CFAR 目标检测算法是毫米波雷达工程师必须掌握的核心算法之一。
一、为什么雷达需要'目标检测算法'？
在毫米波雷达中，我们最终想知道的不是'信号长什么样'，而是：
哪里有目标？目标有多少？哪些是噪声？
然而，雷达接收到的信号永远是下面三者的混合：
- 真实目标回波
- 环境杂波（地面、墙面、人体、车辆反射）
- 系统噪声（热噪声、量化噪声等）
在经过 ADC → FFT → 距离谱 / 多普勒谱 后，你会看到大量起伏的谱线。
问题来了：
在一个噪声水平不断变化的环境中，如何'公平、稳定'地判断某个峰值是不是目标？
这正是 CFAR（Constant False Alarm Rate，恒虚警率）算法存在的意义。
二、CFAR 的核心思想（一句话版）
门限不固定，而是根据'周围环境噪声'动态调整。
换句话说：
- 噪声大 → 门限自动抬高
- 噪声小 → 门限自动降低
- 始终保持一个'近似恒定'的虚警概率
这比'固定阈值法'工程上可靠得多。
三、CFAR 的物理意义（非常重要）
1️⃣ 雷达不是在'找最大值'，而是在'找异常'
CFAR 的本质不是：
'这个点是不是很大？'
而是：
'这个点是否显著高于它周围的统计背景？'
如果你把雷达距离谱想象成一条'地形起伏的山脉'：
- 噪声 = 起伏的地面
- 目标 = 突然冒出的山峰
CFAR 做的事情就是：
先估计地面高度，再判断某个山峰是否'足够突出'。
2️⃣ 为什么必须是'周围噪声'？
因为在雷达系统中：
- 噪声功率随距离变化
- 杂波随场景变化
- AGC、窗口函数都会改变谱形
固定门限 = 工程灾难
CFAR 利用 局部统计，是唯一实用的方法。
四、CFAR 的基本结构（工程视角）
对每一个被检测单元（Cell Under Test, CUT），CFAR 都会定义三类区域：
| Training | Guard | CUT | Guard | Training |
1️⃣ CUT（被检测单元）
- 当前要判断是否为目标的点
