對于一個(gè)純凈背景中的目標(biāo)檢測而言桐臊，通過與固定的權(quán)值進(jìn)行對比虐秦，回波信號中的目標(biāo)很容易被檢測到。然而實(shí)際場景中卻不是如此理想碗短，其背景中充斥著各種雜波以及干擾受葛，通常背景中的雜波或干擾甚至?xí)S時(shí)間和位置的改變而發(fā)生變化。因此，根據(jù)雜波環(huán)境的不同总滩，實(shí)際檢測中需要一種自適應(yīng)的目標(biāo)檢測處理纲堵，即恒虛警概率（Constant False Alarm Rate,CFAR）。
關(guān)于雜波環(huán)境的獲取闰渔，需要對檢測單元周圍的其他單元席函，即位于一定窗范圍內(nèi)的單元進(jìn)行分析，以便得到當(dāng)前的雜波環(huán)境冈涧。
實(shí)際中茂附，雜波環(huán)境中可能具有多個(gè)來源。從當(dāng)前狀態(tài)中提升目標(biāo)檢測以及雜波抑制的性能需要一點(diǎn)一點(diǎn)的將影響的因素剝離開來督弓，羅馬不是一天建成的营曼，從雜波環(huán)境中檢測到目標(biāo)也不是一下就可以達(dá)到最佳效果的。最終可能會(huì)是對不同雜波區(qū)域內(nèi)的雜波種類性質(zhì)的討論愚隧，以及大小蒂阱，邊界，功率和頻譜特征等狂塘。而不是在信號處理的早期階段就嘗試對其進(jìn)行忽略录煤。因此，為了將目標(biāo)從雜波中提取出睹耐，非常有用的一點(diǎn)是在整個(gè)觀測平面上對雜波場景進(jìn)行觀測辐赞。
如何進(jìn)行觀測，常用的方法有單元平均CFAR硝训，有序統(tǒng)計(jì)CFAR响委，以及其他改進(jìn)方法等。這里主要對這兩種方法進(jìn)行介紹窖梁。
- 單元平均 CFAR
如下所示赘风，對于圖中的待檢測單元的單元平均CFAR，利用待檢測單元周圍的臨近參考單元的功率平均估計(jì)出待檢測單元周圍的雜波環(huán)境的功率情況纵刘。
設(shè)這個(gè)待檢測單元周圍參考單元的平均功率為β2,可以表示為
則要求的門限就為估計(jì)得到的雜波功率乘以一個(gè)系數(shù)α,即
其中邀窃，對于給定的虛警概率，所需的系數(shù)因子α為
因此假哎，單元平均的方法就是通過對待測單元周圍的參考單元的雜波功率水平進(jìn)行估計(jì)瞬捕，然后計(jì)算出門限值進(jìn)行檢測。之所以要在待測單元的兩側(cè)定義一定長度的保護(hù)單元舵抹，是為了防止目標(biāo)過大導(dǎo)致數(shù)據(jù)泄露肪虎，影響到門限值的計(jì)算。
對于單元平均CFAR惧蛹，當(dāng)存在兩個(gè)或者多個(gè)目標(biāo)時(shí)扇救，若其中一個(gè)為待測單元刑枝，另一個(gè)位于參考單元內(nèi)，此時(shí)會(huì)出現(xiàn)目標(biāo)遮蔽現(xiàn)象迅腔。由于其他目標(biāo)位于參考窗內(nèi)装畅，此時(shí)得到的雜波功率估計(jì)值就會(huì)被提高，CFAR的門限因此會(huì)被抬升沧烈，從而產(chǎn)生遮蔽現(xiàn)象掠兄。
下面給出的例子中，設(shè)置雜波功率為20dB,分別在第51個(gè)58位置上設(shè)置了目標(biāo)掺出，利用單元平均CFAR可以發(fā)現(xiàn)徽千，最后檢測出的結(jié)果中，第51個(gè)目標(biāo)由于受到相鄰強(qiáng)目標(biāo)的遮蔽汤锨，位于檢測門限之下，并未被檢測出百框。
- 有序統(tǒng)計(jì)CFAR
對于有序統(tǒng)計(jì)CFAR闲礼，則是根據(jù)所選樣本的排序后的處理，其中我們選擇了排序后第0.75N位置上的值作為估計(jì)值铐维，即
由于此時(shí)的檢測門限是由檢測單元周圍鄰近單元進(jìn)行排序后得到的柬泽，因此這樣的方法被稱為有序統(tǒng)計(jì)類CFAR。
同樣的嫁蛇，利用前面的例子锨并，此時(shí)采用有序統(tǒng)計(jì)CFAR，得到的結(jié)果為
可以發(fā)現(xiàn)睬棚，此時(shí)對于前述的目標(biāo)遮蔽效應(yīng)造成的性能惡化有了改善第煮，位于第51，58位置上的目標(biāo)都能被檢測到抑党。
這里主要對單元平均和有序統(tǒng)計(jì)CFAR進(jìn)行介紹包警，對于Automotive radar信號處理中的目標(biāo)檢測，通常是在2D-Map上進(jìn)行的底靠，也就是說采用的CFAR是2D的害晦，在距離維和多普勒維上的CFAR處理，只需要將一維的方法擴(kuò)展到二維暑中。另外壹瘟，二維的CFAR處理采用的方法也可以是單元平均和有序統(tǒng)計(jì)CFAR的結(jié)合，或者是相應(yīng)算法的改進(jìn)鳄逾。
推薦文章
[1] H Rohling 稻轨，Radar CFAR Thresholding in Clutter and Multiple Target Situations.
如果需要文章，可以在后臺回復(fù)CFAR獲取严衬。
題圖：Joao Jesus,from Pexels.
