目標(biāo)檢測問題

雷達返回的信號，經(jīng)A/D采樣后輸出。

而輸出的信號，除了有目標(biāo)信號外，還包含了環(huán)境的噪聲信號。

?目標(biāo)檢測任務(wù)就是，如何從含有噪音的信號中提取有效的目標(biāo)信息，最大化檢測概率，最小化誤報概率。

?雷達數(shù)據(jù)的特征

目標(biāo)速度快慢，離雷達的遠近，在雷達波形中都有直觀體現(xiàn)，使得雷達數(shù)據(jù)信號具有數(shù)學(xué)統(tǒng)計特征，這主要反映在幅度、頻率、相位方面：

1. 當(dāng)有目標(biāo)出現(xiàn)時，目標(biāo)反射的無線電波能量較強，導(dǎo)致雷達接收到的信號幅度增加，雷達回波的幅度會相對較大。
2. 當(dāng)目標(biāo)物體靠近雷達時，回波的頻率會升高；反之，當(dāng)目標(biāo)物體遠離雷達時，回波的頻率會降低，因此，目標(biāo)物體的運動會引起雷達回波的頻率發(fā)生變化。
3. 當(dāng)目標(biāo)靠近雷達時，回波的相位會提前；當(dāng)目標(biāo)遠離雷達時，回波的相位會延后。
4. 另外，雷達系統(tǒng)根據(jù)目標(biāo)距離和速度調(diào)整脈沖重復(fù)頻率（PRF），以保持對目標(biāo)的連續(xù)跟蹤。當(dāng)目標(biāo)距離較遠時，脈沖重復(fù)頻率較低；當(dāng)目標(biāo)距離較近時，脈沖重復(fù)頻率較高。

因此，相應(yīng)的就可以使用數(shù)學(xué)分析方法，例如

1. 標(biāo)準(zhǔn)差：使用標(biāo)準(zhǔn)差來雷達信號的離散程度。
2. 相關(guān)性：反映雷達信號各相鄰脈沖之間的相關(guān)性，可用于判斷目標(biāo)的運動狀態(tài)。
3. 功率譜密度：反映雷達信號在不同頻率上的能量分布，可用于分析目標(biāo)的頻率特征。

雷達目標(biāo)檢測方法

目標(biāo)的存在會引起雷達信號的明顯變化或等效地增加信號標(biāo)準(zhǔn)偏差，如下圖所示:

當(dāng)場景中不存在目標(biāo)時，雷達信號的幅度集中在原點附近，而當(dāng)存在目標(biāo)時，雷達信號的幅度在更寬的范圍內(nèi)變化，直方圖就簡單的反應(yīng)出了雷達回波信號的分布。

在雷達信號處理中，經(jīng)常使用一個閾值去過濾噪聲，但實際情況，由于噪音或者干擾信號的影響，很難選擇一個合適的閾值，如下圖所示，這就需要根據(jù)SNR(Signal-to-Noise) 水平，選取合適的技術(shù)或者多種技術(shù)，來減小False Alarm。

由于通常會受到噪聲和干擾的影響，當(dāng)我們想從噪聲中提取微弱有用信號時，我們可以將多個信號集成(integration) 在一起處理，通過將信號樣本相加來提高信噪比，同時對噪聲和干擾進行平均，這就是相干積分(Coherent integration)和非相關(guān)積分(non-coherent integration)

積分的結(jié)果是目標(biāo)信號增強了，而噪音信號減弱了。

但是，在選取閾值時，我們假設(shè)基于理論概率，并且僅限于具有已知方差(功率) 的高斯白噪聲。在實際應(yīng)用中，噪聲通常是有色的，其功率是未知的。假設(shè)雷達信號由噪聲和雜波組成，這使得檢測真實目標(biāo)變得困難。使用純噪聲樣本估計本底噪聲，這就是自適應(yīng)閾值方法。這就是CFAR技術(shù)，CFAR(Constant False-Alarm Rate 恒定誤報率) 方法是雷達目標(biāo)檢測中使用的一種信號處理技術(shù)，用于在存在噪聲和雜波的情況下檢測目標(biāo)。CFAR 方法被稱為“恒定誤報率”，因為它旨在保持恒定的誤報概率，而不管雷達信號中的噪聲和雜波水平如何。

例如CA-CFAR的估計函數(shù)：

在存在噪聲和雜波的情況下，CFAR能減小誤報水平。但是，在復(fù)雜背景下，例如強雜波環(huán)境或目標(biāo)與背景特性相似的情況下，CFAR算法可能出現(xiàn)虛警，對動態(tài)環(huán)境（如目標(biāo)速度、尺寸變化等）適應(yīng)性較差，因此，實際使用中，仍然可能需要結(jié)合其他方法。

上圖簡單的羅列了幾項常見的目標(biāo)檢測方法，本文先作為一個階段性總結(jié)，后續(xù)再接再厲，努力繼續(xù)完善。