噪声与干扰模型：高斯白噪声、瑞利分布、杂波模型与干扰类型
各位同学，咱们接着聊。上一章我讲了CFAR的基本思想，说白了就是「自适应门限」。但门限怎么设？你得先搞清楚你面对的是什么样的噪声和干扰。这就像打仗，你得先知道敌人长什么样，才能制定战术。
我个人习惯，在讲CFAR算法之前，先把「敌人」的底细摸清楚。今天这一章，咱们就专门聊聊雷达接收机里那些乱七八糟的东西——噪声、杂波、干扰。嗯，这里面的门道不少，我踩过的坑也挺多，慢慢讲给你听。
2.1 高斯白噪声——最基础的背景噪声
先说说最简单的。高斯白噪声，说白了就是接收机内部电子热运动产生的噪声。你想想看，任何电子设备，只要通电，电阻里的电子就在那乱撞，撞来撞去就产生了微弱的电压波动。这就是热噪声。
为什么叫「高斯」？因为它的幅度概率密度函数服从正态分布。为什么叫「白」？因为它的功率谱密度在整个频率范围内是平坦的，像白光一样包含所有频率成分。
数学上，高斯白噪声的幅度分布可以写成：
p(x) = (1 / (σ * √(2π))) * exp(-x² / (2σ²))其中σ是标准差，决定了噪声的强度。我在项目中遇到过一种情况：某次外场测试，雷达探测距离突然变短了。排查了半天，发现是接收机前端的一个放大器老化，噪声系数变大了。说白了就是σ变大了，信噪比下降，目标被噪声淹没了。
关键点：高斯白噪声是CFAR设计中最基本的假设。很多CFAR算法（比如CA-CFAR）就是假设背景噪声是高斯白噪声，且功率均匀。但实际中，这个假设往往不成立——这就是为什么我们需要更复杂的CFAR方法。
2.2 瑞利分布——包络检波后的噪声长什么样
好，问题来了。雷达接收机通常会对中频信号做包络检波（或者叫幅度检波）。检波之后，高斯白噪声的幅度分布就不再是高斯分布了，而是变成了瑞利分布。
为什么会这样？我简单解释一下。高斯白噪声有实部和虚部两个分量，各自独立且服从高斯分布。检波器取的是这两个分量的平方和再开方——也就是幅度。这个幅度，就服从瑞利分布。
瑞利分布的概率密度函数长这样：
p(x) = (x / σ²) * exp(-x² / (2σ²)), x ≥ 0你注意看，瑞利分布只有x≥0的部分，因为幅度不能是负数。而且它的形状是单峰的，峰值在x=σ处。
我记得刚入行时，有个老工程师跟我说：「小X，你记住，瑞利分布的均值是1.253σ，方差是(2-π/2)σ²。」我当时觉得记这些数字有什么用？后来做CFAR门限计算时，发现这些参数直接决定了检测门限的设定。嗯，书到用时方恨少啊。
避坑指南：我曾经在仿真中直接把高斯噪声的方差套用到瑞利分布的CFAR门限计算中，结果虚警率完全不对。后来才意识到，检波后的噪声分布变了，门限系数必须重新推导。记住：检波前用高斯，检波后用瑞利，别搞混了。
2.3 杂波模型——地杂波、海杂波、气象杂波
噪声是接收机内部的，而杂波是外部环境反射回来的「不想要的回波」。说白了，你雷达发射出去的电磁波，打到地面、海面、雨雪上，反射回来的信号就是杂波。
杂波比噪声麻烦得多。为什么？因为杂波的功率往往比噪声大得多，而且它的统计特性不是固定的。我做个比喻：噪声是背景噪音，杂波是有人在旁边大声说话——你得想办法把目标信号从这些「大声说话」中分离出来。
2.3.1 地杂波
地杂波来自地面、建筑物、山丘等固定物体的反射。它的特点是：
- 幅度分布：通常用瑞利分布或对数正态分布描述。平坦地面用瑞利，复杂地形（城市、山区）用对数正态更准。
- 功率谱：地杂波的多普勒频移接近零（因为地面不动），但谱宽取决于风速引起的植被摆动。
- 空间分布：不均匀。城市区域杂波强，空旷区域杂波弱。
