一種彈載雷達末段跟蹤CFAR檢測方法研究與實現*

（中國西南電子技術研究所 成都 610036）

1 引言

隨著雷達技術不斷革新，彈載雷達提供高分辨距離-多普勒圖像，更明顯體現出目標特性，便于目標檢測，同時高分辨圖像也給數據處理帶來挑戰，更高的分辨率也意味著更大的數據量。由于彈載雷達高速運動，對數據更新率高要求，快速準確實現目標檢測尤為關鍵。彈載雷達導引頭在距離-多普勒圖像中一般采用CFAR檢測算法，CFAR檢測技術能夠在時變的背景雜波噪聲環境下保持一定的虛警率［1～3］。傳統CFAR檢測方法針對高分辨一維距離像數據采用左右線性滑窗檢測，針對距離-多普勒二維圖像數據采用矩形滑窗檢測［4］。

目標檢測是雷達技術的重點，一直以來都被廣泛研究。張倩［5］等研究了對SAR圖像的自適應窗口快速CFAR檢測器。艾加秋［6］等研究了對SAR圖像的雙參數CFAR艦船檢測算法。Smith M E和Varshney P K提出可變性指示CFAR（VI-CFAR）智能處理框架［7］。文獻［8］提出的一種基于改進CFAR的檢測算法對SAR圖像進行海面溢油快速檢測。文獻［9］和文獻［10］提出一種復合高斯分布下適用于高分辨SAR圖像的快速CFAR算法。徐晶［11］提出一種用于SAR圖像目標檢測的模糊CAFR算法。這些方法主要針對目標測量參數更新率要求不高的機載或地面雷達目標檢測。實現方面，趙冰等［12］在FPGA上實現GO-CFAR檢測器，FPGA雖能減小處理時間，但不夠靈活，不易調試修改。雷達信號處理一般采用通用DSP處理器，通用DSP芯片具有開發簡便、使用靈活的優點，但處理速度相對較低，很難保證信號處理的實時性。

本文從提高處理效率角度出發，提出了一種距離、多普勒兩個維度聯合目標檢測的雙門限CFAR檢測方法。該方法具有傳統二維CFAR檢測的優點，同時降低了運算復雜度，提升了DSP處理效率。

2 改進的CFAR檢測方法

恒虛警檢測是雷達目標檢測的基本方法，彈載雷達導引頭末段跟蹤時接收數據多為距離-多普勒圖像，典型單脈沖跟蹤末段距離-多普勒圖像如圖1所示。

圖1中，橫向表示散射點所在距離單元，縱向表示散射點所在多普勒單元。雷達目標檢測，即對圖1中散射點進行逐一判斷，通過統計待檢測點周邊信號能量，計算檢測閾值K，待檢測點能量與閾值K進行比較，大于K時判為亮像素點，反之為噪聲或雜波，典型距離-多普勒圖像CFAR檢測方法示意圖如圖2所示。

圖2 典型二維CFAR檢測

圖2中，圓點為待檢測點，待檢測點周圍為保護單元，保護單元外側為參考單元。

CFAR檢測門限計算公式如下：

式（1）中，K為檢測門限，T為標稱化因子，Ai為參考單元內信號能量，P為虛警概率，N為參考單元點數。式（1）和式（2）中的主要運算量集中在式（1）中的∑Ai計算。

通過分析回波特性，待檢測點周邊雜波能量主要分布于所在距離單元兩側及所在多普勒單元兩側，為降低運算量，設計改進的二維CFAR檢測方法，示意圖如圖3所示。

圖3 改進的二維CFAR檢測

改進二維CFAR檢測門限計算同式（1）和式（2），保護窗和參考窗參數與改進前相同，參考單元選取圖3中灰色部分。

距離向參考單元寬度為W，多普勒向參考單元寬度為H，距離向保護單元寬度為WP，多普勒向保護單元為HP，與傳統方法相比，改進的CFAR檢測算法單點檢測時，減少的運算量為(2W+1)×(2H+1)-(2WP+1)×(2HP+1)-(2W+2H)個復數計算功率累加求和。對距離-多普勒圖像逐像素點檢測時，運算量減少非常可觀。

3 算法仿真與實現分析

3.1 算法仿真

為了驗證算法性能，采用相同的數據對傳統和改進的CFAR檢測方法進行了仿真，典型距離-多普勒圖像檢測效果如圖4所示。

圖4 檢測效果對比

圖4給出了典型距離-多普勒圖像傳統和改進二維CFAR算法檢測效果圖，圖中中心位置亮像素點為地面停放的車輛目標，兩種方法檢測效果相同。

為了驗證算法魯棒性，對掛飛數據進行處理，檢測結果如表1所示。

表1 掛飛數據處理結果統計

由表1統計試驗數據中目標散射點檢測結果可得，改進的CFAR檢測方法目標散射點漏檢概率為0，虛警概率約為2.19%。通過對數據進行分析，改進的CFAR檢測性能與傳統方法基本一致，雖產生了一定的虛警，但對目標跟蹤結果并無影響，圖5、圖6、圖7給出了目標參數（距離、方位角、俯仰角）測量結果對比。

圖5 距離測量及誤差

圖7 俯仰角測量及誤差

經統計，與傳統二維CFAR檢測相比，改進的CFAR檢測方法引入測量誤差相比指標要求：距離測量誤差為4.74%，方位角測量誤差為0.13%，俯仰角測量誤差為0.6%。改進的CFAR檢測方法帶來的測量誤差遠低于指標要求，可以忽略。

3.2 實時性分析

為了驗證改進CFAR算法的實時性，在TMS320C6678DSP平臺設計并實現了兩種CFAR檢測方法。硬件板卡由一片K7 FPGA、一片TMS320C6678DSP、2片 S29GL512P13FFIV10 FLASH、4片IS43TR16256A X4 DDR3、接口電路、時鐘電路、遙測圖像LVDS電路和電源管理模塊構成。平臺硬件電路結構框圖如圖8所示。

圖8 硬件電路結構框圖

TMS320C6678是業界目前最高性能的定、浮點DSP，它采用KeyStone多核體系結構，內部集成8個最新的C66×DSP內核。設計中充分利用其8個內核，通過配置IPC中斷實現多核同步控制。系統設計采用Core0作為輸入輸出核，接收距離-多普勒圖像數據，Core1作為流程控制并完成運算量較小主核任務處理，Core2-Core7接收任務分配，完成多核并行的CFAR檢測處理。各核間功能劃分明確，核間耦合較小，便于程序移植和調試，圖9給出了多核并行實現CFAR檢測算法。

圖9 多核并行實現CFAR檢測算法

為了驗證算法時效性，對試驗數據進行處理，平均處理時間如表2所示。

表2 算法實效性對比

由表2可知，與傳統CFAR檢測方法相比，改進后CFAR檢測算法處理時間由43.27ms縮短為13.76ms，處理效率提升約68.19%。

4 結語

本文針對彈載導引頭距離-多普勒圖像CFAR檢測時效性問題，提出改進的二維CFAR檢測方法，該方法在保證檢測性能前提下，有效降低了運算量。仿真結果表明，與傳統二維CFAR檢測方法相比，目標檢測性能基本一致，散射點檢測虛警率約為2.19%；大幅降低了目標檢測處理時間，目標檢測時間由43.27ms縮短為13.76ms，處理效率提升約68.19%。該方法已通過某項目試驗驗證，滿足彈載雷達目標檢測性能和處理時間指標要求，可推廣應用于處理效率要求較高的實際彈載雷達系統中。