4、CFAR基本原理：自适应门限、滑窗处理、参考单元与保护单元、CFAR假设检验

各位同学，咱们今天聊点实在的。恒虚警率检测，简称CFAR，这玩意儿说白了就是雷达信号处理里的「自动门神」。你想想看，雷达回波里的噪声可不是一成不变的——海面浪涌、地面杂波、天气干扰，这些背景噪声随时在变。如果用一个固定门限去检测目标，那结果要么是漏警漏到哭，要么是虚警多到系统崩溃。

我个人习惯把CFAR比作「动态调整的安检门」。机场安检的金属探测门，灵敏度会根据人流密度自动调节——人少时调高一点，人多时调低一点，避免误报。CFAR干的就是类似的事：它根据当前背景噪声的强度，实时算出一个自适应门限。嗯，这里要注意，这个门限不是拍脑袋定的，而是有一套严谨的统计理论在背后撑着。

4.1 自适应门限：为什么固定门限不行？

先讲个我踩过的坑。几年前做某型岸基雷达项目，一开始图省事，用了固定门限。结果呢？白天海况好的时候，检测效果还行；一到傍晚起风了，海浪杂波一上来，虚警率直接飙到30%以上。操作员差点没把屏幕砸了。

固定门限的问题在于：它假设噪声是平稳的。但现实中的雷达噪声，尤其是杂波，往往是时变的、非平稳的。你想想看，同一片海域，无风时噪声功率可能是-90dBm，起风时能窜到-70dBm。固定门限要是按-90dBm设，起风时满屏都是假目标；要是按-70dBm设，无风时又漏掉一堆真目标。

自适应门限的思路很简单：用当前数据估计噪声水平，再根据噪声水平动态调整门限。数学上，自适应门限T可以写成：

T = α · P_n

其中P_n是估计出的噪声功率，α是一个缩放因子，由期望的虚警概率P_fa决定。α怎么算？对于高斯噪声，α = (P_fa)^(-1/N) - 1，N是参考单元个数。这个公式我建议你记下来，面试时经常考。

4.2 滑窗处理：CFAR的「移动视角」

自适应门限怎么实现？总不能对整个距离-多普勒图用一个门限吧？那样又回到固定门限的老路上了。实际工程中，我们用的是滑窗处理。

滑窗处理，说白了就是用一个窗口在数据上滑动，每次只处理窗口内的数据。这个窗口通常包含三部分：

• 检测单元（CUT）：窗口正中间的那个单元，我们要判断它里面有没有目标。
• 参考单元：CUT两侧的若干单元，用来估计噪声功率。
• 保护单元：紧挨着CUT的少量单元，防止目标能量泄漏到参考单元里。

我记得第一次做CFAR仿真时，没加保护单元，结果目标稍微有点展宽，就把参考单元的噪声估计值拉高了，门限跟着升高，目标反而被淹没了。嗯，这个坑我替你们踩过了。

滑窗的步长通常设为1个单元，也就是每滑动一次，处理一个CUT。这样做的好处是：每个单元都能得到一个专属的自适应门限。你想想看，如果目标在50公里处，背景是平静海面；目标在55公里处，背景是城市杂波——这两个位置的门限肯定不一样。滑窗处理正好能捕捉这种局部变化。

4.3 参考单元与保护单元：CFAR的「左右护法」

参考单元和保护单元，是CFAR设计中两个最容易出问题的环节。咱们一个一个说。

4.3.1 参考单元：噪声估计的「采样池」

参考单元的作用，就是提供一个纯净的噪声样本集。理想情况下，这些单元里只有噪声，没有目标信号。然后我们用这些样本估计噪声功率，常用的估计方法有：

• 单元平均（CA-CFAR）：取所有参考单元的均值。这是最经典的方法，适合均匀噪声环境。
• 单元平均取大（GO-CFAR）：分别计算左右两侧参考单元的均值，取较大的那个。适合杂波边缘场景，比如海陆交界处。
• 单元平均取小（SO-CFAR）：取左右两侧均值中较小的那个。适合多目标场景，防止目标互相干扰。
• 有序统计量（OS-CFAR）：对参考单元排序，取第k个值。抗干扰能力最强，但计算量大。

我曾经在一个多目标场景中用过CA-CFAR，结果两个目标靠得太近，其中一个被另一个的旁瓣「污染」了参考单元，导致门限升高，弱目标被漏掉。后来换成OS-CFAR，问题就解决了。所以你看，没有万能的CFAR，只有适合场景的CFAR。

4.3.2 保护单元：防止「自残」的缓冲区

保护单元的作用，我打个比方你就明白了。假设你站在一个拥挤的派对上，想测量周围的背景噪音。如果你把紧挨着你的人也算进去，那测出来的就不是背景噪音了，而是你身边那个大嗓门朋友的声音。保护单元就是把你和「大嗓门朋友」隔开的那几个位置。

在雷达里，目标信号往往不是严格落在一个单元里的。由于脉冲展宽、多普勒展宽等因素，目标能量会泄漏到相邻单元。如果不设保护单元，这些泄漏能量就会混入参考单元，把噪声估计值拉高，导致门限升高，最终可能漏掉目标本身。

保护单元的数量怎么定？一般取2到4个。太少，保护效果不够；太多，参考单元数量减少，噪声估计精度下降。我建议：如果雷达距离分辨率高（比如1米级），目标展宽小，取2个保护单元就够了；如果分辨率低（比如10米级），目标展宽大，取4个。

4.4 CFAR假设检验：从「有没有目标」到「有多大概率」

CFAR的数学本质，其实是一个假设检验问题。我们设两个假设：

• H0（无目标）：检测单元里只有噪声。
• H1（有目标）：检测单元里有目标信号+噪声。

然后我们根据参考单元估计出的噪声功率，算出一个门限T。如果检测单元的功率x > T，就判为H1（有目标）；否则判为H0（无目标）。

这里的关键是：门限T要保证在H0成立时，判为H1的概率（即虚警概率）等于我们预设的P_fa。这就是「恒虚警率」这个名字的由来——不管噪声功率怎么变，虚警概率始终恒定。

数学上，对于CA-CFAR，虚警概率P_fa和门限因子α的关系是：

P_fa = (1 + α)^(-N)

其中N是参考单元总数。反过来，给定P_fa，我们可以算出α：

α = (P_fa)^(-1/N) - 1

举个例子：假设N=24，要求P_fa=10^-6，那么α = (10^-6)^(-1/24) - 1 ≈ 0.78。也就是说，门限T = 0.78 × 噪声功率估计值。如果检测单元的功率比噪声功率高78%以上，就判为目标。

最后说一句，CFAR假设检验有一个隐含前提：参考单元里的噪声和检测单元里的噪声是同分布的。如果这个前提不成立（比如参考单元里混入了目标信号），那CFAR的性能就会下降。这就是为什么保护单元和参考单元的选择如此重要——它们直接决定了假设检验的前提是否成立。

好了，这一章的内容就到这里。下一章咱们聊聊各种CFAR变体的优缺点，以及在实际项目中怎么选型。到时候我会分享一些具体的工程案例，包括我当年在舰载雷达上踩过的那些坑。