CN102664657B - 一种自适应中值门限频域抗干扰方法 - Google Patents

Abstract

本发明公开了一种自适应中值门限频域抗干扰装置及方法，通过时频域间的相互转换，滤除接收机信号带宽内的窄带干扰信号，所述抗干扰装置包括加窗单元，对输入信号进行加窗处理后进行FFT变换，然后送入干扰识别与抑制单元，所述干扰识别与抑制单元用于对FFT单元输出的频域信号进行干扰识别和抑制，包括依次相连的存储器和干扰消除单元，以及功率检测单元和中值门限估计单元，所述功率检测单元的输入端与存储器的输入端相连，接收频域信号，所述功率检测单元的输出端与中值门限估计单元的输入端相连，所述中值门限估计单元的输出端与干扰消除单元相连，所述干扰消除单元根据中值门限消除频域信号中的干扰后输出，能够快速有效的消除干扰。

Description

一种自适应中值门限频域抗干扰方法

技术领域

本发明涉及数字信号处理领域，尤其涉及一种自适应中值门限频域抗干扰装置及方法。 

背景技术

直接序列扩频系统(以下称为直扩系统)射频信号带宽比窄带通信系统的射频带宽大得多，因此更容易受到同频带其它射频信号的干扰，特别在军事通信中还会受到敌方有意的干扰。当这些干扰信号功率超过接收机能容许的最大干扰时，系统就无法正常工作。扩频通信技术本身具有强抗干扰能力，其抗干扰能力主要取决于扩频处理增益的大小。实际中，直扩系统的处理增益往往受到带宽和系统复杂度的限制。然而，直扩信号的频谱是具有伪随机噪声特性的宽带信号，而干扰信号通常是窄带信号，即干扰的总带宽比扩频信号的带宽小得多。利用这一区别，可以在扩频信号解扩之前借助信号处理技术抑制窄带干扰，使系统的干扰容限大幅度提高。 

窄带干扰抑制技术的研究起始于20世纪70年代末期，目前对窄带干扰抑制的研究主要集中在时域自适应滤波技术和变换域处理技术。其中时域自适应滤波技术是基于扩频信号和热噪声信号都是宽带信号，相关性及可预测性差；而窄带干扰信号的相关性较强，其当前值可由过去值估计得出，按照某种最优准则，如最小均方误差准则，可估计当前窄带干扰，从接收信号中减去该估计值，即可实现窄带干扰抑制。变换域处理技术是利用扩频信号、热噪声和窄带干扰在频域上的不同表现特征来去除干扰信号。扩频信号和热噪声的频谱相对比较平坦，而窄带干扰信号的频谱往往集中在某些频点上，表现为单根或多根峰值，因此可以在变换域检测窄带干扰的谱线并相应地消除干扰。 

现有技术中基于快速傅立叶变换FFT的频域窄带干扰抑制技术原理如图1所示。先对没有解扩的扩频信号进行FFT运算，转化到频域，然后 在频域上识别出窄带干扰，去掉或钳位干扰频率点的功率，最后经过IFFT模块重新将频域信号转化到时域上，送给后续模块处理。 

设输入信号表示为r(n)，当FFT的点数为N_FT时，频域输出为 

$R\left(k\right)=\underset{n=0}{\overset{N_{\mathrm{FT}}-1}{\mathrm{\Σ}}}r\left(n\right)e^{-j2\mathrm{\πkn}/N_{\mathrm{FT}}},$ k＝0，1，2，...，N_FT-1            (1) 

从式(1)可以看出，FFT运算的结果包含了N_FT个频率点，为f_k＝2∏k/N_FT，k＝0，1，2…，N_FT-1，频率分辨率为2∏/N_FT。如果信号中的频率分量没有准确地落在这些可分辨的频率点上，信号的FFT变换就会有频谱泄露的现象。FFT变换相当于对时域信号作N_FT点的截断处理，在频域相当于信号频谱与该截断函数的频谱卷积，这样就造成频谱泄露。因为截断函数的功率谱为sinc函数，其第一旁瓣只比主瓣低13.46dB，对于比有用信号大几十dB的干扰来说，其旁瓣仍然比信号大得多，整个信号频域都被干扰污染。这样，在进行干扰抑制时，无法彻底消除干扰或不得不损失更多的有用信号来滤除干扰。 

