雷達(dá)恒虛警研究1

雷達(dá)系統(tǒng)仿真第Ⅰ頁雷達(dá)恒虛警研究摘要：本文對(duì)雷達(dá)CFAR處理方法進(jìn)行了綜述,討論了CFAR檢測方法的方向:參量和非參量的CFAR方法。明確了空域CFAR處理的概念，并著重討論了空域CFAR處理研究中ML類、OS類和自適應(yīng)CFAR算法。也簡單介紹了時(shí)域CFAR處理和非參量CFAR處理的方法。并且提到了分布式CFAR檢測,陣列信號(hào)CFAR處理,極化CFAR處理等極具潛力的研究方向。最后針對(duì)幾種典型的恒虛警檢測算法的性能、優(yōu)缺點(diǎn)進(jìn)行了討論。關(guān)鍵字：參量和非參量CFAR空域CFAR時(shí)域CFARML-CFAROS-CFAR自適應(yīng)CFAR性能分析雷達(dá)系統(tǒng)仿真第Ⅱ頁Title：MethodandPrincipleofRadar

signalCFAR

Abstract：Thispaperreviewsonthe

radarCFAR

processingmethod,thedirectionofCFARmethodfordetection:

parametricandnon-parametricCFARmethod.Makeaclearconceptofthe

spatialCFAR

processing.Anddiscussesthe

classML,classOS

andadaptiveCFAR

algorithmofthespatialCFAR.AlsosimplyintroducedthetimedomainCFAR

processing

methodandnon-parametericCFAR

processing.

