CN103353594B - 二维自适应雷达恒虚警检测方法 - Google Patents

Abstract

本发明公开了一种二维自适应恒虚警检测方法，主要解决当杂波背景中出现多个目标或者强干扰时，采用单一CA_CFAR方法和OS_CFAR方法检测时检测性能下降的问题。其实现过程是：1）将大小为M×N服从不同分布的杂波矩阵分块，划分为n个大小为p×q的子块；2）计算子块属性判断因子α；3）根据判断因子α，判断每个子块的属性；4）计算不同杂波分布条件下二维单元平均恒虚警检测阈值因子T₁和二维有序恒虚警检测阈值因子T₂；5）利用阈值因子T₁和T₂分别求出均匀分布子块和非均匀分布子块各数据单元的检测门限K₁(i,j)和K₂(i,j)；6）雷达目标检测时，将检测门限与各数据单元比较，从而判断该数据单元是否存在目标。本发明具有检测性能高和应对复杂环境能力强的优点。

Description

二维自适应雷达恒虚警检测方法

技术领域

本发明属于雷达技术领域，涉及雷达的目标检测，具体的说是一种针对二维信号中存在干扰目标的雷达恒虚警检测方法，可用于目标跟踪。

背景技术

雷达信号处理的主要功能有检测、跟踪和成像。在雷达中，检测是指确定雷达测量值到底是目标回波，还是仅为干扰项。只有确定测量值是目标回波，才会进行下一步处理，如通过精确的距离、角度或多普勒测量对目标进行跟踪。

检测决策应用于雷达信号处理的各个阶段，从原始回波到经过预处理的数据，如多普勒频谱，甚至是合成孔径雷达图像都需要检测决策。例如，每个脉冲都对应一个距离单元，如果某一距离存在目标，则可根据回波采样数据和天线指向检测出目标距离和空间角度。但是距离单元采样数成百上千，脉冲重复频率也从几赫兹到数百赫兹不等，雷达每秒能得到成千上万个检测决策，所以目标判决比较困难。1993年Johnson和Dudgeon提出了较好的简明现代检测理论。

雷达接收的回波信号中不但包含有目标信号，也有各种噪声、杂波和干扰信号。采用固定的门限进行检测时，如果门限设高了，则虚警概率低，但可能会发生大量漏警，发现概率降低；而门限设低了，发现概率虽然增大，但噪声、杂波和干扰等会引起大量虚警。

早期的雷达，其主要功能是发现目标和测定目标的空间位置，所以信号处理功能相对简单，在噪声背景下检测目标回波是其主要任务。为提高雷达在噪声背景下发现目标的能力，信号积累和恒虚警CFAR检测技术得到了快速的发展。通过信号积累可以提高目标回波的信号噪声比SNR,提高雷达在噪声背景下对目标的发现能力。通过恒虚警的检测可以使雷达保持较高的发现目标能力的同时，使发生虚警的概率大为降低。

在现代雷达信号处理中，为了提高雷达的性能，首先需要提高检测器输入端的信噪比及信干比，其措施是降低接收机的噪声系数，采用各种抑制杂波和抗干扰的措施等。但即使采用了上述方法，检测器输入端还是会有噪声、杂波和干扰的剩余分量。由于接收机内部噪声电平因模拟器件的影响而缓慢时变，杂波和干扰剩余也是时变，且在空间非均匀分布，所以仍需要采用各种恒虚警方法来保证雷达信号检测具有恒虚警CFAR特性。设计雷达恒虚警检测器的关键是在虚警概率不变的条件下获取自适应门限的方法。

目前主要应用的恒虚警检测包括均值类恒虚警ML_CFAR检测和有序统计量类恒虚警OS_CFAR检测这两大类。

最早的ML类CFAR检测方法是单元平均CA方法，后来为改善非均匀杂波背景中的检测性能，又相继出现了单元平均选大GO，单元平均选小SO和加权单元平均WCA等同属于ML类的CFAR检测方法。这几种ML类CFAR检测器各有利弊：CA在均匀杂波背景中的检测性能最好，然而在非均匀杂波背景中性能严重下降；GO具有很好的抗边缘杂波能力和在均匀杂波背景中较好的检测性能，但是在多目标环境中的检测性能下降到了令人不能接受的地步；SO具有较好的抗击干扰目标的能力，但是它在均匀杂波背景中的检测性能和抗边缘杂波性能都很差；WCA在多目标环境中的检测性能比其它三个都好，在高信杂比时，干扰目标的强度变化对WCA影响很小，但其检测需要关于干扰目标的先验信息。

