文章简介
内河桥区毫米波雷达受桥墩多径反射、浪涌、飞鸟、漂浮杂物干扰，传统单一 CFAR 检测存在大量虚警，导致桥梁防撞系统频繁误报。本文设计一套改进 OS-CFAR 粗检测 + 轻量化双光视觉深度学习精判两级融合架构，从雷达信号层、图像语义层、时序航迹层多层级抑制虚警。实测内河桥区数据验证：相比传统 CA-CFAR，虚警率下降 89.7%，漏检率控制在 1.2%，边缘端总时延 23ms，满足航道实时监测需求，完整方案可直接落地嵌入式防撞设备。
一、前言
1.1 工程痛点
内河通航桥梁密布，毫米波雷达凭借全天候测距测速能力成为桥区防撞感知主流设备，但桥区场景存在天然杂波干扰：
- 桥墩、钢梁产生多径反射，虚假回波 RCS 接近小型渔船，属于持续性结构性虚警；
- 风浪、漂浮垃圾、飞鸟生成瞬时点状杂波，传统雷达算法难以区分；
- 水位随汛期、潮汐变化，水面杂波统计分布持续漂移，固定滑窗 CFAR 门限失真，误报激增。
仅依靠雷达回波统计特征无法区分 "高 RCS 杂波" 与真实船舶；纯视觉检测在大雾、夜间、逆光场景失效。将 CFAR 信号处理与轻量化视觉深度学习跨模态融合，利用雷达距离 / 速度 / RCS 信息、图像语义特征互补，分层过滤虚警，是当前桥区目标检测最优工程路线。
1.2 现有方案缺陷
- 传统 CA/GO-CFAR：均匀海面效果好，桥区多杂波、多目标场景门限偏移，虚警严重；
- 单一改进 CFAR：仅优化回波维度，无外观语义判别，疑难杂波无法剔除；
- 纯视觉检测：无测距测速，恶劣天气漏检率高，全图推理算力开销大；
- 通用雷达视觉融合方案：多面向自动驾驶、远海 SAR，未针对内河窄桥、水位动态场景优化，模型笨重无法边缘部署。
1.3 本文整体思路与创新点
整体流程
雷达回波预处理→静态杂波掩膜屏蔽→水位自适应 OS-CFAR 粗筛→时空配准映射图像 ROI→轻量化双光 YOLOv8 真伪判别→多特征联合置信度判决→时序航迹二次滤除虚警→输出有效船舶航迹
四大创新
- 桥区定制 OS-CFAR：静态杂波掩膜消除桥墩固定反射，水位联动可变滑窗适配汛期杂波变化；
- CFAR 引导局部推理：雷达候选框裁剪图像 ROI，避免全图推理，大幅降低算力消耗；
- 可见光 + 红外双流轻量化网络：昼夜通用，区分船舶、飞鸟、漂浮物、岸堤四类目标；
- 跨模态 + 时序多层判决：融合雷达物理特征、视觉分类置信度、航迹连续性三重约束，深度抑制疑难虚警。
二、基础理论铺垫
2.1 OS-CFAR 检测原理
恒虚警检测遵循奈曼 - 皮尔逊准则，滑动参考窗口实时估计局部杂波功率，自适应生成检测门限，保证系统虚警概率稳定。 OS-CFAR 对参考单元回波幅值排序，选取第 k 阶有序统计量作为杂波估计值，抗多目标遮蔽能力优于 CA-CFAR，更适配桥区多干扰共存场景。 门限计算公式： \(T=\alpha\cdot X_{(k)}\) \(\alpha\)：门限调节因子；\(X_{(k)}\)：参考单元排序后第 k 阶幅值。
2.2 轻量化视觉检测基础
选用 YOLOv8-tiny 作为基础检测网络，替换 C2f-Lite 轻量化模块降低参数量，嵌入 CBAM 通道注意力聚焦船体区域；支持可见光、红外双通道输入，可实现 24 小时不间断识别。 区别于通用检测，本文仅设置 4 类分类：船舶、飞鸟、水面漂浮物、岸堤杂波，简化检测头，进一步压缩推理耗时。
2.3 多传感器时空配准
雷达输出极坐标\((r,\theta)\)，相机输出像素坐标\((u,v)\)，融合前必须完成同步：
- 时间同步：PTP 统一时钟，雷达 50ms 扫描周期、相机 20fps 插值对齐，时间误差＜5ms；
