2D-CFAR檢測(cè)的性能分析與實(shí)現(xiàn)

左林虎 王 謙 劉國(guó)浩

(1.西安電子工程研究所 西安 710100；2.陸軍裝備部駐西安地區(qū)軍事代表局 西安 710000)

0 引言

恒虛警(Constant false alarm rate, CFAR)檢測(cè)是雷達(dá)信號(hào)處理中的關(guān)鍵技術(shù)之一，即通過估計(jì)背景噪聲功率自動(dòng)形成檢測(cè)閥值，從而保持恒定的虛警率。常見的CFAR技術(shù)有單元平均恒虛警(CA-CFAR)、單元平均取小恒虛警(SO-CFAR)、單元平均取大恒虛警(GO-CFAR)、有序排序恒虛警(OS-CFAR)以及剔除平均恒虛警(TM-CFAR)等。其中，在均勻雜波背景下，CA-CFAR獲得接近最優(yōu)的檢測(cè)性能，但在雜波邊緣場(chǎng)景會(huì)有虛警或者漏警，在多目標(biāo)場(chǎng)景會(huì)出現(xiàn)目標(biāo)遮蔽現(xiàn)象；SO-CFAR、OS-CFAR以及TM-CFAR改善多目標(biāo)場(chǎng)景下的目標(biāo)遮蔽現(xiàn)象，相應(yīng)地在雜波邊緣場(chǎng)景和均勻場(chǎng)景下檢測(cè)性能下降；GO-CFAR能有效地避免雜波邊緣的虛警，但在多目標(biāo)場(chǎng)景下更容易出現(xiàn)目標(biāo)遮蔽現(xiàn)象。以上CFAR檢測(cè)器均是在距離維對(duì)目標(biāo)進(jìn)行檢測(cè)，沒有考慮多普勒維度信息，二維恒虛警檢測(cè)(2D-CFAR)則是同時(shí)在距離維和多普勒維度選取參考單元對(duì)背景噪聲功率進(jìn)行估計(jì)。

CFAR的檢測(cè)性能與參考單元個(gè)數(shù)相關(guān)，在相同的虛警率下，當(dāng)參考單元個(gè)數(shù)增加時(shí)，CFAR損失下降。對(duì)于一維CFAR而言，距離維上參考窗長(zhǎng)增加的同時(shí)也意味著待檢單元附近的干擾更易進(jìn)入?yún)⒖即皟?nèi)，同樣也不利于準(zhǔn)確估計(jì)背景噪聲功率。與一維CFAR相比，在相同的參考單元個(gè)數(shù)下，二維CFAR的參考窗在距離維的長(zhǎng)度可以更小，意味著待檢單元附近的干擾對(duì)目標(biāo)檢測(cè)影響更小。與一維TM-CFAR類似，也可以在二維CFAR中加上剔除，進(jìn)一步提升二維CFAR檢測(cè)在多目標(biāo)場(chǎng)景下的檢測(cè)性能。

本文利用雷達(dá)模擬器產(chǎn)生地雜波邊緣場(chǎng)景、多目標(biāo)干擾等非均勻雜波場(chǎng)景，通過Matlab仿真分析CA-CFAR、SO-CFAR、GO-CFAR、OS-CFAR、TM-CFAR、2D-CFAR算法以及二維TM-CFAR算法(TM2D-CFAR)的檢測(cè)性能。在GPU中實(shí)現(xiàn)上述CFAR算法，在同等的輸入條件下，統(tǒng)計(jì)各CFAR算法的運(yùn)算時(shí)間。結(jié)合檢測(cè)性能和運(yùn)算效率綜合分析相關(guān)CFAR檢測(cè)器的性能。

1 二維CFAR算法模型及仿真結(jié)果

1.1 二維CFAR算法模型

二維參考窗同時(shí)在距離維和多普勒維選取參考單元對(duì)噪聲背景進(jìn)行估計(jì)。假設(shè)二維參考窗在距離維和多普勒維度的數(shù)目分別為和，保護(hù)窗在距離維和多普勒維度的數(shù)目分別為和，則二維參考窗其結(jié)構(gòu)如圖1所示。

