1 简介

统计检测理论是利用信号的统计特性和噪声的统计特性等信息来建立最佳判决的数学理论。主要解决在受噪声干扰的观测中，信号有无的判决问题。其数学基础就是统计判决理论，又称假设检验理论。假设检验是进行统计判决的重要工具，信号检测相当于数理统计中的假设检验。假设就是检验对象的可能情况或状态。对于雷达或声呐检测来说，可以选用两个假设，即目标存在或不存在。

由于噪声的存在及观察样本数或样本长度的限制，在检测过程中，不可避免地会产生判决错误。问题是怎样尽可能地减少这些错误，这就是检测系统的最佳化问题。错误一般分为两种，一种是漏报，一种是虚警，在不同的工作情况下，这两种错误所造成的后果并不一样，因此可能对不同的错误有不同的重视程度，这就引入了最佳准则问题。不同的准则下有不同的判决规则（如选取的判决门限不同），使得检测系统有不一样的虚警错误和漏报错误分配。这样的准则有最小平均风险准则（又称Bayes准则）、极大极小准则（又称安全平均风险准则）和Neyman-Pearson准则（又称检测概率最大准则）等。

Bayes 准则需知道先验概率和代价函数，极大极小准则需知道代价函数。Neyman-Pearson 准则则是解决二者均不知的判决问题，该方法是确定虚警概率或漏报概率中的一种，再去求使另一种达到极小的判决，也就是假定有一类错误最重要，因而作出严格的限制，再去确定使其它类错误最小的判决界。一般对虚警要求较高，所以，先限定虚警，再去求最小漏报或最大检测，所以 N-P 准则有时也叫恒虚警检测。 恒虚警检测技术（CFAR，Constant False-Alarm Rate）是雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声作判别以确定目标信号是否存在的技术。

2 原理

恒虚警检测器首先对输入的噪声进行处理后确定一个门限，将此门限与输入端信号相比，如输入端信号超过了此门限，则判为有目标，否则，判为无目标。一般信号由信号源发出，在传播的过程中受到各种干扰，到达接收机后经过处理，输出到检测器，然后检测器根据适当的准则对输入的信号做出判决。

2.1 定义

信号接收机输出端的信号用x(t)x(t)x(t)表示，这里存在两种情况：

噪声和信号同时存在：x(t)=s(t)+n(t)x(t)=s(t)+n(t)x(t)=s(t)+n(t)
只有噪声存在：x(t)=n(t)x(t)=n(t)x(t)=n(t)

用H0H_{0}H0和H1H_{1}H1分别表示接收机的无信号输入和有信号输入的假设；
用D0D_{0}D0和D1D_{1}D1分别表示检测器作出无信号和有信号的判决结果。

于是接收机的输入与检测器的判决将有四种情况：

H0H_{0}H0为真，判为D0D_{0}D0，即接收机无信号输入，检测器判为无信号，称为正确不发现；
H0H_{0}H0为真，判为D1D_{1}D1，即接收机无信号输入，检测器判为有信号，称为虚警；
H1H_{1}H1为真，判为D0D_{0}D0，即接收机有信号输入，检测器判为无信号，称为漏警；
H1H_{1}H1为真，判为D1D_{1}D1，即接收机有信号输入，检测器判为有信号，称为正确检测；

其中第一种情况和第四种情况属于正确判决，其余两种属于错误判决。

用p(z∣H0)p(z|{{H}_{0}})p(z∣H0)和p(z∣H1)p(z|{{H}_{1}})p(z∣H1)分别表示无信号输入和有信号输入接收机时，接收机输出端的信号电平的概率密度函数；
用Z0Z_{0}Z0和Z1Z_{1}Z1分别表示检测器作出无信号和有信号判决的判决区域，当输入的电平在Z0Z_{0}Z0区域判为无信号，在Z1Z_{1}Z1区域判为有信号。