ML类CFAR检测方法是较早提出的，已经形成体系的一类CFAR检测方法，具有一定的代表性。近年来，又提出了一类很有代表性的CFAR检测方法，它们是建立在Rohling在1983年提出的有序统计量OS_CFAR检测方法基础上的一类基于有序统计量的CFAR检测方法。OS方法源于数字图形处理的排序处理技术，它在抗脉冲干扰方面作用显著。因此在多目标环境中，它相对于ML类CFAR检测方法具有较好的抗干扰目标的能力，同时在均匀杂波背景和杂波边缘环境中的性能下降也是适度的、可以接受的。

CA_CFAR在均匀杂波背景的环境下具有良好的检测性能，但在出现多个目标或多个强干扰时，检测性能会严重下降；OS_CFAR是一种基于有序统计量的CFAR检测方法，在包括有干扰目标的多目标环境下检测性能优于CA_CFAR，但在均匀杂波环境中检测性能不如CA_CFAR检测性能好。

发明内容

本发明的目的在于针对上述CA_CFAR和OS_CFAR这两种检测方法的不足，提出一种二维自适应雷达恒虚警检测方法，以实现当杂波背景中出现多个目标或者强干扰环境下，提高检测性能。

为实现上述目的，本发明的技术思路是:将距离—方位或距离—频率这整个二维信号矩阵进行分块，利用信息矩阵功率水平的变化分别判断各子块的属性，以自适应的用CFAR检测方法进行检测，即通过CA_CFAR检测均匀杂波块，通过OS_CFAR检测非均匀杂波块。具体实现步骤包括如下：

（1）对雷达接收到的大小为M×N的回波信号矩阵进行分块，将其划分为n个大小为p×q的子块，其中：M、N、p、q均不等于0，且p、q不能同时为1；

（2）用Monte Carlo仿真实验计算子块属性的判断因子a；

（3）根据判断因子α，判断每个子块的属性：3a)计算各子块的均值比:k＝1,2,...n，其中A_k是第k个子块的数据均值，A是回波信号矩阵的数据均值；

3b)将每个子块的均值比d_k与判断因子α进行比较，若d_k≤α，则判断该子块为均匀子块；否则，判断该子块为非均匀子块；

（4）在虚警概率为P_f＝10_-4的条件，用Monte Carlo仿真方法，分别计算出在不同杂波分布条件下的二维单元平均恒虚警检测阈值因子T₁和二维有序恒虚警检测阈值因子T₂；

（5）在二维自适应雷达恒虚警检测中，对不同属性的子块分别进行目标检测：

5a)对于均匀分布子块的检测：

5a1）设各数据单元的检测门限：K₁(i,j)＝T₁×Z₁(i,j)i=1,2…p，j=1,2…q；其中Z₁(i,j)为子块各数据单元附近杂波和干扰的估计值；

5a2）设均匀子块各数据单元的值表示为Y₁(i,j)i=1,2…p，j=1,2…q；

5a3）用各数据单元的检测门限K₁(i,j)与该数据单元的值Y₁(i,j)进行比较，若Y₁(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标；

5b)对于非均匀分布子块的检测：

5b1)设各数据单元的检测门限K₂(i,j)＝T_2×Z₂(i,j)，t=1,2…(p×q)，其中Z₂(i,j)分别为子块各数据单元附近杂波和干扰的估计值；

5b2)设非均匀子块各数据单元的值表示为Y₂(i,j)i=1,2…p，j=1,2…q；

5b3)用各数据单元的检测门限K₂(i,j)与该数据单元的值Y₂(i,j)进行比较，若Y₂(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标。本发明与现有技术相比具有以下优点：

1）检测性能提高：

传统雷达目标检测，对接收的整个回波信号矩阵的各数据单元不加区分的统一用一种检测方法进行检测，如果统一用CA_CFAR方法检测，当检测单元位于非均匀区域的时，检测性能将会下降；如果统一用OS_CFAR方法检测，当检测单元位于均匀区域时，检测性能下降。可见，传统的雷达检测方法无法充分发挥CA_CFAR在均匀杂波背景环境下的检测优势和OS_CFAR在非均匀杂波背景环境下的检测优势；