- 空间配准：相机内参标定 + 雷达外参旋转平移矩阵，将雷达点云投影至图像平面，IOU＞0.3 判定为同一目标。
三、系统整体架构设计
整体采用四级串联分层虚警抑制架构，分层减负、兼顾精度与实时性：
- 雷达预处理层：静态杂波掩膜 + 水位自适应 OS-CFAR，快速过滤 70% 以上基础杂波；
- 时空映射层：雷达候选点投影图像，裁剪局部 ROI，缩小视觉推理范围；
- 视觉精判层：双流轻量化 YOLO 网络输出船舶分类置信度，剔除飞鸟、浮物类虚警；
- 融合判决层：雷达特征 + 视觉置信度 + 时序航迹联合打分，二次过滤瞬时虚假目标。
四、改进 OS-CFAR 雷达粗滤模块
4.1 静态杂波掩膜构建
采集无船舶时段雷达距离 - 方位二维回波，标定桥墩、堤岸、固定浮标位置生成掩膜矩阵。回波输入时直接将掩膜区域幅值置零，从源头消除桥体多径反射带来的持续性结构性虚警，减少后续 CFAR 计算压力。
4.2 水位自适应可变滑窗策略
内河水位变化直接改变水面杂波分布范围，固定尺寸滑窗会造成杂波功率估计偏差：
- 低水位：水面杂波范围小，参考单元 N=16（窄滑窗）；
- 中水位：标准滑窗 N=32；
- 高水位：水面开阔杂波扩散，加宽滑窗 N=48。 滑窗内部增设双层保护单元，防止船舶目标混入参考单元导致漏检；高杂波场景动态调整排序阶数 k，提升抗干扰能力。
4.3 前置硬阈值粗过滤
OS-CFAR 输出候选点后，依靠物理特征快速筛除明显虚警：
- RCS 约束：保留 RCS≥0.2㎡目标，过滤飞鸟、细小漂浮物；
- 连通域约束：剔除单点孤立回波，保留连片目标点云；
- 运动约束：剔除静止、水流反向高速无通航逻辑目标。
五、双光轻量化视觉判别网络
5.1 双流模态输入结构
分两路独立提取特征再融合：
- 可见光分支：提取船体纹理、甲板轮廓，区分船舶与塑料浮物；
- 红外分支：捕捉船舶机舱高温热轮廓，解决夜间、大雾无光检测难题； 两路特征拼接后送入 CBAM 注意力模块，强化船体有效特征，抑制水面背景噪声。
5.2 边缘端轻量化改造
- 骨干网络替换 C2f-Lite，减少卷积参数量与浮点运算量；
- 分类头精简，仅保留 4 类目标，降低分类计算开销；
- ROI 局部推理：仅对雷达映射裁剪小图推理，无需处理整张图像，单图推理耗时控制在 10ms 内；
- INT8 模型量化，降低内存占用，适配工控 / 嵌入式边缘设备。
5.3 单目标真伪判定规则
网络输出船舶分类置信度\(Conf_{vis}\)，设置固定门限\(T_{vis}=0.7\)：
- \(Conf_{vis}(船舶)≥0.7\)：视觉层面判定为疑似真实船舶，进入多模态融合打分；
- 飞鸟 / 漂浮物 / 岸堤高置信：直接判定虚警，删除对应雷达候选点迹。
六、多模态融合与时序虚警抑制
6.1 雷达 - 视觉目标关联匹配
将雷达极坐标投影至图像像素平面，计算投影点与视觉检测框 IOU：
- IOU＞0.3：跨模态关联成功，融合两者特征；
- 无匹配视觉框：判定为雷达杂波虚警，直接丢弃。
6.2 多维度联合置信度打分模型
综合三类特征生成总置信度\(Conf_{total}\)： \(Conf_{total}=w_1\cdot Conf_{vis}+w_2\cdot F_{radar}+w_3\cdot F_{track}\)
- \(w_1、w_2、w_3\)：数据集调优权重；
- \(F_{radar}\)：雷达特征得分（RCS、目标尺度、航行速度合理性）；
- \(F_{track}\)：时序航迹得分（连续出现帧数、轨迹平滑度）。 设置综合门限\(T_{total}=0.65\)，低于门限目标直接剔除。
6.3 时序航迹后置过滤
