📚 课程目录第3章恒虚警率检测算法基础

3. 恒虚警率检测算法基础

雷达接收到的距离-多普勒二维谱中，目标回波只是少数强散射点，其余大部分是随距离、角度、天气和场景变化的杂波与噪声。若用一个固定门限做检测，杂波功率升高时虚警会急剧增加，杂波功率降低时又会漏掉弱目标。恒虚警率（Constant False Alarm Rate，CFAR）检测的核心思想，就是让检测门限随局部背景功率自适应变化，使虚警概率在统计意义上保持恒定。在NXP S32R系列（如S32R294、S32R45）上，CFAR通常运行在R52内核或专用信号处理加速单元上，处理对象是经过距离/多普勒FFT与求模平方后的功率谱。

CFAR的基本原理与门限公式

CFAR把待检测单元（Cell Under Test，CUT）周围的参考单元划分为训练区，用训练区估计背景功率，再乘以一个由目标虚警概率决定的门限因子得到判决门限。设训练单元功率为 \(x_i\)，参考单元数为 \(N\)，背景功率估计为 \(\hat{P}\)，则判决规则为：

CUT 功率 P_cut > α · P̂  →  判为目标
α = N · (P_fa^(-1/N) - 1)      // 指数分布假设下的门限因子
P_fa = 期望虚警概率

门限因子 α 由虚警概率 \(P_{fa}\) 和参考单元数 \(N\) 共同决定。例如 \(N=16\)、\(P_{fa}=10^{-6}\) 时，α ≈ 16×(10^{6/16}−1) ≈ 16×(2.371−1) ≈ 21.9，即门限约比背景估计高 13.4 dB。这个数值关系说明：参考单元越多，估计越稳，但门限因子也越大，弱目标越容易被淹没；参考单元越少，对非均匀杂波适应更快，但估计方差变大。工程上必须在“估计稳定性”和“非均匀适应性”之间折中。

训练区与CUT之间通常留1~2个保护单元，防止目标能量泄漏到训练区抬高背景估计。在S32R上，距离维CFAR沿距离单元滑动，多普勒维CFAR沿多普勒单元滑动，也可做二维CFAR。由于S32R的SPT/BBE等加速单元擅长定点和向量运算，实际实现中常把功率谱转成对数域或使用定点近似，以降低除法与开方开销。

CA-CFAR：最基础也最常用的实现

CA-CFAR（Cell Averaging CFAR）用训练区所有单元的算术平均作为背景估计。它的优点是计算简单、在均匀杂波下接近最优，且门限因子有闭式解。在S32R上实现时，通常先对功率谱做一次前缀和（积分图），这样任意窗口的求和只需两次减法，把每点 O(N) 的滑动求和降为 O(1)。伪代码思路如下：

// 距离维 CA-CFAR，N=16，保护单元各 2
for each range bin r:
    sumL = prefix[r-2] - prefix[r-2-N/2]
    sumR = prefix[r+2+N/2] - prefix[r+2]
    noise = (sumL + sumR) / N
    threshold = alpha * noise
    if power[r] > threshold: detect[r] = 1

在S32R294上，这类循环可映射到SPT的向量指令，一次处理多个距离单元。需要注意定点化：功率谱动态范围大，建议用32位累加、16位存储，α 用Q15或Q31表示。若 α 用Q15，最大只能表示约32，而前面算出的21.9尚可，但更小 P_fa 时 α 会超过32，此时应改用Q31或把门限计算放到浮点R52上。

OS-CFAR：用排序换取抗干扰能力

OS-CFAR（Ordered Statistic CFAR）不取平均，而是把 N 个训练单元排序后取第 k 个值作为背景估计。当训练区里混入其他目标时，平均会被抬高，而排序值只要干扰目标数量不超过 N−k，估计就不受影响。k 通常取 0.75N 左右，例如 N=16 时取 k=12。代价是需要排序，S32R上可用部分排序或直方图法近似：把功率量化为若干档，统计每档计数，再累加找到第 k 个值，避免完整排序。OS-CFAR的门限因子没有简单闭式解，工程上常用查表或蒙特卡洛标定，把 (N, k, P_fa) 对应的 α 预先算好存入常量表。

GO/SO-CFAR：左右半窗的取大与取小

GO-CFAR和SO-CFAR都把训练区分为左右两半，分别求平均得到 L 和 R。GO-CFAR取 max(L,R)，在杂波功率从低到高跳变的边缘处，用较高一侧估计背景，避免边缘处大量虚警，但边缘另一侧的弱目标会被高门限掩盖。SO-CFAR取 min(L,R)，在多目标场景下，若一侧被强目标污染，取小可避免门限被抬高，从而保留另一侧的弱目标，但在杂波边缘会因低估背景而虚警升高。选择哪种，取决于场景：高速公路远距离低杂波区可用CA；城市多目标密集区倾向OS或SO；杂波边缘明显的场景用GO。

S32R上的参数调优与验证

调优的核心参数包括：参考单元数 N、保护单元数 G、虚警概率 P_fa、OS的 k 值、以及是否做二维CFAR。建议按以下顺序在S32R上迭代：

先定 N 和 G：距离维 N 常取16~32，G取2~4；多普勒维 N 可小一些，取8~16，因为多普勒维目标展宽较窄。
再定 P_fa：从 10⁻⁵ 或 10⁻⁶ 起步，观察检测点数量与虚警点数量。若虚警过多，降低 P_fa（增大 α）；若弱目标丢失，适当提高 P_fa。
选择算法类型：先用CA-CFAR跑通链路，再根据实测谱中多目标和杂波边缘情况切换到OS、GO或SO。
定点与饱和检查：确认累加不溢出、α 表示范围足够、门限比较无符号错误。
用已知目标验证：在暗室或已知反射体场景下，检查目标距离/速度是否落在预期单元，虚警点是否随 P_fa 设置合理变化。

在S32R上做二维CFAR时，可先沿距离维做一次CFAR得到候选点，再沿多普勒维对候选点做二次CFAR，这样比全二维滑窗节省大量运算，适合实时性要求高的场景。

CFAR的 P_fa 是统计期望值，不是每帧固定虚警数。实际虚警数会随参考单元数、杂波分布偏离指数分布的程度而波动。若实测虚警远高于设定值，应检查功率谱是否做了正确的平方律检波、是否存在直流泄漏或通道不一致。

总结来说，CFAR是雷达目标检测的第一道自适应门限，CA-CFAR提供基线，OS-CFAR提升多目标鲁棒性，GO/SO-CFAR针对杂波边缘和多目标场景做取舍。在S32R上，关键是利用前缀和、向量化和查表把计算量压到实时预算内，同时通过 N、G、P_fa、k 的联合调优，在虚警和检测率之间找到适合当前场景的工作点。