cfar matlab,雷达无线电系列（二）经典CFAR算法图文解析与实现（matlab）

全栈程序员-站长 • 2026年3月19日下午4:02 • 未分类 • 阅读 2

cfar matlab,雷达无线电系列（二）经典CFAR算法图文解析与实现（matlab）一 CFRA 基础知识介绍算法简介恒虚警检测技术是指雷达系统在保持虚警几率恒定条件下对接收机输出的信号与噪声做判别以肯定目标信号是否存在的技术前提因为接收机输出端中确定存有噪声包括大气噪声人为噪声内部噪声和杂波等而信号通常是叠加在噪声上的这就须要在接收机输出的噪声或信号加噪声条件下采用检测技术判别是否有目标信号偏差几率任何形式的判决必然存在着两种偏差几率发现几率和虚警几率当接收

一，CFRA基础知识介绍算法

简介

恒虚警检测技术是指雷达系统在保持虚警几率恒定条件下对接收机输出的

信号与噪声做判别以肯定目标信号是否存在的技术。

前提

因为接收机输出端中确定存有噪声(包括大气噪声、人为噪声、内部噪声和杂波等)，而信号通常是叠加在噪声上的。这就须要在接收机输出的噪声或信号加噪声条件下，采用检测技术判别是否有目标信号。

偏差几率

任何形式的判决必然存在着两种偏差几率：发现几率和虚警几率。当接收机输出端存在目标回波信号，而判决时判为有目标的几率为Pd，判为无目标的几率为1-Pad。当接收机输出端只有噪声时，而判为有目标的几率为Pfa。因为噪声是随机变量，其特征可用几率密度函数表示，所以信号加噪声也是一随机变量

[1]

具体过程

恒虚警检测器首先对输入的噪声进行处理后肯定一个门限，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，不然，判为无目标。

方法

为了使系统的虚警几率保持恒定，此门限是随输入噪声变化而进行快速的自适应调整的，噪声处理方法是随噪声的不一样分布而异，于是恒虚警检测技术包括恒虚警处理技术和目标检测技术两大部分。恒虚警处理技术包括快门限、慢门限处理技术、目标检测包括似然比检测、二进制检测、序贯检测和非参量检测等

[1]。

二，经典CFAR算法解析与性能图谱展现网络

①均值类CFRAdom

核心思想是经过对参考窗内采样数据取平均来估计背景功率。ide

CA-CFAR、GO-CFAR、SO-CFAR算法这三个是最经典的均值类CFAR算法，后续有其变形log-CFAR算法可是原理是相同的。函数

图1 均值类CFAR检测器原理图性能

②统计有序CFAR优化

核心思想：经过对参考窗内的数据由小到大排序选取其中第K个数值假设其为杂波背景噪声。spa

图2 OS-CFAR检测器原理图3d

③自适应CFARcode

针对不一样的杂波选用不一样的决策方法来进行。

图3 HCE-CFAR检测器原理图

图4 VI-CFAR检测器原理图

④杂波图CFAR

经典的空域杂波图CFAR算法，假设每一个距离元和方位角上的平方率值听从独立同分布，经过对时间维上的数据进行遗忘迭代来拟合杂波背景噪声。

图5 杂波图CFAR检测器原理图

三，CFRA发展示状

均值类-统计有序类-自适应-杂波图-变换域-压缩感知-神经网络

四，经典CFAR算法实现源码(matlab)

cfar_ac.m　　单元平均恒虚警算法实现

优势：损失率最少的一种算法；

缺点：多目标遮掩，杂波边缘性能也欠佳；

8560934c61654ddd95afb305.html

1 function [ index, XT ] =cfar_ac( xc, N, pro_N, PAD)2 %假设回波服从高斯分布3 %

4 alpha=N.*(PAD.^(-1./N)-1);5 index=1+N/2+pro_N/2:length(xc)-N/2-pro_N/2;6 XT=zeros(1,length(index));7

