低旁瓣脉压作为雷达信号处理的一个重要环节，一直以来中外的研究者们提出了很多有效的旁瓣抑制算法。大致分为两类方法：（1）在信号经过匹配滤波器处理后再经过一个旁瓣抑制滤波器；（2）通过一个失配滤波器完成整个脉冲压缩与旁瓣抑制过程。75461

在第一种方法中，最常用的方法就是窗函数加权，即在匹配滤波器后级联一个窗函数网络，通过窗函数的加权来降低旁瓣[2-3]。1971年，Rihaczek提出了基于反相滤波器结构的旁瓣抑制滤波器来处理巴克码信号[4]。史林等在2004年提出了基于网络综合法的旁瓣抑制，通过设计期望输出序列，在窗函数加权的基础上，再级联一设计滤波器，使其输出期望序列[5]。Farm Adly T在2006年提出了一种在匹配滤波器后端级联一非匹配滤波器来达到旁瓣抑制的目的[6]。近年，崔明雷[7]与杨斌[8]等提出了基于谱修正技术的旁瓣抑制方法，即在窗函数加权法处理的基础上，在信号发射端也对信号进行窗函数加权，使得它的幅度谱不再为矩形谱，常用的是双凯瑟窗谱修正，这种方法往往可以得到一个超低的旁瓣。 论文网

第二类方法即将整个脉冲压缩以及旁瓣抑制的过程等效为一失配滤波器的方法。其中比较经典的有Ackroyd在1973年提出的基于最小积累旁瓣电平(Intergrated Side-lobe Level，ISL)最小的最小均方(Least Square，LS)逆滤波法[9]。Zoraster在1980年提出了基于峰值旁瓣电平(Peak Side-lobe Level，PSL)最小的线性规划法(Linear Programming，LP)[10]。1990年Baden J M基于ISL最小的条件下，对PSL进行迭代加权设计出了加权失配滤波器[11]。杨斌在2000年总结了使用LS法的经验, 基于迭代最小二乘法的基础上改变了约束条件和目标函数, 得出了新的优化求解方法[12]。袁涛也使用迭代最小二乘法设计了失配脉压滤波器[13]。而张仕元在此基础上，设计了一种低信噪比损失的旁瓣抑制滤波器[14]。Jeffrey S、张仕元与王丽萍也先后提出了基于自适应滤波器与迭代最小二乘的旁瓣抑制方法[15-17]。而近来也有更多的优化算法应用于旁瓣抑制，如二阶锥规划[18-19]与凸优化算法[20]，它们将旁瓣抑制问题转换为带约束的优化问题，拥有比经典的最小二乘算法及线性规划更优秀的旁瓣抑制效果。同时失配滤波器的设计也开始使用各种智能优化算法，如遗传算法、模拟退火算法以及神经网络等等。Deng H在2004年设计了基于模拟退火算法的旁瓣抑制滤波器[21]，陶海红等在2005年使用遗传算法设计旁瓣抑制滤波器[22]，孔祥维使用神经网络对二相编码信号进行处理[23]。2015年，杨宁国提出了基于GA-BP网络的失配滤波器，该方法采用GA算法对BP神经网络的权值进行训练学习，结合了遗传算法(Genetic Algorithm，GA)与反向传播(Back Propagation, BP)神经网络算法[24]