基于CA-CFAR的LFM雷达目标距离与速度联合估计方法
文章来源 微信公众号 EW Frontier
在智能交通、安防监控及无人机探测等民用领域，雷达因具备全天候、抗干扰的技术优势，成为目标检测与参数估计的核心装备。线性调频（LFM）雷达凭借大时宽带宽积的特性，可同时实现高距离分辨率与高测速精度，而单元平均恒虚警（CA-CFAR）检测算法能在复杂噪声环境下稳定维持虚警概率，二者的结合为多目标场景下的距离-速度联合估计提供了可靠解决方案。本文从信号建模、核心处理流程到性能验证，系统阐述该方法的理论体系与仿真实现效果。
一、LFM雷达信号建模
（一）发射信号模型
LFM雷达的发射信号通过在脉冲持续时间内线性调节载波频率实现，其复基带信号表达式为：
$s_t(t) = \exp\left{j2\pi\left(f_c t + \frac{1}{2} K t^2\right)\right} $
其中，f c f_cfc为载波频率，K = B / T p K=B/T_pK=B/Tp为调频斜率，B BB为信号带宽，T p T_pTp为脉冲持续时间。该信号通过线性调频实现了时宽带宽的解耦，为后续距离与速度的分离估计奠定基础。
（二）目标回波信号模型
当雷达照射到运动目标时，回波信号会产生距离时延与多普勒频移双重调制。设目标初始距离为R 0 R_0R0，运动速度为v vv，则任意慢时间t m t_mtm下的目标瞬时距离为R ( t m ) = R 0 + v t m R(t_m) = R_0 + v t_mR(tm)=R0+vtm，对应的回波信号时延为τ ( t m ) = 2 R ( t m ) / c \tau(t_m) = 2R(t_m)/cτ(tm)=2R(tm)/c（c cc为电磁波传播速度）。
同时，目标运动带来的多普勒频移为f d = 2 v / λ f_d = 2v/\lambdafd=2v/λ（λ \lambdaλ为载波波长），因此回波信号的复基带模型为：
$s_r(t, t_m) = A \exp\left{j2\pi\left[f_c (t-\tau(t_m)) + \frac{1}{2} K (t-\tau(t_m))^2 + f_d (t + t_m)\right]\right} + n(t, t_m) $
其中，A AA为回波信号幅度，n ( t , t m ) n(t, t_m)n(t,tm)为复高斯白噪声，对应雷达接收链路中的热噪声与环境噪声。
二、核心处理流程理论
（一）距离维处理：去调频与CA-CFAR检测
去调频处理：将发射信号与接收回波信号进行共轭相乘，实现差频提取，即s m ( t , t m ) = s r ( t , t m ) ⋅ s t ( t ) ∗ s_m(t, t_m) = s_r(t, t_m) \cdot s_t(t)^*sm(t,tm)=sr(t,tm)⋅st(t)∗。该操作可将高频载波信号转换为低频差频信号，有效降低后续信号处理的运算复杂度，差频信号的频率与目标距离呈线性对应关系。
距离FFT变换：对去调频后的信号进行快速傅里叶变换（FFT），并通过补零操作提高距离分辨率，将信号从时域转换至距离频域，实现目标距离的粗估计。
CA-CFAR检测：为在未知噪声环境下稳定检测目标，采用CA-CFAR算法进行阈值判决。该算法通过目标两侧对称分布的训练单元估计背景噪声功率，引入保护单元避免目标旁瓣对噪声估计的干扰，检测阈值为：
$T = \alpha \cdot \hat{P}_n $
其中，P ^ n \hat{P}_nP^n为训练单元估计的噪声功率，α = N t r ( P f a − 1 / N t r − 1 ) \alpha = N_{tr} (P_{fa}^{-1/N_{tr}} - 1)α=Ntr(Pfa−1/Ntr−1)为阈值因子，N t r N_{tr}Ntr为训练单元总数，P f a P_{fa}Pfa为预设虚警概率。当信号幅度超过阈值时，判定为目标存在，实现目标距离的精确检测。
（二）多普勒维处理与距离-多普勒联合估计
多普勒FFT变换：针对距离维检测到的目标距离门，提取对应慢时间维度的信号序列，通过FFT变换将信号转换至多普勒频域，利用多普勒频率与目标速度的线性映射关系，实现目标速度估计。
距离-多普勒图谱（RDM）：对距离-慢时间二维信号矩阵进行二维FFT变换，生成距离-多普勒图谱。该图谱以二维平面形式直观呈现目标的距离与速度分布，每个目标对应图谱中的一个亮斑，其横纵坐标分别对应目标的距离与速度信息，实现多目标的联合参数估计。
三、仿真性能验证
（一）仿真参数设置
为验证方法有效性，设置雷达核心参数：载波频率76.5GHz，信号带宽1GHz，脉冲重复频率125kHz，采样频率2GHz，目标数量3个，信噪比10dB，CFAR算法训练单元数20，保护单元数30，虚警概率10⁻³。
（二）结果分析
距离检测性能：CA-CFAR算法可有效抑制背景噪声干扰，目标距离检测误差小于1m，漏检率为0，虚警率符合预设指标，验证了距离检测的可靠性。
速度估计性能：多普勒维FFT变换实现了目标速度的精确估计，速度误差小于2m/s，可准确区分接近与远离目标的运动状态。
可视化性能：距离-时间强度图（RTI）可清晰呈现目标的运动轨迹，距离-多普勒图谱可直观区分多目标的距离与速度差异，为后续目标跟踪提供可靠支撑。
四、结语
基于CA-CFAR的LFM雷达目标距离与速度联合估计方法，通过合理的信号建模与分层处理，实现了复杂噪声环境下多目标的高精度检测与参数估计。该方法兼具理论严谨性与工程实用性，不仅可应用于民用雷达系统，还可拓展至机载、车载等移动探测平台，为智能感知系统的升级提供重要技术支撑。后续可通过优化CFAR算法结构与二维FFT分辨率，进一步提升低信噪比场景下的检测性能与多目标分辨能力。
