单载波体制相对多载波体制不存在峰均功率比高的问题,同时对多普勒频偏不敏感,是实现高速水声通信的优选方案之一。随着人类海洋活动的日益频繁和信息传输场景的扩展,水声通信系统面临着强干扰造成的性能下降,然而对强干扰环境下单载波水声通信的研究却非常少。本文从系统的角度出发,将强干扰分为强外部干扰和强内部干扰两方面。外部干扰指由外部环境对通信系统施加的干扰,内部干扰指由通信系统产生的自干扰。首先研究强外部干扰,建立单载波体制中的外部干扰模型——参数化模型并提出相应迭代接收机结构。然后对外部干扰加以稀疏约束,进一步研究时变信道中、稀疏脉冲噪声干扰下的信道均衡方法。最后将强干扰的研究推广到MIMO系统中,研究稀疏脉冲噪声干扰下的稳健MIMO信道估计方法以及基于时域IRC的MIMO同信道干扰（内部干扰）抑制技术。通过数值仿真和湖试海试数据验证所提出方法的有效性。一是研究基于外部干扰参数化模型的时域迭代均衡技术。从奈奎斯特采样定理出发,外部干扰由有限个未知参数进行参数化。基于该模型提出一种干扰消除的迭代接收机结构:首先利用Page Test对外部干扰进行检测并估计部分参数,接着进行干扰唤醒信道估计,然后利用以上参数对干扰进行估计、重构和消除,最后进行信道均衡与符号解码。利用模拟的部分带宽部分时长干扰、北极采集的脉冲噪声和人工声呐信号对所提出的接收机进行评估。数值仿真和试验数据处理结果均表明,所提出的均衡方法能有效克服强外部干扰的影响,与传统DFE均衡相比有较大的性能提升。二是研究稀疏脉冲干扰下的时频域迭代均衡技术。基于参数化模型,加以稀疏约束,提出时变信道中、稀疏脉冲干扰下的单载波时频域均衡方法:首先针对时变水声信道,利用双向卡尔曼滤波的稀疏信道追踪提高信道估计精度,接着利用参数化干扰消除迭代接收机进行符号的初始估计,然后通过分组相位纠正进行残余多普勒的补偿,最后通过基于稀疏贝叶斯学习的单载波干扰、信道、符号联合估计方法进一步提高接收机的解码性能。利用GMM噪声、SαS噪声和北极采集的脉冲噪声对所提出的均衡方法进行了评估。数值仿真和试验数据处理结果均表明,与传统频域均衡、基于参数化的迭代均衡相比,所提出的方法在稀疏脉冲干扰环境中具有优异的解码性能。三是研究稀疏脉冲干扰下的稳健MIMO信道估计技术。与SISO或SIMO系统不同,小尺度MIMO系统中不同数据流间的信道往往存在空间相关性,基于此提出一种基于变分贝叶斯学习的MIMO信道估计方法:在基于稀疏贝叶斯学习的信道、干扰联合估计方法中将信道向量、干扰向量合并到一个向量中进行整体估计,这样就存在两个问题,一是向量维度较大造成计算量的增大,二是联合估计方法中假设信道和外部干扰的稀疏度相近,但实际情况中并非如此,这样就造成性能的损失。在基于变分贝叶斯学习的信道估计中,将信道和干扰向量分离,同时考虑信道之间的空间相关性,从而在降低复杂度的同时提高信道估计精度。利用GMM噪声、SαS噪声和北极采集的脉冲噪声对所提出的均衡方法进行了评估。数值仿真和试验数据处理结果均表明,所提出的信道估计方法相对LS、OMP、SBL和ISBL信道估计方法有更高的估计精度。四是研究基于时域IRC的MIMO同信道干扰抑制技术。本文提出的几种外部干扰抑制技术可以直接应用于MIMO系统,然而在不同数据流间的信道存在相关性时,MIMO系统面临同信道干扰,即内部干扰,针对该问题提出强空间相关的MIMO单载波水声信道均衡方法:从信号估计理论出发,得到单载波MIMO系统中LMMSE准则下符号的估计,基于估计结果,讨论一种时域IRC方法,该方法在频域计算系数,在时域进行时反卷积运算。该方法计算复杂度低,理论上具有同信道干扰抑制能力。将时域IRC技术作为Turbo迭代接收机的预处理机制,可进一步抑制残留的同信道干扰与码间干扰,提高解码性能。由于采用干扰预处理技术,多途信道得到压缩,多通道接收信号被合并为单通道信号,大大减轻了后续Turbo均衡的计算复杂度。在松花湖两发多收和四发多收试验中,均实现低误码解码,验证了所提方法的有效性,相对传统PTR技术有较大的性能提升。