3、信号处理域抗干扰技术：时域滤波技术、频域滤波技术、时频域联合分析技术
各位工程师朋友，咱们接着聊。信号处理域的抗干扰，说白了就是跟干扰信号在“数学层面”掰手腕。你想想看，干扰和有用信号混在一起，怎么把它们分开？我个人的经验是，得看它们在哪个“域”里长得不一样。
这一章，我重点讲三个最常用的域：时域、频域，还有时频域联合。每个域都有它的脾气，也有它的绝活。
3.1 时域滤波技术：最朴素的“守门员”
时域滤波，是我最早接触的抗干扰手段。它的核心思想很简单：利用有用信号和干扰在时间波形上的差异。比如，干扰是一个窄脉冲，而信号是连续的，那我就在干扰到来的时刻把接收机关掉，或者把增益压低。
核心逻辑： 在时间轴上，对信号进行“选通”或“加权”。
3.1.1 脉冲削除（Pulse Blanking）
这是对付脉冲式干扰最直接的办法。我在项目中遇到过一种情况：敌方发射大功率的窄脉冲干扰，直接把我接收机的前端给“打饱和”了。怎么办？
我设计了一个检测电路，一旦发现信号幅度超过某个阈值，就立刻把后续的信号通路“掐断”一小段时间。等干扰脉冲过去了，再恢复接收。这就是脉冲削除。
我的经验： 阈值设置很关键。设高了，削不干净；设低了，会把有用信号的峰值也给削掉。我一般会先做一段时间的统计，取一个“比噪声高3dB，比干扰低6dB”的中间值。
3.1.2 自适应门限检测
干扰的强度不是一成不变的。所以，固定门限不好使。我建议用滑动窗口来估计背景噪声和干扰的功率，然后动态调整门限。
// 伪代码示例：自适应门限
for each time sample t:
noise_est = mean( signal[t-W : t] ) // W为窗口长度
threshold = noise_est * K // K为系数，通常取2~4
if signal[t] > threshold:
output[t] = 0 // 视为干扰，削除
else:
output[t] = signal[t] // 保留
嗯，这里要注意：窗口长度W不能太大，否则跟不上干扰的变化；也不能太小，否则噪声估计不准。我个人习惯取一个脉冲宽度的5~10倍。
3.2 频域滤波技术：把干扰“筛”出去
如果干扰和有用信号在时间上分不开，那就看看频率上能不能分开。频域滤波，就是给信号做一次“频谱体检”，然后把干扰所在的频率成分直接“砍掉”。
3.2.1 陷波滤波器（Notch Filter）
对付单频或窄带干扰，陷波滤波器是首选。比如，敌方在某个频率上持续发射强干扰，我就在那个频率上挖一个“坑”。
我记得有一次做半实物仿真，发现导引头在某个频点总是被干扰。查了半天，发现是电源的开关频率耦合进来了。我直接在数字信号处理里加了一个二阶IIR陷波器，问题就解决了。
避坑指南： 我曾经因为陷波器Q值设得太高，导致有用信号的相位在陷波点附近发生剧烈变化，影响了后续的测角精度。后来我学乖了，Q值一般控制在10~30之间，够用就行。
3.2.2 自适应频域滤波
干扰的频率可能会变化。这时候，固定陷波器就不够用了。我们需要一个能“跟踪”干扰频率的滤波器。
常用的方法是：先做FFT，找到干扰的谱峰位置，然后在这个位置附近设计一个动态的陷波器。或者，直接用频域加权的方法，把干扰谱线对应的幅度置零。
| 方法 | 优点 | 缺点 | 适用场景 |
|---|---|---|---|
| 固定陷波器 | 实现简单，计算量小 | 无法跟踪频率变化 | 已知固定频率干扰 |
| 自适应频域滤波 | 能跟踪干扰，灵活性高 | 计算量大，有延迟 | 频率捷变干扰 |
| 频域置零 | 实现最直接 | 会损失有用信号带宽 | 干扰谱线稀疏时 |
3.3 时频域联合分析技术：两把尺子一起量
有些干扰，既不在时间上单独出现，也不在频率上单独出现。比如，线性调频干扰，它的频率随时间变化。这时候，只用时域或只用频域，都很难把它干净地滤掉。
怎么办？把两把尺子结合起来。这就是时频域联合分析。
3.3.1 短时傅里叶变换（STFT）
STFT的思路很简单：把信号切成一小段一小段，对每一段做FFT。这样，我们就能看到“在某个时间点，信号有哪些频率成分”。
我举个例子。假设有用信号是一个固定频率的正弦波，干扰是一个扫频信号。在STFT的时频谱图上，有用信号是一条水平线，干扰是一条斜线。我就可以设计一个“时变滤波器”，沿着干扰的斜线把它滤掉。
核心思想： 在时频平面上，干扰和有用信号占据不同的区域。我们只需要保留有用信号所在的区域。
3.3.2 Wigner-Ville分布（WVD）
STFT有个问题：时间分辨率和频率分辨率不能兼得。你想想看，时间窗短了，频率分辨率就差了；时间窗长了，时间分辨率又差了。
WVD是一种更高阶的时频分析方法，它没有窗函数，理论上能同时达到很高的时频分辨率。但是，它有个致命的缺点：交叉项干扰。当信号中有多个分量时，WVD会产生虚假的“交叉项”，看起来像是有干扰，其实没有。
我的建议： 在实际工程中，我很少直接用WVD。我更倾向于用加窗的WVD，或者用Cohen类分布，来抑制交叉项。虽然分辨率会损失一点，但可靠性高得多。
3.3.3 小波变换
小波变换是另一种时频分析工具。它跟STFT的区别在于：STFT的时频网格是均匀的，而小波变换的时频网格是“自适应”的——在高频处时间分辨率高，在低频处频率分辨率高。
这很符合人的听觉特性，也符合很多雷达/通信信号的特性。比如，脉冲信号的上升沿很陡，需要高时间分辨率；而信号的主体部分比较平缓，需要高频率分辨率。
我在处理一种“脉冲+连续波”的复合干扰时，就用小波变换把脉冲部分和连续波部分在时频域分开了，然后分别处理。效果比单纯用FFT好很多。
3.4 本章知识体系
为了让大家更直观地理解这三种技术的关系，我画了一张图。你可以把它看作一个“抗干扰工具箱”，不同场景用不同的工具。
这张图把本章的核心内容串起来了。你从上往下看，先确定你要用哪个域，再选具体的技术。我个人习惯是：能用时域解决的，绝不用频域；能用频域解决的，绝不动用时频域。因为越往后，计算量越大，工程实现越复杂。
好了，关于信号处理域的抗干扰技术，我就讲这么多。这三种技术不是孤立的，在实际的导弹制导系统中，往往是组合使用的。比如，前端用脉冲削除把大功率脉冲干扰干掉，后端用自适应频域滤波对付窄带干扰，最后再用时频分析处理残余的复杂干扰。
嗯，希望这些内容对你有帮助。下次遇到干扰，别慌，先想想它在哪个域里“露馅”了。