一種適用于激光測速系統的自適應CFAR 算法

黃黎平，唐詩，劉興濤

（1.中國直升機設計研究所，江西景德鎮，333000；2.成都凱天電子股份有限公司，四川成都，610031）

0 引言

激光測速系統利用多普勒效應和大氣米散射效應進行速度參數的探測[1]，系統的速度探測性能會受到大氣成分、大氣運動、激光的多路徑傳輸過程及激光器的相對強度噪聲和相位噪聲等影響，影響系統高精度探測的主要因素包括：硬靶干擾、大氣環境特性干擾及系統自身光電特性干擾等[2～5]。

激光測速系統有著復雜的應用環境，又受到自身光電特性干擾，且激光測速系統探測到的空速信號信噪比較低，如果使用固定檢測閾值或者單一的恒虛警算法，極易對干擾信號造成誤檢[6～7]。目前各類型的恒虛警算法應用于激光測速系統中均存在不足，比如單元平均恒虛警算法易將能量較大的激光器強度噪聲誤檢為有效信號，單元平均取大恒虛警算法會對能量較大的干擾信號附近的微弱信號造成漏檢。綜上，單一恒虛警檢測算法易受激光測速系統干擾信號的影響，無法有效檢測空速信號[9]。

傳統目標檢測的主要手段是通過人工判斷或者設置固定檢測閾值，但不同的干擾源具有不同的信號特性，固定檢查閾值存在局限，需要針對不同的干擾源設計合適的檢測閾值提高系統對于目標信號的有效探測率[10～11]。根據系統中不同干擾源的信號特性，本文基于恒虛警（CFAR）檢測設計了一種適用于激光測速系統的自適應CFAR 算法。

1 基本原理

恒虛警（Constant False Alarm Rate，CFAR）檢測在雷達數據檢測中具有廣泛的應用，該檢測算法可以根據背景噪聲、雜波和干擾信號自適應調整閾值大小，使虛警概率恒定[1]。根據不同的應用環境和干擾信號特征選擇不同的恒虛警檢測器，主要有噪聲恒虛警、單元平均恒虛警、有序恒虛警檢測器等。單元恒虛警檢測器作為最常用的恒虛警檢測器，示意圖如圖1 所示。

圖1 單元恒虛警檢測器示意圖

CA-CFAR，GO-CFAR 和SO-CFAR 三種檢測器的檢測門限為[2]：

其中kCA、kGO、kSO分別為單元平均恒虛警算法、單元平均取大恒虛警算法、單元平均取小恒虛警算法的乘性因子；VCA、VGO、VSO分別為采用單元平均恒虛警算法、單元平均取大恒虛警算法、單元平均取小恒虛警算法計算得到的檢測門限。在單元恒虛警檢測器中，檢測閾值由參考單元的信號均值和乘性因子k 決定，選擇合適的參考單元、CFAR 類型和乘性因子具有重要意義[3]。

2 算法設計

激光測速數據系統通過相干探測鑒頻得到某時刻整個電子系統采樣帶寬內的散射信號頻譜，其中包括空速多普勒移頻信號、直流噪聲信號、激光器相對強度噪聲和相位噪聲及干擾物多普勒噪聲信號等，如圖2 所示。

圖2 激光測速數據系統頻譜信號示意圖

不同時刻的干擾信號具有不同的頻率成分，不能直接對本底噪聲進行抑制。如果使用固定檢測閾值，極易對干擾信號造成誤檢，如圖2 中的激光器強度噪聲和相位噪聲，這兩種噪聲信號具有較強的能量，容易超過檢測閾值，干擾檢測結果。為了準確解算大氣矢量信號，從信號頻譜中精確地檢測出空速多普勒移頻信號，我們基于恒虛警（CFAR）檢測原理設計了一種用于激光測速的自適應調整檢測閾值的算法，設計的算法流程如圖3 所示，通過檢測單元的變化指數角系數Sk=xD-xD-1 自適應調整參考單元與保護單元的個數及選擇CFAR 處理方法。

圖3 一種自適應CFAR 檢測流程圖

S1：對激光測速數據系統取得的頻譜數據，采用漢明窗函數對頻譜數據進行平滑濾波，其窗口長度為激光測速數據系統輸出頻譜數據總的單元個數除以100 后取整，該步驟可以有效去除隨機噪聲點。

