每日精学 042｜二维 CA CFAR 的矩形训练窗与边界单元计数

2026-09-25

雷达 · 通信 · 电子战　/　基础精学 042

二维距离多普勒图把线性功率写成规则网格。待检测单元附近的功率样本可用于估计局部背景，但目标主瓣和谱泄漏会污染紧邻样本，因此检测器通常在待检测单元周围设置保护区，并在更外侧的训练区计算背景均值。

二维矩形窗便于参数解释、存储寻址和快速求和，是二维 CA CFAR 的基本实现形式。

一维 CA CFAR 的门限因子只取决于训练样本数和设计虚警概率。二维处理并未改变这一概率关系，但训练样本数必须由二维窗口几何得到。若边界裁剪后仍沿用内部单元的计数或门限因子，检测器在图边缘不再满足统一的虚警率定义。

01
模型与符号

设输入为距离多普勒线性功率图，待检测单元与训练单元在无目标假设下服从相互独立、同均值的指数分布。该独立同分布模型用于门限闭式推导；相关窗函数、杂波起伏和非均匀背景在限制条件中另行讨论。所有索引均从零开始。

P[r,d]：距离索引 r 和多普勒索引 d 处的线性功率（非负功率）

N_r,N_d：距离向与多普勒向单元总数（单元）

T_r,T_d：两个维度上单侧训练区厚度（非负整数）

G_r,G_d：两个维度上单侧保护区半宽（非负整数）

L_r,L_d：外矩形半宽且 L_r=G_r+T_r 和 L_d=G_d+T_d（非负整数）

$\mathcal W_o$ ：包含训练区和保护区的外矩形（单元集合）

$\mathcal W_g$ ：包含待检测单元的保护矩形（单元集合）

$\mathcal W_t$ ：用于估计背景的训练单元集合（单元集合）

N_tr：实际参与平均的训练单元数（单元）

P_fa：无目标条件下的设计虚警概率（至 1）

α：乘在训练均值上的门限因子（无量纲）

02
二维矩形窗定义

以待检测单元 (r,d) 为中心，完整外矩形和保护矩形分别定义为

$\begin{aligned} \mathcal W_o(r,d)&=\{(i,j):|i-r|\le L_r,\ |j-d|\le L_d\}, \\ \mathcal W_g(r,d)&=\{(i,j):|i-r|\le G_r,\ |j-d|\le G_d\}. \end{aligned}$

保护矩形包含待检测单元。

训练集合取二者的集合差

$\mathcal W_t(r,d)=\{(i,j)\in\mathcal W_o(r,d):(i,j)\notin\mathcal W_g(r,d)\}.$

该定义形成矩形环带。

T_r 和 T_d 描述外矩形相对保护矩形在两个维度上的增量，不表示每一条边分别拥有独立的一维训练序列。

03
内部训练单元数量

当外矩形完全位于图内时，外矩形和保护矩形的单元数分别为

$\begin{aligned} A_o&=(2L_r+1)(2L_d+1), \\ A_g&=(2G_r+1)(2G_d+1). \end{aligned}$

因此完整训练单元数为

$\begin{aligned} N_{\mathrm{full}} &=A_o-A_g \\ &=(2G_r+2T_r+1)(2G_d+2T_d+1) -(2G_r+1)(2G_d+1) \\ &=2T_r(2G_d+1)+2T_d(2G_r+1)+4T_rT_d. \end{aligned}$

最后一行把训练区分解为两个方向的条带和四个角块，可用于核对参数解释。

直接把 2T_r+2T_d 当作二维训练单元总数会遗漏条带长度和角块面积。

外矩形完整的待检测索引范围为

$L_r\le r\le N_r-1-L_r, \qquad L_d\le d\le N_d-1-L_d.$

若两个维度均有足够长度，有效输出单元数为

$N_{\mathrm{valid}}=(N_r-2L_r)(N_d-2L_d).$

04
边界裁剪与位置相关计数

对长度为 N 的一维索引轴，中心 x、半宽 L 的窗口与合法区间相交后的长度为

$\ell(x;L,N)=\min(N-1,x+L)-\max(0,x-L)+1.$

由两个轴的笛卡尔积可得任意位置的实际训练单元数

$\begin{aligned} N_{\mathrm{tr}}(r,d) &=\ell(r;L_r,N_r)\ell(d;L_d,N_d) \\ &\quad-\ell(r;G_r,N_r)\ell(d;G_d,N_d). \end{aligned}$

