利用相位特征篩選參考單元的改進(jìn)CFAR方法

劉 言,劉寧波,黃 勇,王中訓(xùn)

(1.煙臺大學(xué)物理與電子信息學(xué)院,山東 煙臺 264005;2.海軍航空大學(xué)信息融合研究所,山東 煙臺 264001)

在復(fù)雜的海洋環(huán)境中,岸基雷達(dá)和艦載雷達(dá)等海用雷達(dá)在探測艦船、掠海飛行器、航道浮標(biāo)、漁船、小型游艇、浮冰等軍用和民用目標(biāo)時(shí),不可避免地會(huì)受到海面散射回波即海雜波的影響。尤其在高分辨率雷達(dá)、高海況工作條件下,海雜波中頻繁出現(xiàn)尖峰現(xiàn)象,且整體能量較強(qiáng),易引起虛警,嚴(yán)重影響海上目標(biāo)檢測[1]。為了避免因出現(xiàn)誤檢、漏檢造成損失的情況,就需要各種恒虛警(CFAR)檢測器來減少虛警的出現(xiàn),其中比較常見的CFAR檢測器是均值類CFAR檢測器[2]。在這類檢測器中,它們的局部干擾功率水平估計(jì)都采用了取均值的方法,其中最經(jīng)典的三種是單元平均恒虛警(CA-CFAR),單元平均選大恒虛警(GO-CFAR)和單元平均選小恒虛警(SO-CFAR)[3]。CA-CFAR是在參考單元采樣服從指數(shù)分布的假設(shè)下對雜波功率水平的一個(gè)最大似然估計(jì)[4]。它在均勻高斯白噪聲或均勻瑞利分布雜波背景下具有最優(yōu)的檢測性能,但對于復(fù)雜的海洋環(huán)境,往往強(qiáng)海雜波和強(qiáng)干擾目標(biāo)的存在使得背景噪聲雜亂無章,導(dǎo)致虛警率上升,在雜波邊緣或多目標(biāo)檢測背景下,其檢測性能下降。文獻(xiàn)[5]通過數(shù)學(xué)推導(dǎo)得出結(jié)論:在CA-CFAR中,參考單元數(shù)與干擾目標(biāo)數(shù)的比值小于歸一化門限時(shí),此時(shí)不管信雜比多大,CA-CFAR對主目標(biāo)的檢測概率始終為0,即主目標(biāo)始終被遮擋。針對多目標(biāo)檢測背景,可以采用SO-CFAR檢測器,當(dāng)干擾目標(biāo)只位于前沿滑窗或后沿滑窗時(shí),它具有較好的多目標(biāo)分辨能力,而對于雜波邊緣環(huán)境,其性能下降,這時(shí)GO-CFAR可以保持良好的虛警控制能力,但容易在多目標(biāo)環(huán)境中出現(xiàn)目標(biāo)遮蔽現(xiàn)象[4]。RICKARD 等[6]提出刪除均值恒虛警(CMLD-CFAR),解決多目標(biāo)環(huán)境中小目標(biāo)檢測概率低的問題,其本質(zhì)上是一種排序類CFAR處理算法。文獻(xiàn)[7]采用蒙特卡洛仿真對CMLD-CFAR算法進(jìn)行驗(yàn)證并將其應(yīng)用到實(shí)際工程中,較為有效地解決了目標(biāo)遮蔽問題。

現(xiàn)階段所使用的岸基雷達(dá)或艦載雷達(dá)大部分都是相參雷達(dá),所謂相參是指脈沖之間的初始相位具有確定性,即第一個(gè)脈沖的初相可能是隨機(jī)的,但后序的脈沖和第一個(gè)脈沖之間的相位具有確定性,第一個(gè)脈沖初始相位的隨機(jī)性并不影響后序的信號檢測,這是提取多普勒信息的基礎(chǔ)。所以相參雷達(dá)有準(zhǔn)確的時(shí)鐘信號,接收信號的相鄰脈沖之間有很強(qiáng)的相關(guān)性,相位連續(xù)變化或準(zhǔn)連續(xù)變化[8]。在使用相參雷達(dá)的前提下,針對多個(gè)強(qiáng)雜波或強(qiáng)干擾目標(biāo)鄰近導(dǎo)致檢測門限虛高引起目標(biāo)遮蔽,使得傳統(tǒng)均值類CFAR檢測器性能降低的情況,本文在CA-CFAR檢測器的基礎(chǔ)上,提出一種利用相位特征篩選參考單元的改進(jìn)CFAR方法,通過對雷達(dá)掃描連續(xù)回波相位信息的分析,剔除若干強(qiáng)雜波或強(qiáng)干擾目標(biāo)所在的參考單元,使CA-CFAR檢測器得到更合適的門限,減少或避免在目標(biāo)檢測過程中的目標(biāo)遮蔽效應(yīng)。