发明内容

本发明的目的是为了有效进行干扰抑制，同时避免有用信号的损失，通过预先对输入信号加入窗函数的方法，并通过估计中值门限快速滤除干扰。 

一种自适应中值门限频域抗干扰装置，所述自适应中值门限频域抗干扰装置包括依次相连的第一存储器，快速傅立叶变换FFT单元，快速傅立叶逆变换IFFT单元，自动增益AGC单元，和第二存储器，其特征在于，所述自适应中值门限频域抗干扰装置包括： 

设置于所述第一存储器前端的加窗单元，用于对输入信号进行加窗处理； 

位于FFT单元与IFFT单元间的干扰识别与抑制单元，所述干扰识别与抑制单元用于对FFT单元输出的频域信号进行干扰识别和抑制，包括依次相连的第三存储器和干扰消除单元，以及功率检测单元和中值门限估计单元，所述功率检测单元的输入端与第三存储器的输入端相连，接收频域 信号，所述功率检测单元的输出端与中值门限估计单元的输入端相连，所述中值门限估计单元的输出端与干扰消除单元相连，所述干扰消除单元根据中值门限消除频域信号中的干扰后输出。 

所述的加窗单元设置有窗函数，输入信号与窗函数相乘，用于减轻FFT运算后的频谱泄露。 

所述的功率检测单元对输入的频域信号进行功率计算，计算结果送入到所述的中值门限估计单元。所述中值门限估计单元根据功率计算结果，计算出中值门限。 

所述干扰消除模块采用干扰归零或干扰钳位法处理干扰谱线。 

本发明还公开了一种自适应中值门限频域抗干扰方法，用于直接序列扩频系统消除干扰，所述自适应中值门限频域抗干扰方法包括步骤： 

步骤1、将输入信号加窗后进行FFT变换； 

步骤2、对FFT变换后的信号进行功率检测，估计出中值门限； 

步骤3、根据中值门限对干扰谱线进行处理； 

进一步地，所述中值门限估计方法包括步骤： 

步骤a、初始化，设置中值门限系数α₀； 

步骤b、估计中值，设待估中值的数据集数据个数为D，数据类型为二进制无符号整数，数据位数为Q，数据值按2的对数分段，其边界值集合为{2⁰，2¹，2²，...，2^Q-1}，定义Q个变量{a₀，a₁，a₂，...，a_Q-1}，a_i表示序列中数值范围为[2ⁱ，2ⁱ⁺¹)的数据个数，0≤i≤Q-1； 

步骤c、按照如下公式估计中值x_M： 

x_M＝3·2^q-1

其中q值满足： 

${\mathrm{\Σ}}_{i=q+1}^{Q-1}{a}_i=D/2$ 且 ${\mathrm{\Σ}}_{i=q}^{Q-1}{a}_i=D/2;$

步骤d、对估计中值进行微调，得到中值门限T_h： 

T_h＝4/3·α₀·x_M                。 

所述根据中值门限对干扰谱线处理是采用干扰归零或干扰钳位法处理干扰谱线。 

进一步地，将经过干扰谱线处理后的信号进行IFFT变换后，进行自 动增益控制处理，对处理后的信号缓存后将已在频域上滤除干扰的信号输出。 

与现有技术相比，本发明具有以下有益的技术效果： 

1)本发明采用了加窗处理，对输入信号进行加窗处理，平滑N_FT点截断序列的边界不连续性，以减轻频谱泄露；同时采用变换域处理技术，利用FFT和IFFT实现时频域间的相互转换，能有效地滤除接收机信号带宽内的窄带干扰信号，抗干扰能力强。 

2)本发明数据处理的实时性强，虽然所述的FFT和IFFT模块都是以数据块形式处理，但是经过存储模块缓存处理后，从整体上看是流水线形式的，即同一时间输入和输出的数据量相等，只是引入了一个固定的时延。 

3)本发明提出了自适应中值门限算法，只考虑未受干扰频谱统计特性，忽略干扰谱线统计特性，使得门限值始终随着未受干扰谱线的变化而变化。同时本发明提出了二进制对数分段的一趟扫描中值估计算法，在对每个数据从高位到低位完成一次扫描后就能得到估计的中值，只需用到少量的计数器和1位比较器，与传统的冒泡法等相比显著降低了运算时间复杂度和存储空间需求，大大简化了系统的运算量和存储量，也更适合在数字器件上实现。 

