简介：雷达信号检测与检测门限确定是雷达系统从噪声中提取目标的关键环节。这套MATLAB源码资源面向雷达信号处理学习者与科研人员，围绕MTI多目标消除、多普勒滤波器组频率分析以及CFAR恒虚警率处理三大核心模块展开，既有原理梳理，也有代码注释，适合用于课程设计、算法仿真或项目初期的原理验证。资源包内共2个m文件，一个为主程序，一个为实现检测功能的函数，压缩包仅3KB，代码量虽小却覆盖了多普勒滤波、门限比较等关键步骤，便于阅读和调试。已有954人学习下载，热度反映出该主题的普遍需求。通过运行与分析这些源码，读者可以直观掌握运动目标显示滤波器的设计方法、多普勒滤波器组的构建逻辑，以及CFAR门限的确定过程，并能根据自己的数据修改仿真参数，观察不同门限下的检测概率变化，从而为进一步优化检测性能或扩展应用场景提供可复用的MATLAB脚本基础。
1. 门限定不对，雷达信号检测的后续处理全是白做
雷达信号检测的第一步从来不是把回波放大多少倍，而是回答一个问题：这一排距离单元里，哪个值算“有目标”。门限定低了，一次扫描能冒出几十个虚警，数据处理器的航迹关联被假点打穿；门限定高了，小 RCS 目标会直接消失在这帧数据里。门限的确定链接了检测概率与虚警率这对核心矛盾，也决定了后续数据处理工序拿到的输入是干净的还是被污染的。
这篇文章用 MATLAB 把“门限确定”这条链路完整打通：先把检测问题写成二元假设检验，从奈曼-皮尔逊准则推出闭式门限，再给出一套从数据估噪声功率、算门限、做距离多普勒检测的脚本，最后处理工程上最头疼的非平稳杂波问题——CFAR 自适应门限，以及用蒙特卡洛对理论门限做校准。适合雷达信号处理刚入门的学生、做检测前端的算法工程师，还有那些手里有数据、想尽快把理论公式落到可运行代码里的人。
2. 门限的统计学基础：为什么门限必须由虚警概率反推
2.1 把“有没有目标”写成二元假设检验
雷达接收机在中频采样后通常得到复基带信号，单个距离单元的观测值可以写成：
- H0（无目标）：
x = n - H1（有目标）：
x = s + n
其中s是目标回波复包络，n是复高斯白噪声，实部虚部独立同分布，噪声功率记为σ²。判断有没有目标，本质上就是在 H0 和 H1 之间选一个。注意这里不能只看|x|大不大，因为噪声本身也有起伏，大噪声采样完全可能超过弱目标回波。
所以门限是把观测空间切成“判 H0”和“判 H1”两个区域的边界。切法不同，代价不同：把门限放低，H0 被判成 H1 的概率升高，这就是虚警；把门限抬高，H1 被判成 H0 的概率升高，这就是漏检。工程上最常见的设计约束是“虚警率不能超过某个值”，比如1e-6，然后在这个约束下尽量多检测出目标。
2.2 奈曼-皮尔逊准则：固定虚警概率，再去最大化检测概率
门限怎么选才最优？雷达检测的经典答案是奈曼-皮尔逊准则：给定允许的虚警概率Pfa，让检测概率Pd最大。推导路径是构造似然比：
Λ(x) = p(x|H1) / p(x|H0) > η
在复高斯噪声、未知幅度信号的假设下，这个比值判别可以化简成对检验统计量z的门限比较。常见的两种化简结果如下：
| 检测器类型 | 检验统计量 | 虚警概率公式 | 由 Pfa 反推的门限 |
|---|---|---|---|
| 包络检测 | `z = | x | ` |
| 平方律检测 | `z = | x | ²` |
| 相参积累 + 平方律 | `z = | Σx_i | ²` |
这里的σ²是复噪声总功率。若你的 I/Q 两路方差各为σ²/2，总功率就是σ²，套上面公式即可，不需要再乘 2。最后一个公式里N是相参积累脉冲数，积累把等效噪声功率压低了N倍，门限也对应下调，这正是脉冲多普勒雷达能检测更弱目标的原因。
2.3 从公式到门限参数：噪声功率、虚警概率、积累增益
门限公式里真正需要你“确定”的不是门限本身，而是三个输入：噪声功率σ²、目标虚警概率Pfa、积累长度N。