And

mentionedthe

distributedCFARdetection,arraysignal

processingofCFAR,

researchdirectionof

polarizationCFARprocessing

potential.Finally,the

performanceandadvantagesanddisadvantagesofseveraltypical

CFARdetectionalgorithm

arediscussed.Keywords：parametricandnon-parametric

CFARspatialCFARtimedomainCFARML-CFAROS-CFARadaptiveCFARperformanceanalysis第2頁2恒虛警處理方法的分類對(duì)CFAR的研究只是在近三十年才發(fā)展起來的。但是現(xiàn)已成為國際雷達(dá)信號(hào)處理界的一個(gè)重要研究方向，并且形成了如下一些研究領(lǐng)域：高斯和非高斯雜波背景中的CFAR檢測；參量和非參量CFAR方法；時(shí)域和頻域的CFAR研究；標(biāo)量和向量(陣列信號(hào)處理)CFAR方法；單傳感器和多傳感器分布式CFAR檢測；相關(guān)和不相關(guān)條件下的CFAR檢測；以及在各種目標(biāo)模型條件下和結(jié)合各種檢測策略的CFAR處理的性能分析。這些領(lǐng)域是相互交叉的。而本文將CFAR分為參量和非參量兩大類。參量CFAR方法適用于雜波分布類型已知的情況。按照不同的參數(shù)估計(jì)方法，參量CFAR方法又可分為空域CFAR處理和時(shí)域CFAR處理。非參量CFAR方法適用于雜波分布未知的情況，無須關(guān)于背景噪聲或雜波分布的先驗(yàn)信息。為了簡化對(duì)CFAR檢測的性能分析，Rohling將均勻和非均勻雜波背景簡化為3種典型情況，即均勻背景、多目標(biāo)和雜波邊緣環(huán)境。根據(jù)這三種情況，空域CFAR處理就分為均值類（ML）CFAR處理、有序統(tǒng)計(jì)量類（OS）CFAR處理和自適應(yīng)CFAR處理。參量CFAR處理中的另一類是時(shí)域CFAR處理，即雜波圖CFAR處理。在均值類（ML）CFAR處理中，又有幾種經(jīng)典算法。它們分別是單元平均（CA-）、最大選擇（GO-）、最小選擇（SO-）和雜波強(qiáng)度加權(quán)（WCA–CFAR）檢測。而自適應(yīng)CFAR處理是現(xiàn)在熱門研究的方向，人們已研究了許多類型的CFAR處理技術(shù)，如CCA、HCE、AC、GCMLD、ACCA等。非參量CFAR處理中又分為基于符號(hào)的檢測器和基于秩的檢測器。第3頁3均值類（ML）CFAR處理CFAR算法的基本流程如圖1所示。輸入信號(hào)包括檢測單元Y和2n個(gè)參考單元。參考單元位于檢測單元兩側(cè)，前后各n個(gè)。保護(hù)單元主要用在單目標(biāo)情況下，防止目標(biāo)能量泄漏到參考單元影響檢測效果。Z為總的雜波功率水平的估計(jì)，通過對(duì)2n個(gè)參考單元的CFAR處理得到。T為標(biāo)稱化因子，它和Z的乘積作為參考門限電平。當(dāng)檢測單元的值超過T×Z時(shí)，認(rèn)為有目標(biāo)，反之，認(rèn)為無目標(biāo)。一般情況下，雜波同噪聲相互獨(dú)立，且平方律檢波后都滿足指數(shù)分布。參考單元概率密度函數(shù)為(1)式中，μ是噪聲功率。Z是一個(gè)隨機(jī)變量，它的分布取決于CFAR算法的選取以及參考單元的分布。虛警概率Pfa的表達(dá)式為(2)其中，H0表示沒有目標(biāo)，MZ(μ)稱為矩母函數(shù)。3.1單元平均（CA-CFAR）檢測算法在CA–CFAR檢測器中，背景雜波功率水平Z為2n個(gè)參考單元之和。（3）指數(shù)分布是Γ(α,β)分布在α=1的特殊情況，Γ分布的概率密度函數(shù)為（4）。其中，α和β是兩個(gè)參數(shù)，Γ(α)就是通常說的Γ函數(shù)，對(duì)于整數(shù)α，它等于(α-1)!。相應(yīng)的概率分布函數(shù)用G(α,β)表示，服從Γ分布的隨機(jī)變量X記做X～G(α,β)。X的矩母函數(shù)為(5)根據(jù)獨(dú)立同分布的假設(shè)，第i個(gè)單元服從分布xi～G(1,μ)。