中文引用格式： 王海涛，姚金杰，王纬地，等. 基于变步长LMS的多普勒雷达回波信号处理方法[J]. 电子技术应用，2025，51(8)：53-59.
英文引用格式： Wang Haitao，Yao Jinjie，Wang Weidi，et al. Doppler radar echo signal processing method based on VSS-LMS[J]. Application of Electronic Technique，2025，51(8)：53-59.
引言
多普勒测速雷达作为一种非接触式速度测量传感器，被广泛应用于弹丸出膛速度测试[1]、高速列车速度监控[2]和公共交通秩序维护[3]等领域。多普勒测速雷达是根据其接收信号与发射信号之间的多普勒频率进行动目标速度计算[4]，但由于在实验测试环境中存在大量噪声和静止杂波干扰[5-6]，导致最终接收到的信号被噪声干扰，难以计算动目标移动速度。
李静等人[7]采用EMD分解结合三层小波包变换对雷达信号进行降噪处理，在信噪比为15 dB时，输出信号的信噪比达到了38.28 dB。安忠毅[8]提出了一种基于深度学习的微弱信号回波检测方法，将CAE与LSTM网络结合提升整体系统性能，在0 dB信噪比环境下，输出信号到达了18.019 dB。Li等人[9]提出一种基于小波变换模极大值多重分形谱的快速独立分量分析自适应去噪方法，结果显示输出的噪声信号幅值下降了近-20 dB。
虽然基于人工智能的信号降噪算法具有较好的性能，但需要大量的先验知识和大量实验数据作为支撑，且算法模型搭建困难。自适应算法凭借自身简单的算法迭代结构和良好性能，常常被用于信号降噪处理：火元莲等人[10]根据径向基函数神经网络改进LMS滤波算法，在信噪比为-8 dB的条件下，输出信号的均方误差最小为-36 dB。陈希信等人[11]提出一种基于LMS自适应滤波的雷达随队干扰抵消方法，在信噪比为0 dB的条件下，输出目标信号的信干噪比达到了24 dB。Thannoon等人[12]提出一种高效高速自适应滤波器的收缩和凸组合结构设计，在处理信噪比为-7.95 dB的ECG信号时，输出信噪比提高了15.4%。Yadav等人[13]通过引入一个额外的常数乘子来对RLS自适应滤波模型进行改进，在信噪比为3.9 dB的条件下，所提算法输出信号信噪比为19.38 dB。
本文提出了一种基于改进箕舌线的变步长LMS自适应噪声对消方法来对多普勒测速雷达回波进行降噪处理，所提算法最低可以处理-10 dB信噪比环境下的带噪信号；且不同于其他自适应算法在运算过程中存在收敛速度慢、迭代次数多的问题，所提算法计算的前期就有较强的收敛性，可以较快输出稳定信号。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006629
作者信息：
王海涛，姚金杰，王纬地，白建胜
（中北大学智能感知技术与装备山西省重点实验室，山西 太原 030051）
