刘军伟，李 川，聂熠文，崔国龙，汪育苗,徐瑞昆

(1. 中国电子科技集团公司第三十八研究所,安徽合肥 230088； 2. 孔径阵列与空间探测安徽省重点实验室,安徽合肥 230088； 3. 电子科技大学信息与通信工程学院,四川成都 611731)

0 引 言

传统雷达检测技术主要通过利用回波能量来完成目标检测。在实际场景中，雷达回波不仅包含目标信息，还包含诸如地杂波、海杂波、干扰等杂波及背景信息。传统的恒虚警检测(Constant False Alarm Rate，CFAR)方法[1-3]使用一个电平由杂波和雷达回波附近的噪声决定的自适应门限值来发现回波中的目标。根据纽曼-皮尔逊准则，在保证虚警率下，CFAR可检测到目标的信噪比需大于12.8 dB。由于可用于参考的单元环境有限，且受到时间、空间、频率、功率、波形、极化、算力等资源的限制，最终捕获的雷达目标信号能量未必能超过门限，对于微弱目标容易造成漏警/虚警。此外，传统的目标检测方法本质上是对回波信号进行统计分析，提取具有代表性的统计特征，通过对统计特征的判断实现对目标的检测。但在实际应用中，地物杂波与目标所处环境紧密相关，沙漠、海洋、高原等不同地形下杂波分布存在差异，城市、郊区等不同环境下杂波分布也不相同，森林、草原等不同植被条件下的杂波情况也各有差异，甚至不同天气环境下杂波的分布也不尽相同。因此根据环境提供差异化、符合环境杂波特性的目标检测方法，对于在不同环境下及时准确地发现雷达目标具有重要意义。

深度学习[4-8]是机器学习领域中一个新的研究方向。……