AURIX TC3xx雷達(dá)信號(hào)處理CFAR算法詳解

CFAR是非常普遍的信號(hào)過(guò)濾手段，用于提取超過(guò)動(dòng)態(tài)閾值的點(diǎn)目標(biāo)信息。AURIX? TC3xx單片機(jī)的雷達(dá)信號(hào)處理單元SPU集成了該硬件功能，并且提供兩種典型的CFAR算法。

英飛凌技術(shù)專家 錢偉喆

背景介紹

當(dāng)雷達(dá)回波信號(hào)功率幅值超過(guò)某個(gè)閾值時(shí)，能被檢測(cè)到，該閾值不可能是固定的，必須根據(jù)周圍環(huán)境、目標(biāo)分布反射強(qiáng)弱，雜波噪聲干擾等動(dòng)態(tài)變化，而CFAR（constant false alarm rate）就是用于計(jì)算動(dòng)態(tài)閾值的典型手段。CFAR直接影響檢測(cè)概率（probability of detection）【1】，同樣的收發(fā)機(jī)信噪比，較大的CFAR能獲得較大的檢測(cè)概率。

算法實(shí)現(xiàn)

由于CFAR使用非常普遍，AURIX? TC3xx單片機(jī)的雷達(dá)信號(hào)處理單元SPU集成了該硬件功能，并且提供兩種典型的CFAR算法，分別是CA-CFAR (cell-averaging CFAR)和GOS-CFAR (generalized order statistic CFAR)。圖1是典型CA-CFAR算法結(jié)構(gòu)，摘自Matlab參考文獻(xiàn)【1】。SPU還集成了兩種算法的子分類，提供更多的檢測(cè)方法。兩種算法各有優(yōu)缺點(diǎn)，GOS-CFAR在多目標(biāo)場(chǎng)景性能較優(yōu)，且其適應(yīng)性強(qiáng)，參數(shù)的微小調(diào)整對(duì)雜波噪聲的濾除影響較小【2】,【3】。

圖1. 典型的CA-CFAR（摘自【1】）

為防止帶相位信息的各天線信號(hào)互相干涉，通常使用不帶相位的NCI（non-coherent integer）功率數(shù)據(jù)進(jìn)行CFAR處理，這樣能準(zhǔn)確表征回波信號(hào)在各天線上的功率加總。得到的CFAR結(jié)果以位(bit)為基本單元，每個(gè)位對(duì)應(yīng)NCI矩陣中的一個(gè)數(shù)據(jù)，該數(shù)據(jù)可能是32位或16位存儲(chǔ)格式。NCI矩陣的維度是距離點(diǎn)數(shù)乘以多普勒點(diǎn)數(shù)。CFAR結(jié)果中置一的位，代表該對(duì)應(yīng)NCI的數(shù)據(jù)被檢測(cè)出；置零的位(圖2中CFAR bit mask未置一的位)，代表該對(duì)應(yīng)NCI的數(shù)據(jù)未被檢測(cè)出。

CFAR檢測(cè)出的結(jié)果代表該數(shù)據(jù)點(diǎn)的功率幅值超過(guò)動(dòng)態(tài)閾值，極大可能是來(lái)自某目標(biāo)的反射點(diǎn)。該數(shù)據(jù)點(diǎn)在每個(gè)天線上的信息需要保留，用于下一步的到達(dá)角運(yùn)算。而沒超過(guò)動(dòng)態(tài)閾值的數(shù)據(jù)點(diǎn)可能是噪聲雜波等，可被刪除。CFAR結(jié)果可以配合SPU內(nèi)的Bin rejection單元用于過(guò)濾距離-多普勒FFT結(jié)果，刪除不需要的數(shù)據(jù)點(diǎn)。圖2形象地展示了如何用CFAR 結(jié)果過(guò)濾距離-多普勒FFT數(shù)據(jù)。

圖2. CFAR結(jié)果對(duì)距離-多普勒FFT過(guò)濾示意圖

SPU內(nèi)的Bin rejection單元可以方便的實(shí)現(xiàn)濾波功能。Bin rejection單元可以設(shè)定多種靈活的判斷條件，比如跟設(shè)定的閾值比較，或者設(shè)定需要保留的數(shù)據(jù)向量維度，或者配合CFAR單元設(shè)定需要保留的bit mask等等。不滿足條件的數(shù)據(jù)單元可以被清零或刪除。

將CFAR結(jié)果依次配置到Bin rejection的掩碼寄存器中，該寄存器是32位，有64組，總共對(duì)應(yīng)2048（=32x64）個(gè)數(shù)據(jù)。但距離-多普勒FFT數(shù)據(jù)維度往往較大，而且還要考慮天線維度，所以需要多次配置掩碼寄存器，才能過(guò)濾全部三維數(shù)據(jù)。