例如左上角 (0,0) 的计数为

$N_{\mathrm{corner}}=(L_r+1)(L_d+1)-(G_r+1)(G_d+1).$

边界裁剪计数公式同时裁剪外矩形和保护矩形，可避免只修正外窗而错误保留完整保护区面积。

边界可采用三种基本策略。第一种只输出有效输出索引范围内的单元，所有输出共享 N_full。第二种裁剪窗口并按边界裁剪计数公式使用位置相关计数。

第三种把越界位置补零并仍除以完整计数；该策略人为降低边界噪声估计，不适合直接维持恒虚警率。多普勒轴是否采用循环延拓必须由数据组织和统计连续性决定，距离轴通常不应循环连接首尾单元。

05
局部噪声估计与门限推导

在训练集合内，局部噪声均值估计为

$\widehat\mu(r,d)=\frac{1}{N_{\mathrm{tr}}(r,d)} \sum_{(i,j)\in\mathcal W_t(r,d)}P[i,j].$

检测门限与判决规则为

$\gamma(r,d)=\alpha\bigl(N_{\mathrm{tr}}(r,d)\bigr)\widehat\mu(r,d), \qquad P[r,d]>\gamma(r,d).$

令无目标条件下的待检测功率为 Z₀，N 个训练功率之和为 Y，各样本均为均值 μ 的独立指数变量。给定 Y 时有

$\operatorname{Pr}\!\left(Z_0>\alpha\frac{Y}{N}\mid Y\right) =\exp\!\left(-\frac{\alpha Y}{N\mu}\right).$

又因 Y/μ 服从形状参数为 N、尺度参数为 1 的 Gamma 分布，其拉普拉斯变换为 (1+s)^−N，故

$P_{\mathrm{fa}} =\operatorname{E}\!\left[\exp\!\left(-\frac{\alpha Y}{N\mu}\right)\right] =\left(1+\frac{\alpha}{N}\right)^{-N}.$

反解得到位置相关门限因子

$\alpha(N)=N\left(P_{\mathrm{fa}}^{-1/N}-1\right).$

若边界实际只有 N_b 个训练单元，但仍对实际均值使用内部门限因子 α(N_full)，边界虚警率为

$P_{\mathrm{fa,reuse}} =\left(1+\frac{\alpha(N_{\mathrm{full}})}{N_b}\right)^{-N_b}.$

若越界位置补零且训练和仍除以 N_full，则

$P_{\mathrm{fa,zero}} =\left(1+\frac{\alpha(N_{\mathrm{full}})}{N_{\mathrm{full}}}\right)^{-N_b} =P_{\mathrm{fa}}^{N_b/N_{\mathrm{full}}}.$

两式定量说明了计数和归一化规则不能与边界处理分离设计。

06
二维前缀和求窗内功率

逐个访问训练单元的运算量与 N_tr 成正比。对功率图建立带一行一列零边界的二维前缀和

$S[a,b]=\sum_{i=0}^{a-1}\sum_{j=0}^{b-1}P[i,j], \qquad S[0,b]=S[a,0]=0.$

闭区间矩形 r₁≤ i≤ r₂、d₁≤ j≤ d₂ 的功率和为

$\begin{aligned} Q(r_1,r_2,d_1,d_2) &=S[r_2+1,d_2+1]-S[r_1,d_2+1] \\ &\quad-S[r_2+1,d_1]+S[r_1,d_1]. \end{aligned}$

训练功率和等于裁剪外矩形和减去裁剪保护矩形和。

每个矩形只需四次前缀和读取和三次加减，窗口尺寸不再决定单个待检测单元的算术次数。前缀和本身仍需覆盖整幅图的累加与存储。

07
物理含义

训练矩形给出背景估计所覆盖的二维邻域尺度，保护矩形给出从统计样本中排除的目标响应范围。距离向和多普勒向的窗宽具有不同物理含义，应分别依据距离压缩主瓣、慢时间窗主瓣、栅格间隔和背景平稳尺度确定。