附图说明

图1是频域窄带干扰抑制原理示意图； 

图2是用于扩频接收机的自适应中值门限频域抗干扰算法的框图； 

图3是加窗频域窄带干扰抑制原理示意图； 

图4是干扰消除与抑制模块的结构示意框图； 

图5是FFT幅度概率密度分布与门限选取关系； 

图6是FFT幅度中值概率密度分布曲线； 

图7是FFT幅度概率密度分布和中值门限概率密度分布关系； 

图8是实际扩频信号功率谱密度； 

图9是二进制对数分段示意图； 

图10是不同干信比情况下误比特率仿真结果； 

图11是流水线型实时数据处理结构示意框图。 

具体实施方式

下面结合附图和实施例对本发明技术方案做进一步详细说明，以下实施例不构成对本发明的限定。 

如图1所示，一种自适应中值门限频域抗干扰装置可以在FPGA、CPLD、ASIC、DSP等数字器件上实现，对接收信号进行预处理，滤除接收信号中的窄带干扰信号后再送至伪码和载波捕获跟踪模块。 

所述频域抗干扰算法包括窗函数模块、存储器A模块、FFT模块、干扰识别与抑制模块、IFFT模块、自动增益控制模块、存储器B模块。其中窗函数模块、存储器A模块、FFT模块、干扰识别与抑制模块、IFFT模块、自动增益控制模块以及存储器B模块依次相连。 

所述加窗函数模块对输入信号进行加窗处理，用于平滑FFT运算时N_FT点截断序列的边界不连续性，从而减轻FFT运算后的频谱泄露。 

在进行FFT变换之前增加一个合适的窗函数，如图3所示，图中窗函数的旁瓣应尽可能地低。但旁瓣降低的同时，往往伴随着主瓣宽度增加。从时域上看，窗函数的目的是平滑N_FT点截断序列的边界不连续性，以减轻频谱泄露，但同时对信号的系数加权也造成了有用信号的损失。不考虑窄带干扰的影响，接收信号为： 

r(n)＝s(n)+n(n)                (2) 

其中s(n)和n(n)分别是接收到的有用扩频信号和高斯白噪声信号，设窗函数为w(n)，n＝0，1，2...，N_FT-1，则加窗后的信号为： 

r_w(n)＝s(n)w(n)+n(n)w(n)                (3) 

因此窗函数的噪声增益，即噪声方差增益，也叫非相干增益，为： 

$G_{\mathrm{NP}}=\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{w}^2\left(n\right)---\left(4\right)$

信号s(n)在解扩及位同步后，需要用均值进行符号判断，所以窗函数的信号功率增益，即均值增益平方，也叫相干增益，为： 

$G_{\mathrm{SP}}={\left[\frac{1}{N}\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}w\left(n\right)\right]}^2---\left(5\right)$

根据式(4)、式(5)，可以得到窗函数引入的信噪比损失为 

$L_{\mathrm{win}}={\frac{\left[\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}w\left(n\right)\right]}{N\underset{n=0}{\overset{N-1}{\mathrm{\Σ}}}{w}^2\left(n\right)}}^2---\left(6\right)$

一般来说，旁瓣抑制度较大时信噪比损失也会相应较大。如hamming窗旁瓣抑制度为-43dB，相干增益为0.54，信噪比下降1.34dB；而4阶最小旁瓣Blackman-Harris窗旁瓣抑制可以达到-92dB，相干增益为0.36，但同时引起了3.02dB的信噪比损失。因此，在选择窗函数时须在旁瓣抑制度和有用信号的损失上作一个折中。实际应用时可根据干扰功率和接收机灵敏度的大小来选取窗函数。当干扰功率不大时，可选取旁瓣抑制度稍小的窗函数，如hamming窗，减少信噪比和接收机的灵敏度的下降；当干扰功率特别大时，只能选取旁瓣抑制度大的窗函数，如4阶最小旁瓣Blackman-Harris窗，以进一步减轻频谱泄露，但在增强抗干扰能力的同时也增加了信噪比和接收机灵敏度的下降程度。 