本发明在雷达目标检测的时候，将接收到的回波信号矩阵进行分块，用判断因子α分别判断各子块的属性；对均匀分布子块，用CA_CFAR方法进行目标检测；对非均匀子块，用OS_CFAR方法进行目标检测,这样就可以在雷达目标检测时结合CA_CFAR方法和OS_CFAR方法两者的优势，有效地弥补了单一使用CA_CFAR或OS_CFAR检测的不足。

2）提高了应对复杂环境能力

本发明在雷达检测中，对接收的回波信号矩阵进行了分块，并对不同属性的子块运用不同的检测方法；当有强干扰或多个目标存在时会自适应的采用OS_CFAR方法进行目标检测，充分发挥OS_CFAR方法在多目标或强干扰背景下的优势，从而提高了雷达目标检测应对复杂环境的能力。

附图说明

图1是本发明的实现流程图；

图2是在杂波服从瑞利分布，干扰处于同一子块下，用本发明检测的检测概率图；

图3是在杂波服从瑞利分布，干扰处于不同子块下，用本发明检测的检测概率图；

图4是在杂波服从韦布尔分布，干扰处于同一子块下，用发明检测的检测概率图；

图5是在杂波服从韦布尔分布，干扰处于不同子块下，用本发明检测的检测概率图；

图6是在杂波服从对数正态分布，干扰处于同一子块下，用本发明检测的检测概率图；

图7是在杂波服从对数正态分布，干扰处于不同子块下，用本发明检测的检测概率图。

具体实施方式

参照图1，本发明的具体实现步骤如下：

步骤1，对接收回波信号矩阵进行分块划分。

雷达在目标检测时接收到大小为M×N的回波信号矩阵，要判断是否有目标存在必须对回波信号的每个数据单元进行逐一判断。

本发明在检测雷达目标时，先对接收的回波信号矩阵进行分块，再将其划分为n个大小为p×q的子块，其中：M、N、p、q均不等于0，且p、q不能同时为1。

步骤2，用Monte Carlo仿真实验计算子块属性的判断因子α。

要判断一个子块的属性，就需要有一个判断标准，在此引入判断因子α，

2a）定义均值比k＝1,2,...n；

其中，β_k是第k个子块的数据均值，β是回波信号矩阵的数据均值，对不同属性的子块，其均值比C_k各不相同：

对于均匀分布子块，其数据均值与回波信号矩阵的数据均值接近，故均值比C_k≈1；

对非均匀分布子块，由于有干扰的存在，其均值增大，故均值比C_k也增大；定义均匀杂波背景下均值比C_k的最大值为判断因子α；

由于α是均匀杂波背景下均值比C_k的最大值，所以一切均值比C_k>α的子块都是非均匀分布；反之，是均匀分布；

2b)在一次Monte Carlo仿真实验中产生一个在均匀杂波背景下的回波信号矩阵并分块，计算每个子块的均值比C_k，从所有的均值比C_k中取最大值作为该次MonteCarlo仿真实验得出的判断因子α₁；

2c)重复b次Monte Carlo仿真实验，得到b个判断因子α_i，i=1,2…b，b≥2，且b为整数，取这b个判断因子α_i的最大值作为子块属性的判断因子α。

步骤3，根据判断因子α，判断每个子块的属性：

3a)计算回波信号矩阵的数据单元平均值A和各子块数据单元的平均值A_k，k＝1,2,...n；3b)计算各子块的均值比:k＝1,2,...n；

3c)将每个子块的均值比d_k与判断因子α进行比较，若d_k≤α，则判断该子块为均匀子块；否则，判断该子块为非均匀子块。

步骤4，用Monte Carlo仿真方法，计算出在杂波服从同一分布条件下的二维单元平均恒虚警检测阈值因子T₁和二维有序恒虚警检测阈值因子T₂。

4a)计算在不同杂波分布条件下的二维单元平均恒虚警检测阈值因子T₁；

4a1）在给定虚警概率P_f＝10^-4的条件下，计算整个子块对应的虚警次数S＝p_f×(p×q)；

4a2）在一次Monte Carlo仿真实验中，生成一个大小为p×q,服从同一杂波分布的子块，设该子块的各数据单元的值表示为D₁(i,j)，i=1,2…p，j=1,2…q；求出该子块各数据单元所对应的阈值因子T₁(i,j)＝R₁(i,j)D₁(i,j)，其中：R₁(i,j)表示位于子块第i行第j列的数据单元的所有参考单元数据的平均值；