1 CFAR檢測

1.1 CA-CFAR檢測原理

雷達(dá)接收的回波信號中,不僅包含著目標(biāo)信號,還夾雜著各種雜波、噪聲和干擾信號,同時(shí)雷達(dá)本身也可能對檢測造成影響。若采用固定的門限進(jìn)行檢測,就會(huì)出現(xiàn)大量漏警或是虛警,因此需要采用自適應(yīng)門限代替固定門限,CFAR方法就可以隨著被檢測點(diǎn)的背景噪聲、雜波和干擾的大小自適應(yīng)調(diào)整。其中,CA-CFAR是最基本的一種目標(biāo)檢測算法,其工作原理如圖1[9]。

圖1 CA-CFAR原理[1]

圖中D表示當(dāng)前待檢測單元,該單元的幅值將與自適應(yīng)閾值做比較;由于目標(biāo)的功率可能泄露到相鄰的單元中,故與目標(biāo)相鄰的數(shù)個(gè)單元不作為背景雜波的估計(jì),而是作為保護(hù)單元P,在計(jì)算背景功率的時(shí)候,不包含保護(hù)單元;在D的左右兩側(cè)共取N個(gè)參考單元xi(i=1, …,N),參考單元、保護(hù)單元、待檢測單元合在一起統(tǒng)稱CFAR處理窗;接著左右兩側(cè)參考單元分別求和取平均來估計(jì)待檢測單元的背景雜波功率Z;在給定的預(yù)期虛警概率PFA下,Z與標(biāo)稱化因子α相乘得到檢測門限T,若待檢測目標(biāo)幅值大于T,則認(rèn)為發(fā)生事件H0,即該檢測單元是目標(biāo),否則發(fā)生事件H1,即該檢測單元不是目標(biāo)。

海雜波是由天線波束區(qū)內(nèi)大量散射單元的散射信號疊加而成,因此可以近似認(rèn)為海雜波是高斯分布的,其雜波回波經(jīng)幅度檢波后,幅度概率密度函數(shù)也符合瑞利分布[10-11],其概率密度函數(shù)為

(1)

由圖1可知,待檢測單元的背景雜波功率為

將得到的待檢測單元D的背景雜波功率與標(biāo)稱化因子α相乘,即可得到門限值T,表示為

由此可以通過估計(jì)最終得到門限值T表達(dá)式為

令c=α/N,與式(1)聯(lián)立則可以計(jì)算出門限值T的概率密度分布,表示為

再通過奈曼-皮爾遜準(zhǔn)則,將得到的虛警概率的概率密度分布求積分,即可得到虛警概率,最終結(jié)果表示為

(2)

針對式(2),對于給定的預(yù)期虛警概率,所需的標(biāo)稱化因子可通過解式得

需要指出,PFA不依賴于實(shí)際干擾噪聲功率的大小,僅僅和參與平均的臨近單元樣本N及標(biāo)稱化因子α有關(guān)。因此,CA-CFAR表現(xiàn)出CFAR的特點(diǎn)。

1.2 CA-CFAR的局限

CA-CFAR的概念受限于兩個(gè)基本的假設(shè): (1)目標(biāo)是獨(dú)立的,目標(biāo)間至少一個(gè)參考窗的長度,以使得參考窗內(nèi)不會(huì)有同時(shí)存在兩個(gè)目標(biāo)的可能;(2)參考窗內(nèi)的所有干擾數(shù)據(jù)都是獨(dú)立分布的,且和包含目標(biāo)的單元內(nèi)的干擾同分布,也就是說,干擾是均勻的。