由于兩個(gè)獨(dú)立隨機(jī)變量和的矩母函數(shù)等于各隨機(jī)變量的矩母函數(shù)的積，所以得到Z～G(2n,μ)(6)將式(5)、式(6)代入式(2)得到(7)所以,得到標(biāo)稱化第4頁因子T的計(jì)算式，即（8）。圖1CFAR算法處理流程3.2最大選擇（GO-CFRA）檢測算法最大選擇GO-CFAR是選取前面n個(gè)參考單元之和與后面n個(gè)參考單元之和中的大者作為Z。GO、SO算法的雜波功率水平估計(jì)方法如圖2所示。圖2SO、GO-CFAR算法處理流程對(duì)應(yīng)GO算法,Z的概率密度函數(shù)為(9)其中,f和F分別為概率密度函數(shù)和概率分布函數(shù)?？梢酝瞥鰴z測算法的虛警概率為(10)由上述表達(dá)式難以給出T的函數(shù)表達(dá)式。本文根據(jù)給定的虛警概率,通過迭第5頁代求出GO-CFAR算法的T,如表1所示。表1不同虛警率下GO算法的標(biāo)稱化因子T3.3最小選擇（SO-CFAR）檢測算法最小選擇SO–CFAR是選取前面n個(gè)參考單元之和與后面n個(gè)參考單元之和中的小者作為Z。對(duì)應(yīng)SO算法,Z的概率密度函數(shù)為(11)可以推出檢測算法的虛警概率為(12)本文根據(jù)給定的虛警概率,通過迭代求出SO-CFAR算法的T,如表2所示。表2不同虛警率下SO算法的標(biāo)稱化因子T第6頁4有序統(tǒng)計(jì)量（OS-CFAR）處理4.1順序統(tǒng)計(jì)量檢測算法順序統(tǒng)計(jì)量OS-CFAR算法的原理是對(duì)參考單元由小到大作排序處理,取第k個(gè)樣本作為Z?？梢酝瞥?13)同樣地,本文根據(jù)給定的虛警率,通過迭代求出了T,如表3所示。表3不同虛警率下OS算法的標(biāo)稱化因子T4.2刪除均值（CMLD-CFAR）有序統(tǒng)計(jì)量算法由于OS處理只保留了一個(gè)有序參考采樣,導(dǎo)致CFAR損失比ML類高。而CMLD和TM(trimmed)通過預(yù)選刪除點(diǎn)保留較多的有序參考采樣,可以減小CFAR損失,而且又不失OS在多目標(biāo)環(huán)境中的優(yōu)勢。刪除均值(CMLD-CFAR)將干擾目標(biāo)從參考單元序列中排除出去,然后基于刪除后的采樣序列重新計(jì)算閥值。假設(shè)x1,x2,…,xR是參考單元中的R個(gè)采樣值,T0是對(duì)應(yīng)整個(gè)參考單元的門限因子,T1是剔除高于T0對(duì)應(yīng)的門限值的參考單元的門限因子。刪除單元平均的CFAR檢測方法如下:(1)求R個(gè)參考單元的和,然后將每個(gè)參考單元采樣與門限1(S1=T0ZR0)進(jìn)行比較,將超過這一門限的采樣值從和值中除去,產(chǎn)生一個(gè)新的和。(2)將剩余參考單元采樣與門限2(S2=T1ZR1)進(jìn)行比較。再除去一些超過這一門限的采樣值,使剩下的參考單元采樣組成一個(gè)新的和。這個(gè)過程繼續(xù)下去,直到檢測不到尖峰信號(hào)超過門限時(shí)為止。這種算法總是收斂的,在若干級(jí)計(jì)算之后不出現(xiàn)尖峰信號(hào)就是這種方法終止的準(zhǔn)則。第7頁刪除單元均值的CFAR檢測算法能有效地抑制多干擾目標(biāo)帶來的檢測損失,特別是在目標(biāo)密集的環(huán)境中,具有更顯著的檢測性能。4.3削減平均（TM-CFAR）有序統(tǒng)計(jì)量算法TM-CFAR是削減掉從最小采樣值起的r1個(gè)較小和從最大采樣值起的r2個(gè)較大的參考單元采樣值,并取其余的參考單元采樣值的和作為雜波功率水平估計(jì)。4.4其他有序統(tǒng)計(jì)量算法OS處理的另一個(gè)缺點(diǎn)是排序處理的時(shí)間長,具有自動(dòng)篩選技術(shù)的GOS類方法是一種解決方法。此外,近年來出現(xiàn)的對(duì)有序統(tǒng)計(jì)量進(jìn)行線性加權(quán)的方法,如廣義有序統(tǒng)計(jì)量CFAR檢測器,L1–CFAR檢測器,LCOS(LinearlyCombinedOrderStatistics)–CFAR檢測器以及基于最佳和準(zhǔn)最佳加權(quán)的有序統(tǒng)計(jì)量CFAR檢測器。第8頁5自適應(yīng)CFRA處理自適應(yīng)CFAR檢測可以自適應(yīng)地確定選擇邏輯,算法和參數(shù)。