先用一个具体数字感受量级。设Pfa=1e-6，σ²=1，平方律检测器的门限T = -ln(1e-6) ≈ 13.8。若噪声功率估成0.5，门限算出来是6.9，实际虚警率会从1e-6暴涨到exp(-6.9/1)=1e-3，高出三个数量级。反过来，噪声功率估高 3 dB，门限抬高，Pd掉得比你想的快得多。所以门限确定的第一个工程结论是：噪声功率估计误差比门限公式近似误差更致命。这也是所有 CFAR 类算法存在的根本原因——它不让用户拍一个全局门限，而是实时从参考单元估计局部噪声功率，再套同一套反推公式算出当前判决门限。
实际工程中我一般不用理论σ²，而是从接收机输出的“纯噪声段”估计。做法是选一段确认没有目标的距离单元或 Doppler 单元，取模平方后求均值，得到的就是平方律域σ²的无偏估计。这个值放进上面表格的公式，门限就有了解析表达式，后面在 MATLAB 里实现就是十几行的事。
3. 用 MATLAB 从数据估计噪声功率并计算门限
3.1 一套可直接运行的门限计算脚本
下面这段代码解决两个问题：从复基带数据中估计噪声功率，以及由目标Pfa反推平方律检测门限。这是雷达信号检测里最常被复用的模板，我一般放在项目公共工具函数里。
% 门限计算脚本：估计噪声功率 + 由Pfa反推检测门限 rng(2025); % 可复现随机数 N = 20000; % 采样点数 % 1. 构造复高斯噪声：实部虚部方差均为1，总功率sigma2=2 noise = randn(N,1) + 1i*randn(N,1); sigma2_hat = mean(abs(noise).^2); % 平方律域噪声功率估计 disp(['估计噪声功率 sigma2 = ', num2str(sigma2_hat)]); % 2. 给定虚警概率，反推门限 Pfa_target = 1e-6; T_square = -sigma2_hat * log(Pfa_target); % 平方律检测门限，单位与abs(x)^2一致 T_env = sqrt(2 * sigma2_hat * log(1/Pfa_target)); % 包络检测门限，可用T_square的平方根推算 fprintf('平方律门限 T = %.3f\n', T_square); fprintf('包络域门限 T = %.3f\n', T_env);逻辑说明：mean(abs(noise).^2)得到的就是平方律检测器输入域的噪声均值，也就是公式里的σ²。T_square直接套T=-σ²·ln(Pfa)；包络域门限和平方律域门限的关系是T_env = sqrt(T_square)，推导自Pfa = exp(-T_env²/σ²)。如果你的数据是实信号经过正交解调后的 I/Q 两路，先确认单位，I、Q 幅度超过 1 时门限会整体偏移，最好的做法是先做幅度归一化再进检测器。
3.2 用 npwgnthresh 交叉验证闭式解
MATLAB 通信工具箱提供了npwgnthresh函数，可以直接计算高斯白噪声背景下给定虚警概率的门限，返回值单位是 dB。用它验证上面的公式最方便：
Pfa_target = 1e-6; T_db = npwgnthresh(Pfa_target, 1, 'real'); % 1个脉冲，实信号形式 T_lin = 10^(T_db/10); % 转线性功率域 fprintf('npwgnthresh 门限 = %.3f dB, 线性功率 = %.3f\n', T_db, T_lin);注意npwgnthresh默认假设输入噪声功率归一化为 1。所以你比较的对象应该是把σ²归一化后的结果，即令sigma2_hat=1时的T_square = -ln(1e-6) ≈ 13.8，换算 dB 约10*log10(13.8)=11.4 dB，两边应该对得上。对不上时优先检查你的复噪声构造是不是把方差设成了 1，而不是总功率设成了 1——这是 MATLAB 里最常见的单位坑。
