CFAR 目标检测算法，毫米波雷达工程师必须掌握的第一种检测算法

---

一、为什么雷达需要“目标检测算法”？

在毫米波雷达中，我们最终想知道的不是“信号长什么样”，而是：

哪里有目标？目标有多少？哪些是噪声？

然而，雷达接收到的信号永远是下面三者的混合：

1. 真实目标回波
2. 环境杂波（地面、墙面、人体、车辆反射）
3. 系统噪声（热噪声、量化噪声等）

在经过 ADC → FFT → 距离谱 / 多普勒谱 后，你会看到大量起伏的谱线。

问题来了：

在一个噪声水平不断变化的环境中，如何“公平、稳定”地判断某个峰值是不是目标？

这正是 CFAR（Constant False Alarm Rate，恒虚警率）算法存在的意义。

---

二、CFAR 的核心思想（一句话版）

门限不固定，而是根据“周围环境噪声”动态调整。

换句话说：

• 噪声大 → 门限自动抬高
• 噪声小 → 门限自动降低
• 始终保持一个“近似恒定”的虚警概率

这比“固定阈值法”工程上可靠得多。

---

三、CFAR 的物理意义（非常重要）

1️⃣ 雷达不是在“找最大值”，而是在“找异常”

CFAR 的本质不是：

“这个点是不是很大？”

而是：

“这个点是否显著高于它周围的统计背景？”

如果你把雷达距离谱想象成一条“地形起伏的山脉”：

• 噪声 = 起伏的地面
• 目标 = 突然冒出的山峰

CFAR 做的事情就是：

先估计地面高度，再判断某个山峰是否“足够突出”。

---

2️⃣ 为什么必须是“周围噪声”？

因为在雷达系统中：

• 噪声功率随距离变化
• 杂波随场景变化
• AGC、窗口函数都会改变谱形

固定门限 = 工程灾难

CFAR 利用 局部统计，是唯一实用的方法。

---

四、CFAR 的基本结构（工程视角）

对每一个被检测单元（Cell Under Test, CUT），CFAR 都会定义三类区域：

| Training | Guard | CUT | Guard | Training |

1️⃣ CUT（被检测单元）

• 当前要判断是否为目标的点

2️⃣ Guard Cells（保护单元）

• 防止目标能量泄漏进噪声估计
• 一般 1–4 个

3️⃣ Training Cells（训练单元）

• 用来估计背景噪声功率
• 一般 8–32 个（甚至更多）

---

五、最常见的 CFAR 类型

1️⃣ CA-CFAR（Cell Averaging CFAR）——最基础

思想：

用训练单元的“平均功率”估计噪声

优点：

• 简单
• 易实现
• 适合噪声均匀场景

缺点：

• 多目标、强杂波下性能下降

公式（功率域）：

$$T=\alpha \cdot \frac{1}{N}\sum _{i=1}^N{P}_i$$
其中：

• α ：门限系数（由虚警率决定）
• N：训练单元数

---

2️⃣ OS-CFAR（Order Statistic CFAR）

思想：

不用均值，用排序后的第 k 大值

优点：

• 抗强杂波
• 抗多目标

缺点：

• 计算量略大

---

3️⃣ GO-CFAR / SO-CFAR（左右不对称场景）

• GO-CFAR：取左右两侧噪声估计中的“较大者”
• SO-CFAR：取“较小者”

常用于 边缘目标、遮挡目标 场景。

---

六、CFAR 在毫米波雷达中的位置

在典型 FMCW 雷达处理链路中：

ADC
 ↓
Range FFT
 ↓
Doppler FFT
 ↓
Range-Doppler Map
 ↓
CFAR（2D）
 ↓
目标点云

• 1D CFAR：距离检测
• 2D CFAR：距离-速度联合检测（工程中更常见）

---

七、MATLAB 示例：一维 CA-CFAR 演示

下面给出一个 可直接运行的 MATLAB 示例，适合初学者理解 CFAR 的工作方式。

---

📌 示例功能

• 构造一条含噪声的距离谱
• 人工加入目标
• 使用 CA-CFAR 检测目标

---

✅ MATLAB 示例代码（ca_cfar.m）

%% CFAR 目标检测算法演示
% 作者：雷达物联

clc; clear; close all;

%% 1. 构造模拟距离谱
N = 256;                     % 距离单元数
noise_power = 1;
signal = sqrt(noise_power/2) * ...
         (randn(1,N) + 1j*randn(1,N));

% 加入两个目标
signal(80)  = signal(80)  + 10;
signal(150) = signal(150) + 15;

% 功率谱
power_spectrum = abs(signal).^2;

%% 2. CFAR 参数
num_train = 12;   % 训练单元数（单侧）
num_guard = 2;    % 保护单元数
P_fa = 1e-4;      % 虚警概率

N_train = 2 * num_train;
alpha = N_train * (P_fa^(-1/N_train) - 1);

%% 3. CA-CFAR 检测
threshold = zeros(1, N);
cfar_out = zeros(1, N);

for i = num_train + num_guard + 1 : N - num_train - num_guard
    
    % 左右训练单元
    training_cells = ...
        [power_spectrum(i-num_guard-num_train : i-num_guard-1), ...
         power_spectrum(i+num_guard+1 : i+num_guard+num_train)];
    
    noise_est = mean(training_cells);
    threshold(i) = alpha * noise_est;
    
    if power_spectrum(i) > threshold(i)
        cfar_out(i) = power_spectrum(i);
    end
end

%% 4. 绘图
figure;
plot(10*log10(power_spectrum), 'b'); hold on;
plot(10*log10(threshold), 'r--', 'LineWidth',1.2);
stem(find(cfar_out), ...
     10*log10(cfar_out(cfar_out>0)), ...
     'g','filled');

grid on;
xlabel('Range Bin');
ylabel('Power (dB)');
legend('Range Spectrum','CFAR Threshold','Detected Targets');
title('CA-CFAR Target Detection Example');

---

八、如何理解这段代码（工程直觉版）

• training_cells：模拟“你站在 CUT 周围观察地面高度”
• noise_est：背景噪声估计
• alpha：控制“你有多谨慎”
• threshold：动态门限
• cfar_out：最终被认为是“目标”的点

---

九、CFAR 工程实践中的常见坑

⚠️ 1. 直接在幅度域做 CFAR

✔ 正确：功率域（|x|²）

---

⚠️ 2. Guard Cell 太少

• 目标能量泄漏 → 门限抬高 → 漏检

---

⚠️ 3. 虚警率随便选

• 工程常用：1e-3 ~ 1e-6
• 需要结合系统帧率、算力

---

⚠️ 4. 忽略窗口函数影响

FFT 窗口会改变噪声统计分布，需注意门限系数是否匹配。

---

十、总结（给初学者的关键结论）

• CFAR 不是“雷达算法”，而是“统计检测算法”
• 它解决的是：在不确定噪声环境下，如何稳定找目标
• CA-CFAR 是所有 CFAR 的起点
• 几乎所有毫米波雷达系统都离不开 CFAR
• 理解 CFAR = 理解“雷达如何做决策”

---

十一、进阶学习建议

如果你希望进一步学习：

• 2D CFAR（Range-Doppler）
• OS-CFAR / GO-CFAR
• 多目标遮挡下的 CFAR 行为
• CFAR + 聚类 + 跟踪（工程完整链路）

建议在 真实 FMCW 雷达数据 上动手实验。

关注我们（雷达物联），一起学习。