2.2 推导

设虚警概率为PF{P}_{F}PF，漏报概率为PM{P}_{M}PM，检测概率为PD{P}_{D}PD，则N-P准则为

利用拉格朗日乘子λ\lambdaλ构造目标函数

J=PM+λ(PF−α)J={{P}_{M}}+\lambda ({{P}_{F}}-\alpha )J=PM+λ(PF−α)
=∫Z0p(z∣H1)dz+λ[∫Z1p(z∣H0)dz−α]=\int_{{{Z}_{0}}}{p(z|{{H}_{1}})dz}+\lambda \left[ \int_{{{Z}_{1}}}{p(z|{{H}_{0}})dz}-\alpha \right]=∫Z0p(z∣H1)dz+λ[∫Z1p(z∣H0)dz−α]
=∫Z0p(z∣H1)dz+λ[1−∫Z0p(z∣H0)dz−α]=\int_{{{Z}_{0}}}{p(z|{{H}_{1}})dz}+\lambda \left[ 1-\int_{{{Z}_{0}}}{p(z|{{H}_{0}})dz}-\alpha \right]=∫Z0p(z∣H1)dz+λ[1−∫Z0p(z∣H0)dz−α]
=J=λ(1−α)+∫Z0[p(z∣H1)−λp(z∣H0)]dz=J=\lambda \left( 1-\alpha \right)+\int_{{{Z}_{0}}}{\left[ p(z|{{H}_{1}})-\lambda p(z|{{H}_{0}}) \right]dz}=J=λ(1−α)+∫Z0[p(z∣H1)−λp(z∣H0)]dz

显然PF=αP_{F}=\alphaPF=α时，使J达到最小就等价于使PMP_{M}PM达到最小。于是令JJJ对Z0{Z}_{0}Z0的导数为000，也就是积分号内值为000，则有
λ(z0)=p(z0∣H1)p(z0∣H0)=λ\lambda ({{z}_{0}})=\frac{p({{z}_{0}}|{{H}_{1}})}{p({{z}_{0}}|{{H}_{0}})}=\lambdaλ(z0)=p(z0∣H0)p(z0∣H1)=λ

而似然比为
λ(z)=p(z∣H1)p(z∣H0)\lambda (z)=\frac{p(z|{{H}_{1}})}{p(z|{{H}_{0}})}λ(z)=p(z∣H0)p(z∣H1)

这里z0{z}_{0}z0就是电平比较门限，若输入电平z{z}z大于z0{z}_{0}z0，也就是λ(z)\lambda (z)λ(z)大于λ\lambdaλ，判决有信号输入；若输入电平z{z}z小于z0{z}_{0}z0，也就是λ(z)\lambda (z)λ(z)小于λ\lambdaλ时，判决无信号输入。

其中λ\lambdaλ的取值由PF=αP_{F}=\alphaPF=α确定。在输入信号是一维的情况下，可由下式求得λ\lambdaλ。∫λ∞p[λ(z)∣H0]dλ(z)=α\int_{\lambda }^{\infty }{p\left[ \lambda (z)|{{H}_{0}} \right]d\lambda (z)}=\alpha∫λ∞p[λ(z)∣H0]dλ(z)=α或者由下式求得z0z_{0}z0
PF=∫z0∞p[z∣H0]dz{{P}_{F}}=\int_{{{z}_{0}}}^{\infty }{p\left[ z|{{H}_{0}} \right]dz}PF=∫z0∞p[z∣H0]dz再由下式求得λ\lambdaλ。
λ=p(z0∣H1)p(z0∣H0)\lambda =\frac{p({{z}_{0}}|{{H}_{1}})}{p({{z}_{0}}|{{H}_{0}})}λ=p(z0∣H0)p(z0∣H1)

2.3 举例

数字通信系统中，备选假设为H1H_{1}H1时，信源输出电压为111；备选假设为H0H_{0}H0时，信源输出为000。信号在通信信道上迭加了噪声n(t)n(t)n(t)，附加噪声n(t)n(t)n(t)为零均值，方差为1的高斯噪声。试构造一个PF=0.1P_{F}=0.1PF=0.1的聂曼-皮尔逊接收机。