例如,估計(jì)雜波邊緣位置的HCE,刪除點(diǎn)可變的VTM(VariablyTrimmedMean),篩選采樣的E(Excision)–CFAR處理和EXGO-CFAR,以及逼近單元AC(ApproachCell)–CFAR等等。Barboy提出一種多步刪除方案,逐一單元地進(jìn)行檢測以確定刪除點(diǎn),使干擾目標(biāo)逐一被刪除。類似的刪除方案還有Himonas等人提出的一系列基于有序統(tǒng)計(jì)量的自適應(yīng)確定刪除點(diǎn)的方法。例如,GCMLD(Gener2alisedCensoredMeanLevelDetector),ACMLD(AutomaticCen2soredMeanLevelDetector),GO/SO和GTL(GeneralisedTwoLev2el)–CMLD,ACGO(AdaptiveCensoredGreatesOf)。最近,Varshney提出一種基于數(shù)據(jù)變化性的VI–CFAR檢測器(VariabilityIndex)。它利用兩個(gè)統(tǒng)計(jì)量檢驗(yàn)雜波背景的均勻性,然后自適應(yīng)地確定由兩個(gè)局部估計(jì)形成檢測閾值的方法。第9頁6時(shí)域CFAR處理——雜波圖CFAR檢測地物雜波在空間上的“均勻性寬度”很窄,但在時(shí)間上較平穩(wěn)。若采用空域CFAR處理,CFAR損失將很大。因此需采用“時(shí)間采樣”法,以天線掃描周期為周期進(jìn)行采樣,依靠對(duì)時(shí)間采樣估計(jì)背景雜波功率水平。此時(shí)將雷達(dá)觀測空間分成很多個(gè)圖單元構(gòu)成雜波圖。雜波圖存儲(chǔ)每個(gè)圖單元的背景雜波功率水平估值,每個(gè)值依靠迭代算法更新。一個(gè)圖單元包含M個(gè)分辨單元,M=1時(shí)被稱為雜波圖的點(diǎn)技術(shù),M>1時(shí)被稱為雜波圖的面技術(shù)。對(duì)時(shí)間單元采樣的典型處理方法是對(duì)多次掃描做指數(shù)加權(quán)平均。加權(quán)系數(shù)決定CFAR損失和等效時(shí)間常數(shù)。在保證單個(gè)圖單元中的局部均勻性的條件下,M值越高,CFAR損失越小。M減小會(huì)使一個(gè)圖單元中多目標(biāo)環(huán)境出現(xiàn)的概率減小,但會(huì)使存儲(chǔ)容量增加。在多個(gè)掃描周期中存在的低速目標(biāo)會(huì)使雜波圖CFAR檢測性能嚴(yán)重下降。適當(dāng)?shù)剡x擇M和等效時(shí)間常數(shù)可以減小“遮蔽效應(yīng)”的影響。另一種方法是對(duì)圖單元中的分辨單元采樣進(jìn)行預(yù)處理,如L濾波。第10頁7非參量CFAR處理當(dāng)假設(shè)背景雜波模型與實(shí)際不符時(shí),參量CFAR檢測就失去了CFAR能力。非參量CFAR方法,通過對(duì)大量雜波采樣和信號(hào)加雜波采樣之間的比較統(tǒng)計(jì)地確定目標(biāo)是否存在,使虛警概率與背景分布無關(guān),因此也稱為分布自由的CFAR檢測方法。7.1符號(hào)檢測器符號(hào)檢測器是一種最簡單的非參量檢測器,幾乎所有適用于雷達(dá)系統(tǒng)實(shí)現(xiàn)的非參量檢測都屬于符號(hào)檢測的修正型。符號(hào)檢測需要匹配于發(fā)射信號(hào)的單脈沖匹配濾波,這意味著要求已知信號(hào)相位,這往往是不可實(shí)現(xiàn)的。采用正交雙通道設(shè)置,便構(gòu)成修正的符號(hào)檢測器來解決該問題。其對(duì)相干脈沖的檢測都是做中值偏移檢驗(yàn)。然而對(duì)于非相干脈沖鏈,每個(gè)脈沖的相位是隨機(jī)的,因此不能做中值偏移檢驗(yàn)。兩樣本符號(hào)可以克服這個(gè)限制。廣義符號(hào)檢測器(也稱為秩和檢測器,rank-sum)和秩二元積累檢測器(RankQuantization)是兩種兩樣本符號(hào)檢測器?；诜?hào)檢驗(yàn)的檢測器的檢測效率損失很大,采用條件檢驗(yàn)可以使性能獲得顯著改善,并且實(shí)現(xiàn)的復(fù)雜性增加很小。7.2Wilcoxon檢測器另一種變換是基于檢測單元采樣相對(duì)于參考單元采樣的秩,如Wilcoxon檢測器。Wilcoxon檢測也需要匹配于發(fā)射信號(hào)的單脈沖匹配濾波，因此采用正交雙通道設(shè)置,便構(gòu)成修正的Wilcoxon檢測器來解決該問題。MW(Mann-Whitheny)檢測器是兩樣本W(wǎng)ilcoxon檢測器，可用來克服非相干脈沖鏈不能做種植偏移檢驗(yàn)這個(gè)限制。