如图1所示，输入信号以F_s的采样率进入抗干扰模块，经加窗处理后存入存储器A模块。为了保证信号的实时性，存储器A模块以4F_s的速率将数据输入到FFT模块，同时FFT的处理速率也提高到4F_s，使得每一次FFT的处理时间都不超过数据块时间长度N/F_s，其中N为存储器A模块的存储深度。信号经FFT模块处理后转换到频域，频域信号R(k)以4F_s的速率进入干扰识别与抑制模块。 

如图4所示，本发明干扰识别与抑制模块包括依次相连的存储器C和干扰消除单元，以及功率检测单元和中值门限估计单元，所述功率检测单元的输入端与存储器C的输入端相连，接收频域信号R(k)，所述功率检测单元的输出端与中值门限估计单元的输入端相连，所述中值门限估计单元的输出端与干扰消除单元相连，所述干扰消除单元根据中值门限消除频域信号中的干扰后输出。 

从FFT模块输出的频域信号存入干扰识别与抑制模块中存储器C模块的同时，也送到功率检测单元进行功率计算并将得到的功率值输入到中值门限估计单元进行中值估计和门限计算。 

本文提出的自适应中值门限算法就是基于只考虑未受干扰频谱统计特性，忽略干扰谱线统计特性的思想，使得门限值始终随着未受干扰谱线的变化而变化。 

FFT运算结果R_k经过功率检测单元得到其幅度|R_k|，再通过中值估计得到该组N_FT个不同|R_k|的中值R_M，然后由门限估计算法得到中值门限，中值门限定义为： 

T_h＝αR_M        (7) 

R_M＝median{|R_k|}，k＝0，1，2，...，N_FT-1            (8) 

式中α为中值系数。当存在窄带干扰时，|R_k|序列中会出现大值，因为窄带干扰的谱线相对于频域总谱线(即FFT点数)较小，所以可以认为不去掉干扰产生的大值时的中值R′_M与去掉大值后计算出的R_M统计特性基本一致。为了计算中值系数α，先考虑无干扰、低信噪比下的情况，有用扩频信号s(n)比热噪声n(n)功率小很多，所以可以假设s(n)+n(n)仍然符合高斯分布。设其均值为0，方差为2σ_T ²，则FFT运算结果R(k)的幅度服从瑞利(Rayleigh)分布，概率分布密度函数为 

$P_{\left|R\right|}\left(x\right)=\left\{\begin{array}{cc}\frac{x}{{\mathrm{\&sigma;}}_{\mathrm{BIN}}^2}{e}^{-\frac{x^2}{2{\mathrm{\&sigma;}}_{\mathrm{BIN}}^2}},& x\&GreaterEqual;0\\ 0,& x<0\end{array}\right.---\left(9\right)$

其中 

表示频率分辨率带宽内的总功率， 

其累计分布函数F_|R|(x)可表示为 

$F_{\left|R\right|}\left(x\right)=P\left(\right|R|<x)=\underset{-\&infin;}{\overset{x}{\&Integral;}}{P}_{\left|R\right|}\left(x\right)\mathrm{dx}---\left(10\right)$

将式(9)代入式(10)可得 

$F_{\left|R\right|}\left(x\right)=\underset{0}{\overset{x}{\&Integral;}}{P}_{\left|R\right|}\left(x\right)\mathrm{dx}=1-e^{-x^2/2{\mathrm{\&sigma;}}_{\mathrm{BIN}}^2}---\left(11\right)$

根据式(11)的累计分布函数可以选取合适的门限，使得未受干扰频谱超过门限的概率统计分布较小。图5形象地描述了门限选取与与谱线幅度分布函数的关系，如当门限为3.72σ_BIN时，误消除的概率为0.1％，即 

F|_R|(3.72σ_BIN)＝99.9％            (12) 

自适应的目标则是在不知道σ_BIN的情况下，能够找出这样一个合理的 门限。 

中值R_M＝x的条件是FFT运算的N_FT个结果中有N_FT/2-1个R(k)幅度小于x，有1个幅度等于x，另外N_FT/2个幅度大于x(FFT运算中N_FT是偶数)。因此，中值R_M的概率密度分布函数为 

$P_{R_M}\left(x\right)=C_{N_{\mathrm{FT}}}^1\&CenterDot;C_{N_{\mathrm{FT}}-1}^{N_{\mathrm{FT}}/2-1}\&CenterDot;P_{\left|R\right|}\left(x\right)\&CenterDot;{F_{\left|R\right|}}^{N_{\mathrm{FT}}/2-1}\left(x\right)\&CenterDot;{[1-F_{\left|R\right|}\left(x\right)]}^{N_{\mathrm{FT}}/2}---\left(13\right)$

