中华人民共和国陆海域辽阔,资源丰富,涵养着各种生灵,守护这片蓝色宝藏依靠于蓬勃发展的科技水平。雷达是海岸线的眼睛,但是雷达在对目标进行探测的同时也承受着许多干扰,本文针对天波超视距雷达工作时受到的瞬态干扰及对其抑制的算法展开研究。本文首先对天波超视距雷达的工作原理及系统结构进行了学习与研究,正是由于他独特的结构和特殊的工作方式使其具很多传统雷达不具备的优点。但是由于高频段电磁环境复杂,噪声和干扰繁多,影响雷达的工作性能。瞬态干扰的存在会提高雷达的原噪声基底,一般会高出20-40d B,有时会掩盖真实目标信号。由于天波超视距雷达的探测场景多样,会受到不同的瞬态干扰。文中给出了三种典型瞬态干扰的成因及建模原理,分析了各自对天波超视距雷达的影响。随后基于一般的瞬态干扰的流程,对瞬态干扰检测并对此处的数据置零后,要对有效数据进行恢复,恢复的效果直接影响整个干扰的抑制效果,本文对几种数据恢复算法进行了研究。研究了传统AR方法进行数据恢复,根据天波超视距雷达回波信号特点扩展到ARIMA方法,最后结合指数平滑方法对数据进行恢复。理论和仿真结果证实这种组合预测的方法可以有效地对数据进行恢复。数据恢复算法中我们还研究了BP神经网络算法,这类算法对于非线性数据的恢复是比较适用的。本文主要采用时频分析的方法对瞬态干扰进行检测和抑制,包括复经验模式分解算法、自适应高斯基分解方法和S变换方法。根据对信号的处理方式不同可以将其分成两类:其一是S变换方法,在此基础上扩展了广义S变换算法。这列算法的时频分辨率很高,能够有效地检测出瞬态干扰的时域位置,但是不能直接进行数据的重构,需要借助数据恢复算法完成整个瞬态干扰的抑制过程。其一是基于信号分解原理的算法,如复经验模式分解算法和自适应高斯基分解方法,这两种算法可以将瞬态干扰信号分解出来,并且用剩余信号直接进行重构,但是研究发现复经验分解算法由于在计算效率上的妥协,实际应用时数据的重构效果并不理想,但是瞬态干扰的检测很准确。