线性调频连续波(LFMCW)雷达被应用于汽车防撞、地下管道铺设、靶场测距、海军战术雷达、扫雷探测等诸多领域。但是,LFMCW雷达的自干扰问题严重影响了雷达性能的发挥,限制了其在更多领域上的应用。因此,充分抑制自干扰对雷达收发隔离度的提高,雷达工作性能的改善非常重要。目前,基于最小均方算法(LMS)的自干扰抑制方法以其高效的实现结构和出色的消除性能,使得它在LFMCW雷达中被广泛应用。针对在线性调频(LFM)信号这种非平稳信号下LMS算法计算精度低的问题,为了进一步提高自干扰抑制性能,本文通过Caputo分数阶导数定义以及短时记忆原则计算代价函数的分数阶梯度,以替代LMS算法的整数阶梯度,得到了分数阶LMS(FOLMS)算法。然后,针对FOLMS方法的信息利用量少、计算不稳定的问题,利用仿射投影LMS(APLMS)算法的数据重用思想对FOLMS算法进行改进,使得算法可以从代价函数二次曲面的不同方向对复权值更新,从而获得了分数阶仿射投影LMS(FOAPLMS)算法,最后分别利用FOLMS算法与FOAPLMS算法抑制LFMCW雷达中的自干扰,并对各方法进行了性能分析,最终验证了在LFMCW雷达应用背景下,本文提出的方法性能优于LMS方法。本文具体研究内容如下:第一,建立了LFMCW雷达的自干扰抑制系统模型。首先介绍了自干扰的产生与影响以及自干扰抑制的基本思想,然后根据介绍的几种典型自干扰抑制方法,分析了不同方法的实现和优缺点。第二,研究了基于经典自适应信号处理的自干扰抑制算法,分别研究了基于LMS、归一化LMS和APLMS的自干扰抑制算法,给出了各算法的自干扰抑制实现步骤,分析了各算法的稳定条件,提供了自干扰抑制性能评价因子,在LFMCW雷达系统中完成了对各算法的仿真和性能分析。第三,针对在非平稳信号下传统LMS算法计算精度不高的问题,利用分数阶梯度对传统LMS算法进行改进,得到了FOLMS算法,并将其应用在LFMCW雷达的自干扰抑制中。首先,根据Caputo和Riemann-Liouville分数阶微分理论,推导了分数阶梯度下降法,结合基于整数阶梯度的传统LMS算法推导过程,获得了FOLMS的实现步骤。其次,从自适应自干扰抑制过程的非平稳性和时变特性角度,分析了阶次与步长因子对FOLMS方法的影响,为LFMCW雷达中自干扰抑制技术的参数选择提供了参考。然后,利用APLMS算法的数据重用思想对FOLMS算法进行改进,提出了基于FOAPLMS的自干扰抑制算法,该方法可以利用更多的信号的历史信息更精确的重构自干扰信号,从而更充分地抑制自干扰。最后,在LFMCW雷达系统中,对FOLMS方法与FOAPLMS方法分别进行相关仿真,算法的正确性和有效性在仿真结果中得到了验证。数值仿真与LFMCW雷达实测数据实验结果显示,在相同的仿真环境下,虽然FOAPLMS方法与FOLMS方法的计算复杂度都高于LMS方法,但是FOAPLMS方法自干扰抑制效果最好,且FOLMS方法的自干扰抑制性能优于LMS方法,这使得FOLMS方法和FOAPLMS方法抑制后的残余自干扰功率水平更接近接收机噪声底限,使得目标回波信号更易被检测到。