基于秩的檢測器,如Wilcoxon檢測器通常也比基于符號(hào)檢驗(yàn)的檢測器的性能好。Wilcoxon檢測器的主要缺點(diǎn)是求秩的計(jì)算量在大采樣數(shù)時(shí)很大?；跅l件檢驗(yàn)的Wilcoxon檢測器刪除一些小采樣,用其余的采樣計(jì)算檢測統(tǒng)計(jì)量,可以使求秩的計(jì)算量減小。第11頁8其他CFAR處理的研究8.1頻域CFAR檢測CFAR處理可以在頻域上進(jìn)行。它的背景干擾包括接收機(jī)熱噪聲,旁瓣雜波,主瓣雜波剩余。對(duì)于機(jī)載PD雷達(dá),在DFT之后可以采用頻域CA-CFAR檢測器,Dicke-fix檢測器,秩和(RS)檢測器。從實(shí)際應(yīng)用情況來看,美國F-15戰(zhàn)斗機(jī)的APG-63雷達(dá)在高和中PRF的PD工作狀態(tài)下已經(jīng)在多普勒濾波器組后采用了頻域CA-CFAR技術(shù)。F-16機(jī)載PD雷達(dá)在中PRF下視工作時(shí)也采用了自適應(yīng)CFAR技術(shù)。近年來,一些學(xué)者又提出了新的頻域CFAR檢測方法。例如,文獻(xiàn)提出了一種閾值自適應(yīng)于信號(hào)頻譜特性的方法。Trunk和Gordon提出了一種利用目標(biāo)的多普勒相位和幅度的ML估計(jì)抑制雜波剩余來控制虛警的方法。8.2分布式CFAR檢測多傳感器分布式檢測系統(tǒng)可以提高系統(tǒng)反應(yīng)速度和生存能力、增加覆蓋區(qū)域和監(jiān)視目標(biāo)數(shù),并且提高系統(tǒng)在單個(gè)接收機(jī)失靈情況下的可靠性、提供更高的總的信噪比。Ten2ney和Sandell首先將經(jīng)典Bayesian檢測理論擴(kuò)展到了分布式系統(tǒng),分析了兩個(gè)傳感器和二元假設(shè)檢驗(yàn)的情況。此后,Barkat將CFAR檢測展到了多傳感器分布式結(jié)構(gòu)。最近文獻(xiàn)研究了機(jī)遇局部檢測統(tǒng)計(jì)量的分布式CFAR檢測。8.3陣列信號(hào)CFAR檢測一些時(shí)空二維處理方法本身就具有內(nèi)在的CFAR性質(zhì)。但是這種內(nèi)在的CFAR性質(zhì)是基于對(duì)背景雜波服從高斯分布的假設(shè)。在非高斯雜波背景中,CFAR性質(zhì)一般是不成立的。并且考慮到很多陣列信號(hào)處理方法并不具有CFAR性質(zhì),因此陣列信號(hào)的CFAR處理有待于進(jìn)一步研究。8.4極化CFAR檢測極化雷達(dá)可以測量雷達(dá)反射目標(biāo)的散射矩陣,并且處理多變量信號(hào)而不只是一個(gè)通道的信息。不同性質(zhì)反射體的散射矩陣是不同的,可以根據(jù)這種差別分辨目標(biāo)和雜波。與通常的CFAR檢測器相比,極化CFAR檢測器的性能在各種背景中均有明顯的增強(qiáng)。第12頁8.5多分層CFAR處理多分層的CFAR處理算法是一種既能在各種干擾背景中自適應(yīng)地提供貼近干擾的檢測閥值,同時(shí)又便于工程實(shí)現(xiàn)的CFAR處理算法。假設(shè)x1,x2,…,xR是參考單元中的R個(gè)采樣值,s1,s2,…,sk是從低到高的k層門限值。參考單元中的R個(gè)采樣值分別與每層門限值進(jìn)行比較,計(jì)算出高于每一層門限值的采樣個(gè)數(shù)。假設(shè)從低到高高于每一層門限值的采樣個(gè)數(shù)分別為Y1,Y2,…,Yk,高于第j層門限sj的采樣個(gè)數(shù)為Yj(1≤j≤k),Yj通過如下方法累計(jì):滿足xn>sj1≤n≤R,1≤j≤k則Yj=Yj+1;假設(shè)高于相鄰兩級(jí)門限的采樣個(gè)數(shù)分別為Yj-1、Yj,那么Yj-1$Yj的差值小于某一參考值N時(shí),選取sj作為檢測門限S。如果Yj-1$Yj<N1≤j≤k則S=sj1≤j≤k多分層CFAR處理算法的方框圖如圖3所示。圖3多分層CFAR處理算法方框圖第13頁9對(duì)均值類及有序統(tǒng)計(jì)量類算法的性能分析本文只針對(duì)均值類中的CA、GO、SO三種和有序統(tǒng)計(jì)量類中的OS、CMLD這五種算法進(jìn)行性能的分析與比較。9.1均勻雜波背景下的檢測性能圖4所示是這五種CFAR在均勻雜波背景下的檢測概率曲線。