鞠东豪，迟骋，李宇，张春华，黄海宁

(1. 中国科学院声学研究所，北京 100190；2. 中国科学院大学，北京 100039；3. 中国科学院先进水下信息技术重点实验室，北京 100190)

0 引 言

水下无人航行器由于平台体积小、能耗低以及无人等特点近年来被广泛应用于军民各个领域[1-2]。水下无人航行器搭载被动声呐探测水下目标也成为了近年来的一个研究课题。而对于被动声呐探测技术而言，往往关注接收信号中的低频线谱分量，这些线谱分量主要由于目标螺旋桨转动和内部的机械往复运动产生，并且线谱分量往往比接收信号中的宽带分量具有更高的功率和稳定性[3]。对于UUV 这样的小型平台而言，要提升对目标的检测性能，对这类线谱分量进行增强就显得尤为重要。

常规的自适应线谱增强器（ALE）已经被广泛地应用与被动声呐系统中[3-4]，ALE 算法应用了线谱分量和宽带噪声分量之间的相关性差异进行线谱增强，是自适应滤波器的一个重要应用，除此之外ALE 算法还被广泛应用于语音校正以及生物医学信号处理等领域。在利用最小均方误差（LMS）迭代算法的线谱增强器中，由于存在迭代噪声，系统的增益和输入信噪比有关，当输入信噪比低于某一阈值时，系统增益迅速下降[4-5]，因此，期望设计一种对输入信噪比有更强鲁棒性的线谱增强算法。

近年来深度学习算法在声学领域得到广泛的应用[6]，但使用深度学习算法构建被动声呐的线谱增强器这一领域还未有人进行研究。……