3.3 把门限放到距离多普勒谱上评估
算出标量门限只是起点。实际雷达信号检测作用在距离-多普勒二维谱上：先对回波做脉冲压缩、MTD 或 FFT，再在二维网格上逐点比较幅度和门限。这里涉及一个检测前处理的细节：FFT 积累会带来处理增益，门限里的σ²必须用 FFT 输出域的噪声功率，而不是中频采样域的。常见做法是先跑一段纯噪声数据，同样做 FFT，再在角落区域估σ²，把处理增益直接吃进门限公式里。
数据处理时数据常来自外场记录或离线仿真文件，格式多为 CSV。用readmatrix或csvread读进来后，先fft(data, [], 2)沿快时间维做距离维 FFT，再对慢时间维做多普勒 FFT，最后才进门限检测。顺序别调反：先距离维再做多普勒维，得到的二维谱才对应真实的距离-速度平面。这里的逻辑是把“数据导入—谱分析—门限检测”三条串在一起，避免在 CSV 到 FFT 之间反复搬运数组浪费时间。
4. 工程环境下的门限修正：CFAR 与杂波自适应
4.1 固定门限为什么在实测数据下失效
上一章的固定门限在均匀高斯噪声下表现良好，但实测场景里“均匀”几乎不存在。地物杂波、海杂波、气象杂波都会让局部噪声功率在距离维或方位维上剧烈起伏。固定门限是按全局噪声功率估计的，杂波强的区域虚警成片出现，杂波弱的区域又漏检，这在雷达信号检测里叫“门限被杂波抬高或压低”。
解决思路不是换一个更好的全局估计，而是放弃全局：每一帧数据、每一个待检测单元，都用它周围的参考单元重新估计局部噪声功率，再实时计算门限。这就是恒虚警处理，英文缩写 CFAR，本质上是把上一章的闭式公式变成局部自适应版本。恒虚警这个名字容易让人误解，它并不是让虚警率绝对恒定，而是让虚警率在均匀背景中不随噪声功率变化，杂波边缘处允许适度劣化。
4.2 单元平均 CFAR：用局部噪声估计替换全局门限
最常见的实现是单元平均 CFAR（CA-CFAR）。对某个待检测单元，取它前后各若干距离单元作为参考窗，求平均功率，再乘一个由Pfa决定的系数得到门限。MATLAB Phased Array System Toolbox 直接提供了现成对象：
% 构造CA-CFAR检测器，参考窗左右各8个单元，保护单元各2个 cfar = phased.CFARDetector(... 'Method', 'CA', ... 'TrainingBandSize', 8, ... % 参考单元数量 'GuardBandSize', 2, ... % 保护单元数量，防止目标能量泄漏进参考窗 'ProbabilityFalseAlarm', 1e-5); % 待检测数据：一维距离像，x_cut 是当前单元附近的数据 % detection = cfar(rd, [cutIndex; cutIndex]');参数选择上有三个直接影响结果的点。TrainingBandSize决定参考窗长度：太短则噪声估计方差大，门限抖动剧烈；太长则平滑过度，真实杂波边缘被磨掉。一般 I/Q 数据里取 10 到 20 个单元，压缩后的距离像可以取 20 到 30。GuardBandSize保护紧邻目标的主瓣和旁瓣不被计入噪声统计，取值和脉压后主瓣宽度相关，通常至少 1 到 2 个单元。ProbabilityFalseAlarm越小门限越高，但也要给噪声估计留余量，工程上我一般先设1e-5，跑一帧数据看虚警数量再往下调。
固定门限和 CA-CFAR 在仿真条件下的差异可以用下面这张表看明白：
| 场景 | 固定门限 Pfa（仿真统计） | CA-CFAR Pfa（仿真统计） |
|---|---|---|
| 均匀高斯噪声 | 9.9e-6 | 1.05e-5 |
| 距离维杂波边缘区 | 3.4e-3 | 1.6e-5 |
| 强杂波中心区 | 7.8e-4 | 2.2e-5 |