8 for i=index9 cell_left=xc(1,i-N/2-pro_N/2:i-pro_N/2-1);10 cell_right=xc(1,i+pro_N/2+1:i+N/2+pro_N/2);11 Z=(sum(cell_left)+sum(cell_right))./N;12

13 XT(1,i-N/2-pro_N/2)=Z.*alpha;14 end15

16 end

View Code

test_cfar_ca.m

8560934c61654ddd95afb305.html

1 %%程序初始化2 clc;clear all;close all;3

4 %% 均匀背景噪声(单目标&多目标)5 % shape=[200];6 % variance=200;7 % noise_db=20;8 % noise_p=10.^(noise_db./10);9 % show_out=0;10 % [ xc ] =env_uniform(variance, shape, noise_db,show_out);11

12 %单目标13 % SNR1=15; signal1_p=10.^(SNR1./10).*noise_p;14 % xc(1,90)=signal1_p;15 %

16 %多目标17 % SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;18 % xc(1,90)=signal1_p;19 % SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;20 % xc(1,102)=signal2_p;21

23 %% 杂波边缘背景噪声(单目标&多目标)24 shape=[100,200];25 variance=200;26 noise_db=[20,30];27 noise_p=10.^(noise_db./10);28 show_out=0;29 [ xc ] =env_edge(variance, shape, noise_db,show_out);30

31 %多目标32 SNR1=15;signal1_p=10.^(SNR1./10).*noise_p(1,end);33 SNR2=12;signal2_p=10.^(SNR2./10).*noise_p(1,end);34 SNR3=8;signal3_p=10.^(SNR3./10).*noise_p(1,end);35 SNR4=5;signal4_p=10.^(SNR4./10).*noise_p(1,end);36

37 loc1=randi([43,44],1,1);38 xc(1,loc1)=signal1_p;39 loc2=randi([46,48],1,1);40 xc(1,loc2)=signal3_p;41 loc3=randi([50,53],1,1);42 xc(1,loc3)=signal2_p;43 loc4=randi([55,58],1,1);44 xc(1,loc4)=signal1_p;45 loc5=randi([90,93],1,1); %接近杂波区，可是依然在46 % xc(1,loc5)=signal1_p;47 xc(1,loc5)=signal2_p; %这种杂波边缘有目标的状况，还须要优化48 % xc(1,loc5)=signal3_p;49

50 loc6=randi([102,108],1,1);51 xc(1,loc6)=signal3_p;52

53 %% 算法结果&图谱显示54 N=36;55 pro_N=2;56 PAD=10^(-4);57 [ index, XT ] =cfar_ac( xc, N, pro_N, PAD);58

59 figure;60 plot(10.*log(abs(xc))./log(10)),hold on;61 plot(index,10.*log(abs(XT))./log(10)),hold on;

View Code

图6 CA-CFAR效果图

cfar_go.m　　最大选择恒虚警算法实现

优势：杂波边缘区域虚警几率下降

缺点：多目标遮掩

8560934c61654ddd95afb305.html

1 function [ index, XT ] =cfar_go( xc, N, pro_N, PAD)2 %假设回波服从高斯分布3 %alpha赋值有些问题，一个比较复杂的高次函数4 alpha=N.*(PAD.^(-1./N)-1);5

6 index=1+N/2+pro_N/2:length(xc)-N/2-pro_N/2;7 XT=zeros(1,length(index));8

9 for i=index10 cell_left=xc(1,i-N/2-pro_N/2:i-pro_N/2-1);11 cell_right=xc(1,i+pro_N/2+1:i+N/2+pro_N/2);12 Z=max([mean(cell_left),mean(cell_right)]);13

14 XT(1,i-N/2-pro_N/2)=Z.*alpha;15 end16

17 end

View Code

test_cfar_go.m

8560934c61654ddd95afb305.html

1 %%程序初始化2 clc;clear all;close all;3

12 %单目标13 % SNR1=15; signal1_p=10.^(SNR1./10).*noise_p;14 % xc(1,90)=signal1_p;15 %

16 %多目标17 % SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;18 % xc(1,90)=signal1_p;19 % SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;20 % xc(1,102)=signal2_p;21

