水下目标的被动声呐检测与识别是当前水声领域重点研究课题。舰船作为一种水下运动目标,辐射噪声中线谱以及调制谱包含有大量的舰船信息,具有强度高、稳定度好的特点。因此可提取舰船辐射噪声中谱线特征作为水下目标特征的表征量,详细、精确的谱分析结果可以为目标识别提供依据。在复杂、多变的海洋环境中,由于信道和环境噪声干扰,信噪比低,谱图的分析结果并不理想。针对上述情况,本文研究舰船线谱增强问题,以减弱复杂环境因素的干扰,为提取舰船辐射噪声的稳定谱线特征奠定基础。本文结合自适应算法及高阶累积量理论,实现舰船辐射噪声中线谱分量以及螺旋桨调制谱分量的增强,达到舰船线谱增强提高信噪比的目的。推导理想条件下采用高阶理论的最小平均峰度算法的收敛条件和稳态失调的解析解。通过数值仿真与常规自适应增强方法(LMS算法、LMF算法)对比,验证该算法在复杂背景条件下更具普适性。依据本文提出算法构成的自适应线谱增强器,达到抑制噪声能力的目的。针对最小平均峰度算法收敛速度与稳态误差受步长因子制约的问题,本文给出一种新的变步长最小平均峰度算法,通过理论分析及数值仿真验证,改进算法比常规最小平均峰度算法具有更快的收敛速度以及更高的收敛精度,对收敛速度及稳态误差两个性能指标进行权衡。为获取更强的抑制噪声能力,本文应用改进算法与常规LMS算法构建二阶级联滤波器,进一步提高自适应线谱增强的输出信噪比增益。最后,采用本文给出的算法对实验数据中舰船线谱分量和螺旋桨调制谱分量进行增强处理,实验处理结果表明改进算法可提高输出信噪比,验证算法可行性,为实现水下目标被动声呐探测与识别奠定基础。