4a3)用每一个数据单元对应的阈值因子T₁(i,j)作为整个子块的阈值因子对整个子块进行检测，记录其对应的虚警次数C₁，当C₁值与给定虚警概率条件下整个子块对应的虚警次数S相等时，记录该T₁(i,j)为此次Monte Carlo实验得到的单元平均恒虚警检测CA_CFAR的阈值因子δ₁；

4a4）进行r次Monte Carlo实验，得到r个阈值因子δ_i，i=1,2…r,r≥2且r为整数，对这r个阈值因子δ_i求平均,得单元平均恒虚警检测CA_CFAR的阈值因子T₁；

4b)计算在不同杂波分布条件下的二维有序恒虚警检测阈值因子T₂：

4b1)在给定虚警概率P_f＝10^-4的条件下，计算整个子块对应的虚警次数S＝p_f×(p×q);

4b2)在一次Monte Carlo仿真实验中，生成一个大小为p×q的子块，服从同一杂波分布的子块，设该子块中各数据单元的值表示为D₂(i,j)，i=1,2…p，j=1,2…q；求出子块各数据单元所对应的阈值因子T₂(i,j)＝R₂(i,j)D₂(i,j)；其中：R₂(i,j)表示位于子块第i行第j列的数据单元的所有参考单元的数据从小到大排序后的第3B/4个数据，B为子块第(i,j)个数据单元对应的参考单元总数；

4b3)用每一个数据单元对应的阈值因子T₂(i,j)作为整个子块的阈值因子对整个子块进行检测，记录其对应的虚警次数C₂，当C₂值与给定虚警概率条件下整个子块对应的虚警次数S相等时，记录该T_OS(i,j)为此次Monte Carlo实验得到的有序恒虚警检测OS_CFAR的阈值因子η₁；

4b4）进行r次Monte Carlo实验，得到r个阈值因子η_i，i=1,2…r，r≥2且r为整数，对这r个阈值因子η_i求平均,得有序恒虚警检测OS_CFAR的阈值因子T₂。

步骤5，在二维自适应雷达恒虚警检测中，对不同属性的子块分别进行目标检测：

要判断不同属性子块某个数据单元是否存在目标需要有一个检测门限，将检测门限与该数据单元的值进行比较，从而可判断出该单元是否存在目标。

5a)对均匀分布子块的检测：

5a1）计算各数据单元的检测门限：K₁(i,j)＝T₁×Z₁(i,j)i=1,2…p，j=1,2…q；其中Z₁(i,j)为子块各数据单元附近杂波和干扰的估计值，表示位于子块第i行第j列的数据单元的所有参考单元数据的平均值；

5a2）设均匀子块各数据单元的值表示为Y₁(i,j)i=1,2…p，j=1,2…q；

5a3）分别用各数据单元的检测门限K₁(i,j)判断各数据单元是否存在目标；用各数据单元的检测门限K₁(i,j)与该数据单元的值Y₁(i,j)进行比较，若Y₁(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标；

5b)对于非均匀分布子块的检测：

5b1)计算各数据单元的检测门限K₂(i,j)＝T₂×Z₂(i,j)，t=1,2…(p×q)，其中Z₂(i,j)分别为子块各数据单元附近杂波和干扰的估计值，表示位于子块第i行第j列的数据单元的所有参考单元的数据从小到大排序后的第3B/4个数据，B为子块第(i,j)个数据单元对应的参考单元总数；

5b2)设非均匀子块各数据单元的值表示为Y₂(i,j)i=1,2…p，j=1,2…q；

5b3)用各数据单元的检测门限K₂(i,j)与该数据单元的值Y₂(i,j)进行比较，若Y₂(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标。