37 loc1=randi([43,44],1,1);38 xc(1,loc1)=signal1_p;39 loc2=randi([46,48],1,1);40 xc(1,loc2)=signal3_p;41 loc3=randi([50,53],1,1);42 xc(1,loc3)=signal2_p;43 loc4=randi([55,58],1,1);44 xc(1,loc4)=signal1_p;45 % loc5=randi([90,93],1,1); %接近杂波区，可是依然在46 % xc(1,loc5)=signal1_p;47 % xc(1,loc5)=signal2_p; %这种杂波边缘有目标的状况，还须要优化48 % xc(1,loc5)=signal3_p;49

50 loc6=randi([102,108],1,1);51 xc(1,loc6)=signal3_p;52

53 %% 算法结果&图谱显示54 N=36;55 pro_N=2;56 PAD=10^(-4);57 [ index, XT ] =cfar_go( abs(xc), N, pro_N, PAD);58

59 figure;60 plot(10.*log(abs(xc))./log(10)),hold on;61 plot(index,10.*log(abs(XT))./log(10)),hold on;

View Code

图7 GO-CFAR效果图

cfar_so.m　　最小选择恒虚警算法实现

优势：多目标效果有改进；

缺点：杂波边缘区域虚警几率提高；

8560934c61654ddd95afb305.html

1 function [ index, XT ] =cfar_so( xc, N, pro_N, PAD)2 %假设回波服从高斯分布3 %alpha赋值有些问题，一个比较复杂的高次函数4 alpha=N.*(PAD.^(-1./N)-1);5

6 index=1+N/2+pro_N/2:length(xc)-N/2-pro_N/2;7 XT=zeros(1,length(index));8

9 for i=index10 cell_left=xc(1,i-N/2-pro_N/2:i-pro_N/2-1);11 cell_right=xc(1,i+pro_N/2+1:i+N/2+pro_N/2);12 Z=min([mean(cell_left),mean(cell_right)]);13

14 XT(1,i-N/2-pro_N/2)=Z.*alpha;15 end16

17 end

View Code

test_cfar_so.m

8560934c61654ddd95afb305.html

1 %%程序初始化2 clc;clear all;close all;3

12 %单目标13 % SNR1=15; signal1_p=10.^(SNR1./10).*noise_p;14 % xc(1,90)=signal1_p;15 %

16 %多目标17 % SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;18 % xc(1,90)=signal1_p;19 % SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;20 % xc(1,102)=signal2_p;21

37 loc1=randi([43,44],1,1);38 xc(1,loc1)=signal1_p;39 loc2=randi([46,48],1,1);40 xc(1,loc2)=signal3_p;41 loc3=randi([50,53],1,1);42 xc(1,loc3)=signal2_p;43 loc4=randi([55,58],1,1);44 xc(1,loc4)=signal1_p;45 % loc5=randi([90,93],1,1); %接近杂波区，可是依然在46 % xc(1,loc5)=signal1_p;47 % xc(1,loc5)=signal2_p; %这种杂波边缘有目标的状况，还须要优化48 % xc(1,loc5)=signal3_p;49

50 loc6=randi([102,108],1,1);51 xc(1,loc6)=signal3_p;52

53 %% 算法结果&图谱显示54 N=36;55 pro_N=2;56 PAD=10^(-4);57 [ index, XT ] =cfar_so( abs(xc), N, pro_N, PAD);58

59 figure;60 plot(10.*log(abs(xc))./log(10)),hold on;61 plot(index,10.*log(abs(XT))./log(10)),hold on;

View Code

图8 SO-CFAR效果图

cfar_os.m　　有序统计恒虚警算法实现

优势：多目标检测性能很好；

缺点：杂波边缘区域虚警几率提升；

8560934c61654ddd95afb305.html

1 function [ index, XT ] =cfar_os( xc, N, k, pro_N, PAD)2 %假设回波服从高斯分布3 %alpha赋值有些问题，一个比较复杂的高次函数4

