CFAR

论文随笔-利用深度学习进行恒虚警检测引言之前已经提及，常用的CFAR一共有四种方法，但是都有一定的限制，CA-CFAR[1] 利用参考单元功率的算术平均值作为噪声水平估计值。它的一个变种，即单元平均恒定虚警率（GOCA-CFAR）[2]，可以提高原始方案的虚警率。虽然这两种方案在同质场景中表现良好，但在多目标场景中，它们的性能会因错误的噪声水平估计而下降。为了提高多目标场景下的性能，有人提出了最小单元平均 CFAR（SOCA-CFAR）[3]。然而，它在密集多目标场景中并不能显著提高性能。有序统计 CFAR（OS-CFAR）[4] 可以处理这类问题，但它带来了显著的计算复杂性. 一、复习1.RDM的获取以 FMCW 雷达为例，发射一个由 M 个啁啾（啁啾是频率随时间线性增加的正弦波）组成的帧，然后以逐个啁啾的方式将发射和接收的啁啾混合成 M 个中频（IF）信号。然后，我们在每个啁啾信号中提取 N 个中频信号样本，并使用预定的采样周期。如图所示，CCM...

一、内容复习CFAR检测算法属于信号检测中的自动检测算法，在雷达信号处理中主要应用的有三种，即CA-CFAR、SO-CFAR、GO-CFAR，这三种也是初学者最常采用的算法，要求每一个雷达工程师必须掌握其基本原理，如表所示，其中OS-CFAR一般不常用。 CFAR 类型 参考电平 Z 适用场合 缺点 CA-CFAR (X+Y)/2 均匀杂波背景 在杂波边缘会引起虚警率的上升；多目标环境中的检测性能较差。 SO-CFAR min{X, Y} 在干扰目标位于前沿或后沿滑窗之一的多目标环境中能分辨出主目标。 杂波边缘和均匀杂波环境中的检测性能较差。 GO-CFAR max{X, Y} 在杂波边缘和均匀杂波环境能保持较好的检测性能。 多目标环境中的检测性能较差。 OS-CFAR (ascend_sort{X, Y}) 多目标检测性能较好。 依赖于参考窗内的所有样本数据，且 k 的取值直接决定了检测结果的优劣。 一维CFAR检测流程图如下所示 二、距离多普勒矩阵（Range-Doppler...

一、概述雷达的检测过程可用门限检测来描述。几乎所有的判断都是以接收机的输出与某个门限电平的比较为基础的，如果接收机输出的包络超过了某一设置门限，就认为出现了目标。雷达在探测时会受到噪声、杂波和干扰的影响，因而采用固定门限进行目标检测时会产生一定的虚警，特别是当杂波背景起伏变化时虚警率会急剧上升，严重影响雷达的检测性能。因此，根据雷达杂波数据动态调整检测门限，在虚警概率保持不变的情况下实现目标检测概率最大化，这种方法称为恒虚警率（Constant False Alarm Rate，CFAR）检测技术。 虚警：在没有目标时判断为有目标（没有->有） 漏警：在有目标时判断为没有目标（有->没有） 二、CFAR检测算法1.基本原理在实际工作过程中，将信号与阈值进行比较来判断信号的有无，这个阈值的计算就用到了检测概率和虚警概率、漏警概率。对于声纳系统的来说，阈值的选择目的在于保证最大化的检测概率以及虚警概率小于一定的量级。 在CFAR中，检测需要一个指定的距离单元，常被成为被，称为检测单元(CUT, cell under...