在復(fù)雜的海洋環(huán)境中,實(shí)際情況往往會(huì)違反其中一個(gè)或兩個(gè)條件,當(dāng)待檢測目標(biāo)周圍有兩個(gè)或多個(gè)目標(biāo)時(shí),參考單元的目標(biāo)回波功率可能超過了周圍的干擾功率,雜波功率估計(jì)值就會(huì)被提高,CFAR的門限因此會(huì)被抬升,從而CFAR檢測器就無法檢測到該目標(biāo),發(fā)生目標(biāo)遮蔽現(xiàn)象。等效地,為了獲得給定的檢測概率期望值,則需要更高的信雜比[4]。圖2是一個(gè)發(fā)生遮蔽效應(yīng)的實(shí)例,設(shè)定參數(shù)PFA的期望值為10-4,參考單元N取32個(gè),待檢測目標(biāo)左右各取一個(gè)單元作為保護(hù)單元,在200個(gè)距離單元中,在位于第70個(gè)、第78個(gè)距離單元上分別加入信雜比為15、20 dB的兩個(gè)目標(biāo)。如圖2,當(dāng)信雜比為15 dB的第一個(gè)目標(biāo)處于待檢測單元時(shí),信雜比為20 dB的第二個(gè)目標(biāo)提高了自適應(yīng)閾值的估計(jì)值,導(dǎo)致第一個(gè)目標(biāo)無法被檢測到,使檢測器發(fā)生漏檢;另一方面,信雜比為15 dB的目標(biāo)足夠小,無法影響到后者的檢測情況,故成功檢測到第二個(gè)目標(biāo)。

圖2 目標(biāo)遮蔽實(shí)例

2 CFAR方法的改進(jìn)

CA-CFAR檢測器在對海進(jìn)行目標(biāo)檢測時(shí),可能因陸地島嶼、強(qiáng)干擾目標(biāo)或者海尖峰的存在,使得海面雜波背景變得嚴(yán)重非均勻,不符合CA-CFAR檢測器使用的前提條件,同時(shí)這些干擾因素可能意外抬高檢測門限、降低檢測性能,造成檢測器的漏檢。為避免這種情況,可以把待檢測目標(biāo)附近的強(qiáng)干擾目標(biāo)或強(qiáng)海雜波篩選后剔除,使得海雜波的幅度概率密度函數(shù)更符合瑞利分布,背景雜波功率也不受干擾目標(biāo)的影響;同時(shí),采用相參雷達(dá)對海面目標(biāo)連續(xù)檢測時(shí),往往這些陸地島嶼、強(qiáng)干擾目標(biāo)或海尖峰的相位信息在一定置信度允許的情況下可視為線性。

基于此,本文針對使用相參雷達(dá)的情況,在CA-CFAR的基礎(chǔ)上提出利用相位特征篩選參考單元的改進(jìn)CFAR方法。從實(shí)際角度出發(fā),改進(jìn)CFAR是通過篩選維護(hù)參考單元空間的均勻性,使參考單元符合CA-CFAR的背景要求,而不是改進(jìn)CFAR算法的生成方式,故改進(jìn)CFAR的門限T、虛警概率PFA與標(biāo)稱化因子α的推導(dǎo)過程與“1.1”小節(jié)的CA-CFAR算法一致。

2.1 參考單元線性判斷模塊

海上目標(biāo)檢測一般使用的是相參雷達(dá),故可以用相位來獲取目標(biāo)的一些信息[12]。取參考單元中某一個(gè)距離單元的10個(gè)或16個(gè)脈沖回波,獲取它們的相位信息,通過一元線性回歸的方法,判斷其相位線性度的好壞。由于實(shí)際接收的雷達(dá)回波信號可能會(huì)存在難以預(yù)測和控制的隨機(jī)相移,所以我們需要對大量實(shí)測數(shù)據(jù)進(jìn)行測試,找出合適的置信度,在置信度允許的范圍內(nèi)判斷相位線性度的好壞。通過Matlab中的Regress函數(shù)可得到模型統(tǒng)計(jì)量[13],根據(jù)R2統(tǒng)計(jì)量及顯著性概率P值的大小來判斷相位之間是否具有線性關(guān)系。