可以看出，在均勻背景下CA-CFAR的檢測性能最好。依次為GO–CFARCMLD-CFAR和OS-CFAR。性能最差的是SO-CFAR。在信噪比(SNR)較低或SNR大于25dB時(shí)，五種CFAR的檢測性能相當(dāng)。SNR為1020dB時(shí)，CA-CFAR的檢測性能明顯優(yōu)于SO-CFAR和OS-CFAR。在相同的信噪比下，CA-CFAR的檢測概率比SO-CFAR約高0.05，比OS-CFAR約高0.03。而在相同的檢測概率下，GO-CFAR所需的信噪比大約比CA-CFAR高0.75dB，而GO-CFAR和CMLD-CFAR的檢測性能則與其相當(dāng)。圖4五種CFAR在均勻雜波背景下的檢測概率曲線9.2五種恒虛警方法的ADT在CFAR處理器性能分析中Rohling定義了ADT，即平均判決閾值。這是一個(gè)標(biāo)稱化的量，也是計(jì)算檢測性能損失的一種可供選擇的度量，不依賴于檢測概率。其定義式為(14)表4列出了這五種CFAR及最優(yōu)檢測器在參考單元數(shù)為32虛警概率為10-6時(shí)的ADT值。第14頁表4五種CFAR的ADT值A(chǔ)DT也可以作為CFAR檢測器在均勻背景中的檢測性能與最優(yōu)檢測器之差別的一種度量。ADT越小，表示檢測性能越好，檢測概率越高。9.3強(qiáng)干擾目標(biāo)下的檢測性能圖5是這五種CFAR在有一個(gè)SwerlingⅡ型強(qiáng)干擾目標(biāo)環(huán)境下的檢測概率曲線.其中OS-CFAR的k值為26，CMLD-CFAR中的r取1。很明顯GO-CFAR和CA-CFAR的性能急劇惡化。在較大信噪比(大于30dB)的情況下，它們的檢測概率也比較低。CMLD-CFAR在該環(huán)境中的性能最好，OS-CFAR的性能次之，但與其相差不大。SO-CFAR的檢測性能不如CMLD-CFAR和OS-CFAR，但明顯優(yōu)于CA-CFAR和GO-CFAR。圖5五種CFAR在有一個(gè)SwerlingⅡ型強(qiáng)干目標(biāo)環(huán)境下的檢測概率曲線9．4均值類（ML）的優(yōu)缺點(diǎn)這幾種均值類CFAR處理算法各有利弊。各種雷達(dá)系統(tǒng)中用得最多的CFAR檢測方法就是CA檢測算法。CA在均勻雜波背景中的檢測性能最好，但在非均勻背景中性能嚴(yán)重下降；GO具有很好的抗邊緣雜波能力和在均勻雜波背景中較好的檢測性能，但在多目標(biāo)環(huán)境中的檢測性能極差；S0具有較好的抗擊干擾目標(biāo)的能力，但在均勻雜波背景中的檢測性能和抗邊緣雜波性能都很差；雖然WCA的第15頁性能比較全面，但需要關(guān)于干擾的先驗(yàn)信息，自適應(yīng)檢測能力受到限制。9.5有序統(tǒng)計(jì)量類（OS）的優(yōu)缺點(diǎn)有序統(tǒng)計(jì)量OS(orderstatistics)方法源于數(shù)字圖像處理的排序處理技術(shù)，它在抗干擾方面作用顯著。在多目標(biāo)環(huán)境中，它相對(duì)于均值類CFAR處理算法具有較好的抗干擾目標(biāo)的能力，同時(shí)在均勻雜波背景和雜波邊緣環(huán)境中的性能下降也適度的、可以接受的。有序統(tǒng)計(jì)量CFAR處理算法的關(guān)鍵是k值的選取，在均勻雜波背景和均勻目標(biāo)視頻的情況下，選取適當(dāng)?shù)膋值，可以達(dá)到較滿意的檢測性能。但是在實(shí)際的多目標(biāo)環(huán)境中，如k值設(shè)定得較大，可能會(huì)在多目標(biāo)環(huán)境中產(chǎn)生嚴(yán)重的覆蓋效應(yīng)；如k值設(shè)定得較小，可能會(huì)在少目標(biāo)環(huán)境中產(chǎn)生虛警尖峰明顯上升的情況。同時(shí)要對(duì)所有采樣值進(jìn)行排序，在工程實(shí)現(xiàn)上很難保證實(shí)時(shí)性，難度較大。第16頁結(jié)論本文對(duì)雷達(dá)CFAR處理方法進(jìn)行了綜述,討論了研究CFAR檢測方法的方向:參量和非參量的CFAR方法。明確了空域CFAR處理的概念和其在眾多CFAR處理方法中的地位，并著重討論了空域CFAR處理研究中ML類、OS類和自適應(yīng)CFAR算法。也簡單介紹了時(shí)域CFAR處理和非參量CFAR處理的方法。并且提到了分布式CFAR檢測,陣列信號(hào)CFAR處理,極化CFAR處理等極具潛力的研究方向。最后針對(duì)幾種典型的恒虛警檢測