本发明的效果通过以下仿真进一步说明：

1.仿真条件

接收回波信号矩阵大小为200×400，将其分为8个100×100大小的子块，该回波信号矩阵分别在包含瑞利分布杂波、韦布尔分布杂波和对数正态分布杂波三种情况下进行仿真；该回波信号矩阵中包含两个干扰信号和两个目标，分干扰信号处于同一子块和干扰信号处于不同子块两种情况进行仿真。

2.仿真内容

仿真1，在背景杂波分别服从瑞利分布、韦布尔分布和对数正态分布的情况下，杂波矩阵大小与上述子块大小相等，根据本发明步骤2中所述方法进行仿真，得到不同杂波分布对应的判断因子α，如表1所示。

表1不同杂波分布子块的判断因子α

杂波类型	判断因子α
		瑞利分布杂波	1.08
韦布尔分布杂波	1.22
		对数正态分布杂波	1.46

仿真2，用本发明在杂波服从瑞利分布，并加有两个处于同一子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图2所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图2可以得出，在杂波服从瑞利分布，两个干扰信号处于同一子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率。

仿真3，用本发明在杂波服从瑞利分布，并加有两个处于不同子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图3所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图3可以得出，在杂波服从瑞利分布，两个干扰信号处于不同子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率。

仿真4，用本发明在杂波服从韦布尔分布，并加有两个处于同一子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图4所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图4可以得出，在杂波服从韦布尔分布，两个干扰信号处于同一子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率

仿真5，用本发明在杂波服从韦布尔分布，并加有两个处于不同子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图5所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图5可以得出，在杂波服从韦布尔分布，两个干扰信号处于不同子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率

仿真6，用本发明在杂波服从对数正态分布，并加有两个处于同一子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图6所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图6可以得出，在杂波服从对数正态分布，两个干扰信号处于同一子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率

仿真7，用本发明在杂波服从对数正态分布，并加有两个处于不同子块的干扰信号的条件下进行仿真，并将检测概率与单一用CA_CFAR方法和OS_CFAR方法检测时的检测概率进行比较，仿真结果如图7所示。其中横轴表示信杂比的变化，纵轴表示信号的检测概率。从图7可以得出，在杂波服从对数正态分布，两个干扰信号处于不同子块的条件下，对同一信杂比，本发明所提出的二维自适应检测方法的检测概率均大于其它两种检测方法的检测概率。

综上所述，本发明用于雷达目标检测时，对于杂波分别服从瑞利分布、韦布尔分布、对数正态分布时检测概率均高于单一采用CA_CFAR方法和OS_CFAR方法进行雷达目标检测的检测概率，且当杂波服从同一分布时，不管干扰处于同一子块还是不同子块，检测性能均不受影响，故本发明用于雷达目标检测时具有高检测性能和应对复杂环境的能力。

Claims (4)

1.一种二维自适应雷达恒虚警检测方法，包括如下步骤：

(1)对雷达接收到的大小为M×N的回波信号矩阵进行分块，将其划分为n个大小为p×q的子块，其中：M、N、p、q均不等于0，且p、q不能同时为1；

(2)用Monte Carlo仿真实验计算子块属性的判断因子a；

(3)根据判断因子α，判断每个子块的属性：

3a)计算各子块的均值比:k＝1,2,…n，其中A_k是第k个子块的数据均值，A是回波信号矩阵的数据均值；

3b)将每个子块的均值比d_k与判断因子α进行比较，若d_k≤α，则判断该子块为均匀子块；否则，判断该子块为非均匀子块；

(4)在虚警概率为P_f＝10^-4的条件，用Monte Carlo仿真方法，分别计算出在不同杂波分布条件下的二维单元平均恒虚警检测阈值因子T₁和二维有序恒虚警检测阈值因子T₂；

(5)在二维自适应雷达恒虚警检测中，对不同属性的子块分别进行目标检测：

5a)对于均匀分布子块的检测：

5a1)设各数据单元的检测门限：K₁(i,j)＝T₁×Z₁(i,j)i＝1,2…p，j＝1,2…q；其中Z₁(i,j)为子块各数据单元附近杂波和干扰的估计值；

5a2)设均匀子块各数据单元的值表示为Y₁(i,j)i＝1,2…p，j＝1,2…q；

5a3)用各数据单元的检测门限K₁(i,j)与该数据单元的值Y₁(i,j)进行比较，若Y₁(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标；

