毫米波雷达||基础知识3（MTI、MTD、CFAR）

1、MTI、MTD

MTI（动目标显示） 是指利用杂波抑制滤波器来抑制杂波，提高雷达信号的信杂比，以利于运动目标检测的技术。杂波谱通常集中在直流分量和雷达重复频率的整数倍处，而MTI 滤波器利用杂波与运动目标的多普勒频率的差异，使得滤波器的频率响应在直流和PRF 的整数倍处具有较深的阻带，而在其他频点的抑制较弱，从而通过较深的“凹口”抑制静止目标和静物杂波。比如采用两脉冲对消器，也称一次对消器。下面分别是两脉冲和三脉冲对消的MTI滤波器。

MTD（动目标检测）是一种使用一组窄带多普勒滤波器将不同速度的目标分离出来的技术，其主要依据为不同速度产生的多普勒频移不同。当脉冲压缩处理后的信号通过多普勒滤波器组时，即进行速度维 FFT 时，由于不同速度产生的多普勒频移不同，各个速度的目标就会落入响应的多普勒通道，再乘以速度分辨率，由此可以计算出目标速度。

在FFT之前接一个二次对消器就可以看作MTI级联FFT的MTD滤波器组。因为DFT可以看作是一种特殊的滤波器，所以滤波器组的系数可以按照DFT的定义来选择，并采用快速算法FFT来实现MTD滤波。(由于对消器滤波特性的影响，MTI+FFT的合成多普勒滤波器组中各滤波器的主瓣有明显变形，各合成多普勒滤波器的杂波抑制性能各不相同。如果根据杂波抑制要求，直接设计一组具有更好杂波抑制性能的多普勒滤波器组，来代替对消级联FFT形式的MTD滤波器组，可进一步提高MTD处理器性能。)

2、相参积累、非相参积累

在信号理论中，相参又称为相干，定义为脉冲之间存在确定的相位关系。简单来说，脉冲间的相位可以互相对照，知道其中一个相位就有办法知道另外一个。相参处理的意义在于脉冲积累时提高信噪比，提高多普勒频率的准确度。相参积累，可以对 𝑁个回波进行累加，由于噪声是随机的，累加的结果是信号变强，而噪声因是随机的，强度反而变小，这样信号与噪声比就提高了。相参积累中多个脉冲之间相位关系固定且明确，所以理论上积累后信噪比可提高到 𝑁 倍。相参雷达的相邻脉冲相位连续，可以做相参积累，实际上就是FFT，非相参雷达只能是检波然后对多包络进行补偿，最后非相干积累，也就是包络简单相加。

3、CFAR

恒虚警率 CFAR 是 Constant False-Alarm Rate 的缩写。恒虚警率技术是在雷达系统在保持虚警概率恒定条件下对接收机输出的信号与噪声做判别以确定目标信号是否存在的技术。恒虚警检测器首先对输入的噪声进行处理后确定一个门限，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，否则，判为无目标。一般信号由信号源发出，在传播过程中受到各种干扰，到达接收机后经过处理，输出到检测器，然后检测器根据适当的准则对输入的信号做出判决。

N-P奈曼-皮尔逊准则（检测概率最大准则），该准则将虚警概率限定在一指定常数范围内，而使检测概率达到最大。虚警概率、漏检概率、检测概率相关联，给定虚警率，检测概率在漏检概率最小时达到最大。

（CA-CFAR） 阈值因子为：

注：OS-CFAR在多目标与杂波边缘环境中检测性能较好，但是在均匀环境中检测性能有一定损失。

附：平稳高斯过程

①高斯过程是一种概率方法，使我们能够通过结合先验知识来预测我们的数据，最明显的应用领域是将函数拟合到数据中，这称为回归。对于一组给定的训练点，可能有无限多的函数适合数据。 高斯过程通过为每个函数分配概率来为这个问题提供了一个解决方案。 然后，该概率分布的均值表示数据的最可能特征。 此外，使用概率方法允许我们将预测的置信度合并到回归结果中，能够提供预测的不确定性估计。

高斯分布（通常也称为正态分布）是高斯过程的基本组成部分。 特别是这种分布的多变量情况，其中每个随机变量都是正态分布的，它们的联合分布也是高斯的。多元高斯分布由均值向量定义μ和协方差矩阵Σ。均值向量𝜇描述分布的期望值。 它的每个组成部分都描述了相应维度的平均值。Σ对每个维度的方差进行建模，并确定不同随机变量的关联方式。 高斯过程的目标是从训练数据中学习这种基础分布。为了对训练数据进行回归，我们将这个问题视为贝叶斯推理。 贝叶斯推理的基本思想是随着新信息的出现而更新当前的假设。 在高斯过程的情况下，此信息是训练数据。

现在我们已经有了高斯过程的基本框架，只缺少一件事： 我们如何设置此分布并定义均值μ和协方差矩阵Σ? 协方差矩阵Σ由其协方差函数k决定，通常也称为高斯过程的内核。高斯过程的巧妙之处在于我们如何建立协方差矩阵Σ。 协方差矩阵不仅会描述分布的形状，而且最终会确定我们想要预测的函数的特征。

②平稳高斯过程是指既具有平稳性质又满足高斯分布的随机过程。具体来说，平稳高斯过程的统计特性（如均值、方差、自相关函数等）不会随时间的推移而变化，且其任意时刻的取值都服从高斯分布。特点：平稳性：统计特性不随时间变化。高斯性：任意时刻的取值都服从高斯分布。平稳高斯过程的自相关函数和功率谱密度具有特定的形式。应用：平稳高斯过程在金融、信号处理、通信等领域有广泛应用。例如，股票价格的变动、噪声信号、高斯白噪声等都可以被建模为平稳高斯过程。

参考文章:

现代雷达系统分析与设计---动目标检测(MTD)_XXXXiaojie-开放原子开发者工作坊