由圖1可知，二維CA-CFAR檢測(cè)器的噪聲估計(jì)值可以表示為式(1)。

圖1 CFAR處理參考窗

(1)

其中,表示二維參考窗內(nèi)距離維上第個(gè)、多普勒維上第個(gè)參考單元的采樣值。

對(duì)二維參考窗內(nèi)的采樣值進(jìn)行排序，再剔除從最小采樣值起的個(gè)較小參考單元個(gè)數(shù)，從最大采樣值起的個(gè)較大參考單元個(gè)數(shù)。二維TM-CFAR檢測(cè)器的噪聲估計(jì)值可以表示為式(2)所示。

(2)

其中()表示二維參考窗內(nèi)參考單元的采樣值經(jīng)排序后的第個(gè)采樣值。

檢測(cè)門限可表示如式(3)所示。

=×

(3)

其中，為門限因子。

通過待檢單元的采樣值與檢測(cè)門限比較來判斷目標(biāo)是否存在，如式(4)所示。

(4)

1.2 相關(guān)CFAR檢測(cè)器仿真結(jié)果

1.2.1 雜波邊緣場(chǎng)景

雷達(dá)模擬器在32.25km處設(shè)置靜止目標(biāo)，在28.25～31.75km范圍內(nèi)添加丘陵地貌的雜波?；夭〝?shù)據(jù)經(jīng)脈壓、MTD等處理后，距離-多普勒數(shù)據(jù)矩陣如圖2(a)所示，多普勒通道1的距離維數(shù)據(jù)局部圖如圖2(b)所示。

圖2 雜波邊緣場(chǎng)景下雷達(dá)回波數(shù)據(jù)

從圖2中，可以看出來目標(biāo)在多普勒1通道的距離單元423附近，雜波區(qū)域約在距離單元340到414之間。

CA-CFAR、GO-CFAR、SO-CFAR、OS-CFAR、TM-CFAR的保護(hù)單元個(gè)數(shù)均設(shè)置為3，參考單元個(gè)數(shù)設(shè)置為16，OS-CFAR排序后選擇第13個(gè)參考單元，TM-CFAR剔除最大和最小的3個(gè)參考單元采樣值。二維CFAR的保護(hù)圈數(shù)為1圈，參考圈數(shù)為2圈。調(diào)整各個(gè)CFAR的門限乘積因子，使得在均勻雜波背景下，它們的虛警率均為1×10。邊緣場(chǎng)景下，相關(guān)CFAR檢測(cè)器的多普勒通道1的檢測(cè)結(jié)果如圖3所示。

圖3 雜波邊緣場(chǎng)景下CFAR檢測(cè)結(jié)果

圖3(a)為CA-CFAR檢測(cè)結(jié)果，可以看出雜波邊緣目標(biāo)被遮蔽；圖3(b)為GO-CFAR檢測(cè)結(jié)果，與圖3(a)類似；圖3(c)為SO-CFAR檢測(cè)結(jié)果，雜波邊緣目標(biāo)可以檢測(cè)到，同時(shí)雜波邊緣有虛警點(diǎn)；圖3(d)為OS-CFAR檢測(cè)結(jié)果，與圖3(c)類似；圖3(e)為TMCA-CFAR檢測(cè)結(jié)果，與圖3(a)類似，雜波邊緣目標(biāo)被遮蔽；圖3(f)為二維CFAR檢測(cè)結(jié)果，雜波邊緣目標(biāo)可以檢測(cè)到，同時(shí)雜波區(qū)域也有虛警；圖3(g)為二維TM-CFAR檢測(cè)結(jié)果，與檢測(cè)結(jié)果圖3(f)類似。