本文從文獻(xiàn)[1]、[14]分享的雷達(dá)對海探測數(shù)據(jù)中,下載大量實(shí)測掃描數(shù)據(jù)對模型統(tǒng)計(jì)量的參數(shù)設(shè)置進(jìn)行分析,實(shí)測數(shù)據(jù)表明:當(dāng)選取參數(shù)R2值大于0.90且P值小于0.05的默認(rèn)顯著性水平作為判斷線性相關(guān)依據(jù)時(shí),由于剔除了過多的相位線性度好的參考單元,導(dǎo)致門限降低,容易產(chǎn)生虛警,影響檢測性能;當(dāng)選取參數(shù)R2值大于0.98且P值小于0.05的默認(rèn)顯著性水平作為判斷線性相關(guān)依據(jù)時(shí),由于剔除的參考單元較少,相比于CA-CFAR檢測器檢測性能提高較小,意義不大;經(jīng)過大量實(shí)測數(shù)據(jù)測試,綜合實(shí)際情況因素,當(dāng)R2值大于0.95且P值小于0.05的默認(rèn)顯著性水平時(shí),檢測性能提高的同時(shí)也盡可能地避免虛警的出現(xiàn),故可據(jù)此參數(shù)來判定該參考單元的相位特征是否為線性相關(guān)并是否需要剔除。圖3是用兩組同一距離單元的連續(xù)10個(gè)脈沖回波進(jìn)行測試,圖3(a)求得模型統(tǒng)計(jì)量R2值0.998 1大于0.95接近于1,P值0.013 3小于0.05的默認(rèn)顯著性水平,因此可判斷為線性;圖3(b)求得R2值0.834 3小于0.95,P值0.250 7大于0.05的默認(rèn)顯著性水平,因此可判斷為非線性。

圖3 相位特征線性判斷

2.2 剔除相位特征呈線性的參考單元模塊

在相參雷達(dá)中,若連續(xù)脈沖回波在同一距離單元的相位線性度很好,則在這個(gè)距離單元上就可能是目標(biāo)、強(qiáng)雜波、干擾目標(biāo)或陸地雜波。為了獲得更合適的門限,就需要將待檢測單元附近線性度較好的參考單元剔除。改進(jìn)算法的原理如圖4。

圖4 改進(jìn)算法原理

圖4中待檢測單元D、保護(hù)單元P、參考單元N選取規(guī)則與經(jīng)典CA-CFAR一致,不同的是在左右兩側(cè)參考單元選取中,通過參考單元線性判斷模塊篩選出線性度好的參考單元并將其回波強(qiáng)度變?yōu)?,在滑窗的過程中統(tǒng)計(jì)左右兩側(cè)回波強(qiáng)度等于0的個(gè)數(shù)m、n,然后將N個(gè)參考單元求和取平均,此時(shí)的均值實(shí)際是N-(m+n)個(gè)參考單元的均值,也就是新的背景雜波功率估計(jì)值Z,再將Z與標(biāo)稱化因子α相乘得到新的門限值,最后與待檢測單元D做比較判斷此距離單元是否存在目標(biāo)。假設(shè)一開始N取32個(gè),左右兩邊各16個(gè),在模型統(tǒng)計(jì)量的相位線性度判斷下,剔除線性度好的強(qiáng)目標(biāo)或強(qiáng)雜波,此時(shí)參考單元實(shí)際個(gè)數(shù)可能變?yōu)?4個(gè),用剩余的參考單元得到的背景雜波功率估計(jì)值要遠(yuǎn)比32個(gè)參考單元得到的背景雜波功率估計(jì)值合適。

3 仿真數(shù)據(jù)測試

3.1 均勻單目標(biāo)背景環(huán)境

圖5是在均勻雜波背景、PFA=10-6、N=32的情況下,均值類CFAR(CA-CFAR、GO-CFAR、SO-CFAR)、CMLD-CFAR與改進(jìn)CFAR檢測器對單一目標(biāo)檢測的性能曲線(ROC曲線)[15]。圖5中opt為特定信噪比對應(yīng)的最優(yōu)檢測,由于只有一個(gè)目標(biāo)且改進(jìn)的CFAR檢測器僅僅對強(qiáng)雜波或強(qiáng)干擾目標(biāo)有篩選剔除作用,故改進(jìn)的CFAR檢測器與CA-CFAR檢測器的檢測性能一致,在目標(biāo)信雜比接近19 dB時(shí)達(dá)到80%的檢測概率[4],利用相位特征篩選參考單元的檢測器沒有喪失原有的檢測功能;CMLD-CFAR由于在檢測過程中刪除部分參考單元,相較于CA-CFAR有較小的信雜比損失;SO-CFAR在多目標(biāo)檢測時(shí)有較好的檢測性能,而對于單目標(biāo)檢測信雜比損失較大。

