目前雷达系统的有效目标检测成为车载雷达所面临的一个问题[1-2].有效的回波信号中往往夹杂着热噪声、海杂波以及由云、雨等环境因素引入的噪声[3-4], 而且杂波功率在特定的场景中不断变化, 如果采用固定的检测门限进行有效目标检测, 则虚警率无法得到有效控制[5-6].恒虚警(Constant False Alarm Rate, CFAR)算法可以有效解决这一问题, 它根据杂波平均功率实时调整检测门限[7-8].单元平均恒虚警(Cell Averaging-CFAR, CA-CFAR)和有序统计恒虚警检测(Order Statistic-CFAR, OS-CFAR)算法是两种比较常用的检测算法.单元平均恒虚警算法在比较均匀的高斯噪声背景下具有较好的检测性能, 但是在非均匀背景噪声环境下, 其检测性能大幅下降[9-10]; 而有序统计恒虚警检测算法在非均匀背景噪声环境下具有很好的稳定性[11]. Rickard和Dillard提出了删除单元平均恒虚警检测器(Censored Mean Level Detector, CMLD)[12], 从参考窗中删除一些最大的参考单元, 非常适合在多目标检测中应用, 但是在当前所处环境无法预知的情况下(即动环境中), 被删除单元的选择非常困难, 一旦选择偏差较大, 将会导致算法的检测性能下降, 虚警率偏高.为了解决类似问题, Himonas和Barkat提出了自动删除单元平均检测器(Automatic CMLD, ACMLD)[13]和一般双删除单元平均检测器(Generalized Two Leve-CMLD, GTL-CMLD), 该算法不需要预知所处环境, 克服了CMLD检测算法的不足[14]. Smith和Varshney提出了Ⅵ (Variability Index)检测器[15], Ⅵ-CFAR具有CA-CFAR、GO-CFAR (Greatest of-CFAR)[16]和SO-CFAR (Smallest of-CFAR)各检测算法的优点, 在均匀和非均匀噪声环境下均具有较强的适应性, 但是该算法的检测性能与干扰目标在参考窗口中的位置有关[17]. Farrouki和Barkat提出了基于排序的自动删除恒虚警检测器(Automatic Censoring Cell Average CFAR Detector Based on Ordered Data Variability, ACCA-ODV-CFAR)[18], 可应用于非均匀噪声环境下的目标检测, 该算法在均匀背景噪声下, 对小目标存在漏检, 对目标干扰具有稳健的检测性能, 但在边缘噪声干扰下, 该算法具有较高虚警率[19].

本文针对非均匀噪声环境下回波信号噪声的分布特性, 提出了一种基于双剔除门限的恒虚警目标检测算法(Dual-Censoring Threshold Constant False Alarm Rate, DCT-CFAR), 克服了非均匀噪声环境下多目标干扰、遮挡以及边缘干扰等引起的检测性能严重下降的问题, 保证了较稳定的检测性能.

本文提出的一种基于双剔除门限的恒虚警目标检测算法(DCT-CFAR), 结构见图 1.

步骤1 在目标检测器的设计当中, 尤其在非均匀背景噪声下, 隶属函数的选择至关重要, 它直接影响检测器的检测性能.针对多个剔除单元的情况, 隶属函数定义为

其中 $u_i $ 和 $f(u_i )$ 分别定义为

式(2)、(3)中, $x_1, x_2, \cdots, x_N $ 为参考窗样本单元序列, $x_k $ 是有序的参考窗口中第 $k$ 个参考单元值.

步骤2 本算法通过将样本单元 $v(u_i )$ 值与预先设定的极大值单元剔除门限值 $t_{cl} $ 进行比较, 判断各样本单元是否属于均匀环境下的有效单元.极大值样本单元判断依据为