卢术平，胡 鹏，丁 烽

(杭州应用声学研究所，浙江杭州 310023)

0 引 言

为了克服背景功率起伏情况下固定门限检测带来的弊端，1968年Finn等[1]提出了单元平均恒虚警(Cell Average-Constant False Alarm Ratio, CACFAR)检测算法，利用临近参考单元(一般选择距离分辨单元)中回波数据统计平均估计待检测单元(Cell Under Test, CUT)背景功率水平。CA-CFAR检测算法假设参考单元与 CUT背景为独立同分布，即均匀背景。同样地，在传统背景归一化处理中，也假设参考单元数据统计均匀[2]。然而，由于海洋生物、海底起伏地形、海浪以及海洋自身的非均匀结构等复杂多样性环境，往往造成声呐回波中混响呈现非均匀特性，使得背景功率水平估计错误，进而降低了检测(或背景归一化)性能[3]。

为了克服非均匀背景给恒虚警检测带来的影响，国内外学者进行了大量研究[4]。其中，1978年，Trunk[5]提出了单元平均选小 CFAR(Smallest Of CFAR, SO-CFAR)检测算法，1980年Hansen等[6]提出了单元平均选大 CFAR(Greatest of CFAR,GO-CFAR)检测算法。这两种算法通过比较待检测单元两边的平均背景功率水平，然后选择其中一边，前者有效地提高了邻近多目标场景下的目标检测性能，但是虚警控制能力下降；后者有效增强了虚警抑制能力，但是目标检测性能下降。1983年，Rohling等[7]提出了排序统计 CFAR(Order Statistic CFAR, OS-CFAR)检测算法，首先将邻单元的数据进行大小排序，然后选择其中某一个表示估计背景功率水平，该算法在多目标场景中效果优于CA-CFAR，但在均匀高斯背景下有一定的性能损失，同时排序带来了计算量的增加。此外，还有一些检测器通过判决或排序等方式删除疑似目标或强干扰较大的参考单元、或幅度较小的疑似盲区回波[8-9]，此类检测器对存在有限个强干扰源或弱回波场景下的检测性能较好，但对于删除或大或小的参考单元的数量无法准确给出。……