5b)对于非均匀分布子块的检测：

5b1)设各数据单元的检测门限K₂(i,j)＝T₂×Z₂(i,j)，i＝1,2…p，j＝1,2…q，其中Z₂(i,j)分别为子块各数据单元附近杂波和干扰的估计值；

5b2)设非均匀子块各数据单元的值表示为Y₂(i,j)i＝1,2…p，j＝1,2…q；

5b3)用各数据单元的检测门限K₂(i,j)与该数据单元的值Y₂(i,j)进行比较，若Y₂(i,j)≥K₁(i,j)，则判断该数据单元有目标；否则，判断该数据单元没有目标。

2.根据权利要求书1所述的二维自适应雷达恒虚警检测方法，其中步骤(2)所述的用Monte Carlo仿真实验计算子块属性的判断因子α，包括如下步骤：

2a)在一次Monte Carlo仿真实验中，产生一个在均匀杂波背景下的回波信号矩阵，并对该回波信号矩阵分块，计算每个子块的均值比k＝1,2,…n，

其中，β_k是第k个子块的数据均值，β是回波信号矩阵的数据均值；

2b)定义均值比C_k在均匀杂波背景下的最大值为判断因子α,求出最大的均值比作为该次Monte Carlo仿真实验得出的判断因子α₁；

2c)进行b次Monte Carlo仿真实验，得到b个判断因子α_i，i＝1,2…b；b≥2，且b为整数，取这b个判断因子α_i的最大值作为子块属性的判断因子α。

3.根据权利要求书1所述的二维自适应雷达恒虚警检测方法，其中所述步骤(4)中计算在不同杂波分布条件下的二维单元平均恒虚警检测阈值因子T₁，按如下步骤进行：

4a)在给定虚警概率P_f＝10^-4的条件下，计算整个子块对应的虚警次数S＝P_f×(p×q)；

4b)在一次Monte Carlo仿真实验中，生成一个大小为p×q的子块，设该子块中各数据单元的值表示为D₁(i,j)，i＝1,2…p，j＝1,2…q；求出子块各数据单元所对应的阈值因子T₁(i,j)＝R₁(i,j)/D₁(i,j)，其中：R₁(i,j)表示位于子块第i行第j列的数据单元的所有参考单元数据的平均值；

4c)用每一个数据单元对应的阈值因子T₁(i,j)作为整个子块的阈值因子对整个子块进行检测，记录其对应的虚警次数C₁，当C₁值与给定虚警概率条件下整个子块对应的虚警次数S相等时，记录该T₁(i,j)为此次Monte Carlo实验得到的单元平均恒虚警检测CA_CFAR的阈值因子δ₁；

4d)进行r次Monte Carlo实验，得到r个阈值因子δ_i，i＝1,2…r,r≥2且r为整数，对这r个阈值因子δ_i求平均,得单元平均恒虚警检测CA_CFAR的阈值因子T₁；

4.根据权利要求书1所述的二维自适应雷达恒虚警检测方法，其中所述步骤(4)中计算在不同杂波分布条件下的二维有序恒虚警检测阈值因子T₂，按如下步骤进行：

4.1)在给定虚警概率P_f＝10^-4的条件下，计算整个子块对应的虚警次数S＝P_f×(p×q)；

4.2)在一次Monte Carlo仿真实验中，生成一个大小为p×q的子块，设该子块中各数据单元的值表示为D₂(i,j)，i＝1,2…p，j＝1,2…q；

求出子块各数据单元所对应的阈值因子T₂(i,j)＝R₂(i,j)D₂(i,j)；其中：R₂(i,j)表示位于子块第i行第j列的数据单元的所有参考单元的数据从小到大排序后的第3B/4个数据，B为子块第(i,j)个数据单元对应的参考单元总数；

用每一个数据单元对应的阈值因子T₂(i,j)作为整个子块的阈值因子对整个子块进行检测，记录其对应的虚警次数C₂，当C₂值与给定虚警概率条件下整个子块对应的虚警次数S相等时，记录该T₂(i,j)为此次Monte Carlo实验得到的有序恒虚警检测OS_CFAR的阈值因子η₁；

4.3)进行r次Monte Carlo实验，得到r个阈值因子η_i，i＝1,2…r，r≥2且r为整数，对这r个阈值因子η_i求平均,得有序恒虚警检测OS_CFAR的阈值因子T₂。