被动雷达（Passive Radar）是一种利用环境中已存在的电磁信号作为照射源的无源探测系统。与传统主动雷达需要自建发射机不同，被动雷达通过接收目标对广播、电视、通信等外辐射源（Illuminator of Opportunity）的散射回波来实现目标检测与跟踪。典型的外辐射源包括 FM 调频广播（88–108 MHz）、DVB-T 数字地面电视（470–862 MHz）以及 WiFi 信号，这些信号覆盖范围广、功率稳定，且无需额外频谱授权，是民用被动雷达的理想照射源。
信号处理管线概述
被动雷达的信号处理管线本质上是一个从噪声中提取微弱回波信号的系统工程。整个管线可分为四个核心阶段：参考通道处理、 surveillance 通道处理、互模糊函数（Cross-Ambiguity Function, CAF）计算、以及恒虚警率（CFAR）检测。在参考通道（Reference Channel）中，系统接收来自辐射源的直接信号，作为匹配滤波的基准信号；而监视通道（Surveillance Channel）则指向探测区域，接收目标回波与环境杂波。由于目标回波功率通常比直接路径信号低 40 至 60 dB 以上，信号处理的核心挑战在于如何有效抑制强干扰、提取弱目标信号。
互模糊函数计算是被动雷达的距离 - 多普勒二维联合估计过程，其本质是对参考信号与监视信号进行互相关运算。CAF 的输出构成距离 - 多普勒谱图，目标在谱图上表现为峰值点。然而，真实环境中强杂波与直接路径泄漏会严重抬高噪声基底，导致弱目标被埋没，因此杂波抑制成为管线中不可或缺的预处理环节。
杂波抑制技术
被动雷达面临的杂波主要包括三类：直接路径信号（Direct Path Signal, DPS）泄漏、多径（Multipath）杂波以及地面固定目标杂波。DPS 泄漏指辐射源信号通过天线副瓣或阵列耦合直接进入监视通道，其功率往往比目标回波高数万分倍；多径杂波来自建筑物、地形等固定反射体，在距离 - 多普勒图上呈现为零多普勒或低多普勒脊；地面杂波则由分布式的静止散射体形成，同样集中在零多普勒区域。这些杂波的共同特点是其统计特性在相当长时间内保持稳定，可通过自适应滤波方法有效抑制。
自适应滤波是应用最广泛的杂波抑制技术。其基本思想是利用参考通道的清洁信号构造自适应滤波器，将监视通道中的杂波分量估计并减去。最小均方误差（LMS）算法结构简单、计算量低，迭代公式为 w [n+1] = w [n] + μ・e [n]・x*[n]，其中 μ 为步长参数，取值范围通常在 0.001 至 0.01 之间，过大会导致收敛不稳定，过小则收敛速度过慢。递归最小二乘（RLS）算法通过引入遗忘因子 λ（通常取 0.99 至 0.999）加速收敛，适合处理非平稳杂波环境，但计算复杂度为 O (N²)，其中 N 为滤波器阶数，实际工程中常取 32 至 128 阶。
对于机载被动雷达平台，杂波在角度 - 多普勒域呈现独特的脊状分布，空时自适应处理（Space-Time Adaptive Processing, STAP）可有效抑制这类分布杂波。STAP 的核心是估计杂波协方差矩阵 R 并进行自适应加权，经典实现需要至少 2N 个独立同分布的训练样本（N 为系统自由度），实际系统中常采用降维 STAP 方法降低样本需求。值得注意的是，STAP 要求参考通道信号足够纯净，否则直接路径残余会污染协方差估计，导致杂波抑制性能下降。
凸优化方法近年来在杂波抑制领域受到关注。通过构建联合优化目标函数，同时实现杂波抑制与 CAF 计算，可以避免传统两阶段处理中信息损失的问题。典型做法是将杂波抑制建模为稀疏恢复问题，利用杂波在零多普勒区域的稀疏性先验进行约束。仿真与实测数据表明，凸优化方法可在杂波功率比目标高 50 dB 的环境中实现有效检测，但计算量较大，适合离线处理或高端计算平台。