式中 

表示组合运算，计算式为 

$C_n^m=\frac{n!}{(n-m)!\&CenterDot;m!}---\left(14\right)$

可以看出，中值R_M的概率密度分布函数与FFT长度N_FT有关，图6展示了M_FT分别为128，256，512和1000时，中值R_M的概率密度分布曲线。从图中可以看出，当N_FT值越大时，其中值分布越集中。以N_FT＝512为例，中值等于1.178σ_BIN时的概率最大，通过对式(13)的积分运算，可得 

$\underset{1.078{\mathrm{\&sigma;}}_{\mathrm{BIN}}}{\overset{1.278{\mathrm{\&sigma;}}_{\mathrm{BIN}}}{\&Integral;}}{P}_{R_M}\left(x\right)\mathrm{dx}=99.1\%---\left(15\right)$

说明中值的取值范围超出[1.078σ_BIN，1.278σ_BIN]的概率不到1％，因此式(7)的中值系数α可以取为 

${\mathrm{\&alpha;}}_0=\frac{3.72{\mathrm{\&sigma;}}_{\mathrm{BIN}}}{1.078{\mathrm{\&sigma;}}_{\mathrm{BIN}}}=3.45---\left(16\right)$

这样，中值门限值超过99％可能集中在[3.72σ_BIN，4.41σ_BIN]。图7形象地展示了FFT幅度概率密度分布与中值门限概率密度分布之间的关系。 

在信噪比较高的情况下，FFT后的幅度不能描述为瑞利分布，图8展示了实际扩频信号的功率谱为sinc函数，只有在带宽等于码速率R_c的范围内功率谱密度才基本平坦。高信噪比情况下，只比有用功率谱略大的干扰没有被消除的话，经过解扩后，干扰被分散为宽带热噪声，因为本身热噪声小，所以系统还可以正常工作。因此，在确定干扰门限时，只要确保不会产生太多有用信号的误消除即可。为了保持中值门限系数不变，将功率谱较低的部分从中值筛选的序列中剔除出去。如码片速率1Mchip/s，采样速率2MHz，FFT点数N_FT取1024，则参与中值选取的频段为-0.5MHz～0.5MHz，相应的谱线跟数为N_FT/2＝512。在这种情况下，中值门限求解的式(8)可重写为： 

R_M＝median{|R_k|}，f_k∈(-R_c/2，R_c/2)                        (17) 

式中f_k是FFT输出第k根谱线所代表的频率。 

FFT输出数据经过存储器C延迟后通过功率检测单元得到其幅度，再和已得到的门限值αR_M作比较，然后根据比较结果处理干扰谱线。其中存储器一般采用FIFO存储器，对干扰谱线的处理有干扰归零和干扰钳位两种算法，干扰钳位是将干扰谱线的幅度修剪为门限值而保持相位不变，运算量较大，信噪比影响不明显。本发明采用干扰归零算法，表示为： 

$R_k=\left\{\begin{array}{cc}0,& \left|R_k\right|>T_h\\ R_k,& \mathrm{else}\end{array}\right.---\left(18\right)$

同时，本发明就中值估计提出了二进制对数分段的一趟扫描中值估计算法。 

设待估中值的数据集数据个数为D，数据类型为二进制无符号整数，数据位数为Q，数据值按2的对数分段，其边界值集合为{2⁰，2¹，2²，...，2^Q-1}。定义Q个变量{a₀，a₁，a₂，...，a_Q-1}，a_i表示序列中数值范围为[2ⁱ，2ⁱ⁺¹)的数据个数，0≤i≤Q-1，如图9所示。 

中值估计值x_M的求解公式为： 

x_M＝3·2^q-1                                (19) 