S2：本文假設左右參考單元窗長都為10 個單元，左右保護單元都為2 個，根據濾波后的頻譜數據滑窗計算每個檢測單元的角系數指標Sk。

S3：將角系數指標Sk與閾值Ts和Tg（Tg>Ts）進行判斷，根據判斷結果選擇對應的處理方法得到各時刻的對應檢測門限，檢測門限的計算見公式1。如果SkTg，為了降低系統對于干擾信號的虛假概率，采用GO-CFAR 檢測器，即檢測單元的變化指數大于第二閾值Tg，則采用單元平均取大恒虛警算法，保護單元個數增加1 個，參考單元的個數減少9 個的方式調整保護單元與參考單元的個數。

S4：將每個檢測單元與對應檢測門限進行比較，當檢測單元數值大于步驟S3 中的檢測門限時，判斷為空速信號。

3 試驗結果與分析

為了驗證算法對空速信號探測的準確性，將激光測速系統進行飛行試驗，對取得的頻譜信號進行分析，得出每時刻的真空速，最終對比系統輸出的真空速數據與GPS 速度動態變化的一致性。激光測速系統安裝如圖4 所示。

圖4 激光測速數據系統機上安裝

激光測速系統飛行試驗取得的頻譜如圖5(a)所示，圖中綠色實線表示待測信號，紅色虛線表示本文提出的自適應CFAR 算法取得的檢測閾值，藍色點劃線表示使用傳統的CA-CFAR 算法得到的檢測閾值。將頻譜目標區域進行局部放大，如圖5(b)所示，圖中紅色空心圓圈表示使用自適應CFAR 算法檢測到的有效峰值，藍色星點表示CA-CFAR 算法檢測到的有效峰值。可以看出傳統的CA-CFAR 算法抗環境干擾能力差，會將具有較高能量的激光器強度噪聲干擾信號誤檢為有效信號。

圖5 激光測速系統試飛試驗算法對比（誤檢）

另一時刻的激光測速系統飛行試驗取得的頻譜如圖6(a)所示，該時刻激光器相位噪聲信號頻譜成分與圖5(a)中的相位噪聲信號不同，但無論是自適應CFAR 算法還是CACFAR 算法取得的檢測閾值都能隨著干擾信號不同而自主調整檢測閾值，驗證了CFAR 檢測在復雜環境中的性能優勢。將頻譜目標區域進行局部放大，如圖6(b)所示，可以看出當低信噪比的有效信號在能量較強的干擾信號附近時， CACFAR 檢測容易出現漏檢。使用利用角系數的自適應CFAR算法能提高信號的有效探測率。

圖6 激光測速系統試飛試驗算法對比（漏檢）

比較采用自適應CFAR 算法與CA-CFAR 算法在系統不同信噪比條件下的數據檢測率結果，如圖7 所示，圖中藍色實線表示自適應CFAR 算法的檢測概率，紅色虛線表示CACFAR 算法的檢測概率。統計結果表明，自適應CFAR 算法在信號低信噪比時比CA-CFAR 算法有更高的檢測概率，即使在信號信噪比為0.5 的情況下也具有45%的檢測概率，整體性能優于傳統的CFAR 算法。

圖7 自適應CFAR 算法和CA-CFAR 算法性能對比

使用自適應CFAR 算法對激光測速系統試飛頻譜數據進行空速信號檢測，根據頻譜數據解算出飛機真空速，探測結果與GPS 數據變化吻合，如圖8 所示，圖中藍色點線表示GPS 輸出的地速信號，綠色點線表示激光測速系統輸出的真空速，紅色虛線表示飛機飛行高度。

圖8 激光測速系統解算真空速與GPS 速度對比

4 結束語

本文基于單元平均恒虛警檢測器，提出一種用于激光測速系統的自適應CFAR 檢測算法，并給出了算法流程。對激光測速數據進行特征分析，利用角系數對算法中的參考單元和保護單元進行自適應調整，此算法用于一維的頻譜信號檢測，相較于傳統的CFAR 算法檢測，降低了系統的誤檢、漏檢概率，有效地提高了信號檢測率，特別增加了信噪比小于1.5dB 時的探測概率。后續將對自適應CFAR 進一步優化，推廣應用于激光測速系統二維數據信號探測。