声纳强脉冲干扰的自适应抵消方法

　　提出一种自适应干扰抵消参考信号的提取方法，同时在自适应算法中施加梯度约束计算，从而实现强干扰背景下的目标稳定跟踪.经多次水上试验表明：该方法能够不损失目标信息对强脉冲干扰进行有效抑制，达到检测被强干扰掩盖的目标信号的目的，同时也能实现强干扰背景下的目标稳定跟踪.

　　声纳在实际使用中，经常会遇到强脉冲干扰带来的警戒背景大幅抬高、掩盖其他目标检测、无法实施目标稳定跟踪的情况，多年来这个难题一直困扰着声纳使用者.

　　目前工程实现上常采用谱线剔除法或陷波器方法来抑制强脉冲干扰，但由于该方法基于的快速傅里叶变换(FFT)运算谱线能量存在泄漏，特别是强脉冲FFT后泄漏到其他频点的能量较大，必须对一定范围的频谱剔除或陷波才能起到抑制干扰的效果，这势必造成目标信息的损失，从而对目标检测造成不良影响，也无法解决目标跟踪的难题.

　　本文提出一种阵元域实现的声纳自适应干扰抵消方法，该方法可以有效地解决单频、调频强脉冲干扰带来的声纳目标检测和跟踪问题.其基本原理是利用最小均方(LMS)误差准则的自适应滤波来实现自适应干扰抵消，并在自适应运算中引入频域批处理，大大降低了工程实现的运算量.

　　该方法提供了一种自适应干扰抵消算法的关键因子———声纳的参考信号选取方法;并提出一种适用于脉冲干扰快速抑制的自适应可变步长的计算方法，有效地提高了自适应的收敛速度，较好地解决了收敛速度与稳态误差矛盾的自适应收敛问题;同时提出了一种干扰脉冲消隐带来的自适应权系数反冲的解决办法，还在自适应算法中引入了梯度约束计算，确保了抵消输出的时域数据相位的连续性，实现了强干扰背景下目标的稳定跟踪.

　　1　自适应干扰抵消的基本原理

　　Widrow等[1]提出自适应滤波理论，其参数值可使自适应滤波系统的参数自动地调整到最佳状况，而且只需很少的或根本不需要任何关于信号与噪声的先验统计知识，滤波性能远超过用通用方法所设计的固定参数滤波器，因此，近10年来，自适应滤波理论和方法得到了迅速发展.自适应滤波器通常由两部分组成：滤波子系统和自适应算法.最小均方(LMS)误差准则算法是一种用瞬时值估计梯度矢量的方法[2]，算法能够收敛到最佳维纳解，且与起始条件无关，收敛时间较短、计算复杂度低[3]

　　自适应滤波是从信号被干扰所淹没的环境中检测和提取有用信号[4]，自适应抵消则是以干扰为处理对象，将它们抑制掉或进行非常大的衰减，以提高信号传递和接收的信噪比质量.