CFAR 检测算法库

面向雷达目标检测的 CFAR 算法与评估工具箱

统一接口与评估脚本，快速对比多类 CFAR 算法

【CFAR】【雷达检测】【虚警控制】【MATLAB】

📌 为什么选择

项目聚焦雷达检测中的虚警控制与多目标鲁棒性。提供从门限系数求解到检测与评估的完整链路。适合教学、对比与工程验证。

🎯 核心价值

🔬 学术研究价值

面向算法机理与对比研究的统一实现。

• 统一公式对齐
• 完整算法谱系
• 可复现实验
• 结构化输出

💼 工程应用价值

面向工程评估的轻量可用工具集。

• 接口一致性
• 参数可控性
• 脚本即用性
• 边界处理统一

⚡ 技术亮点

🌊 CA 与鲁棒 CFAR 对比

📊 性能指标（实测数据）

数据来源：evaluation 脚本的蒙特卡洛仿真曲线

🎯 多目标鲁棒检测能力

强调在强回波干扰下的稳定门限估计能力。

🖥️ 运行环境

以 MATLAB 基础环境为核心，便于教学与工程复现。

• 语言：MATLAB
• 依赖：基础函数，无额外工具箱
• 硬件：普通 PC 即可

📁 项目结构

CFAR/ ├── detectors/            # 检测器实现 │   ├── cfar_detect_ca.m  # CA-CFAR │   ├── cfar_detect_os.m  # OS-CFAR │   └── cfar_detect_icos.m # 迭代 OS-CFAR ├── evaluation/           # 评估脚本 │   ├── eval_multitarget_pd_pfa.m │   └── eval_performance_vs_snr.m └── docs/                 # 文档体系     ├── 算法文档.md        # 理论与公式     └── 代码文档.md        # 接口与结构

📄 文档体系

文档覆盖算法原理与代码结构两个维度。

📘 算法文档

系统阐述 CFAR 公式、门限推导与算法谱系。

📒 代码文档

聚焦模块划分、接口规范与脚本流程。

💻 核心代码展示

🔥 门限系数求解

门限求解统一由解析式与二分搜索支撑。

function result = binary_search(scope, precision, func, varargin)     target_pfa = varargin{end};     func_args = varargin(1:end-1);     while true         result = mean(scope);         pfa_calc = func(result, func_args{:});         difference = 1 / pfa_calc - 1 / target_pfa;         if abs(difference) < precision || abs(scope(1) - scope(2)) < 0.001             return;         elseif difference < 0             scope(1) = result;         else             scope(2) = result;         end     end end

🌟 滑窗检测流程

滑窗检测统一处理左边界、中间、右边界。

function result = cfar_detect_ca(x, alpha, n_slide, n_guard)     half_slide = n_slide / 2;     half_guard = n_guard / 2;     len = length(x);     left_bound = 1 + half_guard + half_slide;     right_bound = len - half_guard - half_slide;     threshold = zeros(1, len);     targets = [];     for i = 1:(left_bound - 1)         cell_right = x(i + half_guard + 1 : i + half_slide * 2 + half_guard);         threshold(i) = mean(cell_right) * alpha;         if threshold(i) < x(i)             targets = [targets, i];         end     end     for i = left_bound:right_bound         cell_left = x(i - half_slide - half_guard : i - half_guard - 1);         cell_right = x(i + half_guard + 1 : i + half_guard + half_slide);         threshold(i) = (mean(cell_left) + mean(cell_right)) / 2 * alpha;         if threshold(i) < x(i)             targets = [targets, i];         end     end     for i = (right_bound + 1):len         cell_left = x(i - half_guard - half_slide * 2 : i - half_guard - 1);         threshold(i) = mean(cell_left) * alpha;         if threshold(i) < x(i)             targets = [targets, i];         end     end     result.name = 'CFAR_CA';     result.threshold = threshold;     result.targets = targets; end

🚀 鲁棒检测流程

引入序统计或截断策略抑制强干扰。

function result = cfar_detect_icos(x, Pfa, n_slide, n_guard, rate)     half_slide = n_slide / 2;     half_guard = n_guard / 2;     len = length(x);     max_iter = 30;     left_bound = 1 + half_guard + half_slide;     right_bound = len - half_guard - half_slide;     threshold = zeros(1, len);     targets = [];     for i = 1:(left_bound - 1)         ref_cells = x(i + half_guard + 1 : i + half_slide * 2 + half_guard);         alpha = calc_threshold_os(Pfa, length(ref_cells), rate);         for iter = 1:max_iter             ref_sorted = sort(ref_cells);             k = ceil(rate * length(ref_cells));             t = ref_sorted(k) * alpha;             ref_cells = ref_cells(ref_cells <= t);             new_alpha = calc_threshold_os(Pfa, length(ref_cells), rate);             if new_alpha == alpha                 break;             end             alpha = new_alpha;         end         ref_sorted = sort(ref_cells);         k = ceil(rate * length(ref_cells));         threshold(i) = ref_sorted(k) * alpha;         if threshold(i) < x(i)             targets = [targets, i];         end     end     for i = left_bound:right_bound         cell_left = x(i - half_slide - half_guard : i - half_guard - 1);         cell_right = x(i + half_guard + 1 : i + half_guard + half_slide);         ref_cells = [cell_left, cell_right];         alpha = calc_threshold_os(Pfa, length(ref_cells), rate);         for iter = 1:max_iter             ref_sorted = sort(ref_cells);             k = ceil(rate * length(ref_cells));             t = ref_sorted(k) * alpha;             ref_cells = ref_cells(ref_cells <= t);             new_alpha = calc_threshold_os(Pfa, length(ref_cells), rate);             if new_alpha == alpha                 break;             end             alpha = new_alpha;         end         ref_sorted = sort(ref_cells);         k = ceil(rate * length(ref_cells));         threshold(i) = ref_sorted(k) * alpha;         if threshold(i) < x(i)             targets = [targets, i];         end     end     result.name = 'CFAR_ICOS';     result.threshold = threshold;     result.targets = targets; end

🎬 一键运行

# 打开 MATLAB 并进入工程目录 # 将 utils/pfa/threshold/detectors 加入路径 # 运行 evaluation 中的评估脚本

结果预览

输出 Pd-Pfa 与 Pd-SNR 对比曲线。

多算法性能曲线对比图。

📸 演示图片预览

示意图用于展示关键性能曲线与检测效果。

• Pd-Pfa 曲线对比
• Pd-SNR 曲线对比
• 多目标检测示意
• 门限序列示意
• 杂波分布示意

🛒 获取方式

📚 参考文献

1. H. Rohling, “Radar CFAR Thresholding in Clutter and Multiple Target Situations,” IEEE Trans. AES, 1983.
2. M. I. Skolnik, Radar Handbook, 3rd ed., McGraw-Hill, 2008.
3. S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory, Prentice Hall, 1998.
4. J. I. Marcum, “A Statistical Theory of Target Detection,” RAND Research Memorandum, 1947.
5. A. Farina, Radar Data Processing: Introduction and Tracking, Research Studies Press, 1985.