5 %%计算alpha6 %syms alpha PFA;7 % PFA(alpha)=gamma(N-1).*gamma(N-k+alpha-1)./gamma(N-k-1)./gamma(N+alpha-1);8 % [alpha,~,~]=solve(PFA(alpha)==PAD,’ReturnConditions’, true) ;9

10 alpha=N.*(PAD.^(-1./N)-1);11

12 index=1+N/2+pro_N/2:length(xc)-N/2-pro_N/2;13 XT=zeros(1,length(index));14

15 for i=index16 cell_left=xc(1,i-N/2-pro_N/2:i-pro_N/2-1);17 cell_right=xc(1,i+pro_N/2+1:i+N/2+pro_N/2);18 cell_all=cat(2,cell_left,cell_right);19 cell_sort=sort(cell_all);20

21 Z=cell_sort(1,k);22

23 XT(1,i-N/2-pro_N/2)=Z.*alpha;24 end25

26 end

View Code

test_cfar_os.m

8560934c61654ddd95afb305.html

1 %%程序初始化2 clc;clear all;close all;3

12 %单目标13 % SNR1=15; signal1_p=10.^(SNR1./10).*noise_p;14 % xc(1,90)=signal1_p;15 %

16 %多目标17 % SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;18 % xc(1,90)=signal1_p;19 % SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;20 % xc(1,102)=signal2_p;21

50 loc6=randi([102,108],1,1);51 xc(1,loc6)=signal3_p;52

53 %% 算法结果&图谱显示54 N=36;55 pro_N=2;56 k=2.*N./4;57 PAD=10^(-4);58 [ index, XT ] =cfar_os( abs(xc), N, k, pro_N, PAD);59

60 figure;61 plot(10.*log(abs(xc))./log(10)),hold on;62 plot(index,10.*log(abs(XT))./log(10)),hold on;

View Code

图9 OS-CAFR效果图

cfar_tc.m　　杂波图恒虚警算法实现

优势：经过提升累积帧数，杂波背景噪声功率趋近于理论值

缺点：对于慢移动目标有自遮掩效果

8560934c61654ddd95afb305.html

1 function [ index, XT, xc_tpn ] =cfar_tc( xc, xc_tp, N, pro_N, PAD)2 %假设回波服从高斯分布3 %

4 xc_tc=zeros(1,length(xc));5 alpha=N.*(PAD.^(-1./N)-1);6 xc_tc(1,2:end-1)=xc_tp(1,2:end-1)./3+xc(1,1:end-2)./3+xc(1,3:end)./3;7 xc_tpn=xc_tp(1,1:end)./2+xc(1,1:end)./2;8 xc_tc(1,1)=xc_tpn(1,1);9 xc_tc(1,end)=xc_tpn(1,end);10

11 index=1+N/2+pro_N/2:length(xc)-N/2-pro_N/2;12 XT=zeros(1,length(index));13

14 for i=index15 cell_left=xc_tc(1,i-N/2-pro_N/2:i-pro_N/2-1);16 cell_right=xc_tc(1,i+pro_N/2+1:i+N/2+pro_N/2);17 Z=(sum(cell_left)+sum(cell_right))./N;18

19 XT(1,i-N/2-pro_N/2)=Z.*alpha;20 end21

22 end

View Code

test_cfar_tc.m

8560934c61654ddd95afb305.html

1 %%程序初始化2 clc;clear all;close all;3

12 %单目标13 % SNR1=15; signal1_p=10.^(SNR1./10).*noise_p;14 % xc(1,90)=signal1_p;15 %

16 %多目标17 % SNR1=20;signal1_p=10.^(SNR1./10).*noise_p;18 % xc(1,90)=signal1_p;19 % SNR2=15;signal2_p=10.^(SNR2./10).*noise_p;20 % xc(1,102)=signal2_p;21

23 %% 杂波边缘背景噪声(单目标&多目标)24 shape=[100,200];25 variance=200;26 noise_db=[20,30];27 noise_p=10.^(noise_db./10);28 show_out=0;29 % [ xc ] =env_edge(variance, shape, noise_db, show_out);30