我在做某型对地监视雷达时，遇到过地杂波导致虚警率飙升的问题。当时用的是最简单的CA-CFAR，结果在城市上空，门限被强杂波拉高，目标反而漏检了。后来换成了OS-CFAR（有序统计量CFAR），才把问题解决。
2.3.2 海杂波
海杂波是雷达探测海面目标时最大的敌人。它的特性比地杂波更复杂：
| 参数 | 典型值 | 说明 |
|---|---|---|
| 幅度分布 | 韦布尔分布、K分布 | 高海况时拖尾严重，不能用瑞利 |
| 多普勒谱宽 | 几Hz到几十Hz | 取决于海面波浪速度 |
| 时间相关性 | 几十毫秒到几秒 | 海面波浪有记忆效应 |
海杂波最让人头疼的是它的「尖峰」特性。你想想看，海浪在某个时刻恰好形成一个大反射面，回波强度突然飙升，看起来就像个目标。我做过海杂波实测数据分析，有时候尖峰的幅度比目标回波还高，CFAR根本区分不出来。
警告：海杂波环境下，千万不要用CA-CFAR。我吃过这个亏。CA-CFAR假设背景均匀，但海杂波的尖峰破坏了均匀性，导致虚警率失控。建议用OS-CFAR或自适应CFAR。
2.3.3 气象杂波
气象杂波来自雨、雪、冰雹、云层等。它的特点是：
- 幅度分布：通常用瑞利分布（小雨）或对数正态分布（大雨、冰雹）。
- 多普勒特性：雨滴有下落速度，会产生多普勒频移。风速也会带来额外的谱展宽。
- 空间范围大：一片雨区可能覆盖几十公里，杂波区域很大。
气象杂波有个好处——它的多普勒频率和地面目标、空中目标通常不同。所以用MTI（动目标显示）或MTD（动目标检测）可以滤掉大部分气象杂波。但要注意，如果目标速度恰好和雨滴速度相近，那就麻烦了。
2.4 干扰类型——人为制造的麻烦
杂波是自然的，干扰是人为的。干扰分两大类：有源干扰和无源干扰。
2.4.1 有源干扰
有源干扰是敌方故意发射的电磁信号，目的是压制或欺骗你的雷达。常见的有：
- 噪声压制干扰：发射大功率噪声，把目标回波淹没。说白了就是「用噪声盖住你」。
- 欺骗式干扰：发射虚假目标信号，让雷达误判。比如距离欺骗、速度欺骗。
- 转发式干扰：截获雷达信号后放大转发，制造大量假目标。
我参与过某型雷达的抗干扰设计。有一次测试，对方用噪声压制干扰，我们的CFAR门限直接被干扰信号拉高，真实目标全部漏检。后来我们加了脉冲压缩和频率捷变，才勉强扛住。
2.4.2 无源干扰
无源干扰不发射信号，而是改变电磁波的反射特性。典型的就是箔条干扰——飞机撒出一大把金属箔条，形成一大片强反射区域，雷达屏幕上全是假目标。
箔条干扰的统计特性和杂波类似，但它的多普勒谱宽更大（因为箔条随风飘散，速度分布广）。对付箔条，通常用多普勒处理加CFAR的组合策略。
总结一下：噪声是内部的，杂波是自然的，干扰是人为的。CFAR设计时，你得先判断你面对的是哪种背景。均匀高斯噪声用CA-CFAR，非均匀杂波用OS-CFAR，有干扰时可能需要自适应或智能CFAR。没有万能的算法，只有对症下药的设计。
2.5 我的建议
做CFAR设计，第一步不是写代码，而是分析数据。我建议你：
- 拿到实测数据后，先画幅度直方图，看看分布形状。是瑞利？是韦布尔？还是K分布？
- 再画时间序列图，看看背景是否均匀。有没有尖峰？有没有突变？
- 最后再选CFAR算法。数据会告诉你答案。
我曾经犯过一个错误：拿到一个新雷达的数据，想都没想就套用了之前的CA-CFAR代码。结果虚警率比设计值高了10倍。后来一查，数据里有强海杂波尖峰，CA-CFAR根本扛不住。从那以后，我养成了一个习惯——先看数据，再选算法。
好了，这一章就讲到这里。下一章咱们正式进入CFAR算法的核心——各种CFAR检测器的原理和实现。到时候我会带着代码一步步讲，保证你能上手。