时域线性自适应算法是一种线性自适应滤波算法，利用最小均方算法。最小均方 算法包含滤波过程以及自适应过程这两个基本过程。在滤波过程中，自适应滤波器将 自己的输出与期望值作对比，从而估算出误差信号。在自适应过程中，滤波器之所以

可以自动调整自身的参数，就是利用了滤波过程中得到的误差信号。 时域线性技术适合应对背景噪声是高斯白噪声的情况，时域非线性技术适合应对

背景噪声非高斯噪声的情况。以极性 LMS 自适应算法为例，采用对输入信号取符号 的信号极性算法 Sign-Data LMS，其权矢量迭代公式为：

w(n + 1) = w(n) + 2μe(n)sgn[x(n)] (1-1) 式中，w(n)、w(n + 1)表示时刻为 n、n + 1时的权矢量，μ表示收敛因子，e(n)表示 时刻为 n 时的期望信号，x(n)是双极性信号，表示时刻为 n 时的输入信号，当输入信

号为负时将其置为-1，当输入信号为正时将其置为+1。

频域自适应算法的基本原理及框图和时域自适应算法一样，不同点是两者的滤波 器实现方式。所以归根结底，该算法还是利用 LMS 算法，它是块 LMS 自适应滤波算 法在频域上的实现。

表1。1对这三种时域自适应算法的性能进行了归纳和对比。论文网

表1。1时域自适应算法的性能析表

类别 抗干扰性能 算法收敛时间 适用范围

时域线性自适应算法 中 慢 中心频率不变干扰及慢变干扰

时域非线性自适应算法 好 中 中心频率不变干扰及慢变干扰

频域自适应算法 差 快 中心频率不变干扰及慢变干扰

抗干扰性能方面：时域非线性算法简化了权矢量更新公式，与时域线性算法、频 域自适应算法相比较，其收敛难度较低，且更好地抑制了强窄带干扰；频域自适应算 法在批处理过程中，多个数据信息对应一个收敛因子值，相比于其余两种算法中一个 数据信息对应一个收敛因子值，收敛精度较低，从而导致误码率较高，抗干扰性能自 然不佳。

算法收敛时间方面：时域线性自适应算法的优化情况不佳；时域非线性自适应算 法简化了权矢量更新公式，降低了运算难度以及运算量，相应的收敛速度也加快；频 域自适应算法的批处理以及快速傅里叶变换等措施使得其运算速度超过了前两者。

算法的适用范围方面：这三种方法只适用于抑制中心频率不变干扰或者慢变干扰 等。之所以无法应对一些非平稳的慢变干扰，是因为三者都有一个计算值逐渐收敛的 自适应过程。

1。3。2 变换域技术

FFT 重叠变换干扰抑制算法以及 SVD 奇异值分解干扰抑制算法是基于变换域窄 带干扰抑制技术的两个主要算法。

变换域窄带干扰抑制的基本原理如下：首先通过适当的变换，将干扰映射在很窄 的变换域子带，然后通过设置阈值和门限来检测出干扰的位置，同时控制开关将与之 对应的子带分量置零，以便减轻窄带干扰或者抑制窄带干扰[2]。它主要利用窄带干扰 的功率谱集中在很窄的频带中并且表现为脉冲形状的特征。图1-1为基于变换域的窄 带干扰抑制技术原理图。

图1-1 变换域窄带干扰抑制基本原理图