信号检测在频谱监测、声纳、雷达等领域有着广泛应用,可以在时间、频率、空间等多个维度上进行。使用被动声纳对水声信号进行检测分析,是发现水下目标的主要手段之一。被动声纳系统中的信号检测按照维度可分为:(1)时间-频率维度上的信号检测,主要是在LOFAR(Low frequency analysis and recordings)谱,DEMON(Detection envelope modulation on noise)谱进行,这两种谱反映了信号在频率域的分布情况;(2)时间-空间维度上的信号检测,主要在方位历程图进行,反映了信号在方位角(空间维度)上的分布情况。论文针对被动声纳系统中的信号检测问题,分别在LOFAR谱、方位历程图上开展了时频域、时空域水声目标信号检测跟踪方法的研究。首先,针对LOFAR谱上水声信道所引起的背景噪声起伏明显、实时处理数据量较大的问题,研究了低复杂度突发信号背景噪声估计算法以及时频域突发信号宽带检测算法。其次,针对被动声纳对水声目标信号检测跟踪的需求,研究分析了方位历程图上的背景噪声分布特性以及估计方法。以此为基础,研究了单被动声纳、多被动声纳接收条件下的目标信号检测与跟踪问题。论文的主要成果和创新点可总结为:(1)针对传统背景噪声估计算法复杂度高难以满足大数据量条件下突发信号宽带检测的实时性需求,分别基于时频稀疏性和数字荧光技术提出了两种低复杂度的突发信号背景噪声估计算法。理论分析了算法的可行性,通过实际被动声纳数据验证了算法的有效性,并进一步将该算法推广应用到了数据量更大的卫星宽带跳频信号的背景噪声估计之中。实际信号处理结果表明,本文算法相比于经典的FCME-CA算法,在不存在明显性能损失的条件下,内存消耗和计算复杂度明显降低,可满足突发信号实时宽带检测的需求。(2)针对LOFAR谱上的突发信号检测易受脉冲性干扰、背景噪声起伏明显的问题,提出了一种基于隐马尔科夫模型的突发信号宽带检测算法。该算法利用隐马尔科夫模型对时频谱上的突发信号建模,通过对模型参数的求解,实现了LOFAR谱上突发信号的宽带检测以及起始、终止时刻的估计。相比于小波变换、能量检测算法,在检测概率提高的同时,虚警概率更低,使用实际被动声纳数据验证了算法的有效性,并进一步将该算法推广应用到超短波通信信号宽带检测当中。(3)针对被动声纳所处海洋环境噪声复杂,高斯分布难以准确描述的问题,对实际海上实验所得的方位历程图数据的分布特性进行了分析,对比了实际方位历程图数据与高斯分布、?稳定分布、非对称拉普拉斯分布的吻合程度。指出非对称拉普拉斯分布能够较好地描述方位历程图上的背景噪声。提出一种基于期望极大(Expectation Maximization,EM)算法和非对称拉普拉斯分布混合模型的方位历程图背景噪声估计算法,实现了方位历程图上背景噪声的准确估计,能够为方位历程图上的目标信号检测算法给出更为准确的背景噪声分布参数。(4)针对被动声纳系统中方位历程图上的目标信号检测与跟踪问题,提出了一种基于隐马尔科夫模型的纯方位轨迹检测前跟踪算法。相比于传统的先检测后跟踪,该算法在提升检测概率的同时,不易受脉冲性干扰影响,检测性能更加稳健。论文进一步将该算法推广到了多目标的应用场景,通过仿真数据验证了算法的性能,并使用实际海上实验数据验证了算法的有效性。(5)研究了多被动声纳对区域内目标信号检测跟踪的问题,基于贝叶斯理论提出一种多目标检测跟踪算法,并基于网格表示的概率密度和粒子滤波算法给出了该算法的具体实现过程。该算法将检测概率划分到检测区域内每个网格,通过聚类分析确定新目标是否出现以及出现数目,避免了传统逐次初始化目标过程中容易将同一个目标初始化多次而造成目标分裂的问题。