相關(guān)CFAR的所有多普勒通道上的檢測(cè)結(jié)果統(tǒng)計(jì)如表1所示。

表1 雜波邊緣場(chǎng)景下的相關(guān)CFAR檢測(cè)結(jié)果對(duì)比

從表1中，可以看出CA-CFAR、GO-CFAR、TMCA-CFAR檢測(cè)的虛警點(diǎn)較少，但是位于雜波邊緣附近的目標(biāo)沒有被檢測(cè)到，而SO-CFAR、OS-CFAR能夠檢測(cè)到雜波邊緣附近的目標(biāo)，但是同時(shí)有很多虛警點(diǎn)，相對(duì)而言，2D-CFAR和TM2D-CFAR的檢測(cè)結(jié)果比較均衡，沒有漏警，虛警較少，再對(duì)比2D-CFAR和TM2D-CFAR的檢測(cè)結(jié)果，可見在雜波邊緣場(chǎng)景應(yīng)用剔除技術(shù)并沒有收益。從整體結(jié)果看，在雜波邊緣場(chǎng)景下，可見二維CFAR的檢測(cè)效果好于一維CFAR的。

1.2.2 多目標(biāo)場(chǎng)景

雷達(dá)模擬器在49.5km、50km、50.25km處設(shè)置靜止目標(biāo)，RCS依次為10m、1m、10m?；夭〝?shù)據(jù)經(jīng)脈壓、MTD等處理后，距離-多普勒數(shù)據(jù)如圖4(a)所示，多普勒通道1的距離維數(shù)據(jù)局部圖如圖4(b)所示。

圖4 多目標(biāo)場(chǎng)景下雷達(dá)回波數(shù)據(jù)

相關(guān)CFAR的參數(shù)配置與上一致，相關(guān)CFAR檢測(cè)器的多普勒通道1的檢測(cè)結(jié)果如圖5所示。

圖5(a)為CA-CFAR檢測(cè)結(jié)果，位于中間的小目標(biāo)被遮蔽；圖5(b)為GO-CFAR檢測(cè)結(jié)果，與CA-CFAR類似；圖5(c)為SO-CFAR檢測(cè)結(jié)果，位于中間的小目標(biāo)被遮蔽，這是由于目標(biāo)的前后參考窗內(nèi)都有干擾；圖5(d)為OS-CFAR檢測(cè)結(jié)果，三個(gè)目標(biāo)均能被檢測(cè)，OS-CFAR的檢測(cè)性能與值有關(guān)，可通過調(diào)整值優(yōu)化檢測(cè)性能；圖5(e)為TMCA-CFAR檢測(cè)結(jié)果，三個(gè)目標(biāo)均能檢測(cè)到，同樣TMCA-CFAR檢測(cè)結(jié)果與剔除個(gè)數(shù)值有關(guān)；圖5(f)為2D-CFAR檢測(cè)結(jié)果三個(gè)目標(biāo)均能檢測(cè)到；圖5(g)為TM2D-CFAR檢測(cè)結(jié)果三個(gè)目標(biāo)均能檢測(cè)到，對(duì)比二維CFAR和二維TM-CFAR的檢測(cè)結(jié)果，可以看出在多目標(biāo)場(chǎng)景下應(yīng)用剔除技術(shù)是有收益的。

