声波是应用于水下信息传输的主要载体,在海水中的传播受到各种海洋环境参数的影响,其中对于水体中的声速尤为敏感。海洋声学层析技术将声学传播模型与实际观测数据相结合,为大范围、多尺度的连续海域观测提供了一种有效的方法。海洋环境噪声是声学信号处理与应用的背景干扰场,同时也是海洋中的固有声场,其中隐含着海洋环境的特征信息。利用海洋环境噪声对特征信息进行提取与重构,为声学层析提供了一种新的思路。论文基于船舶噪声这一类机会声源开展了水体声速剖面空时跟踪方法研究。由海洋环境噪声的互相关函数可以恢复得到声波传播时两点之间的时域格林函数,根据其结构反演水体声速剖面。海洋环境复杂多变,声速剖面具有典型的空时变化特性,论文根据序贯滤波的思想对声速剖面进行跟踪,从先验信息中获取的统计特性出发,构建声速场所遵循的状态演化模型。在垂直切面的时变声速场跟踪中,利用集合卡尔曼滤波方法实现声速场的序贯估计。对于算法框架中的状态-空间模型,论文将描述声速剖面演化特性的状态方程建模为自回归过程,将利用海洋环境噪声获取频域互谱密度信息的前向模型作为测量方程。论文在垂直切面声速场反演的基础上对声速场的空时跟踪方法进行研究。水下传感器网络的发展与应用扩大了海域观测范围,丰富了声学环境观测信息。传感器网络由布放于观测区域内部的多个节点组成,依据节点的拓扑结构对整个区域进行三角形划分,在三角形中再次划分子三角形,以子三角形作为空间跟踪单位,将区域内的声速场变化建模为空时自回归模型。论文通过统计线性误差传播近似将适用于线性系统的信息滤波方法与集合卡尔曼滤波方法相结合,并应用于传感器网络中,研究了集中式和分布式的空时集合卡尔曼信息滤波方法,以实现声速场的空时跟踪估计。论文利用SWellEx-96实验提供的声速场数据,验证了集合卡尔曼滤波和集合卡尔曼信息滤波两种算法跟踪时变声速剖面的可行性,并利用区域海洋模式系统模拟的中国南海声速场数据,在不同的场景下分析了集中式和分布式的空时集合卡尔曼信息滤波方法在三维声速场跟踪中的性能。论文所提出的方法可应用于基于机会声源的水下传感器网络框架下的声速剖面空时跟踪。