解：在H1H_{1}H1和H0H_{0}H0两种假设下，若zzz为接收信号，nnn为噪声，则接收机的输出信号可以写为

H1H_{1}H1：z=1+nz=1+nz=1+n
H0H_{0}H0：z=nz=nz=n

由于nnn是高斯变量，均值为 0、方差为 1。在这两种假设下，zzz的概率密度函数为

p(z∣H0)=12πexp⁡(−z22)p(z|{{H}_{0}})=\frac{1}{\sqrt{2\pi }}\exp (-\frac{{{z}^{2}}}{2})p(z∣H0)=2π1exp(−2z2)

p(z∣H1)=12πexp⁡[−(z−1)22]p(z|{{H}_{1}})=\frac{1}{\sqrt{2\pi }}\exp [-\frac{{{\left( z-1 \right)}^{2}}}{2}]p(z∣H1)=2π1exp[−2(z−1)2]

似然比为

λ(z)=p(z∣H1)p(z∣H0)=exp⁡(z−12)\lambda (z)=\frac{p(z|{{H}_{1}})}{p(z|{{H}_{0}})}=\exp (z-\frac{1}{2})λ(z)=p(z∣H0)p(z∣H1)=exp(z−21)

那么判决规则为：若λ(z)\lambda (z)λ(z)大于λ\lambdaλ，判决有信号输入；若λ(z)\lambda (z)λ(z)小于λ\lambdaλ时，判决无信号输入。
用对数似然比的形式将上式写为

ln⁡λ(z)=ln⁡p(z∣H1)p(z∣H0)=z−12\ln \lambda (z)=\ln \frac{p(z|{{H}_{1}})}{p(z|{{H}_{0}})}=z-\frac{1}{2}lnλ(z)=lnp(z∣H0)p(z∣H1)=z−21

则判决规则变成：若信号电平zzz大于(ln⁡λ+12)(\ln \lambda +\frac{1}{2})(lnλ+21)，判决有信号输入；若zzz小于(ln⁡λ+12)(\ln \lambda +\frac{1}{2})(lnλ+21)时，判决无信号输入。

接下来求λ\lambdaλ，设(ln⁡λ+12)≡γ(\ln \lambda +\frac{1}{2})\equiv \gamma(lnλ+21)≡γ，由于 PF=0.1{P}_{F}=0.1PF=0.1，即

∫γ∞p(z∣H0)dz=∫γ∞12πexp⁡(−z22)dz=0.1\int_{\gamma }^{\infty }{p(z|{{H}_{0}})dz}=\int_{\gamma }^{\infty }{\frac{1}{\sqrt{2\pi }}\exp (-\frac{{{z}^{2}}}{2})dz}=0.1∫γ∞p(z∣H0)dz=∫γ∞2π1exp(−2z2)dz=0.1

于是γ=1.29\gamma=1.29γ=1.29，固有λ=exp⁡(γ−0.5)=2.2\lambda =\exp (\gamma -0.5)=2.2λ=exp(γ−0.5)=2.2

则检测概率为
PD=P(D1∣H1)=∫γ∞p(z∣H1)dz=∫γ∞12πexp⁡[−(z−1)22]dz=0.614{{P}_{D}}=P({{D}_{1}}|{{H}_{1}})=\int_{\gamma }^{\infty }{p(z|{{H}_{1}})dz}=\int_{\gamma }^{\infty }{\frac{1}{\sqrt{2\pi }}\exp [-\frac{{{(z-1)}^{2}}}{2}]dz}=0.614PD=P(D1∣H1)=∫γ∞p(z∣H1)dz=∫γ∞2π1exp[−2(z−1)2]dz=0.614

可以看出，PDP_{D}PD过低，原因是PFP_{F}PF较小，适当增大虚警概率PFP_{F}PF门限，可提高检测概率PDP_{D}PD，当采用多个观察时，效果也会变好。