37 % loc1=randi([43,44],1,1);38 % xc(1,loc1)=signal1_p;39 % loc2=randi([46,48],1,1);40 % xc(1,loc2)=signal3_p;41 % loc3=randi([50,53],1,1);42 % xc(1,loc3)=signal2_p;43 % loc4=randi([55,58],1,1);44 % xc(1,loc4)=signal1_p;45 % loc5=randi([90,93],1,1); %接近杂波区，可是依然在46 % xc(1,loc5)=signal1_p;47 % xc(1,loc5)=signal2_p; %这种杂波边缘有目标的状况，还须要优化48 % xc(1,loc5)=signal3_p;49

50 % loc6=randi([102,108],1,1);51 % xc(1,loc6)=signal3_p;52

53 %%迭代算法实现(杂波图)54 N=36;55 u=0.001;56 PAD=10^(-4);57 alpha=N.*(PAD.^(-1./N)-1);58 xtp=zeros(1,shape(end));59 d0=0;60 d1=[0];61 for i=1:1:4000

62 [ xc ] =env_edge(variance, shape, noise_db,show_out);63

64 loc1=randi([43,44],1,1);65 xc(1,loc1)=signal1_p;66 loc2=randi([46,48],1,1);67 xc(1,loc2)=signal3_p;68 loc3=randi([50,53],1,1);69 xc(1,loc3)=signal2_p;70 loc4=randi([55,58],1,1);71 xc(1,loc4)=signal1_p;72

73 loc6=randi([102,108],1,1);74 xc(1,loc6)=signal3_p;75

76 xtp=xtp.*(1-u)+xc.*u;77 d0=d0.*(1-u)+u;78 d1=cat(2,d1,d0);79

80 if mod(i,100)==081 %%图谱显示82 figure;83 plot(10.*log(abs(xc))./log(10)),hold on;84 plot(10.*log(abs(xtp.*alpha./d0))./log(10)),hold on;85 end86

87 end

View Code

图10 杂波图CFAR效果图

五，总结

理想状况下的CFAR算法：

①多目标检测性能很好，几乎互不影响；

②杂波边缘区域，突变很快，虚警率稳定；

③慢移动目标自遮掩改善；

④算法实用，复杂度适中，理论可实现；

六，源程序完善[添加环境杂波模拟程序-一维距离元]　　2019.08.02

env_uniform.m文件

8560934c61654ddd95afb305.html

1 function [ xc ] = env_uniform(variance, shape, power_db, show_out)2 %UNIFORM_EN 此处显示有关此函数的摘要3 % 此处显示详细说明4 if (nargin==3)5 show_out=0;6 end7

8 c=10^(power_db/10); % 这里是幅度——功率9 xc=c + random(‘Normal’,0,variance,1,shape);10 if show_out==111 figure;plot(10.*log(abs(xc))./log(10));12 end13

14 end

View Code

env_edge.m文件

8560934c61654ddd95afb305.html

1 function [ xc ] = env_edge(variance, shape, power_db, show_out)2 %UNIFORM_EN 此处显示有关此函数的摘要3 % 此处显示详细说明4 if (nargin==3)5 show_out=0;6 end7

8 c=10.^(power_db./10); % 这里是幅度——功率9 xc=random(‘Normal’,0,variance,1,shape(1,end));10 xc(1,1:end)=xc(1,1:end)+c(1,1);11 index=1;12 for i=1:length(power_db)13 xc(1,index:shape(1,i))=xc(1,index:shape(1,i)).*c(1,i)./c(1,1);14 index=shape(1,i)+1;15 end16

18 if show_out==119 figure;plot(20.*log(abs(xc))./log(10));20 end21

22 end

View Code

发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/206280.html原文链接：https://javaforall.net

0 0

关于作者

全栈程序员-站长

133.5K 文章

3 粉丝

本网站汇聚当前互联网主流语音，持续更新，欢迎关注公众号“全栈程序员社区”

