水声探测和声场预报依赖海洋环境参数,海底地声参数则为海洋资源勘查提供支撑。直接测量海底地声参数比较困难,为此开展分布式传感网络进行地声参数反演研究,利用其空间分集提高反演性能,结合图信号处理进一步提高反演参数的准确性。基于声互易性原理,将移动声源与分布式固定节点等效为固定声源与合成水平阵接收实验结构。基于水平线阵匹配场处理进行地声参数反演,采用频率相干目标函数,避免分布式节点接收数据同步问题,同时利用中频声源提高沉积层衰减等参数敏感性。将图信号处理用于分布式网络各节点的反演结果,进一步提高所在海域的地声参数反演精度。机器学习利用大样本数据提高地声参数反演性能,基于声传播模型学习声场特征与地声参数映射关系。分别研究了神经网络回归模型、随机森林回归模型和XGBoost回归模型进行地声参数反演性能。三种回归模型中神经网络回归模型地声参数反演性能更好,XGBoost回归模型反演计算量最小。在机器学习地声参数反演的基础上,将分布式传感网络与图信号处理相结合,利用分布式传感网络空间分集特性,通过图滤波算法进一步提升地声参数反演性能。将分布式传感网络各节点上的反演结果构建图信号,结合节点位置信息构建图拓扑,通过图滤波对反演结果进行优化。图信号处理能够减少因干扰噪声等原因导致的异常值,改善图信号的平滑度,提升反演结果可靠性。在数值仿真的基础上,设计海上实验,利用海试数据验证分布式传感网络与图信号处理结合提升地声参数反演性能的处理框架。合成水平线阵反演的结果与垂直阵反演的结果接近。分布式传感网络反演性能与垂直阵地声参数反演性能相当,图信号处理后地声参数的离散度进一步减小。