圖5 多目標(biāo)場(chǎng)景下CFAR檢測(cè)結(jié)果

對(duì)于一維的排序類CFAR檢測(cè)來說，在多目標(biāo)場(chǎng)景下的檢測(cè)性能與值選擇有關(guān)，而值與參考窗內(nèi)的干擾個(gè)數(shù)有關(guān)聯(lián)，以TMCA-CFAR為例，若剔除個(gè)數(shù)小于參考窗內(nèi)的干擾個(gè)數(shù)，仍有可能出現(xiàn)目標(biāo)遮蔽現(xiàn)象，而如果剔除個(gè)數(shù)太多時(shí)，造成參與噪聲估計(jì)的參考單元個(gè)數(shù)太少，對(duì)檢測(cè)仍有影響。從圖5可見，在多目標(biāo)場(chǎng)景下，2D-CFAR檢測(cè)器不作剔除或排序等處理就能把3個(gè)目標(biāo)都檢測(cè)到，可見二維CFAR窗的受干擾影響更小，進(jìn)一步我們可以推斷得出，在多目標(biāo)場(chǎng)景下，同樣使用剔除恒虛警，在二維CFAR參考窗的剔除個(gè)數(shù)可以少于一維CFAR參考窗，即采用二維CFAR窗的噪聲估計(jì)會(huì)更準(zhǔn)確一些。

結(jié)合雜波邊緣場(chǎng)景和多目標(biāo)場(chǎng)景的仿真結(jié)果，我們可以看出基于二維檢測(cè)窗的CFAR檢測(cè)器的檢測(cè)性能要優(yōu)于基于一維檢測(cè)窗的CFAR檢測(cè)器。

2 相關(guān)CFAR工程實(shí)現(xiàn)及處理時(shí)間統(tǒng)計(jì)

2.1 基于GPU的CFAR算法實(shí)現(xiàn)

基于中央處理器(Central Processing Unit, CPU)和圖形處理器(Graphic Proces-sing Unit, GPU)的異構(gòu)計(jì)算已逐步發(fā)展為高性能計(jì)算領(lǐng)域的主流模式。CPU的主頻比較高，采用多核架構(gòu)，每個(gè)核都能獨(dú)立完成計(jì)算、邏輯和數(shù)據(jù)讀寫功能，可以運(yùn)行操作系統(tǒng)，可以操作外設(shè)，并可以配置超大的內(nèi)存空間和存儲(chǔ)空間；GPU是近年來在大數(shù)據(jù)計(jì)算方面發(fā)展非常迅速的器件，它擁有超多的運(yùn)算核心，與CPU相比，每個(gè)核心不能單獨(dú)使用，但每組核心具有一定的管理能力，同時(shí)對(duì)內(nèi)存的訪問速度比CPU要快的多，這種架構(gòu)非常適合對(duì)整塊數(shù)據(jù)進(jìn)行并行處理計(jì)算。采用CPU+ GPU的異構(gòu)計(jì)算架構(gòu)使CPU和GPU的優(yōu)勢(shì)形成互補(bǔ)，兼顧C(jī)PU的復(fù)雜任務(wù)處理能力和GPU的并行計(jì)算能力。

CUDA(Compute Unified Device Architecture)作為GPU高性能計(jì)算的主要開發(fā)工具之一，已經(jīng)在計(jì)算機(jī)、物理、信號(hào)處理等眾多領(lǐng)域發(fā)揮重要作用。本文基于NVIDIA公司旗下的型號(hào)為Tesla P6的GPU，使用CUDA C/C++實(shí)現(xiàn)CA-CFAR、GO-CFAR、SO-CFAR、OS-CFAR、TM-CFAR以及二維CFAR檢測(cè)器。其實(shí)現(xiàn)流程大致如圖6所示。

圖6 基于GPU的CFAR處理流程圖

如圖6所示，首先分配主機(jī)與設(shè)備內(nèi)存，在主機(jī)中初始化待處理數(shù)據(jù)和保護(hù)單元個(gè)數(shù)、參考單元個(gè)數(shù)，剔除個(gè)數(shù)等CFAR參數(shù)后，將這些數(shù)據(jù)拷貝到設(shè)備中，然后執(zhí)行核函數(shù)，根據(jù)不同的CFAR檢測(cè)器類型進(jìn)行相應(yīng)的CFAR處理，最終將結(jié)果返回到主機(jī)中，進(jìn)行后續(xù)處理。

