFAR 检测方法恰好可以解决这个问题，其存储在每个检测单元的估计值，是依据当前及以前的多次扫描值，然后利用一定的递
归算法进行更新的。

海杂波的统计特性与地杂波和气象杂波不同，与雷达重复周期相比，海
浪的起伏比较平缓，因此海杂波在邻近的脉冲间有较强的相关性，进行脉间积累检测时，性
能并不理想。

在空域中，海杂波的统计特性变化非常剧烈，而在时域中，变化相对平缓。

因此，可以利用杂波图CFAR 检测方法来改善目标的检测性能。

杂波图一般根据距离单元/方位的方式进行建立，可分为静态杂波图与动态杂波图两大类。

静态杂波图是在雷达建站时就建立起的雷达探测区域的幅度杂波图，其杂波数据可以存储在
可擦除可编程的只读存储器中，雷达运行时，杂波图的信息不随天线的扫描而发生变化，可
用来形成接收机增益控制图和杂波轮廓图。

而动态杂波图可随着雷达天线的扫描，自动将杂
波信息实时更新，可形成实时杂波区轮廓图，也可用于形成杂波图CFAR检测门限，还可将
杂波强度数据存入静态杂波图的存储空间可以自动形成静态杂波图。

3.2 检测跟踪联合处理技术
与传统检测后跟踪技术（Detect-Before-Track，DBT）[3]不同的是检测前跟踪（Track-Before-Detect，TBD）[4]不再对单帧的数据进行检测或者说是用一个比较低的门限，在目标
的跟踪阶段使用的是雷达的原始目标回波数据，这些原始目标回波数据中包含不但有目标的
幅度信息还有相位信息。

因为不像检测后跟踪那样直接对单帧的雷达回波数据进行过门限检
测和多帧结果的关联处理，检测前跟踪技术通过对多帧雷达数据的联合处理来完成目标的能
量积累，之后对积累之后的结果进行检测和判断，同时报出目标的航迹信息。

图 TBD处理流程框图
3.3 智能杂波抑制技术
智能杂波抑制技术，即基于人工智能理论，通过不断的知识积累和学习，形成杂波环境
的先验知识，结合先进的数字阵列雷达多波束灵活发射技术，提高对杂波的抑制性能和复杂
杂波环境下的动目标检测性能。

其主要工作过程为：雷达先发射信息到环境中，进而学习并
与环境产生信息交互，结合其它传感器或是从自身回波中得到先验信息和推理过程，在先验
信息已知的前提下，雷达系统进行发射和接收优化设计实现杂波抑制[5]。

其中雷达先验信息
主要包括：一是雷达杂波及目标回波特性，依赖杂波模型精确建立及操作人员战前实地采集，然后构建数据库；二是雷达配置、发射波形、极化特性、地理环境等信息。

该技术具有知识辅助信号处理和发射自适应处理两大特征，主要技术途径包括环境感知
和参数化表征技术、杂波滤除技术、波形最优化技术、杂波环境下雷达自适应目标检测和跟
踪技术等。

4 结论
强杂波背景下，目标检测的关键是对强杂波进行有效抑制，传统的MTI、MTD、PD、CFAR等方法杂波抑制能力有限，已经难以满足低空及下视雷达对强地海杂波背景下弱小目标的检测。

针对这一问题，研究人员提出了同时也提出了杂波图CFAR检测技术、检测跟踪联
合处理技术、智能杂波抑制技术等多种方法，可有效提升强杂波抑制能力。

随着人工智能及
雷达技术的快速发展，智能杂波抑制技术将大大提升雷达在强杂波背景下的目标检测能力，
将成为未来雷达杂波抑制的重要手段。

参考文献：
[1]赵树杰. 信号检测与估计理论[M]. 北京：电子工业出版社，2013.
[2]宋俊福. 基于杂波图和变换域的恒虚警率处理[D]. 大连海事大学，2013.
[3]何友，修建娟，张晶炜，等. 雷达数据处理及应用[M]. 北京：电子工业出版社，2006，1-267.
[4]C. Yang，L. Kong，X. Yang. A modified DPA for weak target detection via HPRF Radar[C]. 2011 IEEE CIE international Conterence on Radar，Piscataway，UK，2011，1737-1740.
[5]Gini F，Rangaswamy M. Knowledge based radar detection，tracking and classification[M]. John Wiley & Sons，2008.。