内部单元拥有相同的估计自由度；裁剪边界减少训练样本后，估计方差增大，即使使用正确的 α(N)，检测性能也不会与内部单元完全相同。

08
固定参数算例

验证采用 N_r=48、N_d=32 的功率图，设置 T_r=3、T_d=2、G_r=1 和 G_d=1，因此 L_r=4、L_d=3。

设计虚警概率为 10⁻³。程序逐位置计算裁剪计数，并用固定随机种子的指数样本分别验证内部单元、按实际计数标定的角点、复用内部门限因子的角点以及零填充角点。

固定参数与数值验证结果

量	数值
map size	48 x 32
full training cell count	54
corner training cell count	16
top edge training cell count	29
full window cut count	1040
boundary cut count	496
full window alpha	7.36903798483
corner alpha	8.63882441695
corner reuse theoretical pfa	0.00233166616458
corner zero pad theoretical pfa	0.129154966501
蒙特卡洛试验次数	1200000
empirical full pfa	0.00102833333333
empirical corner local pfa	0.0010575
empirical corner reuse pfa	0.0024325
empirical corner zero pad pfa	0.129125

图 1　二维窗口几何边界计数分布与虚警率验证

完整训练窗计数公式给出 54 个内部训练单元，角点计数公式给出 16 个角点训练单元。图中蒙特卡洛统计使用 120 万次试验；

按各自计数计算的内部和角点经验虚警率分别为 0.0010283 和 0.0010575，均接近设计值。复用内部门限因子时，角点经验虚警率增至 0.0024325；

零填充并除以完整计数时，角点经验虚警率为 0.129125。配套 MATLAB 结果文件记录运行版本和全部参数。

09
数字实现的边界

模块 cfar2d_window_count.sv 对输入待检测索引进行上下界裁剪，分别计算外矩形面积和保护矩形面积，输出二者之差以及完整窗口标志。组合逻辑对越出地图尺寸的无效索引输出零。

自检 testbench 穷举全部 1536 个合法索引，与独立边界长度公式逐点比较，并检查角点、单边、内部、对称位置和无效索引。

模块只实现窗口几何和计数，不包含功率缓存、二维前缀和、除法、门限查找或检测判决。若功率输入位宽为 W，完整训练和的无符号累加器至少需要 $W+\lceil\log_2 N_{\mathrm{full}}\rceil$ 位。

裁剪策略还需要按 N_tr 选择门限系数；有效区策略可使用单一计数和单一系数。

当前执行环境未发现兼容的 SystemVerilog 仿真器。RTL 与 testbench 已完成模块名、端口、参数范围、角点公式、完整窗口计数和无效索引分支的静态核对；验证结论不包含动态编译或时序仿真结果。

10
适用范围

上述闭式门限适用于待检测功率与训练功率相互独立、同均值且服从指数分布的情形。二维矩形计数和前缀和公式本身不依赖概率分布，可用于距离多普勒图、时频功率图和其他规则二维功率网格的局部背景估计。

工程实现应明确地图尺寸、索引顺序、边界策略、计数位宽、累加器位宽以及门限系数量化格式。

11
工程上需要注意

距离和多普勒加窗会使相邻功率单元相关，独立指数模型给出的 α(N) 可能低估或高估实际门限需求。
杂波边缘、干扰条纹和多个邻近峰值会污染训练窗，使局部均值不能代表待检测单元背景。
保护区过小会纳入目标主瓣或旁瓣，保护区过大则减少有效训练样本并扩大背景估计尺度。
裁剪边界即使重新标定门限，也因样本更少而具有更大的门限波动和检测损失。
二维前缀和要求额外存储，其累加位宽随地图面积增长；定点截位和饱和会改变门限统计。
多普勒循环延拓只适用于首尾统计连续且索引定义明确的场景，不能机械套用于所有 FFT 输出。

二维 CA CFAR 的训练区是外矩形扣除保护矩形后的集合。完整窗口的训练单元数由两个矩形面积之差给出，边界裁剪后的计数则由两个轴的裁剪长度乘积之差给出。

指数功率模型下，门限因子必须与实际训练单元数配套；复用内部系数或把越界样本补零会破坏边界恒虚警特性。只输出完整窗口单元可保持统一参数，按位置裁剪可扩大输出范围但需要位置相关计数和门限标定。

二维前缀和把矩形训练功率和转换为固定次数的读取与加减，为软件和数字硬件实现提供了统一的求和结构。

内容依据：每日精学第 42 课《二维 CA CFAR 的矩形训练窗与边界单元计数》。图表沿用原课固定参数数值结果，属于数值验证，不代表设备实测。

阅读10

写评论...

每日精学 042｜二维 CA CFAR 的矩形训练窗与边界单元计数

01模型与符号

02二维矩形窗定义

03内部训练单元数量

04边界裁剪与位置相关计数

05局部噪声估计与门限推导

06二维前缀和求窗内功率

07物理含义

08固定参数算例

09数字实现的边界

10适用范围

11工程上需要注意