易重辉，张建伟，钱 江

(1. 四川大学 视觉合成图形图像技术国防重点学科实验室，成都 610065；2. 电子科技大学 长三角研究院(湖州)，浙江 湖州 313001)

近年来，我国各个城市规模不断扩大，民用的小型飞行器日益增多，使得国内航空流量不断增加.这类飞行器机载设备差，不能及时、准确地通报本机位置，导致二次雷达较难探测到此类飞行器；其体积小、速度慢、飞行高度低等特征也使得一次雷达对此类飞行器的检测识别变得非常困难.这给现有的空管工作施加了较大压力，因此解决民用小型飞行器的检测问题具有重要的研究意义和实用价值.

目前，国内外研究人员在雷达目标检测方面做了许多工作.恒虚警率(CFAR)检测是传统的雷达目标检测方法，具有检测时间长和只能检测点目标的缺点.为改善雷达目标检测效果，大致发展出了2 个改进方向，即基于传统信号处理的方法和基于特征的模式分类方法.对于前者，多属于仅针对CFAR 的改进.如基于主成分分析(PCA)的矩阵CFAR 检测[1]和基于积分图像的快速CFAR 算法[2]，显著提升了检测速度.文献[3]提出的多尺度自适应选取区域CFAR 算法，提供了定位不同目标的新思路.基于CFAR 的改进算法只利用了检测区域的信号幅度差异，未对目标进行特征建模，因此容易漏检[4].

对于基于特征的模式分类方法，则将问题转化成模式识别问题.文献[5]用神经网络的方法选择使用CFAR 检测器的种类；文献[6]用卷积神经网络替代分数阶傅里叶变换；……