龙源期刊网 http://www.qikan.com.cn
海杂波背景下的目标检测算法
作者：潘一舟
来源：《电脑知识与技术》2016年第29期
摘要：雷达技术一直在民用与军用的各领域扮演着非常重要的角色。在远洋航行的方面，由于海上环境较为复杂，天气等自然因素影响较多，为了保证船只的安全，将雷达技术应用到航行安全保障上面也就顺理成章。
雷达主要通过对目标的检测来判断是否有危险，但正因为各种噪音干扰的存在，雷达的判断不可能始终准确，因而如何减少由于干扰引起的错误判断，对雷达性能的提高就尤为重要。恒虚警率检测是在雷达技术发展过程中提出的一种自适应检测方法，其在复杂的海洋环境下有着较为良好的检测性能，本文主要讨论的就是海杂波环境下的恒虚警率检测。
该文主要讨论海杂波的幅度特征，首先介绍几种主要的杂波幅度分布模型，再介绍几种主要的恒虚警率检测的方法，并对他们的性能进行比较。最后，针对其中的单元平均恒虚警率检测（cA-CFAR），本文给出了其检测流程和门限计算的方法，并用MATLAB进行算法仿真。 关键词：海杂波；目标检测；CA-CFAR；MATLAB
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2016）29-0225-05 1海杂波分析
1.1海杂波幅度分布模型
海杂波的产生依赖于许多复杂的因素，主要是两大方面的因素：雷达的工作状态以及检测时的海洋环境，具体包括：雷达信号的入射角、发射频率、海面海风的风速和风向等。 由于海杂波的复杂性，我们可以将其视为一种随机过程，然而想要完整地描述一个随机过程是相当困难的，因此在实际中我们只考虑其主要的几个特征，将其视为一个多参数的函数，这些参数有着较强的相关性。本文主要考虑海杂波的幅度分布特征，因为幅度特性是雷达杂波和海杂波共同的主要统计特性之一，对于雷达仿真、目标检测的性能有着十分重要的意义。 海杂波的幅度特征一般是比较均匀的，其主要得分布模型有瑞利分布（Rayleigh）分布、对数-正态分布（Log-normal）、韦布尔分布（Weibull）和K分布等。 1.1.1瑞利分布杂波模型
瑞利分布是一种基础分布，一般适用于较低分辨率的雷达杂波幅度模型。其概率密度公式为：
龙源期刊网 http://www.qikan.com.cn
鉴于瑞利分布较为基础，为了方便理解，给出瑞利杂波分布的数据直方图如图1所示。 1.1.2瑞利分布杂波模型的性能讨论
之前提到瑞利分布是一种基础分布，是最早被广大学者研究的幅度模型之一，适用场合为低鉴别清晰度雷达大俯视角时平稳环境的海杂波。使用该模型的基本条件如下： 1）雷达各照射单元内的散射体之间是相互统计独立的； 2）所有散射体中没有一个孤立的散射体能够起到决定性作用；
3）散射体树木足够大，以便满足中心极限定理的条件，使整个信号服从正态分布； 4）照射单元内两散射体雷达距离之差比照射单元的尺度小很多，且在单元内天线的增益是常数。
瑞利分布作为一种基础分布，对雷达波束的入射角度要求较高，对于大振幅出现概率较高的情况，检测性能也不是很好，现如今已经很难满足现代雷达清晰度的要求了，但是其还是存在一定的研究意义。
总结一下关于瑞利分布，适用于相对独立、随机零散的小散射群体，以及低分辨率低海情时的雷达检测。
1.1.3对数-正态分布杂波模型
对数t态分布是一种针对瑞利分布改进后的杂波分布模型，适用于多种海浪，其概率密度公式如下：
1.1.4对数-正态分布杂波模型的性能讨论
针对大振幅出现概率增加时瑞利分布拟合不够好的情况，可以使用对数-正态分布来替代瑞利分布，但是由此带来的问题就是，其动态范围要远远宽于瑞利分布，容易出现动态范围过于宽广的情况。
综合来看，对数-正态分布适用的场合为高分辨率和较高海情时的雷达检测，因为此时对数-正态分布可以有效解决海杂波的后向散射特性。 1.1.5 K分布杂波模型
K分布是较晚提出的一种分布模型，但是在实际中却受到了专家学者们越来越多的重视。在该模型中，将海杂波的幅度分为了两个部分，一个部分是慢变化分量也称均值分量，该分量
龙源期刊网 http://www.qikan.com.cn
是一个调制分量，随时间变化较慢，数量级为秒，反映了大的海涌、重力波等的运动特性。另一个部分是快变化分量，也称为斑点分量，其随时间变化较快，在毫秒数量级上，符合瑞利分布，反映了海表面毛细波等微小破碎的运功特征。因而，K分布作为一种混合模型，从整体和细节上都能有很好的拟合表现。尤其是在幅度分布上能很好地表现低擦地角、高分辨率雷达杂波的长拖尾特性。同时，之前提到的瑞利分布等，也均是特殊情况下的K分布，可以很好地整合到该模型中。
K分布的概率密度函数为：
式中：v是形状参数，α是尺度参数，г（.）是伽马函数，Kv（0）是第二类修正贝塞尔函数（x>0，v>0）。其中α反映了回波的功率特性，其值越大，回波功率越强；形状参数v反映了海杂波的尖锐程度和K分布的偏斜度（其取值范围一般为02，v和α之间的关系可以表示为：
2雷达杂波的恒虚警率处理
雷达的目标检测是对于一个物体存在与否进行判断，通常的办法是设定一个门限值（固定门限），每当信号超过该固定门限值时就判定为目标存在，反之若没有超过该固定门限的就判定为目标不存在，或者说该信号为干扰或噪声信号。而虚警的概念就是在这种判定模式下，如若信号本身在噪声的干扰下，使得原本不应该超过判决门限的却超过了判决门限，造成实际情况中应该判定为不存在的目标被判定为存在的情况。对应于海杂波背景下的目标检测，就是在背景噪声的干扰下，造成没有目标点的回波信号过了判决门限，使得雷达误判定此处有目标。 需要指出的是，除了上述提到的虚警。还有一类情况称之为漏警，即目标信号回波很小或者目标距离雷达较远，回波幅值没有超过门限，那么就会被认为是杂波或者噪声，判决为没有目标的存在从而产生了漏警现象。在雷达的目标检测中，虚警与漏警都是我们不想看到的情况，我们把规定检测时间内出现虚警的概率称为虚警率，出现漏警的概率称为漏警率，不难看出，虚警率与漏警率是判断雷达性能优良的重要指标。
由此可见，固定门限的检测方法存在很大的缺陷，对许多复杂情况的适用性不高且容易造成虚警与漏警情况的发生，所以，自适应门限检测技术的产生与运用也就显得顺理成章了。顾名思义，自适应门限检测技术就是当杂波背景环境或者噪声干扰发生变化时，检测门限也随之改变的检测方法，通过改变检测门限，使得虚警率保持恒定。 2.1雷达的恒虚警率检测
雷达的恒虚警率处理（Constant False Alarm Rate）简称为CFAR，其基本原理如下： 分别用Pfa和Pd表示虚警概率与检测概率（正确检测出有目标的概率）。
海杂波背景下的目标检测算法