其中q值满足(D为偶数)： 

${\mathrm{\&Sigma;}}_{i=q+1}^{Q-1}{a}_i=D/2---\left(20\right)$

${\mathrm{\&Sigma;}}_{i=q}^{Q-1}{a}_i=D/2---\left(21\right)$

式(20)和式(19)也可以看出，确切的中值必然介于2^q和2^q+1之间，因此由式(19)得到的估计值误差偏差最大不超过50％。 

在扩频系统中，干扰功率不是特别大的话，经过解扩后对信噪比影响很小，我们所说的干扰通常指比有用扩频信号大很多的干扰，因此在中值估计存在偏差时，可以适当提高中值门限系数，以保证有用信号谱线被滤除的概率较低。按式(19)～(20)的中值估计算法，估计中值比实际中值小得最多情况为实际中值等于2^q+1，估计中值是实际中值的3/4倍。为了保证在最坏情况下，有用信号谱线被滤除的概率保持不变，相应地就要增大相同倍数的中值门限系数。因此式(7)的中值门限计算变为 

T_h＝α₀·R_M＝4/3·α₀·x_M            (22) 

当实际中值为2^q时，是估计值的2/3倍，中值门限系数变为原先的两倍： 

T_h＝4/3·α₀·x_M＝2α₀·R_M    (23) 

在无干扰时，门限升高，误消除概率减小，肯定不会对信噪比造成影响。存在干扰时，对式(16)和式(23)的中值门限系数设置进行仿真，干信比30dB，干扰类型包括单音、5个音频和11个音频，接收机误比特率曲线如图10所示。从图10中可以发现，两种门限设置情况下误比特率差别很小，说明在中值门限算法中，略微增大中值门限系数对抗干扰性能不产生影响。所以，中值计算采用二进制对数分段的一趟扫描中值估计算法，同时中值门限系数调整为式(22)是可行的。 

得到门限值之后，图4中干扰消除模块将存储器C模块输出信号中超过门限值的频率点的功率值置为零，即图1中干扰识别与抑制模块将已在频域上滤除了干扰的信号输入到IFFT模块中。同样，IFFT模块采用4F_s的处理速率，将信号从频域重新转换到时域。由于干扰信号会压缩有用信号的功率，IFFT输出的时域信号送入AGC模块作自动增益控制处理，保证最后输出的有用信号能量在不同干信比上保持一致。AGC模块的输出信号以4F_s的速率送入存储器B模块缓存，存储器B模块再以F_s的速率将已在频域上滤除干扰的信号输出。 

本发明中信号由时域变换为频域再由频域变换为时域，虽然都是以数据块的形式处理，但从整体上看却是流水线形式的，数据输入输出的速率保持一致，如图11所示。 

以上实施例仅用以说明本发明的技术方案而非对其进行限制，在不背离本发明精神及其实质的情况下，熟悉本领域的技术人员当可根据本发明作出各种相应的改变和变形，但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。 

Claims (3)

1.一种自适应中值门限频域抗干扰方法，用于直接序列扩频系统消除干扰，其特征在于，所述自适应中值门限频域抗干扰方法包括步骤：

步骤1、将输入信号加窗后进行FFT变换；

步骤2、对FFT变换后的信号进行功率检测，估计出中值门限；

步骤3、根据中值门限对干扰谱线进行处理；

所述中值门限估计方法包括步骤：

步骤a、初始化，设置中值门限系数α₀；

步骤b、估计中值，设待估中值的数据集数据个数为D，数据类型为二进制无符号整数，数据位数为Q，数据值按2的对数分段，其边界值集合为{2⁰,2¹,2²,…,2^Q-1}，定义Q个变量{a₀,a₁,a₂,…,a_Q-1}，a_i表示序列中数值范围为[2ⁱ,2ⁱ⁺¹)的数据个数，0≦i≦Q-1；

步骤c、按照如下公式估计中值x_M：

x_M＝3·2^q-1

其中q值满足：

${\mathrm{\&Sigma;}}_{i=q+1}^{Q-1}{a}_i<D/2$ 且 ${\mathrm{\&Sigma;}}_{i=q}^{Q-1}{a}_i\&GreaterEqual;D/2;$

步骤d、对估计中值进行微调，得到中值门限T_h：

T_h＝4/3·α₀·x_M。

2.根据权利要求1所述的自适应中值门限频域抗干扰方法，其特征在于，所述根据中值门限对干扰谱线处理是采用干扰归零或干扰钳位法处理干扰谱线。

3.根据权利要求2所述的自适应中值门限频域抗干扰方法，其特征在于，将经过干扰谱线处理后的信号进行IFFT变换后，进行自动增益控制处理，对处理后的信号缓存后输出。

Images