雷达信号处理中恒虚警(CFAR)检测的目的是从杂波背景环境中区分出目标回波,它直接影响整个雷达系统的性能。在对雷达接收到的信号进行处理时,为保证发现概率不低于一定的值,一般要进行CFAR处理,即先要设定一个检测阀值,该检测阀值可以避免背景杂波、噪声以及干扰变化的影响,从而在进行目标检测时,使检测器检测的虚警概率保持恒定。传统的几种恒虚警算法在性能上都存在着不同程度的局限性,就常见CFAR算法而言,获得判决门限的算法设计都相对比较复杂,而遗传算法和粒子群算法作为两种典型的智能计算方法,可以改进估算判决门限和阀值因子的繁琐过程,并且提高估计精度。本文重点对遗传算法和粒子群算法应用在CFAR处理门限判决系数求解的优化方面进行了研究。主要工作包括：介绍了雷达CFAR处理的概念,原理和算法流程,重点研究了ML(均值)类CFAR检测算法中的邻近单元平均恒虚警(CA-CFAR)检测算法,比较了线性检波和平方律检波两种检波方式下CA-CFAR检测器的检测性能,并且通过计算机仿真比较了在不同的虚警概率和滑窗长度下的检测门限以及他们对检测性能的影响。研究了均值类CFAR的其他几种算法,比较了三种均值类CFAR的平均判决阀值(ADT),并对各种算法在均匀杂波背景、多目标环境和杂波边缘环境下的性能作了比较和分析。介绍了遗传算法和粒子群算法的基本概念和原理,详细分析了他们的操作步骤,对两种算法做了比较,利用遗传算法对门限判决系数进行了寻优,利用粒子群算法对阀值因子的计算进行了优化,通过仿真验证了利用粒子群算法进行阀值因子优化时,在运算速度和精度方面可以得到比遗传算法更优的结果。