摘要雷达恒虚警技术，是雷达设计的关键技术之一。

本论文主要研究了各种恒虚警处理器在多种检测场景的性能分析以及对比。

根据高斯白噪声通过平方律检测器为指数分布的信号模型，仿真产生了目标遮蔽场景，杂波边缘场景。

通过单元平均恒虚警的算法，分析了单元平均恒虚警处理器在上述场景中的性能，研究了一些改进的处理器算法。

针对目标遮蔽效应，设计了单元平均选小恒虚警处理（SOCA CFAR）、审核式恒虚警处理器（Audit CFAR）、排序式恒虚警处理器（OS CFAR）。

针对杂波边缘效应，分别研究了单元平均选大恒虚警处理器（GOCA CFAR）、开关式恒虚警处理器（Switching CFAR）。

完成了算法编程及其评估。

验证了恒虚警算法的有效性和正确性。

研究了一种综合的处理方法VI CFAR处理器，完成了其在杂波边缘场景和目标遮蔽场景和其他处理器的对比分析，验证了这种处理的优点。

关键词恒虚警；检测场景；杂波边缘效应；目标遮蔽效应；单元平均；恒虚警处理器AbstractRadar CFAR technique, is one of the key technology of radar design.This paper mainly studies the various kinds of CFAR processors performance analysis and comparison of detecting scene. Under Gaussian white noise through the square-law detector for signals of the exponential distribution model, and obscured targets the simulation scene, clutter edge scene.Through cell average CFAR algorithms, analysis of cell average CFAR processor performance in the scene above, research a number of improved algorithm for processor. Targeting the shadowing effect, designed the average small selection CFAR processing unit (SOCA CFAR), audit-CFAR processor (Audit CFAR), sort-CFAR processor (OS CFAR). Edge effect for clutter, has studied cell average CFAR processor selection (GOCA CFAR), switch-CFAR processor (Switching CFAR). Completed algorithm programming and its evaluation.Verify the validity and correctness of the CFAR algorithm.Key words Detection of scene Clutter edge effects Target shadowing effects Cell averaging CFAR processor目录摘要 (I)Abstract................................................................................................................ I I第1章绪论 (5)1.1 课题背景 (5)1.2 课题来源、目的和意义 (5)1.3 主要研究内容 (6)1.3.1 均值类CFAR处理算法 (6)1.3.2 有序统计量类CFAR处理算法 (7)1.3.3 删除单元平均的CFAR处理算法 (7)1.4 本文结构 (7)第2章单元平均CFAR (8)2.1 单元平均CFAR的检测场景 (8)2.2 单元平均CFAR的概念 (10)2.2.1 单元平均CFARM门限的推导 (10)2.2.2 单元平均CFAR分析 (12)2.3 恒虚警损失 (13)2.4 单元平均CFAR的局限 (15)2.4.1 目标遮蔽效应 (15)2.4.2 自遮蔽效应 (18)2.4.3 杂波边缘效应 (20)2.5 本章小结 (21)第3章单元平均CFAR的改进算法 (22)3.1 均值类CFAR (22)3.1.1 单元平均选小CFAR (22)3.1.2 单元平均选大CFAR (24)3.1.3 开关式CFAR (26)3.2 有序统计类CFAR (28)3.2.1 排序式CFAR (28)3.2.2 审核式CFAR (31)3.3 一种综合的CFAR (32)3.3.1 VI CFAR原理介绍 (32)3.4 本章小结 (35)第4章CFAR的性能对比 (37)4.1 恒虚警率验证 (37)4.2 目标遮蔽效应下的性能对比分析 (37)4.3 杂波边缘效应下的性能对比分析 (40)4.4 本章小结 (43)结论 (44)致谢 (45)参考文献 (46)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，810-和610-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810-，则平均每50秒仅发生一次虚警。

若虚警率上升到610-，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-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。