3 总结

雷达信号的检测总是在干扰背景下进行的，这些干扰包括接收机内部的热噪声，以及地物、雨雪、海浪等杂波干扰，有时还有敌人施放的有源和无源干扰。杂波和敌人施放干扰的强度常比接收机内部噪声电平高得多。因此，在强干扰中提取信号，不仅要求有一定的信噪比，而且必须对信号作恒虚警处理。

原创性声明：本文属于作者原创性文章，小弟码字辛苦，转载还请注明出处。谢谢~

如果有哪些地方表述的不够得体和清晰，有存在的任何问题，欢迎评论和指正，谢谢各路大佬。

有需要相关技术支持的可咨询QQ：297461921

恒虚警检测（Constant False Alarm Rate, CFAR）相关推荐

一维恒虚警检测CFAR，雷达回波-检测门限波形图
目录 1.算法概述 2.仿真效果 3.MATLAB仿真源码 1.算法概述统计检测理论是利用信号的统计特性和噪声的统计特性等信息来建立最佳判决的数学理论.主要解决在受噪声干扰的观测中,信号有无的判决问 ...
纽曼皮尔逊准则Matlab实现,噪声恒虚警处理电路的计算机仿真
0 引言雷达系统的信号检测是在各种噪声和杂波干扰的环境中进行的.视频的回波信号与噪声.杂波一起送到检测器,并在检测器对视频信号进行分级,即设置一个检测门限.如果信号超过该门限,就判决目标存在.显然 ...
MATLAB目标检测恒虚警技术,一种自适应的恒虚警率目标检测方法
一种自适应的恒虚警率目标检测方法 [专利摘要]本发明涉及一种自适应的恒虚警率目标检测方法,包括以下步骤:1):将雷达接收到的数据传入匹配滤波器中:2):将匹配滤波器输出的信号传入平方律检波器中进行处理 ...
cfar恒虚警matlab实现,一种用于距离副瓣抑制的自适应恒虚警方法与流程
本发明涉及脉冲压缩雷达数字信号处理技术领域. 背景技术: 在传统的真空管体制雷达中,由于发射占空比受限,通过设计较低的雷达重复发射频率实现远距离的目标探测,但由于发射的是简单的脉冲调制波形,重复频率降 ...
误报率、故障检测率、漏报率、虚警率、误警率等指标异同及计算公式
文章目录误报率.故障检测率.漏报率.虚警率.误警率等指标异同及计算公式 1. 一些标准指标的计算 true positive rate (tp rate)[真阳性率], or hit rate [命 ...
实现yolov5漏检率与虚警次数指标计算并显示
项目场景: 某场景下,输出目标漏检率和虚警次数本项目包含两类红外目标UAV_S与UAV_L,分别对两类目标求漏检率和虚警次数并显示,最后求平均值后显示(实际上两类目标为对数据集进行分析后进行判断得到 ...
误报率、漏报率、准确率和召回率（虚警率、漏警率）
文章目录什么是positive和negative 什么是true和false TP.FP.TN.FN 误报率.漏报率.召回率误报率和漏报率的关系 see also References 什么是po ...
真阳率（true positive rate）、假阳率（false positive rate），AUC，ROC
很早以前就知道这些概念了,不过由于跟自己的认知习惯不一样,所以碰到了还是经常会忘.于是索性把这些概念总结一下,以后再忘了也好找(其他的文章太啰嗦了,计算方法也写的不清不楚-.) 另外我也会陆续更新一 ...
TPR FPR 真阳率（true positive rate）、假阳率（false positive rate），AUC，ROC
很早以前就知道这些概念了,不过由于跟自己的认知习惯不一样,所以碰到了还是经常会忘.于是索性把这些概念总结一下,以后再忘了也好找(其他的文章太啰嗦了,计算方法也写的不清不楚-.) 另外我也会陆续更新一 ...

恒虚警检测（Constant False Alarm Rate, CFAR）

目录