王宏磊 马远良

(西北工业大学航海学院 西安 710072)

0 引言

对目标信号的检测是雷达、声呐等信号处理系统的首要任务，检测到目标信号后才能够进行定位、跟踪和分类识别等后续的处理。自适应信号检测方法具有不需要或较少需要目标信号先验信息的特性，更加符合实际应用场景，因此受到人们的广泛研究。最小均方算法(Least mean square, LMS)作为一种基本的自适应算法，由于其简单、计算量小而得到广泛的应用，同时人们在其基础上不断地发展出很多其他的自适应算法。

自适应相干累积算法(Adaptive coherent integration, ACI)也是LMS算法的一种改进算法，它是本文作者马远良院士于1983年首次提出的[1−2]，其框图与自适应线谱增强器类同，如图1 所示。ACI算法最大的特点是，在保持LMS算法简单性的同时不但提高了学习和跟踪的性能，而且能够自动进行信号能量的相干累积。马远良院士提出ACI算法之初，是希望对LMS 引入动量项使之加速收敛。后来发现，当动量项权系数趋近于1时，出现了奇特的信号累积现象，并将它命名为“自适应相干累积”。与ACI 形式上相同的算法在西方公开文献中出现，是在4年之后伴随着人工神经网络出现的，并被称为Momentum-LMS(MLMS)算法[3]。在MLMS 算法中，动量项的比例系数取值远小于1，该系数趋近于1 被当作不稳定状态[4−5]。但实际上，恰恰是这种所谓“不稳定状态”，具有从噪声中自动累积信号能量的作用。ACI 与MLMS 形式相同，但动量项取值不同，产生的作用及其运行机理完全不同。

图1 自适应相干累积器的框……