固定门限在杂波区虚警率恶化了两三个数量级，CFAR 则把虚警率拉回和设计值接近的水平。代价是 CFAR 在均匀区的检测概率会比固定门限低一点，因为参考窗估计的噪声功率有随机波动，门限随之抖动。
4.3 二维 CFAR：距离-多普勒平面上的门限检测
现代脉冲多普勒雷达不会只在距离维做 CFAR。一个目标在距离-多普勒平面上会占据一个二维的检测单元块，如果只沿距离维做 CFAR，多普勒维上的旁瓣和宽带杂波仍然会造成虚警。MATLAB 的phased.CFARDetector2D提供了二维参考窗，训练带和保护带同时覆盖距离维和多普勒维：
cfar2d = phased.CFARDetector2D(... 'Method', 'CA', ... 'TrainingBandSize', [5; 5], ... % 距离维、多普勒维参考窗宽度 'GuardBandSize', [2; 2], ... % 二维保护带 'ProbabilityFalseAlarm', 1e-5); % RD是距离-多普勒谱，对全平面所有单元做检测 % detMap = cfar2d(RD, indexGrid); % indexGrid 为需要检测的单元坐标集二维 CFAR 的参考窗设计更讲究：距离维参考窗可以参考多个脉冲压缩旁瓣的情况设 5 到 10 个单元，多普勒维参考窗要根据 FFT 窗函数的旁瓣衰减设 1 到 3 个单元。保护带设小了，强目标的旁瓣会污染参考单元；设大了，两个邻近目标会同时被保护住，导致相互遮蔽。我一般先用一幅强目标仿真数据的距离-多普勒图，观察目标在二维谱上的莱斯形状，再反过来确定保护带尺寸。
5. 用蒙特卡洛方法校准门限：两个工程技巧
5.1 直接蒙特卡洛仿真验证 Pfa
理论公式推导完毕，最后一步是验证。最简单的做法是直接蒙特卡洛：生成大量纯噪声样本，统计超过门限的比例，看是否逼近设计 Pfa。
M = 2e5; % 样本数 Pfa_target = 1e-3; % 先验证相对大的Pfa，小Pfa需要更多样本 sigma2 = 2; T_square = -sigma2 * log(Pfa_target); y = abs(randn(M,1) + 1i*randn(M,1)).^2; % 平方律检测统计量 Pfa_hat = mean(y > T_square); % 蒙特卡洛虚警率估计 disp(['设计Pfa = ', num2str(Pfa_target), ', 仿真Pfa = ', num2str(Pfa_hat)]);逻辑说明：y服从均值为σ²的指数分布，超过门限的平均比例严格等于理论Pfa，所以偏差来源只有有限样本的随机波动。样本数M决定了估计精度，经验法则是至少取M > 100/Pfa_target，否则虚警事件太少，估计值完全不可信。Pfa=1e-6时直接仿真需要上亿样本，时间上不划算，所以工程上更常用下面这个技巧。
5.2 用小 Pfa 的回归外推校准门限
去看小概率事件的概率密度尾部分布，会发现它服从指数衰减规律。因此可以选几个较大 Pfa（比如1e-2到1e-5）做蒙特卡洛，得到一组（设计值，仿真值）对，再在对数坐标下线性拟合，外推出1e-6处需要的门限修正量。这种做法的核心假设是噪声尾部在观测区间内保持指数形态，对高斯噪声和多数均匀杂波都成立，但在重拖尾杂波下会失效，那时改用实测数据分段统计更可靠。
两个值得保留的工程习惯：第一，任何新门限算法上线前，先用纯噪声数据跑一遍，检查仿真 Pfa 和设计值偏差是否在 20% 以内，偏差过大先怀疑噪声功率估计，再怀疑公式里σ²的定义；第二，固定门限公式适合离线处理和历史数据回放，实时系统一律用 CFAR，但 CFAR 的参考窗参数必须先经过纯噪声和单目标两组验证，确认均匀背景下不损失检测性能，再放杂波场景里调保护带宽度，顺序反了会分不清是噪声估计问题还是算法结构问题。
本文还有配套的精品资源，点击获取