圖5 均勻單目標(biāo)ROC曲線

3.2 多目標(biāo)背景環(huán)境

在多目標(biāo)背景的檢測中,往往會(huì)出現(xiàn)幅度高的目標(biāo)把幅度低的目標(biāo)遮蔽的現(xiàn)象,使得檢測概率降低[16]。圖6(a)是仿真出的兩個(gè)靠得比較近的大小目標(biāo),大目標(biāo)功率值高出小目標(biāo)功率值5 dB,平均雜波功率在20 dB左右,其中小目標(biāo)所在位置的相位特征線性度較好。圖6(b)是CA-CFAR檢測器和利用相位特征篩選參考單元的改進(jìn)CFAR檢測器在PFA=10-6、N=32時(shí)對功率值較大目標(biāo)(大目標(biāo)信雜比由0 dB逐步增加到30 dB,小目標(biāo)信雜比隨之增加)檢測的ROC曲線。

圖6 雙目標(biāo)環(huán)境

圖6可以看出,當(dāng)目標(biāo)信雜比小于5 dB時(shí),兩種檢測器檢測性能相當(dāng),且兩者的檢測性能都隨著信雜比的提高而增強(qiáng),當(dāng)系統(tǒng)要求檢測概率達(dá)到50%時(shí),CA-CFAR檢測器需要目標(biāo)達(dá)到17 dB,而改進(jìn)的CFAR檢測器由于將小目標(biāo)所在的參考單元剔除,得到了一條更適合的門限,僅需目標(biāo)達(dá)到14 dB即可被檢測出來。

圖7(a)是在雜波的第80、88、98、104距離單元仿真出四個(gè)靠得很近的目標(biāo),其中第80、98距離單元目標(biāo)的功率值足夠大,相位線性度較好,可以被改進(jìn)算法篩選剔除。從均值類檢測器中選用對多目標(biāo)檢測效果最好的SO-CFAR檢測器與改進(jìn)CFAR檢測器做比較,結(jié)果用A顯圖展示,如圖7(b):SO-CFAR能夠在眾多目標(biāo)中將大多數(shù)目標(biāo)檢測出來,但由于第88距離單元的目標(biāo)功率值太小,未能成功檢測;而改進(jìn)CFAR對參考單元進(jìn)行了篩選,成功檢測出所有目標(biāo)。這表明改進(jìn)CFAR在多目標(biāo)檢測仿真實(shí)驗(yàn)中能夠展現(xiàn)其優(yōu)勢。

圖7 多目標(biāo)環(huán)境

3.3 雜波邊緣環(huán)境

典型的雜波邊緣環(huán)境一般是海陸交界的地方,在距離維上發(fā)生能量突變,使得處于低雜波邊緣的目標(biāo)被判定為高功率的雜波,造成漏檢;也可能將高功率區(qū)域的邊緣雜波誤認(rèn)為目標(biāo),造成虛警[17]。這里仿真了雜波邊緣的環(huán)境,并在低功率區(qū)第88和95距離單元添加兩個(gè)目標(biāo),其中左側(cè)目標(biāo)的相位線性度較好,如圖8(a)所示;圖8(b)選用對雜波邊緣環(huán)境檢測效果較好的GO-CFAR檢測器與改進(jìn)的CFAR檢測器做對比,在N=32、PFA=10-6情況下得到的兩條門限,這兩個(gè)檢測器都成功檢測到了第一個(gè)目標(biāo),但由于大目標(biāo)的影響,GO-CFAR檢測器無法成功檢測到第二個(gè)目標(biāo);改進(jìn)的CFAR檢測器通過對參考單元選取的改進(jìn),降低了目標(biāo)處的門限,成功檢測到了第二個(gè)目標(biāo)。在雜波邊緣環(huán)境中,改進(jìn)算法與GO-CFAR都有著較好的檢測性能,但當(dāng)雜波邊緣環(huán)境中存在多個(gè)目標(biāo)時(shí),改進(jìn)的CFAR比GO-CFAR檢測性能更好。

圖8 雜波邊緣環(huán)境

綜上所述,利用相位特征篩選參考單元的改進(jìn)CFAR檢測器在均勻單目標(biāo)雜波背景下,由于沒有需要剔除的參考單元,其檢測性能與CA-CFAR基本一致且沒有喪失原檢測器的功能;在多目標(biāo)背景和雜波邊緣背景下的檢測性能要優(yōu)于其他均值類檢測器,至于不同背景下檢測性能提升了多少,要根據(jù)實(shí)測數(shù)據(jù)的相位特征來斷定,具體情況需具體分析。

4 實(shí)測數(shù)據(jù)測試

為進(jìn)一步驗(yàn)證改進(jìn)CFAR檢測器的性能,從文獻(xiàn)[1]、[14]分享的實(shí)測數(shù)據(jù)中,下載了一組掃描數(shù)據(jù),該組數(shù)據(jù)是2239×2224的矩陣,其中每一行代表方位/脈沖,每一列代表距離單元,并記錄了雷達(dá)掃描范圍259.445°至0°至125.992°的信息。

