对于主动声纳而言,除海洋环境噪声外,混响是最主要的干扰。与海洋环境噪声所不同,混响是由发射信号经由界面反射和水中微小颗粒散射引起的,在时域上与发射信号相近,频域上与发射信号相干,强度上往往远比回波信号强,因此成为主动声纳长期以来“挥之不去”的困扰。抑制混响干扰一直是水声信号处理的难点问题。主动声纳普遍采用高斯白噪声假设,实际上混响呈现非均匀特性,为非高斯、非白色、非平稳。受限于此,尚不存在混响背景下的最优检测器。本文以构建混响背景下的渐近最佳检测器为目标,主要开展了以下几个方面的工作:首先,针对混响的各种非均匀性,采用混合高斯自回归模型(GMAR)对其进行建模,应用期望最大化算法(EM)、加权最小二乘算法(WLSE)估计模型参数,然后基于模型参数建立高斯化滤波器、AR预白化滤波器,消除混响背景的非均匀性,将其预白化,以纳入到传统的或据估计信息作出简单修正后的检测框架中。接着,为了突破传统主动声纳检测技术的门限,实现在更低信混比条件下对回波信号的检测,论文采用一组组合滤波器方法,主要包括常规匹配滤波、t0滤波器、预置处理和自适应线谱增强的自适应匹配滤波算法,能够将回波信号从混响、随机起伏等干扰中分离出来,使主动声纳的检测性能相比于传统的最优滤波器——匹配滤波器提高6-8dB左右。然后,论文提出了一种基于目标回波特征的混响抑制与目标检测技术。目标回波与混响的不同之处在于前者在时间轴、频率轴上具有一定的相对稳定性,本文利用此特征对目标回波进行加强,与此同时削弱随机干扰以达到净化声纳图像的目的,对混响具有很强的抑制效果,显著提高了对弱目标,特别是近程强混响背景下弱目标的检测能力。最后,依次采用上述方法,对湖试数据进行处理,对近程强混响背景下的弱回波目标进行检测,对混响在时间、空间和频率三维方向上都取得了很好的抑制效果,净化了背景,达到了在声纳图像中只保留近程弱目标的效果,显著提高了混响背景下对弱目标的检测能力,检测性能与现有检测方法相比至少提高10dB以上。