无论是空中雷达还是水下声纳,目标检测作为一种必不可少的战术功能,其相关研究一直在军事或民用领域中占据着一席之地,如何提高检测性能俨然成为检测理论研究中不可回避的问题。近年来,无人集群协同探测领域方兴未艾,世界各国都在争取该领域的技术优势和主导权,美国、欧盟等国家在水声传感器领域均有大量的科研投入和实际成果。别于传统的单传感器检测和集中式检测,多传感器分布式检测大大降低了融合中心的计算载荷,从而提高了系统的整体性能。本文对基于贝叶斯理论的多传感器检测与数据融合技术进行研究,因其可降低融合中心决策的复杂度且传输信息为比特量级,有助于压缩水下必要的通信量以提高信息传输的准确性,旨在复杂多变的水声信道下实现低载荷、高性能的检测系统。本文重点研究了多传感器网络在不同拓扑结构下的二元假设检测与融合方法,主要包括基于贝叶斯最小代价准则的并行分布式检测与数据融合、串行分布式检测与数据融合和串并混合式分布式检测与数据融合和并行反馈式分布式检测与数据融,以及基于Neyman-Pearson准则的并行结构分布式恒虚警检测。论文首先分析该五种分布式检测与数据融合方法的理论和特性,并对不同拓扑结构下的检测性能进行比较。而且与之相关的仿真验证了分布式检测融合方法会提高原有单传感器的检测性能,并且随着传感器的个数的增加,分布式检测系统的性能越好。最后,论文讨论了基于分布式检测与数据融合问题在实现工程中可能遇到的约束或局限。论文仿真结果表明,基于贝叶斯准则的分布式检测与数据融合是实现降低融合中心决策时的计算负载、提高集群整体检测性能的基础技术,适用于低速时变的水声信道,可为未来水下集群协同探测领域应用提供基础理论支持。