使用SPU一維CFAR實(shí)現(xiàn)二維CFAR

SPU中CFAR硬件實(shí)現(xiàn)是一維的，可以沿距離維度，或者多普勒維度，而實(shí)際工程應(yīng)用中往往需要二維CFAR。理論上的二維CFAR實(shí)現(xiàn)，是通過(guò)被測(cè)點(diǎn)與周圍一圈點(diǎn)合成計(jì)算出的閾值進(jìn)行比較，計(jì)算量較大，尤其使用GOS-CFAR時(shí)，因?yàn)樾枰M(jìn)行排序的運(yùn)算量是O(n^2)，而一維是O(n)。文獻(xiàn)【2】中提出一種分別由距離和多普勒維度CFAR合成的二維CFAR，這種方法有效降低了工程計(jì)算量，保持實(shí)時(shí)性的同時(shí)，也能兼顧在噪聲環(huán)境下的性能。下面將詳細(xì)介紹如何使用SPU的一維CFAR實(shí)現(xiàn)二維CFAR并進(jìn)行檢測(cè)。

圖3. 二維CFAR、點(diǎn)目標(biāo)檢測(cè)和到達(dá)角計(jì)算流程，以及仿真結(jié)果

圖3的第一行流程，提供了二維CFAR、點(diǎn)目標(biāo)檢測(cè)和到達(dá)角計(jì)算流程，其中淡藍(lán)色顯示的步驟使用SPU實(shí)現(xiàn)，而綠色則代表CPU實(shí)現(xiàn)的步驟。圖3的第二行給出了每個(gè)步驟的仿真結(jié)果，能直觀表現(xiàn)二維CFAR的計(jì)算方法。圖中前兩步是典型的毫米波雷達(dá)信號(hào)預(yù)處理步驟，只是在第一步同時(shí)計(jì)算了距離維的NCI及GOS-CFAR，等第二步獲得多普勒維的CFAR后，就能合成二維結(jié)果。

需要注意的是，由于CFAR的存儲(chǔ)方式是以一個(gè)位元（bit）代表一個(gè)數(shù)據(jù)點(diǎn)，而第二步完成的多普勒結(jié)果是距離結(jié)果的轉(zhuǎn)置，所以第三步中要實(shí)現(xiàn)的位與（bit AND）操作并不簡(jiǎn)單，需要對(duì)兩個(gè)互為轉(zhuǎn)置的CFAR結(jié)果進(jìn)行位尋址。Tricore? CPU提供了位操作指令EXTR.U，能夠方便地將某個(gè)32位字中的某個(gè)位元提取出來(lái)進(jìn)行處理【4】。在某些頻繁調(diào)用，或時(shí)間裕量較短的場(chǎng)景，建議使用匯編代碼，減少耗時(shí)較長(zhǎng)的存儲(chǔ)器訪問(wèn)次數(shù)，使能CPU 指令緩存，并配合編譯器的時(shí)間優(yōu)化選項(xiàng)，來(lái)降低代碼執(zhí)行時(shí)間。舉個(gè)例子，使用CPU計(jì)算512*128維度的二維CFAR，并進(jìn)行檢測(cè)提取出128個(gè)點(diǎn)目標(biāo)，同時(shí)將提取出的目標(biāo)數(shù)據(jù)搬運(yùn)到連續(xù)內(nèi)存，方便實(shí)施第四步驟的角度傅里葉運(yùn)算，整個(gè)圖3中第三步驟耗時(shí)大約是1ms ，CPU運(yùn)行主頻是300MHz。

總結(jié)

CFAR是非常普遍的信號(hào)過(guò)濾手段，用于提取超過(guò)動(dòng)態(tài)閾值的點(diǎn)目標(biāo)信息。AURIX ? TC3xx單片機(jī)的雷達(dá)信號(hào)處理單元SPU集成了該硬件功能，并且提供兩種典型的CFAR算法。配合SPU中的bin rejection硬件功能，CFAR結(jié)果用于過(guò)濾距離-多普勒FFT，將可能來(lái)自目標(biāo)的反射點(diǎn)提取出來(lái)，進(jìn)行下一步到達(dá)角計(jì)算。另外，AURIX? TC3xx CPU能在較短時(shí)間內(nèi)，將兩次SPU的一維CFAR結(jié)果，進(jìn)行位與操作，實(shí)現(xiàn)二維CFAR過(guò)濾功能，提取目標(biāo)。

參考文獻(xiàn)

【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.