CFAR 检测与工程阈值
完成杂波抑制与 CAF 计算后，系统需要在噪声与残余杂波背景下检测目标回波。恒虚警率（Constant False Alarm Rate, CFAR）检测技术通过自适应阈值保持预设的虚警概率，是雷达目标检测的标准方法。其基本原理是：对于被测单元（CUT），根据其周围训练单元的噪声功率估计值设定检测阈值，使得虚警概率维持在设计值。
细胞平均 CFAR（CA-CFAR）是最基础的实现方式，其阈值计算公式为 T = α・P̂_n，其中 P̂_n 为训练单元的平均噪声功率，α 为基于虚警概率 P_fa 与训练单元数 N 计算的标称因子，理论关系为 α = N (P_fa^(-1/N) - 1)。工程实践中，P_fa 通常设定在 10⁻⁴至 10⁻⁶之间，对应检测概率可达 0.8 以上。当 P_fa = 10⁻⁶、N = 16 时，α 约为 2.83；当 N 增大至 32 时，α 下降至 2.12，反映出更多训练样本带来的检测增益。CA-CFAR 在均匀杂波环境下性能最优，但当目标邻近存在强杂波边缘时会出现边缘损失问题。
对于存在杂波边缘或 multiple 目标的环境，最大选择 CFAR（GO-CFAR）通过取前后训练窗口平均值的较大者来提高边缘鲁棒性，代价是在均匀环境中引入约 0.5 dB 的 CFAR 损失。排序统计 CFAR（OS-CFAR）则选取训练单元中第 k 个最大的值作为噪声估计，对多目标干扰具有较好的抵抗力，但计算需要排序操作，时序复杂度为 O (N log N)。工程实现中，OS-CFAR 的排序索引 k 通常取 3N/4 位置，在典型 16 单元训练窗口下即为第 12 个最大值。
在被动雷达实际部署中，CFAR 门限的设定还需考虑外辐射源信号特性。FM 广播信号具有周期性调制的频谱结构，其主峰与旁瓣在 CAF 中产生特定的距离 - 多普勒纹波，可能导致 CFAR 阈值在某些距离单元被过高估计。DVB-T 信号采用 OFDM 调制，子载波间隔为 1 kHz 量级，在 CAF 中形成梳状谱结构，同样需要通过参考通道频谱预滤波或训练单元筛选来规避。工程实践中，常在 CFAR 检测前加入杂波图（Clutter Map）辅助判断，对零多普勒区域单独设定更高阈值或直接标记为杂波区。
工程实践参数建议
基于上述理论分析，被动雷达系统的工程化实现可参考以下参数区间：参考通道与监视通道的天线隔离度应优于 60 dB，以降低直接路径泄漏对后续处理的压力；LMS 自适应滤波器的阶数建议 32 至 64 阶，步长 μ 取 0.005 左右，配合归一化 LMS（NLMS）可进一步提升收敛稳定性；CFAR 检测的训练单元数取 16 至 32，防护单元数取 2 至 4（分别位于被测单元前后），在复杂城市环境下建议采用 GO-CFAR 或 OS-CFAR 变体；系统虚警概率设计值根据应用场景设定，跟踪雷达可放宽至 10⁻⁴以降低计算负担，火控雷达需严格控制在 10⁻⁶以下。
杂波抑制效果的评估指标主要包括改善因子（Improvement Factor, IF）与杂波衰减（Clutter Attenuation, CA）。改善因子定义为杂波抑制前后信杂比的比值，典型被动雷达系统应达到 30 dB 以上；杂波衰减则关注零多普勒区域的峰值抑制比，工程中可通过实时监测零多普勒单元的平均功率验证滤波器收敛状态。建议在系统监控面板中持续追踪这两个指标，当 IF 低于 20 dB 或 CA 小于 15 dB 时触发告警，提示可能的天线对准偏差或辐射源信号异常。
资料来源：本文技术细节主要参考 Max Manning 所著《Passive Radar Signal Processing Part 1: Clutter Removal》以及无线通信领域的 CFAR 检测技术综述。