对水中目标辐射噪声中线谱信号的检测与估计是被动声呐信号处理的重要研究内容。通常情况下,被动声呐中的线谱信号检测与参数估计是在强背景噪声和强干扰条件下进行的,需要通过增加积分时间,以提高频谱分析的频率分辨力、获取更高的信号处理增益。然而目标辐射线谱信号的频率漂移和目标的运动限制了传统被动声呐信号方法的积分处理时间和信号处理增益。本论文分别对如何在有限数据样本长度下提升功率谱分析的频谱分辨能力、降低谱间干扰、减小目标运动引起的互相关损失进行了深入研究,具体研究内容如下:首先,针对线谱旁瓣干扰背景下运动目标信号功率谱分析问题,提出了频域解卷积高分辨功率谱估计方法。由经典谱估计理论可知,有限长样本的功率谱可以由无限长样本的功率谱与窗函数功率谱的卷积获得。本文提出在窗函数功率谱已知的情况下,通过对有限长接收样本的功率谱在频域进行解卷积运算估计无限长接收样本对应的功率谱,以便在小样本条件下获得更高的频率分辨力,减少谱泄露、降低谱估计结果的旁瓣、提高主旁瓣比,从而降低强线谱旁瓣对邻近微弱线谱信号的掩蔽。采用的解卷积算法的迭代次数是影响谱估计频率分辨力和旁瓣抑制性能的主要因素。通过仿真和实验数据处理对比了MVDR(minimum variance distortionless response)、压缩感知(Compressed Sensing,CS)以及本文提出的解卷积算法高分辨功率谱估计方法的性能。结果表明,解卷积功率谱估计方法可有效提高频率分辨力、抑制谱旁瓣、降低谱间干扰,适用于强线谱干扰影响下的被动声呐信号频谱分析以及运动目标小样本信号的时频分析。其次,建立了双水听器接收运动目标辐射噪信号的互功率谱模型,提出了基于双水听器接收信号互功率谱的多普勒系数(尺度因子)和时延差的分步估计方法,即首先利用双水听器接收信号频谱的幅度谱估计出多普勒系数,然后利用多普勒系数补偿接收信号,再利用补偿后接收信号的互功率相位谱估计两水听器接收信号间的时延差。该算法将参数估计由多普勒和时延的二维搜索转化为两个分别沿多普勒轴和时延轴的一维搜索,不仅有效降低了参数寻优的计算量,也实现了尺度因子与时延参数估计的解耦,避免了参数估计过程中的互相干扰,提高了参数估计结果的准确性。结果表明,互功率谱的多普勒系数和时延差的分步估计方法能够有效提高利用互功率谱进行时延差估计的准确性,从而提高互功率谱测向的性能。最后,建立了目标运动情况下双水听器接收信号关于多普勒系数和时延差的分段数据模型,研究发现目标运动会导致不同数据段的目标辐射声信号互功率谱之间存在较大的频率偏移和相位差异,难以实现不同数据段的互功率谱相干积累。针对这一问题,提出对不同数据段互功率谱的多普勒系数和时延差进行估计和补偿,再对补偿后的不同数据段的互功率谱进行相干积累的基于运动补偿的互功率谱相干积累方法。通过仿真和实验数据处理分析,对比了提出的互功率谱相干积累方法、MUSIC(multiple signal classification)算法、互功率谱相干累加和非相干累加算法的谱估计性能。结果表明,补偿的互功率谱相干积累方法可以克服多普勒效应的影响,有效减小运动目标辐射噪声处理的互相关损失,增加积分处理时间、提高信号处理增益,提升对运动目标微弱线谱信号的检测性能。