AURIX TC3xx雷达信号处理CFAR算法详解
【导读】CFAR是非常普遍的信号过滤手段，用于提取超过动态阈值的点目标信息。AURIX? TC3xx单片机的雷达信号处理单元SPU集成了该硬件功能，并且提供两种典型的CFAR算法。
英飞凌技术专家 钱伟喆
背景介绍
当雷达回波信号功率幅值超过某个阈值时，能被检测到，该阈值不可能是固定的，必须根据周围环境、目标分布反射强弱，杂波噪声干扰等动态变化，而CFAR（constant false alarm rate）就是用于计算动态阈值的典型手段。CFAR直接影响检测概率（probability of detection）【1】，同样的收发机信噪比，较大的CFAR能获得较大的检测概率。
算法实现
由于CFAR使用非常普遍，AURIX? TC3xx单片机的雷达信号处理单元SPU集成了该硬件功能，并且提供两种典型的CFAR算法，分别是CA-CFAR (cell-averaging CFAR)和GOS-CFAR (generalized order statistic CFAR)。图1是典型CA-CFAR算法结构，摘自Matlab参考文献【1】。SPU还集成了两种算法的子分类，提供更多的检测方法。两种算法各有优缺点，GOS-CFAR在多目标场景性能较优，且其适应性强，参数的微小调整对杂波噪声的滤除影响较小【2】,【3】。
图1. 典型的CA-CFAR（摘自【1】）
为防止带相位信息的各天线信号互相干涉，通常使用不带相位的NCI（non-coherent integer）功率数据进行CFAR处理，这样能准确表征回波信号在各天线上的功率加总。得到的CFAR结果以位(bit)为基本单元，每个位对应NCI矩阵中的一个数据，该数据可能是32位或16位存储格式。NCI矩阵的维度是距离点数乘以多普勒点数。CFAR结果中置一的位，代表该对应NCI的数据被检测出；置零的位(图2中CFAR bit mask未置一的位)，代表该对应NCI的数据未被检测出。
CFAR检测出的结果代表该数据点的功率幅值超过动态阈值，极大可能是来自某目标的反射点。该数据点在每个天线上的信息需要保留，用于下一步的到达角运算。而没超过动态阈值的数据点可能是噪声杂波等，可被删除。CFAR结果可以配合SPU内的Bin rejection单元用于过滤距离-多普勒FFT结果，删除不需要的数据点。图2形象地展示了如何用CFAR 结果过滤距离-多普勒FFT数据。
图2. CFAR结果对距离-多普勒FFT过滤示意图
SPU内的Bin rejection单元可以方便的实现滤波功能。Bin rejection单元可以设定多种灵活的判断条件，比如跟设定的阈值比较，或者设定需要保留的数据向量维度，或者配合CFAR单元设定需要保留的bit mask等等。不满足条件的数据单元可以被清零或删除。
将CFAR结果依次配置到Bin rejection的掩码寄存器中，该寄存器是32位，有64组，总共对应2048（=32x64）个数据。但距离-多普勒FFT数据维度往往较大，而且还要考虑天线维度，所以需要多次配置掩码寄存器，才能过滤全部三维数据。
使用SPU一维CFAR实现二维CFAR
SPU中CFAR硬件实现是一维的，可以沿距离维度，或者多普勒维度，而实际工程应用中往往需要二维CFAR。理论上的二维CFAR实现，是通过被测点与周围一圈点合成计算出的阈值进行比较，计算量较大，尤其使用GOS-CFAR时，因为需要进行排序的运算量是O(n^2)，而一维是O(n)。文献【2】中提出一种分别由距离和多普勒维度CFAR合成的二维CFAR，这种方法有效降低了工程计算量，保持实时性的同时，也能兼顾在噪声环境下的性能。下面将详细介绍如何使用SPU的一维CFAR实现二维CFAR并进行检测。
图3. 二维CFAR、点目标检测和到达角计算流程，以及仿真结果
图3的第一行流程，提供了二维CFAR、点目标检测和到达角计算流程，其中淡蓝色显示的步骤使用SPU实现，而绿色则代表CPU实现的步骤。图3的第二行给出了每个步骤的仿真结果，能直观表现二维CFAR的计算方法。图中前两步是典型的毫米波雷达信号预处理步骤，只是在第一步同时计算了距离维的NCI及GOS-CFAR，等第二步获得多普勒维的CFAR后，就能合成二维结果。
需要注意的是，由于CFAR的存储方式是以一个位元（bit）代表一个数据点，而第二步完成的多普勒结果是距离结果的转置，所以第三步中要实现的位与（bit AND）操作并不简单，需要对两个互为转置的CFAR结果进行位寻址。Tricore? CPU提供了位操作指令EXTR.U，能够方便地将某个32位字中的某个位元提取出来进行处理【4】。在某些频繁调用，或时间裕量较短的场景，建议使用汇编代码，减少耗时较长的存储器访问次数，使能CPU 指令缓存，并配合编译器的时间优化选项，来降低代码执行时间。举个例子，使用CPU计算512*128维度的二维CFAR，并进行检测提取出128个点目标，同时将提取出的目标数据搬运到连续内存，方便实施第四步骤的角度傅里叶运算，整个图3中第三步骤耗时大约是1ms ，CPU运行主频是300MHz。
总结
CFAR是非常普遍的信号过滤手段，用于提取超过动态阈值的点目标信息。AURIX ? TC3xx单片机的雷达信号处理单元SPU集成了该硬件功能，并且提供两种典型的CFAR算法。配合SPU中的bin rejection硬件功能，CFAR结果用于过滤距离-多普勒FFT，将可能来自目标的反射点提取出来，进行下一步到达角计算。另外，AURIX? TC3xx CPU能在较短时间内，将两次SPU的一维CFAR结果，进行位与操作，实现二维CFAR过滤功能，提取目标。
参考文献
【1】 RADAR SYSTEMS ANALYSIS AND DESIGN USING MATLAB’, Bassem R. Mahafza.
【2】Fast Two-Dimensional CFAR Procedure’, Matthias Kronauge, Hermann Rohling, IEEE Trans. on Aerospace and electronic systems Vol. 49, No. 3 July 2013.
【3】Ordered Statistic CFAR Technique – an Overview’, Hermann Rohling, Hamburg University of Technology.
【4】TC1.6_DSP_Optimization_Guide_part1_v1.2’, Infineon Technologies AG.
免责声明：本文为转载文章，转载此文目的在于传递更多信息，版权归原作者所有。本文所用视频、图片、文字如涉及作品版权问题，请联系小编进行处理。