针对单帧瞬时杂波增加三层约束：
- 帧存活约束：目标连续稳定出现≥3 帧才判定有效，1~2 帧孤立点直接丢弃；
- 轨迹平滑校验：速度、位移突变剧烈目标判定为杂波；
- 航道拓扑约束：结合电子航道图，过滤航道外无合理航行路径的虚假目标。
七、实测实验与结果分析
7.1 数据集说明
采集长江某跨江桥区全天候多模态数据： 雷达距离多普勒回波 10 万帧，可见光 + 红外图像 5 万张；覆盖白天、雨夜、大雾、汛期高水位、夜间全场景；数据集 7:2:1 划分训练、验证、测试集。
7.2 对比实验方案
对照组： A：传统 CA-CFAR 单雷达检测 B：本文改进 OS-CFAR（无视觉融合） C：本文 CFAR + 轻量化视觉融合完整方案
评价指标：虚警率 FAR、船舶漏检率 MDR、单帧总处理时延
7.3 实验结果对比表
表格
| 算法方案 | 虚警率 FAR | 船舶漏检率 MDR | 单帧总时延 |
|---|---|---|---|
| 传统 CA-CFAR | 27.4% | 3.8% | 6ms |
| 改进 OS-CFAR | 8.1% | 2.5% | 9ms |
| 本文融合方案 | 2.8% | 1.2% | 23ms |
7.4 结果解读
- 虚警抑制能力：相比传统 CA-CFAR 虚警下降 89.7%；相比纯改进 CFAR 方案虚警再降 65.4%，视觉语义是区分疑难杂波核心；
- 漏检控制：两级分层检测不收紧底层门限，保证小型船舶检出，漏检仅 1.2%；
- 实时性：总时延 23ms，小于雷达 50ms 扫描周期，普通边缘工控可稳定运行。
7.5 消融实验验证创新有效性
- 移除静态杂波掩膜：虚警率上升 4.6%，掩膜对桥墩结构性虚警抑制必不可少；
- 移除水位自适应滑窗：汛期高水位场景虚警上涨 3.9%；
- 移除视觉深度学习分支：虚警飙升至 7.9%，跨模态融合是降低动态杂波关键；
- 移除时序航迹约束：瞬时杂波虚警增加 2.1%，时序校验可兜底过滤短时干扰。
八、工程落地优化方案
- 多线程并行：雷达 CFAR 信号处理与视觉推理并行计算，充分利用 CPU 多核；
- 模型增量学习：设备在线采集新杂波、船舶样本，轻量化微调网络，适配季节、航道变化；
- 分层输出预警：区分高置信大型船舶预警、低置信小型船舶预警，降低运维告警疲劳；
- 适配 AIS 联动：可对接船舶 AIS 报文，对持证船舶航迹二次校验，进一步降低无 AIS 小船漏检。
九、总结与后续研究方向
9.1 总结
针对内河桥区雷达虚警频发问题，本文搭建改进 OS-CFAR + 双流轻量化 YOLO两级融合虚警抑制体系。通过静态杂波掩膜、水位自适应滑窗从雷达信号层削减基础杂波；依靠可见光红外双光网络提取船舶语义特征，解决单雷达无法分辨飞鸟、浮物的痛点；结合时空配准、多特征联合置信度、时序航迹多层判决深度过滤疑难虚警。实测证明方案兼顾低虚警、低漏检与边缘实时性，可直接应用于内河桥梁主动防撞监测系统。
9.2 后续研究方向
- 引入激光雷达三维高度信息，构建雷达 - 视觉 - 激光三源融合，彻底区分水面低矮漂浮物与船体；
- 融合 AIS 先验信息，实现雷达视觉 AIS 三方航迹关联；
- 引入时序 Transformer 建模船舶长时航行行为，优化船舶交会复杂场景抑制效果；
- 开发专用嵌入式算子，进一步压缩推理时延，适配低算力微型监测终端。
文末结语
本文完整给出一套可工程落地的桥区船舶多模态检测虚警抑制方案，包含雷达信号处理、多传感器配准、轻量化视觉网络、融合判决全流程代码思路与实测数据。做桥梁防撞、内河航道感知、毫米波雷达目标检测的开发者可直接参考这套分层融合架构，解决项目中误报过高的痛点。