這里任取十個(gè)連續(xù)回波的數(shù)據(jù)進(jìn)行測試,在方位71.781°,距離單元1501、1784和1791附近有若干個(gè)船只,N取64個(gè),由于船只寬度等因素,保護(hù)單元左右各取4個(gè),PFA取10-4,改進(jìn)的CFAR檢測器中,由R2值是否大于0.95且P值是否小于0.05作為線性判斷的標(biāo)準(zhǔn),測試結(jié)果如圖9。從實(shí)測數(shù)據(jù)圖9(a)來看,在1501距離單元附近,由于主目標(biāo)幅值足夠大且鄰近干擾目標(biāo)幅值較小,CA-CFAR與改進(jìn)的CFAR都能檢測出目標(biāo)船只,但后者只需要更低的功率值就可以檢測到;位于1784與1791距離單元附近,由于主目標(biāo)附近有強(qiáng)海雜波或強(qiáng)干擾目標(biāo),采用CA-CFAR檢測器就造成了目標(biāo)遮蔽現(xiàn)象, 而采用改進(jìn)的檢測器避免了這種情況,成功檢測出目標(biāo)。多目標(biāo)檢測效果較好的SO-CFAR與改進(jìn)CFAR測試結(jié)果如圖9(b),兩者都成功檢測出了目標(biāo),但由于都降低了門限,可能存在虛警現(xiàn)象,也有一定不足。

圖9 實(shí)測數(shù)據(jù)測試結(jié)果

進(jìn)行海上目標(biāo)檢測時(shí),往往存在多個(gè)鄰近目標(biāo),當(dāng)待檢測目標(biāo)較強(qiáng)時(shí),也就是大目標(biāo)附近有許多小目標(biāo),這時(shí)小目標(biāo)落到參考單元里面,由于小目標(biāo)強(qiáng)度較弱,相位線性度可能不好,導(dǎo)致無法剔除,但小目標(biāo)本身對參考單元空間均勻性影響較小,對背景雜波功率影響不大,能夠正常檢測出大目標(biāo);當(dāng)待檢測目標(biāo)較弱時(shí),也就是小目標(biāo)附近存在許多大目標(biāo),這時(shí)大目標(biāo)落到參考單元里面,它的相位線性度是比較好的,可以剔除,那么剩余的參考單元的空間均勻性肯定比大目標(biāo)存在時(shí)的空間均勻性好很多,背景雜波功率會(huì)更合適。從這個(gè)角度來說,一定程度上能解決大目標(biāo)附近的小目標(biāo)檢測問題,包括大目標(biāo)附近的小目標(biāo)檢測或者大目標(biāo)附近有強(qiáng)地雜波、雜波邊緣的這種情況也類似。實(shí)際上這是利用了一個(gè)先驗(yàn)信息,這個(gè)先驗(yàn)信息是我們從大量實(shí)測數(shù)據(jù)中得到的:無論是強(qiáng)雜波還是強(qiáng)目標(biāo),它的相位線性度都是比較好的。

5 小 結(jié)

由于海面環(huán)境復(fù)雜多變,多目標(biāo)環(huán)境與海陸交界處采用CA-CFAR容易出現(xiàn)目標(biāo)遮蔽、漏檢的現(xiàn)象。針對這一問題,本文提出了一種利用相位特征篩選CA-CFAR參考單元的改進(jìn)算法,剔除相位線性度好的強(qiáng)雜波或強(qiáng)干擾目標(biāo)所在距離單元,使得檢測背景更符合均值類CFAR的使用前提。經(jīng)過仿真數(shù)據(jù)和實(shí)測數(shù)據(jù)的分析驗(yàn)證可知,改進(jìn)算法能夠在多目標(biāo)環(huán)境與雜波邊緣環(huán)境下檢測到CA-CFAR無法檢測的目標(biāo),有效解決目標(biāo)遮蔽問題且不喪失原有的檢測性能,相比其他均值類CFAR檢測性能有所提升,表明了改進(jìn)CFAR算法的有效性。此算法使用的前提是需要對已知海域進(jìn)行大量實(shí)測數(shù)據(jù)分析,得出相位特征信息,且算法的計(jì)算量要比其他均值類CFAR復(fù)雜,還有一定的改進(jìn)空間。