灵敏度和特异度的置信区间怎么算？

上一篇 2026年3月19日下午4:02

Windows上启动Mycat 错误: 找不到或无法加载主类 Files\mycatWin

下一篇 2026年3月19日下午4:03

app的测试点_测试皮肤的软件叫什么

app的测试点_测试皮肤的软件叫什么APP测试有很多方面需要考虑到，我列几点有明显特征的：功能测试：手机软件的基本功能。倒不一定完全由测试人员来完全执行，但却是所有测试中最重要的，需要测试人员做很好的测试策略和职责划分。稳定性测试：大多数手机应用是需要保证能够稳定运行一定时间的（尤其是对于一些记事类应用），而且在应用的运行状态发生切换后需要继续保持当前的状态，不出现闪退。性能测试：这部分分为两个方面，一部分是后台服务的性

全栈程序员-站长
2025年8月28日
6
微软面试题总结

微软面试题总结一面 1 反转单链表 2 剑指 offer 第一题二维数组查找二分优化 3 leetcode1314 二面一个逗号分割的 csv 文件转化成二维矩阵考虑各种情况双引号里有双引号一行没有正常结束等状态机三面文件 1 有两列 p 和 kstring 类型用 t 隔开文件 2 有两列 p1 p2 pn 和 k1 k2 kn 每列多个字符串用隔开两列用 t 隔开输出文件 2 中包含文件 1 行的所有行哈希建索引四面项目问题剑指

全栈程序员-站长
2026年3月27日
3
git使用giee

git使用giee1 在当前桌面新建一个文件夹右键 git 打开 gitclonegit 的地址 gitclonehttp gitee com heibaizi2000 gitstudy git2 将修改后的项目或者添加的项目或者文件放到这里面 3 gitadd 添加到缓冲区 4 gitcommit m 备注提交 5 gitpush 上传

全栈程序员-站长
2026年3月19日
1
北航计算机考研有多难_北京航空航天大学录取分数线2021

北航计算机考研有多难_北京航空航天大学录取分数线2021文/最爱生活截止到现在，高考的志愿填报工作已经陆陆续续结束，各个高校也开始进行了录取工作。最近也有一部分省份开始公布了一些提前批次招录的投档分数线，同学们也将会陆陆续续的接受到自己理想中大学的录取通知书。目前，又有两个省份开始公布了本省份的提前批次投档分数线，分别是贵州省以及新疆维吾尔自治区。在这两个省份公布出提前批次的录取分数线之后，在网上也是一石激起千层浪，不少“惊喜”的事情也在发生，不少网友…

全栈程序员-站长
2025年11月3日
5
SOAPAction是什么?

SOAPAction是什么?SOAPAction是什么?最近在工作中遇到一个SOAPAction的问题，正好拿出来研究一把。　　据说SOAPActionheader这玩意在SOAP1.1规范中着实让不少开发者喝了一壶。真的有这么难理解么?我想这应该是因为SOAP有两种非常不同的使用方式，而SOAPAction主要是被用来支持其中应用较少的一种方式的原因。在我看来，这种方式也非常有价值。　　让我们先看看S

全栈程序员-站长
2022年7月24日
24
老电脑玩游戏又卡又慢，怎么办？

老电脑玩游戏又卡又慢，怎么办？电脑玩游戏反应慢，这里收集了网上网友们提供的方法。如果您在电脑玩游戏时也遇到反应慢的问题，可以尝试用这些办法解决。网友方案一如果电脑玩游戏反应慢，可以通过将电脑的独显打开、更改电池模式或是调整画面分辨率等方法来解决，具体的操作方法可以参考下面的内容。1、将电脑的独显打开，打开控制面板，选择左侧的管理3D设置，在全局设置界面中将自动选择改为你的NVIDIA显卡。然后选择程序设置界面将你…

全栈程序员-站长
2022年6月9日
58

cfar matlab,雷达无线电系列（二）经典CFAR算法图文解析与实现（matlab）

关于作者

全栈程序员-站长

相关推荐

app的测试点_测试皮肤的软件叫什么

微软面试题总结

git使用giee

北航计算机考研有多难_北京航空航天大学录取分数线2021

SOAPAction是什么?

老电脑玩游戏又卡又慢，怎么办？

发表回复