由于OS-CFAR與TM-CFAR正常處理時(shí)，需要進(jìn)行完全排序，排序較為耗時(shí)，對(duì)它們進(jìn)行處理上的優(yōu)化。對(duì)于OS-CFAR檢測(cè)，不進(jìn)行排序，只對(duì)待檢單元的采樣值和參考單元的采樣值的比較，然后判斷待檢單元采樣值是否超過個(gè)參考單元的采樣值；對(duì)于TM-CFAR檢測(cè)，進(jìn)行不完全排序，只從大往小只排前k個(gè)參考單元的采樣值，然后剔除后進(jìn)行求平均。

對(duì)于二維CFAR而言，通過使用紋理內(nèi)存進(jìn)行處理優(yōu)化。紋理內(nèi)存針對(duì)二維空間的局部訪問性進(jìn)行了優(yōu)化，所以通過紋理內(nèi)存訪問二維矩陣的鄰域會(huì)獲得加速。如圖7所示，圖7中的4個(gè)地址并非連續(xù)，一般的緩存中，這些地址不會(huì)緩存，如果在這種情況下使用紋理內(nèi)存而不是全局內(nèi)存，那么將獲得性能的提升。

圖7 紋理內(nèi)存應(yīng)用場(chǎng)景

2.2 相關(guān)CFAR運(yùn)算耗時(shí)統(tǒng)計(jì)

雷達(dá)波束個(gè)數(shù)為102個(gè)，脈沖積累數(shù)為20個(gè)，回波信號(hào)的采樣點(diǎn)數(shù)為1408個(gè)。服務(wù)器所用的GPU型號(hào)為Tesla P6，CPU型號(hào)為FT2000。各CFAR的參考窗長(zhǎng)、保護(hù)窗長(zhǎng)等參數(shù)設(shè)置與上文的仿真參數(shù)設(shè)置一致，則各CFAR檢測(cè)算法在GPU中耗時(shí)統(tǒng)計(jì)如表2所示。

表2 相關(guān)CFAR運(yùn)行時(shí)間對(duì)比

從表2中可以看出，經(jīng)優(yōu)化處理后，OS-CFAR和二維CFAR的運(yùn)算時(shí)間和CA-CFAR、GO-CFAR、SO-CFAR是一個(gè)量級(jí)的，而TMCA-CFAR和TM2D-CFAR仍涉及到部分排序，相對(duì)于其他CFAR檢測(cè)仍耗時(shí)更多。

3 結(jié)束語

本文利用雷達(dá)模擬器產(chǎn)生地雜波邊緣場(chǎng)景、多目標(biāo)干擾等非均勻雜波場(chǎng)景，通過Matlab仿真分析CA-CFAR、SO-CFAR、GO-CFAR、OS-CFAR、TM-CFAR以及二維CFAR算法的檢測(cè)性能。在GPU中實(shí)現(xiàn)上述CFAR算法，在同等的輸入條件下，統(tǒng)計(jì)各CFAR算法的運(yùn)算時(shí)間。從實(shí)驗(yàn)結(jié)果中可以看出二維CFAR算法在雜波邊緣場(chǎng)景、多目標(biāo)干擾場(chǎng)景下有良好的檢測(cè)性能，同時(shí)在工程實(shí)現(xiàn)上也具備著高效性和低運(yùn)算開銷，因此二維CFAR在工程應(yīng)用上是一個(gè)不錯(cuò)的選擇。由于本文中的數(shù)據(jù)來源是由雷達(dá)模擬器產(chǎn)生的，而現(xiàn)實(shí)雷達(dá)面臨的雜波背景更復(fù)雜，因此單一地應(yīng)用二維CFAR檢測(cè)不能解決所有問題，此時(shí)需要依據(jù)雜波圖等手段獲取真實(shí)雜波特性，對(duì)檢測(cè)區(qū)域進(jìn)行CFAR策略分段，對(duì)每一段的區(qū)域使用最合適的CFAR檢測(cè)方法，以達(dá)到最優(yōu)的整體檢測(cè)性能。